Share via

DirectML-Strukturen

  • Artikel

Die folgenden Strukturen werden in DirectML.h deklariert.

In diesem Abschnitt

Thema und Beschreibung
DML_ACTIVATION_CELU_OPERATOR_DESC. Führt die kontinuierlich differenzierbare exponentielle lineare Einheit (CELU) Aktivierungsfunktion auf jedem Element in InputTensor aus und platziert das Ergebnis in das entsprechende Element von OutputTensor.
DML_ACTIVATION_ELU_OPERATOR_DESC. Beschreibt einen DirectML-Operator, der eine exponentielle Lineareinheits-Aktivierungsfunktion (ELU) für jedes Element in der Eingabe ausführt.
DML_ACTIVATION_GELU_OPERATOR_DESC. Führt die Gaußsche lineare Fehlereinheit (GELU) Aktivierungsfunktion auf jedem Element in InputTensor aus und platziert das Ergebnis in das entsprechende Element von OutputTensor.
DML_ACTIVATION_HARD_SWISH_OPERATOR_DESC. Führt eine harte Swish-Aktivierungsfunktion für jedes Element in InputTensor aus, wobei das Ergebnis in das entsprechende Element von OutputTensor eingefügt wird.
DML_ACTIVATION_HARDMAX_OPERATOR_DESC. Beschreibt einen DirectML-Aktivierungsoperator, der eine Hardmax-Funktion auf die Eingabe ausübt.
DML_ACTIVATION_HARDMAX1_OPERATOR_DESC. Führt eine Hardmax-Funktion für jedes Element in InputTensor aus, wobei das Ergebnis in das entsprechende Element von OutputTensor eingefügt wird.
DML_ACTIVATION_HARD_SIGMOID_OPERATOR_DESC. Beschreibt einen DirectML-Aktivierungsoperator, der auf jedes Element in der Eingabe eine harte Sigmoidfunktion ausübt.
DML_ACTIVATION_IDENTITY_OPERATOR_DESC. Beschreibt einen DirectML-Aktivierungsoperator, der die Identitätsfunktion ausführt.
DML_ACTIVATION_LEAKY_RELU_OPERATOR_DESC. Beschreibt einen DirectML-Operator, der eine undichte gleichgerichtete lineare Einheit (ReLU)-Aktivierungsfunktion auf jedes Element in der Eingabe anwendet.
DML_ACTIVATION_LINEAR_OPERATOR_DESC. Beschreibt einen DirectML-Operator, der eine lineare Aktivierungsfunktion auf jedes Element in der Eingabe ausübt.
DML_ACTIVATION_LOG_SOFTMAX_OPERATOR_DESC. Beschreibt einen DirectML-Operator, der eine Log-of-Softmax-Aktivierungsfunktion auf die Eingabe ausübt.
DML_ACTIVATION_LOG_SOFTMAX1_OPERATOR_DESC. Führt eine natürliche Protokoll der Softmax-Aktivierungs-Funktion für jedes Element in InputTensor aus, wobei das Ergebnis in das entsprechende Element von OutputTensor eingefügt wird.
DML_ACTIVATION_PARAMETERIZED_RELU_OPERATOR_DESC. Beschreibt einen DirectML-Operator, der eine parametrisierte gleichgerichtete lineare Einheit (ReLU)-Aktivierungsfunktion auf jedes Element in der Eingabe anwendet.
DML_ACTIVATION_PARAMETRIC_SOFTPLUS_OPERATOR_DESC. Beschreibt einen DirectML-Operator, der eine parametrische Softplus-Aktivierungsfunktion auf jedes Element in der Eingabe ausübt.
DML_ACTIVATION_RELU_GRAD_OPERATOR_DESC. Berechnet Backpropagations-Verläufe für eine gleichgerichtete lineare Einheit (ReLU).
DML_ACTIVATION_RELU_OPERATOR_DESC. Beschreibt einen DirectML-Operator, der eine gleichgerichtete lineare Einheit (ReLU)-Aktivierungsfunktion auf jedes Element in der Eingabe anwendet.
DML_ACTIVATION_SCALED_ELU_OPERATOR_DESC. Beschreibt einen DirectML-Operator, der eine skalierte exponentielle Lineareinheits-Aktivierungsfunktion (ELU) für jedes Element in der Eingabe ausführt.
DML_ACTIVATION_SCALED_TANH_OPERATOR_DESC. Beschreibt einen DirectML-Operator, der eine skalierte hyperbolische Tangens-Aktivierungsfunktion auf jedes Element in der Eingabe ausübt.
DML_ACTIVATION_SHRINK_OPERATOR_DESC. Beschreibt einen DirectML-Operator, der eine Elementweise verkleinerte Aktivierungsfunktion für die Eingabe ausführt.
DML_ACTIVATION_SIGMOID_OPERATOR_DESC. Beschreibt einen DirectML-Operator, der eine Sigmoid-Aktivierungsfunktion auf jedes Element in der Eingabe ausübt.
DML_ACTIVATION_SOFTMAX_OPERATOR_DESC. Beschreibt einen DirectML-Operator, der eine Softmax-Aktivierungsfunktion auf die Eingabe ausübt.
DML_ACTIVATION_SOFTMAX1_OPERATOR_DESC. Führt eine Softmax-Aktivierungsfunktion für InputTensor aus, wodurch das Ergebnis in das entsprechende Element von OutputTensor eingefügt wird.
DML_ACTIVATION_SOFTPLUS_OPERATOR_DESC. Beschreibt einen DirectML-Operator, der eine Softplus-Aktivierungsfunktion auf jedes Element in der Eingabe ausübt.
DML_ACTIVATION_SOFTSIGN_OPERATOR_DESC. Beschreibt einen DirectML-Operator, der eine Softsign-Aktivierungsfunktion auf jedes Element in der Eingabe ausübt.
DML_ACTIVATION_SWISH_OPERATOR_DESC. Führt eine Swish-Aktivierungsfunktion für jedes Element in InputTensor aus, wobei das Ergebnis in das entsprechende Element von OutputTensor eingefügt wird.
DML_ACTIVATION_TANH_OPERATOR_DESC. Beschreibt einen DirectML-Operator, der eine hyperbolische Tangens-Aktivierungsfunktion auf jedes Element in der Eingabe ausübt.
DML_ACTIVATION_THRESHOLDED_RELU_OPERATOR_DESC. Beschreibt einen DirectML-Operator, der eine begrenzte gleichgerichtete lineare Einheit (ReLU)-Aktivierungsfunktion auf jedes Element in der Eingabe anwendet.
DML_ADAM_OPTIMIZER_OPERATOR_DESC. Berechnet aktualisierte Gewichtungen (Parameter) mithilfe der bereitgestellten Gradienten, basierend auf Adam (ADAptive Moment-Schätzung). Dieser Operator ist ein Optimierer und wird in der Regel im Gewichtungs-Aktualisierungsschritt einer Trainingsschleife verwendet, um Gradientabstiege durchzuführen.
DML_AVERAGE_POOLING_OPERATOR_DESC. Beschreibt einen DirectML-Operator, der eine durchschnittliche Pool-Funktion auf die Eingabe ausübt.
DML_AVERAGE_POOLING1_OPERATOR_DESC. Durchschnittliche Werte für die Elemente innerhalb des gleitenden Fensters über den Eingabe-Tensor.
DML_ARGMAX_OPERATOR_DESC. Gibt die Indizes der maximalwertigen Elemente innerhalb einer oder mehrerer Dimensionen des Eingabe-Tensors aus.
DML_ARGMIN_OPERATOR_DESC. Gibt die Indizes der minimalwertigen Elemente innerhalb einer oder mehrerer Dimensionen des Eingabe-Tensors aus.
DML_AVERAGE_POOLING_GRAD_OPERATOR_DESC. Berechnet Hintergrundeigenschaftenverläufe für die durchschnittliche Poolverarbeitung (siehe DML_AVERAGE_POOLING_OPERATOR_DESC).
DML_BATCH_NORMALIZATION_GRAD_OPERATOR_DESC. Berechnet Hintergrundeigenschaftenverläufe für Batchnormalisierung.
DML_BATCH_NORMALIZATION_OPERATOR_DESC. Beschreibt einen DirectML-Operator, der eine Batch-Normalisierungsfunktion auf die Eingabe ausübt.
DML_BATCH_NORMALIZATION_TRAINING_GRAD_OPERATOR_DESC. Berechnet Hintergrundeigenschaftenverläufe für Batchnormalisierungstraining.
DML_BATCH_NORMALIZATION_TRAINING_OPERATOR_DESC. Führt eine Batchnormalisierung für die Eingabe aus.
DML_BINDING_DESC. Enthält die Beschreibung einer Bindung, damit Sie sie über einen Aufruf einer der IDMLBindingTable-Methoden zur Bindungstabelle hinzufügen können.
DML_BINDING_PROPERTIES. Enthält Informationen zu den Bindungsanforderungen eines bestimmten kompilierten Operators oder Operatorinitialisierer.
DML_BINDING_TABLE_DESC. Gibt Parameter für IDMLDevice::CreateBindingTable und IDMLBindingTable::Reset an.
DML_BUFFER_ARRAY_BINDING. Gibt eine Ressourcenbindung an, bei der es sich um ein Array einzelner Pufferbindungen handelt.
DML_BUFFER_BINDING. Gibt eine Ressourcenbindung an, die durch einen Bytebereich in einem Direct3D 12-Puffer beschrieben wird, dargestellt durch einen Offset und eine Größe in einer ID3D12Resource.
DML_BUFFER_TENSOR_DESC. Beschreibt einen Tensor, der in einer Direct3D 12-Pufferressource gespeichert wird.
DML_CAST_OPERATOR_DESC. Beschreibt einen DirectML-Daten-Reorganisationsoperator, der die Umwandlungsfunktion f(x) = cast(x) ausführt, jedes Element in die Eingabe in den Datentyp des Ausgabe-Tensors umwandeln und das Ergebnis im entsprechenden Element in der Ausgabe speichert.
DML_CONVOLUTION_INTEGER_OPERATOR_DESC. Führt eine Konvolution des FilterTensor mit dem InputTensor aus. Dieser Operator führt Vorwärtskonvolution für ganzzahlige Daten durch.
DML_CONVOLUTION_OPERATOR_DESC. Beschreibt einen DirectML-Matrixmultiplikationsoperator, der eine Verkettungsfunktion für die Eingabe ausführt.
DML_CUMULATIVE_PRODUCT_OPERATOR_DESC. Multipliziert die Elemente eines Tensors entlang einer Achse und schreibt die laufende Tally des Produkts in den Ausgabe-Tensor.
DML_CUMULATIVE_SUMMATION_OPERATOR_DESC. Summiert die Elemente eines Tensors entlang einer Achse, wobei die laufende Tally der Summe in den Ausgabe-Tensor geschrieben wird.
DML_DEPTH_TO_SPACE_OPERATOR_DESC. Beschreibt einen DirectML-Datenorganisationsoperator, der Daten von tiefe in Blöcke räumlicher Daten neu anordnet (Permutes).
DML_DEPTH_TO_SPACE1_OPERATOR_DESC. Neuanordnen von Daten (Permutes) von tiefe in Blöcke räumlicher Daten. Der Operator gibt eine Kopie des Eingabe-Tensors aus, bei denen Werte aus der Tiefendimension in räumlichen Blöcken in die Höhe und Breite verschoben werden.
DML_DIAGONAL_MATRIX_OPERATOR_DESC. Beschreibt einen Mathematischen DirectML-Operator, der eine identitätsähnliche Matrix mit einer matrix mit den Haupt diagonalen und Nullen an allen anderen Stellen generiert.
DML_DIAGONAL_MATRIX1_OPERATOR_DESC. Erzeugt eine identitätsähnliche Matrix mit Einsen (oder einem anderen expliziten Wert) entlang der angegebenen Diagonale, wobei die anderen Elemente entweder mit den Eingabewerten oder Nullen gefüllt werden (wenn kein InputTensor übergeben wird).
DML_DYNAMIC_QUANTIZE_LINEAR_OPERATOR_DESC. Berechnet die zum Quantisieren des InputTensor erforderlichen Quantisierungsmaßstabs und Nullpunktwerte und wendet diese Quantisierung an und schreibt das Ergebnis auf OutputTensor.
DML_ELEMENT_WISE_ABS_OPERATOR_DESC. Beschreibt einen DirectML-Mathe-Operator, der die elementweise Absolutwertfunktion f(x) = abs(x * scale + bias) ausführt, wobei die Begriffe Scale und Bias optional sind.
DML_ELEMENT_WISE_ACOS_OPERATOR_DESC. Beschreibt einen trigonometrischen DirectML-Operator, der die elementweise Arkosinusfunktion f(x) = acos(x * scale + bias) ausführt, wobei die Begriffe Scale und Bias optional sind.
DML_ELEMENT_WISE_ACOSH_OPERATOR_DESC. Beschreibt einen trigonometrischen DirectML-Operator, der die elementweise inverse hyperbolische Kosinusfunktion f(x) = log(x + sqrt(x * x - 1)) * scale + bias ausführt, wobei die Begriffe Scale und Bias optional sind.
DML_ELEMENT_WISE_ADD_OPERATOR_DESC. Beschreibt einen DirectML-Mathe-Operator, der die Funktion der Addition jedes Elements in ATensor zu seinem entsprechenden Element in BTensor ausführt.
DML_ELEMENT_WISE_ADD1_OPERATOR_DESC. Beschreibt einen DirectML-Mathe-Operator, der die Funktion des Addierens jedes Elements in ATensor zu seinem entsprechenden Element in BTensor ausführt, f(a, b) = a + b, mit der Option für verschmolzene Aktivierung.
DML_ELEMENT_WISE_ASIN_OPERATOR_DESC. Beschreibt einen trigonometrischen DirectML-Operator, der die elementweise Arkussinusfunktion f(x) = asin(x * scale + bias) ausführt, wobei die Begriffe Scale und Bias optional sind.
DML_ELEMENT_WISE_ASINH_OPERATOR_DESC. Beschreibt einen trigonometrischen DirectML-Operator, der die elementweise inverse hyperbolische Sinusfunktion f(x) = log(x + sqrt(x * x + 1)) * scale + bias ausführt, wobei die Begriffe Scale und Bias optional sind.
DML_ELEMENT_WISE_ATAN_OPERATOR_DESC. Beschreibt einen trigonometrischen DirectML-Operator, der die elementweise Arkustangens-Funktion f(x) = atan(x * scale + bias) ausführt, wobei die Begriffe Scale und Bias optional sind.
DML_ELEMENT_WISE_ATANH_OPERATOR_DESC. Beschreibt einen trigonometrischen DirectML-Operator, der die elementweise inverse hyperbolische Tangensfunktion f(x) = (log((1 + x) / (1 - x)) / 2) * scale + bias, wobei die Begriffe Scale und Bias optional sind.
DML_ELEMENT_WISE_ATAN_YX_OPERATOR_DESC. Berechnet den 2-Argument-Arctangent für jedes Element von ATensor und BTensor, wobei ATensor die Y-Achse und BTensor die X-Achse ist und das Ergebnis in das entsprechende Element von OutputTensor platziert.
DML_ELEMENT_WISE_BIT_AND_OPERATOR_DESC. Berechnet das bitweise UND zwischen jedem entsprechenden Element der Eingabe-Tensoren und schreibt das Ergebnis in den Ausgabe-Tensor.
DML_ELEMENT_WISE_BIT_COUNT_OPERATOR_DESC. Berechnet das bitweise NOT für jedes Element des Eingabe-Tensors und schreibt das Ergebnis in den Ausgabe-Tensor.
DML_ELEMENT_WISE_BIT_NOT_OPERATOR_DESC. Berechnet die bitweise Populationszahl (die Anzahl der auf 1 gesetzten Bits) für jedes Element des Eingabetensors und schreibt das Ergebnis in den Ausgabetensor.
DML_ELEMENT_WISE_BIT_OR_OPERATOR_DESC. Berechnet das bitweise ODER zwischen den entsprechenden Elementen der Eingangstensoren und schreibt das Ergebnis in den Ausgangstensor.
DML_ELEMENT_WISE_BIT_SHIFT_LEFT_OPERATOR_DESC. Führt eine logische linke Schicht der einzelnen Elemente von ATensor um eine Reihe von Bits durch das entsprechende Element von BTensor aus, wobei das Ergebnis in das entsprechende Element von OutputTensor eingefügt wird.
DML_ELEMENT_WISE_BIT_SHIFT_RIGHT_OPERATOR_DESC. Führt eine logische rechte Umschaltung der einzelnen Elemente von ATensor um eine Reihe von Bits durch das entsprechende Element von BTensor durch, wobei das Ergebnis in das entsprechende Element von OutputTensor eingefügt wird.
DML_ELEMENT_WISE_BIT_XOR_OPERATOR_DESC. Berechnet das bitweise XODER (ODER ausgeschlossen) zwischen den entsprechenden Elementen der Eingangstensoren und schreibt das Ergebnis in den Ausgangstensor.
DML_ELEMENT_WISE_CEIL_OPERATOR_DESC. Beschreibt einen DirectML-Mathe-Operator, der die elementweise Obergrenze-Funktion f(x) = ceil(x * scale + bias) ausführt, wobei die Begriffe Scale und Bias optional sind.
DML_ELEMENT_WISE_CLIP_GRAD_OPERATOR_DESC. Berechnet Hintergrundeigenschaftenverläufe für elementweisen Clip.
DML_ELEMENT_WISE_CLIP_GRAD1_OPERATOR_DESC. Berechnet Verläufe von Backpropagation für DML_ELEMENT_WISE_CLIP1_OPERATOR_DESC.
DML_ELEMENT_WISE_CLIP_OPERATOR_DESC. Beschreibt einen DirectML-Mathe-Operator, der die elementweise Clip-Funktion f(x) = clamp(x * scale + bias, minValue, maxValue) ausführt, wobei die Begriffe Scale und Bias optional sind, und wobei clamp(x) = min(maxValue, max(minValue, x)).
DML_ELEMENT_WISE_CLIP1_OPERATOR_DESC. Führt eine Klemm- (oder Begrenzungs-) Operation für jedes Element von InputTensor aus, wobei das Ergebnis in das entsprechende Element von OutputTensor eingefügt wird.
DML_ELEMENT_WISE_CONSTANT_POW_OPERATOR_DESC. Beschreibt einen DirectML-Operator, der die elementweise konstante Potenzfunktion f(x) = pow(x * scale + bias, exponent) ausführt, wobei die Begriffe Scale und Bias optional sind.
DML_ELEMENT_WISE_COS_OPERATOR_DESC. Beschreibt einen trigonometrischen DirectML-Operator, der die elementweise Kosinusfunktion f(x) = cos(x * scale + bias) ausführt, wobei die Begriffe Scale und Bias optional sind.
DML_ELEMENT_WISE_COSH_OPERATOR_DESC. Beschreibt einen trigonometrischen DirectML-Operator, der die elementweise hyperbolische Kosinusfunktion f(x) = ((e^x + e^-x) / 2) * scale + bias ausführt, wobei die Begriffe Scale und Bias optional sind.
DML_ELEMENT_WISE_DEQUANTIZE_LINEAR_OPERATOR_DESC. Beschreibt einen DirectML-Operator, der die lineare Dequantize-Funktion für jedes Element in InputTensor mit Bezug auf das entsprechende Element in ScaleTensor und ZeroPointTensor.
DML_ELEMENT_WISE_DIFFERENCE_SQUARE_OPERATOR_DESC. Subtrahiert jedes Element von BTensor vom entsprechenden Element von ATensor, multipliziert das Ergebnis selbst und platziert das Ergebnis in das entsprechende Element von OutputTensor.
DML_ELEMENT_WISE_DIVIDE_OPERATOR_DESC. Beschreibt einen DirectML-Mathe-Operator, der die Funktion hat, jedes Element in ATensor durch das entsprechende Element in BTensor zu dividieren.
DML_ELEMENT_WISE_ERF_OPERATOR_DESC. Beschreibt einen DirectML-Mathe-Operator, der die elementweise natürliche Exponentialfunktion f(x) = exp(x * scale + bias) ausführt, wobei die Begriffe Scale und Bias optional sind.
DML_ELEMENT_WISE_EXP_OPERATOR_DESC. Beschreibt einen DirectML-Mathe-Operator, der die elementweise natürliche Exponentialfunktion f(x) = exp(x * scale + bias) ausführt, wobei die Begriffe Scale und Bias optional sind.
DML_ELEMENT_WISE_FLOOR_OPERATOR_DESC. Beschreibt einen DirectML-Mathe-Operator, der die elementweise Untergrenze-Funktion f(x) = floor(x * scale + bias) ausführt, wobei die Begriffe Scale und Bias optional sind.
DML_ELEMENT_WISE_IDENTITY_OPERATOR_DESC. Beschreibt einen generischen DirectML-Operator, der die Element-Weise-Identitätsfunktion f(x) = x * scale + bias ausführt.
DML_ELEMENT_WISE_IF_OPERATOR_DESC. Beschreibt einen Mathematischen DirectML-Operator, der im Wesentlichen eine ternäre if Anweisung ausführt.
DML_ELEMENT_WISE_IS_INFINITY_OPERATOR_DESC. Überprüft jedes Element von InputTensor für IEEE-754 -inf, inf oder beides, abhängig vom angegebenen InfinityMode, und platziert das Ergebnis (1 für wahr 0 für falsch) in das entsprechende Element von OutputTensor.
DML_ELEMENT_WISE_IS_NAN_OPERATOR_DESC. Beschreibt einen DirectML-Mathe-Operator, der elementweise bestimmt, ob die Eingabe NaN ist.
DML_ELEMENT_WISE_LOGICAL_AND_OPERATOR_DESC. Beschreibt einen DirectML-Mathe-Operator, der eine logische UND-Funktion zwischen jedem Element in ATensor und dem entsprechenden Element in BTensor ausführt.
DML_ELEMENT_WISE_LOGICAL_EQUALS_OPERATOR_DESC. Beschreibt einen DirectML-Mathe-Operator, der eine logische -Gleichheitsfunktion zwischen jedem Element in ATensor und dem entsprechenden Element in BTensor ausführt.
DML_ELEMENT_WISE_LOGICAL_GREATER_THAN_OPERATOR_DESC. Beschreibt einen DirectML-Mathe-Operator, der eine logische Größer–Als-Funktion zwischen jedem Element in ATensor und dem entsprechenden Element in BTensor ausführt.
DML_ELEMENT_WISE_LOGICAL_GREATER_THAN_OR_EQUAL_OPERATOR_DESC. Führt für jedes Paar der entsprechenden Elemente der Eingabe-Tensoren ein logisches Element größer oder gleich aus, wobei das Ergebnis (1 für wahr, 0 für falsch) in das entsprechende Element von OutputTensor eingefügt wird.
DML_ELEMENT_WISE_LOGICAL_LESS_THAN_OPERATOR_DESC. Beschreibt einen DirectML-Mathe-Operator, der eine logische Kleiner–Als-Funktion zwischen jedem Element in ATensor und dem entsprechenden Element in BTensor ausführt.
DML_ELEMENT_WISE_LOGICAL_LESS_THAN_OR_EQUAL_OPERATOR_DESC. Führt für jedes Paar der entsprechenden Elemente der Eingabe-Tensoren ein logisches Element kleiner oder gleich aus, wobei das Ergebnis (1 für wahr, 0 für falsch) in das entsprechende Element von OutputTensor eingefügt wird.
DML_ELEMENT_WISE_LOGICAL_NOT_OPERATOR_DESC. Beschreibt einen DirectML-Mathe-Operator, der eine logische NICHT-Funktion für jedes Element in der Eingabe durchführt.
DML_ELEMENT_WISE_LOGICAL_OR_OPERATOR_DESC. Beschreibt einen DirectML-Mathe-Operator, der eine logische ODER-Funktion zwischen jedem Element in ATensor und dem entsprechenden Element in BTensor ausführt.
DML_ELEMENT_WISE_LOGICAL_XOR_OPERATOR_DESC. Beschreibt einen DirectML-Mathe-Operator, der eine logische ausschließliche ODER-Funktion (XODER) zwischen jedem Element in ATensor und dem entsprechenden Element in BTensor ausführt.
DML_ELEMENT_WISE_LOG_OPERATOR_DESC. Beschreibt einen DirectML-Mathe-Operator, der die elementweise natürliche Logarithmusfunktion f(x) = log(x * scale + bias) ausführt, wobei die Begriffe Scale und Bias optional sind.
DML_ELEMENT_WISE_MAX_OPERATOR_DESC. Beschreibt einen DirectML-Reduktionsoperator, der eine Maximum-Funktion zwischen jedem Element in ATensor und dem entsprechenden Element in BTensor ausführt.
DML_ELEMENT_WISE_MEAN_OPERATOR_DESC. Beschreibt einen DirectML-Mathe-Reduktionsoperator, der eine arithmetische Mittelwertfunktion zwischen jedem Element in ATensor und dem entsprechenden Element in BTensor ausführt.
DML_ELEMENT_WISE_MIN_OPERATOR_DESC. Beschreibt einen DirectML-Reduktionsoperator, der eine Minimum-Funktion zwischen jedem Element in ATensor und dem entsprechenden Element in BTensor ausführt.
DML_ELEMENT_WISE_MODULUS_FLOOR_OPERATOR_DESC. Berechnet das Modul mit den gleichen Ergebnissen wie das Python-Modul für jedes Paar entsprechender Elemente aus den Eingabe-Tensoren, wobei das Ergebnis in das entsprechende Element von OutputTensor eingefügt wird.
DML_ELEMENT_WISE_MODULUS_TRUNCATE_OPERATOR_DESC. Berechnet den C-Modulus-Operator für jedes Paar entsprechender Elemente der Eingabe-Tensoren, wobei das Ergebnis in das entsprechende Element von OutputTensor eingefügt wird.
DML_ELEMENT_WISE_MULTIPLY_OPERATOR_DESC. Beschreibt einen DirectML-Mathe-Operator, der die Funktion hat, jedes Element in ATensor mit dem entsprechenden Element in BTensor zu multiplizieren.
DML_ELEMENT_WISE_NEGATE_OPERATOR_DESC. Hebt jedes Element von InputTensor auf, wobei das Ergebnis in das entsprechende Element von OutputTensor gespeichert wird.
DML_ELEMENT_WISE_POW_OPERATOR_DESC. Beschreibt einen DirectML-Mathe-Operator, der die elementweise Potenzfunktion f(x, Exponent) = pow(x * scale + bias, exponent) ausführt, wobei die Begriffe Scale und Bias optional sind.
DML_ELEMENT_WISE_QUANTIZE_LINEAR_OPERATOR_DESC. Beschreibt einen DirectML-Operator, der die lineare Quantisierungsfunktion für jedes Element in InputTensor mit Bezug auf das entsprechende Element in ScaleTensor und ZeroPointTensor.
DML_ELEMENT_WISE_QUANTIZED_LINEAR_ADD_OPERATOR_DESC. Fügt jedes Element in ATensor zu seinem entsprechenden Element in BTensor hinzu, wobei das Ergebnis in das entsprechende Element von OutputTensor eingefügt wird.
DML_ELEMENT_WISE_RECIP_OPERATOR_DESC. Beschreibt einen DirectML-Mathe-Operator, der eine reziproke Funktion für jedes Element in der Eingabe durchführt.
DML_ELEMENT_WISE_ROUND_OPERATOR_DESC. Rundet jedes Element von InputTensor auf einen ganzzahligen Wert ab, wobei das Ergebnis in das entsprechende Element von OutputTensor eingefügt wird.
DML_ELEMENT_WISE_SIGN_OPERATOR_DESC. Beschreibt einen DirectML-Operator, der eine Elementweise verkleinerte Aktivierungsfunktion für die Eingabe ausführt.
DML_ELEMENT_WISE_SIN_OPERATOR_DESC. Beschreibt einen trigonometrischen DirectML-Operator, der die elementweise Sinusfunktion f(x) = sin(x * scale + bias) ausführt, wobei die Begriffe Scale und Bias optional sind.
DML_ELEMENT_WISE_SINH_OPERATOR_DESC. Beschreibt einen trigonometrischen DirectML-Operator, der die elementweise hyperbolische Sinusfunktion f(x) = ((e^x - e^-x) / 2) * scale + bias ausführt, wobei die Begriffe Scale und Bias optional sind.
DML_ELEMENT_WISE_SQRT_OPERATOR_DESC. Beschreibt einen DirectML-Mathe-Operator, der eine Quadratwurzelfunktion für jedes Element in der Eingabe durchführt.
DML_ELEMENT_WISE_SUBTRACT_OPERATOR_DESC. Beschreibt einen DirectML-Mathe-Operator, der die Funktion hat, jedes Element in BTensor vom entsprechenden Element in ATensor zu subtrahieren.
DML_ELEMENT_WISE_TAN_OPERATOR_DESC. Beschreibt einen trigonometrischen DirectML-Operator, der die elementweise Tangensfunktion f(x) = tan(x * scale + bias) ausführt, wobei die Begriffe Scale und Bias optional sind.
DML_ELEMENT_WISE_TANH_OPERATOR_DESC. Beschreibt einen trigonometrischen DirectML-Operator, der die elementweise inverse hyperbolische Tangensfunktion f(x) = tanh(x) * scale + bias ausführt, wobei die Begriffe Scale und Bias optional sind.
DML_ELEMENT_WISE_THRESHOLD_OPERATOR_DESC. Beschreibt einen DirectML-Mathe-Operator, der die elementweise Schwellenwertfunktion f(x) = max(x * scale + bias, min) ausführt, wobei die Begriffe Scale und Bias optional sind.
DML_FEATURE_DATA_TENSOR_DATA_TYPE_SUPPORT. Enthält Details dazu, ob ein DirectML-Gerät einen bestimmten Datentyp innerhalb von Tensoren unterstützt.
DML_FEATURE_QUERY_TENSOR_DATA_TYPE_SUPPORT. Wird verwendet, um ein DirectML-Gerät für seine Unterstützung für einen bestimmten Datentyp innerhalb von Tensoren abzufragen.
DML_FILL_VALUE_CONSTANT_OPERATOR_DESC. Füllt einen Tensor mit der angegebenen Konstantenwert aus.
DML_FILL_VALUE_SEQUENCE_OPERATOR_DESC. Füllt einen Tensor mit einer Sequenz.
DML_GATHER_ELEMENTS_OPERATOR_DESC. Sammelt Elemente aus dem Eingabetensor entlang der angegebenen Achse unter Verwendung des Indizes-Tensors, um sie in die Eingabe umzuwandeln.
DML_GATHER_ND_OPERATOR_DESC. Sammelt Elemente aus dem Eingabetensor und verwendet den Indikatoren-Tensor, um Indikatoren auf ganze Unterblöcke der Eingabe umzulegen.
DML_GATHER_ND1_OPERATOR_DESC. Sammelt Elemente aus dem Eingabetensor und verwendet den Indikatoren-Tensor, um Indikatoren auf ganze Unterblöcke der Eingabe umzulegen.
DML_GATHER_OPERATOR_DESC. Beschreibt einen DirectML-Daten-Reorganisationsoperator, der bei Angabe eines Daten-Tensors von Rang r >= 1 und einem Indizes-Tensor der Rangfolge q die Einträge in der Achsendimension der Daten erfasst (standardmäßig ist die äußerste Achse == 0), die von Indizes indiziert wird, und verkettet sie in einem Ausgabe-Tensor von Rang q + (r - 1).
DML_GEMM_OPERATOR_DESC. Beschreibt einen DirectML-Operator, der eine allgemeine Matrixmultiplikationsfunktion für die Eingabe durchführt, y = Alpha * transposeA(A) * transposeB(B) + Beta * C.
DML_GRAPH_DESC. Beschreibt ein Diagramm von DirectML-Operatoren, die zum Kompilieren eines kombinierten, optimierten Operators verwendet werden.
DML_GRAPH_EDGE_DESC. Ein generischer Container für eine Verbindung in einem Diagramm von DirectML-Operatoren, die durch DML_GRAPH_DESC definiert und an IDMLDevice1::CompileGraph übergeben werden.
DML_GRAPH_NODE_DESC. Ein generischer Container für einen Knoten in einem Diagramm von DirectML-Operatoren, die durch DML_GRAPH_DESC definiert und an IDMLDevice1::CompileGraph übergeben werden.
DML_GRU_OPERATOR_DESC. Beschreibt einen DirectML Deep Learning-Operator, der eine (Standardebene) eine einschichtige Wiederkehrende Einheitsfunktion (GRU) für die Eingabe ausführt.
DML_INPUT_GRAPH_EDGE_DESC. Beschreibt eine Verbindung in einem Diagramm von DirectML-Operatoren, die durch DML_GRAPH_DESC definiert und an IDMLDevice1::CompileGraph übergeben werden. Diese Struktur wird verwendet, um eine Verbindung von einer Grapheingabe zu einer Eingabe eines internen Knotens zu definieren.
DML_INTERMEDIATE_GRAPH_EDGE_DESC. Beschreibt eine Verbindung in einem Diagramm von DirectML-Operatoren, die durch DML_GRAPH_DESC definiert und an IDMLDevice1::CompileGraph übergeben werden. Diese Struktur wird verwendet, um eine Verbindung zwischen internen Knoten zu definieren.
DML_JOIN_OPERATOR_DESC. Beschreibt einen DirectML-Operator, der eine Verknüpfungsfunktion auf einem Array von Eingabetensoren durchführt.
DML_LOCAL_RESPONSE_NORMALIZATION_GRAD_OPERATOR_DESC. Berechnet Hintergrundeigenschaftenverläufe für Lokale Antwort-Normalisierung.
DML_LOCAL_RESPONSE_NORMALIZATION_OPERATOR_DESC. Beschreibt einen DirectML-Operator, der eine lokale Antwort-Normalisierungsfunktion (LRN) auf die Eingabe ausübt.
DML_LP_NORMALIZATION_OPERATOR_DESC. Beschreibt einen DirectML-Operator, der eine Lp-Normalisierungsfunktion entlang der angegebenen Achse des Eingabe-Tensors ausführt.
DML_LP_POOLING_OPERATOR_DESC. Beschreibt einen DirectML-Operator, der eine Lp-Pool-Funktion über den Eingabetensor ausführt.
DML_LP_POOLING1_OPERATOR_DESC. Berechnet den LP-normalisierten Wert über die Elemente innerhalb des gleitenden Fensters über den Eingabetensor.
DML_LSTM_OPERATOR_DESC. Beschreibt einen DirectML Deep Learning-Operator, der eine 1-Ebene-Langzeit-Speicher (LSTM)-Funktion für die Eingabe ausführt.
DML_MATRIX_MULTIPLY_INTEGER_OPERATOR_DESC. Führt eine Matrixmultiplikationsfunktion für ganzzahlige Daten aus.
DML_MATRIX_MULTIPLY_INTEGER_TO_FLOAT_OPERATOR_DESC. Führt eine Matrixmultiplikationsfunktion mit ganzzahligen Tensordaten durch und erzeugt eine Gleitkomma-Ausgabe.
DML_MAX_POOLING_GRAD_OPERATOR_DESC. Berechnet Hintergrundeigenschaftenverläufe für max. Pooling (siehe DML_MAX_POOLING2_OPERATOR_DESC).
DML_MAX_POOLING_OPERATOR_DESC. Beschreibt einen DirectML-Operator, der eine maximale Pool-Funktion über den Eingabetensor ausführt.
DML_MAX_POOLING1_OPERATOR_DESC. Beschreibt einen DirectML-Operator, der eine maximale Poolfunktion für den Eingabe-Tensor ausführt (gemäß Kernelgrößen, Stridegrößen und Padlängen), y = max(x1 + x2 + ... x_pool_size).
DML_MAX_POOLING2_OPERATOR_DESC. Berechnet den Maximalwert über die Elemente innerhalb des gleitenden Fensters über den Eingabe-Tensor und gibt optional die Indizes der ausgewählten Maximalwerte zurück.
DML_MAX_UNPOOLING_OPERATOR_DESC. Beschreibt einen DirectML-Operator, der den Ausgabe-Tensor des angegebenen Shapes (entweder explizit oder das Eingabe-Shape plus Abstand) mit Nullen ausfüllt, und schreibt dann jeden Wert vom Eingabe-Tensor in den Ausgabe-Tensor beim Elementoffset aus dem entsprechenden Indizesarray.
DML_MEAN_VARIANCE_NORMALIZATION_OPERATOR_DESC. Beschreibt einen DirectML-Operator, der eine Mittelwert-Varianz-Normalisierungsfunktion auf dem Eingabetensor durchführt.
DML_MEAN_VARIANCE_NORMALIZATION1_OPERATOR_DESC. Führt eine Mittelwert-Varianz-Normalisierungsfunktion für den Eingabetensor durch. Dieser Operator berechnet den Mittelwert und die Varianz des Eingabe-Tensors, um die Normalisierung durchzuführen.
DML_MULTIHEAD_ATTENTION_OPERATOR_DESC. Führt eine Aufmerksamkeitsoperation mit mehreren Köpfen durch.
DML_NONZERO_COORDINATES_OPERATOR_DESC. Berechnet die N-dimensionalen Koordinaten aller Nicht-Null-Elemente des Eingabe-Tensors.
DML_ONE_HOT_OPERATOR_DESC. Beschreibt einen DirectML-Operator, der einen Tensor mit jedem Element generiert, das mit zwei Werten gefüllt ist – entweder ein „Ein“ oder ein „Aus“-Wert.
DML_OPERATOR_DESC. Ein generischer Container für eine Operatorbeschreibung. Sie erstellen DirectML-Operatoren mit den in dieser Struktur angegebenen Parametern.
DML_OPERATOR_GRAPH_NODE_DESC. Beschreibt einen Knoten in einem Diagramm von DirectML-Operatoren, die durch DML_GRAPH_DESC definiert und an IDMLDevice1::CompileGraph übergeben werden.
DML_OUTPUT_GRAPH_EDGE_DESC. Beschreibt eine Verbindung in einem Diagramm von DirectML-Operatoren, die durch DML_GRAPH_DESC definiert und an IDMLDevice1::CompileGraph übergeben werden. Diese Struktur wird verwendet, um eine Verbindung aus einer Ausgabe eines internen Knotens mit einer Diagrammausgabe zu definieren.
DML_PADDING_OPERATOR_DESC. Beschreibt einen DirectML-Datenreorganisationsoperator, der den Eingabe-Tensor mit Nullen (oder einem anderen Wert) an den Rändern aufbläht.
DML_PADDING1_OPERATOR_DESC. Bläht den Eingabetensor mit konstanten oder gespiegelten Werten an den Edges auf und schreibt das Ergebnis in die Ausgabe.
DML_QUANTIZED_LINEAR_AVERAGE_POOLING_OPERATOR_DESC. Durchschnittliche quantisierte Werte für die Elemente innerhalb des gleitenden Fensters über den Eingabe-Tensor. Dieser Operator entspricht mathematisch der Dequantisierung der Eingaben, der durchschnittlichen Poolerstellung und der anschließenden Quantisierung der Ausgabe.
DML_QUANTIZED_LINEAR_CONVOLUTION_OPERATOR_DESC. Führt eine Konvolution des FilterTensor mit dem InputTensor aus. Dieser Operator führt Vorwärtskonvolution für quantisierte Daten durch. Dieser Operator ist mathematisch gleichbedeutend mit der Dequantisierung der Eingänge, der Konvolution und der anschließenden Quantisierung des Ausgangs.
DML_QUANTIZED_LINEAR_MATRIX_MULTIPLY_OPERATOR_DESC. Führt eine Matrixmultiplikationsfunktion für quantisierte Daten aus. Dieser Operator ist mathematisch gleichbedeutend mit einer Dequantisierung der Eingänge, einer anschließenden Matrixmultiplikation und einer Quantisierung des Ausgangs.
DML_RANDOM_GENERATOR_OPERATOR_DESC. Füllt einen Ausgabe-Tensor mit deterministisch generierten, pseudo-zufälligen, gleichmäßig verteilten Bits. Dieser Operator kann optional auch einen aktualisierten internen Generatorstatus ausgeben, der bei nachfolgenden Ausführungen des Operators verwendet werden kann.
DML_REDUCE_OPERATOR_DESC. Beschreibt einen DirectML-Operator, der die angegebene Reduktionsfunktion für die Eingabe ausführt.
DML_RESAMPLE_GRAD_OPERATOR_DESC. Berechnet Verläufe von Backpropagation für Resampling (siehe DML_RESAMPLE1_OPERATOR_DESC).
DML_RESAMPLE_GRAD1_OPERATOR_DESC. Berechnet Verläufe von Backpropagation für DML_RESAMPLE2_OPERATOR_DESC.
DML_RESAMPLE_OPERATOR_DESC. Beschreibt einen DirectML Operator, der Elemente vom Quell- an den Ziel-Tensor resampelt, wobei die Skalierungsfaktoren zum Berechnen der Ziel-Tensorgröße verwendet werden.
DML_RESAMPLE1_OPERATOR_DESC. Resampelt Elemente vom Quell- an den Ziel-Tensor, wobei die Skalierungsfaktoren zum Berechnen der Ziel-Tensorgröße verwendet werden. Sie können einen linearen oder Pixelwiederholung Interpolationsmodus verwenden.
DML_RESAMPLE2_OPERATOR_DESC. Resampelt Elemente vom Quell- an den Ziel-Tensor, wobei die Skalierungsfaktoren zum Berechnen der Ziel-Tensorgröße verwendet werden.
DML_REVERSE_SUBSEQUENCES_OPERATOR_DESC. Kehrt die Elemente einer oder mehrerer Teilsequenzen eines Tensors um. Die Gruppe der umzukehrenden Teilsequenzen wird auf der Grundlage der angegebenen Achsen und Sequenzlängen ausgewählt.
DML_RNN_OPERATOR_DESC. Beschreibt einen DirectML Deep Learning-Operator, der eine einfache einschichtige wiederkehrende neurale Netzwerkfunktion (RNN) für die Eingabe ausführt.
DML_ROI_ALIGN_GRAD_OPERATOR_DESC. Berechnet Hintergrundeigenschaftenverläufe für ROI_ALIGN und ROI_ALIGN1.
DML_ROI_ALIGN_OPERATOR_DESC. Führt einen ROI-Ausrichtungsvorgang aus, wie im Papier Mask R-CNN beschrieben. Zusammenfassend extrahiert der Vorgang Zuschnitte aus dem Eingabebild-Tensor und ändert die Größe auf eine gemeinsame Ausgabegröße, die durch die letzten 2 Dimensionen von OutputTensor mithilfe des angegebenen InterpolationMode angegeben wird.
DML_ROI_ALIGN1_OPERATOR_DESC. Führt einen ROI-Ausrichtungsvorgang aus, wie im Papier Mask R-CNN beschrieben. Zusammenfassend extrahiert der Vorgang zugeschnitte Fenster aus dem Eingabebild-Tensor und ändert die Größe auf eine gemeinsame Ausgabegröße, die durch die letzten 2 Dimensionen von OutputTensor mithilfe des angegebenen InterpolationMode angegeben wird.
DML_ROI_POOLING_OPERATOR_DESC. Beschreibt einen DirectML-Operator, der eine Poolfunktion für den Eingabe-Tensor (entsprechend den interessanten Regionen oder ROIs) durchführt.
DML_SCALAR_UNION. Eine Vereinigung von Skalartypen.
DML_SCALE_BIAS. Enthält die Werte von Skalierungs- und Bias-Ausdrücken, die für einen DirectML-Operator bereitgestellt werden.
DML_SCATTER_ND_OPERATOR_DESC. Kopiert den gesamten Eingabe-Tensor in die Ausgabe und überschreibt dann ausgewählte Indizes mit entsprechenden Werten aus dem Aktualisierungs-Tensor.
DML_SCATTER_OPERATOR_DESC. Beschreibt einen DirectML-Operator, der den gesamten Eingabe-Tensor in die Ausgabe kopiert, und überschreibt dann ausgewählte Indizes mit entsprechenden Werten aus dem Aktualisierungs-Tensor.
DML_SIZE_2D. Enthält Werte, die die Größe (wie an einen DirectML-Operator bereitgestellt) einer 2D-Ebene von Elementen innerhalb eines Tensors oder einer 2D-Skalierung oder eines 2D-Breiten-/Höhenwerts darstellen können.
DML_SLICE_GRAD_OPERATOR_DESC. Berechnet Verläufe von Backpropagation für Slice (siehe DML_SLICE1_OPERATOR_DESC).
DML_SLICE_OPERATOR_DESC. Beschreibt einen DirectML-Datenreorganisationsoperator, der ein Segment des Eingabe-Tensors entlang mehrerer Achsen erzeugt.
DML_SLICE1_OPERATOR_DESC. Extrahiert einen einzelnen Unterbereich (ein „Slice“) eines Eingabe-Tensors.
DML_SPACE_TO_DEPTH_OPERATOR_DESC. Beschreibt einen DirectML-Datenreorganisationsoperator, der Blöcke räumlicher Daten in die Tiefe neu anordnet.
DML_SPACE_TO_DEPTH1_OPERATOR_DESC. Neuanordnen von Blöcken räumlicher Daten in die Tiefe. Der Operator gibt eine Kopie des Eingabe-Tensors aus, bei dem Werte aus den Höhen- und Breitenabmessungen in die Tiefendimension verschoben werden.
DML_SPLIT_OPERATOR_DESC. Beschreibt einen DirectML-Datenreorganisationsoperator, der den Eingabe-Tensor entlang der angegebenen Achse in mehrere Ausgabe-Tensoren aufteilt.
DML_TENSOR_DESC. Ein generischer Container für eine DirectML-Tensorbeschreibung.
DML_TILE_OPERATOR_DESC. Beschreibt einen DirectML-Datenorganisationsoperator, der einen Ausgabe-Tensor erstellt, indem der Eingabe-Tensor nebeneinander angeordnet wird.
DML_TOP_K_OPERATOR_DESC. Beschreibt einen DirectML-Reduktionsoperator, der die obersten K-Elemente entlang einer angegebenen Achse abruft.
DML_TOP_K1_OPERATOR_DESC. Wählt die größten oder kleinsten K-Elemente aus jeder Sequenz entlang einer Achse des InputTensor aus und gibt die Werte und Indizes dieser Elemente im OutputValueTensor bzw . OutputIndexTensor zurück.
DML_UPSAMPLE_2D_OPERATOR_DESC. Beschreibt einen DirectML-Bildverarbeitungsoperator, der das im Eingabe-Tensor enthaltene Bild upsampelt.
DML_VALUE_SCALE_2D_OPERATOR_DESC. Beschreibt einen DirectML-Operator, der eine elementweise Skalierungs- und Verzerrungsfunktion für die Werte im Eingabe-Tensor ausführt.