Identity¶

将给定的输入张量输出到输出张量。当显式指定张量精度时，输入将从一种精度转换为另一种精度。

除了相同类型之间的转换（例如 float32 -> float32），唯一有效的转换是

(float32 | float16) -> uint8

uint8 -> (float32 | float16)

输入¶

input: T1 类型的张量。

输出¶

output: T2 类型的张量。

数据类型¶

T1: bool, int4, int8, uint8, int32, float8, float16, float32, bfloat16

T2: bool, int4, int8, uint8, int32, float8, float16, float32, bfloat16

形状信息¶

input 和 output 是形状为 \([a_0,...,a_n]\) 的张量

体积限制¶

input 最多可以有 \(2^{31}-1\) 个元素。

示例¶

Identity 算子 (Identity)

in1 = network.add_input("input1", dtype=trt.float32, shape=(1, 1, 3, 3))
layer = network.add_identity(in1)
network.mark_output(layer.get_output(0))

inputs[in1.name] = np.array(
    [
        [
            [
                [1.0, 2.0, 3.0],
                [4.0, 5.0, 6.0],
                [7.0, 8.0, 9.0],
            ]
        ]
    ]
)

outputs[layer.get_output(0).name] = layer.get_output(0).shape

expected[layer.get_output(0).name] = inputs[in1.name]

具有不同精度的 Identity 算子

in1 = network.add_input("input1", dtype=trt.float32, shape=(1, 1, 3, 3))
layer = network.add_identity(in1)
layer.set_output_type(0, dtype=trt.int32)
layer2 = network.add_identity(layer.get_output(0))
network.mark_output(layer2.get_output(0))

inputs[in1.name] = np.array(
    [
        [
            [
                [1.1, 2.4, 3.7],
                [4.2, 5.5, 6.8],
                [7.3, 8.6, 9.9],
            ]
        ]
    ]
)

outputs[layer2.get_output(0).name] = layer2.get_output(0).shape

expected[layer2.get_output(0).name] = np.array(
    [
        [
            [
                [1.0, 2.0, 3.0],
                [4.0, 5.0, 6.0],
                [7.0, 8.0, 9.0],
            ]
        ]
    ]
)

C++ API¶

有关 C++ IIdentityLayer 算子的更多信息，请参阅 C++ IIdentityLayer 文档。

Python API¶

有关 Python IIdentityLayer 算子的更多信息，请参阅 Python IIdentityLayer 文档。