ParametersRecord

class ParametersRecord(*args: Any, **kwargs: Any)

Bases : ArrayRecord

Deprecated class ParametersRecord, use ArrayRecord instead.

Methods

clear()
copy()	Retourner une copie superficielle du dictionnaire.
count_bytes()	Retourner le nombre de Bytes stockés dans cet objet.
deflate()	Défléter l'ArrayRecord.
from_array_dict(array_dict, *[, keep_input])	Créer un ArrayRecord à partir d'un dictionnaire de Array.
from_numpy_ndarrays(ndarrays, *[, keep_input])	Créez ArrayRecord à partir d'une liste de NumPy ndarray.
from_torch_state_dict(state_dict, *[, ...])	Créez ArrayRecord à partir de PyTorch state_dict.
get(k[,d])
inflate(object_content[, children])	Infléitez un ArrayRecord à partir de bytes.
items()
keys()
pop(k[,d])	Si la clé n'est pas trouvée, d est retourné si donné, sinon KeyError est levé.
popitem()	Comme une 2-tuple ; mais levez KeyError si D est vide.
setdefault(k[,d])
to_numpy_ndarrays(*[, keep_input])	Retournez l'ArrayRecord sous forme de liste de NumPy ndarray.
to_torch_state_dict(*[, keep_input])	Retournez l'ArrayRecord sous forme de PyTorch state_dict.
update([E, ]**F)	Si E est présent et a une méthode .keys(), faites : pour k dans E: D[k] = E[k] Si E est présent mais manque de la méthode .keys(), faites : pour (k, v) dans E: D[k] = v Dans les deux cas, ceci est suivi de : pour k, v dans F.items(): D[k] = v
values()

Attributes

children	Retournez un dictionnaire des Arrays avec leurs IDs d'objet comme clés.
is_dirty	Vérifier si l'objet est sale après la dernière déflation.
object_id	Obtenir l'ID d'objet.

property children: dict[str, InflatableObject]

Retournez un dictionnaire des Arrays avec leurs IDs d’objet comme clés.

clear() → None.  Remove all items from D.

copy() → Self

Retourner une copie superficielle du dictionnaire.

count_bytes() → int

Retourner le nombre de Bytes stockés dans cet objet.

Notez que une petite quantité de Bytes peut également être incluse dans ce comptage qui correspond à la métadonnée du objet sérialisé (par exemple, d’un tableau NumPy) nécessaire pour désérialiser.

deflate() → bytes

Défléter l’ArrayRecord.

classmethod from_array_dict(array_dict: dict[str, Array], *, keep_input: bool = True) → ArrayRecord

Créer un ArrayRecord à partir d’un dictionnaire de Array.

classmethod from_numpy_ndarrays(ndarrays: list[ndarray[tuple[Any, ...], dtype[Any]]], *, keep_input: bool = True) → ArrayRecord

Créez ArrayRecord à partir d’une liste de NumPy ndarray.

classmethod from_torch_state_dict(state_dict: dict[str, torch.Tensor], *, keep_input: bool = True) → ArrayRecord

Créez ArrayRecord à partir de PyTorch state_dict.

get(k[, d]) → D[k] if k in D, else d.  d defaults to None.

classmethod inflate(object_content: bytes, children: dict[str, InflatableObject] | None = None) → ArrayRecord

Infléitez un ArrayRecord à partir de bytes.

Paramètres:

• object_content (bytes) – Le contenu déflété de l’ArrayRecord.

• children (Optional[dict[str, InflatableObject]] (default: None)) – Dictionnaire des objets Inflatable enfants mappés à leurs IDs d’objet. Ces enfants permettent l’inflation complète de l’ArrayRecord.

Renvoie:

L’ArrayRecord gonflé.

Type renvoyé:

ArrayRecord

property is_dirty: bool

Vérifier si l’objet est sale après la dernière déflation.

items() → a set-like object providing a view on D's items.

keys() → a set-like object providing a view on D's keys.

property object_id: str

Obtenir l’ID d’objet.

pop(k[, d]) → v, remove specified key and return the corresponding value.

Si la clé n’est pas trouvée, d est retourné si donné, sinon KeyError est levé.

popitem() → (k, v), remove and return some (key, value) pair

Comme une 2-tuple ; mais levez KeyError si D est vide.

setdefault(k[, d]) → D.get(k,d), also set D[k]=d if k not in D

to_numpy_ndarrays(*, keep_input: bool = True) → list[ndarray[tuple[Any, ...], dtype[Any]]]

Retournez l’ArrayRecord sous forme de liste de NumPy ndarray.

to_torch_state_dict(*, keep_input: bool = True) → OrderedDict[str, torch.Tensor]

Retournez l’ArrayRecord sous forme de PyTorch state_dict.

update([E, ]**F) → None.  Update D from mapping/iterable E and F.

Si E est présent et a une méthode .keys(), faites : pour k dans E: D[k] = E[k] Si E est présent mais manque de la méthode .keys(), faites : pour (k, v) dans E: D[k] = v Dans les deux cas, ceci est suivi de : pour k, v dans F.items(): D[k] = v

values() → an object providing a view on D's values.