Array

class Array(dtype: str, shape: tuple[int, ...], stype: str, data: bytes)

class Array(ndarray: ndarray[tuple[Any, ...], dtype[Any]])

class Array(torch_tensor: torch.Tensor)

Bases : InflatableObject

Type d’array.

Une classe contenant des données sérialisées à partir d’un objet array-like ou tensor-like, ainsi que des métadonnées sur lui. La classe peut être initialisée de trois manières différentes :

1. En spécifiant explicitement les valeurs pour dtype, shape, stype et data.

2. En fournissant un ndarray NumPy (via l’argument ndarray).

3. En fournissant une tensor PyTorch (via l’argument torch_tensor).

Dans les scénarios (2)-(3), les champs dtype, shape, stype et data sont dérivés automatiquement à partir de l’entrée. Dans le scénario (1), ces champs doivent être spécifiés manuellement.

Paramètres:

• dtype (Optional[str] (default: None)) – Une chaîne représentant le type de données du objet sérialisé (par exemple, « float32 »). Seulement requis si vous n’êtes pas en train de passer un ndarray ou une tensor.

• shape (Optional[tuple[int, ...]] (default: None)) – Un tuple représentant la forme de l’objet array-like non désérialisé. Seulement requis si vous n’êtes pas en train de passer un ndarray ou une tensor.

• stype (Optional[str] (default: None)) – Une chaîne indiquant le mécanisme de sérialisation utilisé pour générer les octets dans data à partir d’un objet array-like ou tensor-like. Seulement requis si vous n’êtes pas en train de passer un ndarray ou une tensor.

• data (Optional[bytes] (default: None)) – Un tampon de bytes contenant les données. Seulement requis si vous n’êtes pas en train de passer un ndarray ou une tensor.

• ndarray (Optional[NDArray] (default: None)) – Un ndarray NumPy. Si fourni, les champs dtype, shape, stype et data sont dérivés automatiquement à partir de lui.

• torch_tensor (Optional[torch.Tensor] (default: None)) – Une tensor PyTorch. Si fourni, il sera détaché et déplacé vers le CPU avant la conversion, et les champs dtype, shape, stype et data seront dérivés automatiquement à partir de lui.

Exemples

Initialisation en spécifiant tous les champs directement:

arr1 = Array(
    dtype="float32",
    shape=[3, 3],
    stype="numpy.ndarray",
    data=b"serialized_data...",
)

Initialisation avec un ndarray NumPy:

import numpy as np
arr2 = Array(np.random.randn(3, 3))

Initialisation avec une tensor PyTorch:

import torch
arr3 = Array(torch.randn(3, 3))

Methods

deflate()	Déflate l'Array.
from_numpy_ndarray(ndarray)	Créer Array à partir d'un ndarray NumPy.
from_torch_tensor(tensor)	Créer un tableau à partir d'un tenseur PyTorch.
inflate(object_content[, children])	Infléer un tableau à partir de bytes.
numpy()	Retourner le tableau sous forme de tableau NumPy.
slice_array()	Couper les données du tableau et construire une liste de ArrayChunks.

Attributes

children	Retourner un dictionnaire des ArrayChunks avec leurs ID d'objet comme clés.
is_dirty	Vérifier si l'objet est sale après la dernière déflation.
object_id	Obtenir l'ID d'objet.
dtype
shape
stype
data

property children: dict[str, InflatableObject]

Retourner un dictionnaire des ArrayChunks avec leurs ID d’objet comme clés.

deflate() → bytes

Déflate l’Array.

classmethod from_numpy_ndarray(ndarray: ndarray[tuple[Any, ...], dtype[Any]]) → Array

Créer Array à partir d’un ndarray NumPy.

classmethod from_torch_tensor(tensor: torch.Tensor) → Array

Créer un tableau à partir d’un tenseur PyTorch.

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

Infléer un tableau à partir de bytes.

Paramètres:

• object_content (bytes) – Le contenu déflé du objet Array.

• children (Optional[dict[str, InflatableObject]] (default: None)) – Doit être None. Array doit avoir des objets enfants. Fournir aucun enfant entraînera une erreur ValueError.

Renvoie:

L’inflé Array.

Type renvoyé:

Array

property is_dirty: bool

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

numpy() → ndarray[tuple[Any, ...], dtype[Any]]

Retourner le tableau sous forme de tableau NumPy.

property object_id: str

Obtenir l’ID d’objet.

slice_array() → list[tuple[str, InflatableObject]]

Couper les données du tableau et construire une liste de ArrayChunks.