Operand

ตัวดำเนินการ อิน เทอร์เฟซสาธารณะ

คลาสย่อยทางอ้อมที่รู้จัก Abs <T ขยาย TNumber >, AccumulateN <T ขยาย TType >, AccumulatorNumAccumulated , AccumulatorTakeGradient <T ขยาย TType >, Acos <T ขยาย TType >, Acosh <T ขยาย TType >, เพิ่ม <T ขยาย TType >, AddManySparseToTensorsMap , AddN <T ขยาย TType >, AddSparseToTensorsMap , AdjustContrast <T ขยาย TNumber >, AdjustHue <T ขยาย TNumber >, AdjustSaturation <T ขยาย TNumber >, ทั้งหมด , AllReduce <T ขยาย TNumber > และ อื่นๆ อีก 774 รายการ Abs <T ขยาย TNumber > คำนวณค่าสัมบูรณ์ของเทนเซอร์ สะสม N <T ขยาย TType > ส่งกลับผลรวมตามองค์ประกอบของรายการเทนเซอร์ ตัวสะสมจำนวนสะสม ส่งกลับจำนวนการไล่ระดับสีที่รวมอยู่ในตัวสะสมที่กำหนด AccumulatorTakeGradient <T ขยาย TType > แยกการไล่ระดับสีเฉลี่ยใน ConditionalAccumulator ที่กำหนด Acos <T ขยาย TType > คำนวณ acos ขององค์ประกอบ x อย่างชาญฉลาด Acosh <T ขยาย TType > คำนวณโคไซน์ไฮเปอร์โบลิกผกผันขององค์ประกอบ x เพิ่ม <T ขยาย TType > ส่งกลับองค์ประกอบ x + y เพิ่ม ManySparseToTensorsMap เพิ่ม `N`-minibatch `SparseTensor` ให้กับ `SparseTensorsMap` และส่งคืนแฮนเดิล `N` AddN <T ขยาย TType > เพิ่มองค์ประกอบเทนเซอร์อินพุตทั้งหมดอย่างชาญฉลาด เพิ่ม SparseToTensorsMap เพิ่ม `SparseTensor` ให้กับ `SparseTensorsMap` เพื่อส่งคืนหมายเลขอ้างอิง AdjustContrast <T ขยาย TNumber > ปรับความคมชัดของภาพตั้งแต่หนึ่งภาพขึ้นไป AdjustHue <T ขยาย TNumber > ปรับเฉดสีของรูปภาพหนึ่งภาพขึ้นไป ปรับความอิ่มตัว <T ขยาย TNumber > ปรับความอิ่มตัวของภาพตั้งแต่หนึ่งภาพขึ้นไป ทั้งหมด คำนวณ "ตรรกะและ" ขององค์ประกอบในมิติต่างๆ ของเทนเซอร์ AllReduce <T ขยาย TNumber > ลดเทนเซอร์หลายตัวที่มีประเภทและรูปร่างเหมือนกันร่วมกัน AllToAll <T ขยาย TType > Op เพื่อแลกเปลี่ยนข้อมูลระหว่างแบบจำลอง TPU มุม <U ขยาย TNumber > ส่งกลับอาร์กิวเมนต์ของจำนวนเชิงซ้อน ใดๆ คำนวณ "ตรรกะหรือ" ขององค์ประกอบในมิติต่างๆ ของเทนเซอร์ ApplyAdaMax <T ขยาย TType > อัปเดต '*var' ตามอัลกอริทึม AdaMax ApplyAdadelta <T ขยาย TType > อัปเดต '*var' ตามรูปแบบ adadelta ApplyAdagrad <T ขยาย TType > อัปเดต '*var' ตามรูปแบบ adagrad ApplyAdagradDa <T ขยาย TType > อัปเดต '*var' ตามรูปแบบ adagrad ที่ใกล้เคียง ApplyAdagradV2 <T ขยาย TType > อัปเดต '*var' ตามรูปแบบ adagrad ApplyAdam <T ขยาย TType > อัปเดต '*var' ตามอัลกอริทึมของ Adam ApplyAddSign <T ขยาย TType > อัปเดต '*var' ตามการอัปเดต AddSign ApplyCenteredRmsProp <T ขยาย TType > อัปเดต '*var' ตามอัลกอริทึม RMSProp ที่อยู่กึ่งกลาง ApplyFtrl <T ขยาย TType > อัปเดต '*var' ตามรูปแบบ Ftrl-proximal ApplyGradientDescent <T ขยาย TType > อัปเดต '*var' โดยลบ 'alpha' * 'delta' ออกจากมัน ใช้โมเมนตัม <T ขยาย TType > อัปเดต '*var' ตามรูปแบบโมเมนตัม ApplyPowerSign <T ขยาย TType > อัปเดต '*var' ตามการอัปเดต AddSign ApplyProximalAdagrad <T ขยาย TType > อัปเดต '*var' และ '*accum' ตาม FOBOS ด้วยอัตราการเรียนรู้ของ Adagrad ApplyProximalGradientDescent <T ขยาย TType > อัปเดต '*var' เป็นอัลกอริทึม FOBOS ด้วยอัตราการเรียนรู้คงที่ ApplyRmsProp <T ขยาย TType > อัปเดต '*var' ตามอัลกอริทึม RMSProp โดยประมาณเท่ากัน ส่งกลับค่าความจริงของ abs(xy) < องค์ประกอบความอดทน ArgMax <V ขยาย TNumber > ส่งกลับดัชนีที่มีค่ามากที่สุดในมิติต่างๆ ของเทนเซอร์ ArgMin <V ขยาย TNumber > ส่งกลับดัชนีที่มีค่าน้อยที่สุดในมิติต่างๆ ของเทนเซอร์ AsString แปลงแต่ละรายการในเทนเซอร์ที่กำหนดให้เป็นสตริง Asin <T ขยาย TType > คำนวณไซน์ผกผันตรีโกณมิติขององค์ประกอบ x Asinh <T ขยาย TType > คำนวณไซน์ไฮเปอร์โบลิกผกผันขององค์ประกอบ x AssertCardinalityชุดข้อมูล AssertNextชุดข้อมูล กำหนด <T ขยาย TType > อัปเดต 'ref' โดยกำหนด 'value' ให้กับมัน AssignAdd <T ขยาย TType > อัปเดต 'ref' โดยเพิ่ม 'value' เข้าไป AssignSub <T ขยาย TType > อัปเดต 'ref' โดยลบ 'value' ออกจากมัน Atan <T ขยาย TType > คำนวณแทนเจนต์ผกผันตรีโกณมิติขององค์ประกอบ x Atan2 <T ขยาย TNumber > คำนวณอาร์กแทนเจนต์ขององค์ประกอบ "y/x" โดยคำนึงถึงสัญญาณของการโต้แย้ง Atanh <T ขยาย TType > คำนวณแทนเจนต์ไฮเปอร์โบลิกผกผันขององค์ประกอบ x สเปกตรัมเสียง สร้างการแสดงภาพข้อมูลเสียงเมื่อเวลาผ่านไป สรุปเสียง ส่งออกบัฟเฟอร์โปรโตคอล 'สรุป' พร้อมเสียง ชุดข้อมูล AutoShard สร้างชุดข้อมูลที่แบ่งส่วนชุดข้อมูลอินพุต AvgPool <T ขยาย TNumber > ดำเนินการรวมค่าเฉลี่ยกับอินพุต AvgPool3d <T ขยาย TNumber > ดำเนินการรวมค่าเฉลี่ย 3D กับอินพุต AvgPool3dGrad <T ขยาย TNumber > คำนวณการไล่ระดับสีของฟังก์ชันการรวมค่าเฉลี่ย AvgPoolGrad <T ขยาย TNumber > คำนวณการไล่ระดับสีของฟังก์ชันการรวมค่าเฉลี่ย BandPart <T ขยาย TType > คัดลอกเทนเซอร์โดยตั้งค่าทุกอย่างที่อยู่นอกแถบกลางในแต่ละเมทริกซ์ด้านในสุดให้เป็นศูนย์ BandedTriangleSolve <T ขยาย TType > สิ่งกีดขวาง กำหนดอุปสรรคที่ยังคงมีอยู่ในการประมวลผลกราฟต่างๆ สิ่งกีดขวางขนาดไม่สมบูรณ์ คำนวณจำนวนองค์ประกอบที่ไม่สมบูรณ์ในแผงกั้นที่กำหนด Barrier ReadySize คำนวณจำนวนองค์ประกอบที่สมบูรณ์ในแผงกั้นที่กำหนด BatchCholesky <T ขยาย TNumber > BatchCholeskyGrad <T ขยาย TNumber > ชุดข้อมูลชุด สร้างชุดข้อมูลที่จัดกลุ่มองค์ประกอบ "batch_size" จาก "input_dataset" BatchFft BatchFft2d BatchFft3d BatchIfft BatchIfft2d BatchIfft3d BatchMatMul <T ขยาย TType > คูณเทนเซอร์สองตัวเป็นชุด BatchMatrixBandPart <T ขยาย TType > BatchMatrixDeterminant <T ขยาย TType > BatchMatrixDiag <T ขยาย TType > BatchMatrixDiagPart <T ขยาย TType > BatchMatrixInverse <T ขยาย TNumber > BatchMatrixSetDiag <T ขยาย TType > BatchMatrixSolve <T ขยาย TNumber > BatchMatrixSolveLs <T ขยาย TNumber > BatchMatrixTriangleSolve <T ขยาย TNumber > BatchNormWithGlobalNormalization <T ขยาย TType > การทำให้เป็นมาตรฐานแบบแบตช์ BatchToSpace <T ขยาย TType > BatchToSpace สำหรับเทนเซอร์ 4 มิติประเภท T BatchToSpaceNd <T ขยาย TType > BatchToSpace สำหรับเทนเซอร์ ND ประเภท T BesselI0 <T ขยาย TNumber > BesselI0e <T ขยาย TNumber > BesselI1 <T ขยาย TNumber > BesselI1e <T ขยาย TNumber > BesselJ0 <T ขยาย TNumber > BesselJ1 <T ขยาย TNumber > BesselK0 <T ขยาย TNumber > BesselK0e <T ขยาย TNumber > BesselK1 <T ขยาย TNumber > BesselK1e <T ขยาย TNumber > BesselY0 <T ขยาย TNumber > BesselY1 <T ขยาย TNumber > Betainc <T ขยาย TNumber > คำนวณอินทิกรัลเบต้าที่ไม่สมบูรณ์ที่ทำให้เป็นปกติ \\(I_x(a, b)\\)- BiasAdd <T ขยาย TType > เพิ่ม "อคติ" ให้กับ "คุณค่า" BiasAddGrad <T ขยาย TType > การดำเนินการย้อนกลับสำหรับ "BiasAdd" บนเทนเซอร์ "bias" Bincount <T ขยาย TNumber > นับจำนวนครั้งของแต่ละค่าในอาร์เรย์จำนวนเต็ม Bitcast <U ขยาย TType > Bitcasts เทนเซอร์จากประเภทหนึ่งไปยังอีกประเภทหนึ่งโดยไม่ต้องคัดลอกข้อมูล BitwiseAnd <T ขยาย TNumber > Elementwise คำนวณค่าบิต AND ของ `x` และ `y` BitwiseOr <T ขยาย TNumber > Elementwise คำนวณระดับบิตหรือของ `x` และ `y` BitwiseXor <T ขยาย TNumber > Elementwise คำนวณ XOR ระดับบิตของ `x` และ `y` BoostedTreesAggregateStats รวมสรุปสถิติสะสมสำหรับแบตช์ BoostedTreesCenterBias คำนวณค่าก่อนหน้าจากข้อมูลการฝึก (อคติ) และเติมค่าก่อนหน้าของการบันทึกในโหนดแรก BoostedTreesEnsembleResourceHandleOp สร้างหมายเลขอ้างอิงให้กับ BoostedTreesEnsembleResource BoostedTreesExampleDebugOutputs เอาต์พุตการตีความการดีบัก/โมเดลสำหรับแต่ละตัวอย่าง BoostedTreesMakeStatsSummary ทำการสรุปสถิติสะสมสำหรับแบตช์ BoostedTreesทำนาย รันตัวทำนายชุดการถดถอยแบบบวกหลายตัวบนอินสแตนซ์อินพุตและ คำนวณบันทึก BoostedTreesQuantileStreamResourceHandleOp สร้างหมายเลขอ้างอิงให้กับ BoostedTreesQuantileStreamResource BroadcastDynamicShape <T ขยาย TNumber > คืนรูปร่างของ s0 op s1 พร้อมการออกอากาศ BroadcastRecv <T ขยาย TType > รับค่าเทนเซอร์ที่ถ่ายทอดจากอุปกรณ์อื่น BroadcastSend <T ขยาย TType > ออกอากาศค่าเทนเซอร์ไปยังอุปกรณ์อื่นอย่างน้อยหนึ่งเครื่อง BroadcastTo <T ขยาย TType > ออกอากาศอาร์เรย์สำหรับรูปร่างที่เข้ากันได้ ถัง Bucketizes 'อินพุต' ตาม 'ขอบเขต' ชุดข้อมูล BytesProducedStats บันทึกขนาดไบต์ของแต่ละองค์ประกอบของ `input_dataset` ใน StatsAggregator CSRSparseMatrixToDense <T ขยาย TType > แปลง CSRSparseMatrix (อาจเป็นแบตช์) เป็นหนาแน่น ชุดข้อมูล CSV CSVDatasetV2 ชุดข้อมูลแคช สร้างชุดข้อมูลที่แคชองค์ประกอบจาก `input_dataset` ชุดข้อมูลแคชV2 ส่ง <U ขยาย TType > ส่ง x ประเภท SrcT ถึง y ของ DstT Ceil <T ขยาย TNumber > ส่งกลับจำนวนเต็มที่น้อยที่สุดตามองค์ประกอบไม่น้อยกว่า x CheckNumerics <T ขยาย TNumber > ตรวจสอบเทนเซอร์สำหรับค่า NaN, -Inf และ +Inf Cholesky <T ขยาย TType > คำนวณการสลายตัวของ Cholesky ของเมทริกซ์จตุรัสตั้งแต่หนึ่งเมทริกซ์ขึ้นไป CholeskyGrad <T ขยาย TNumber > คำนวณการไล่ระดับสีแบบ backpropagated ของอัลกอริทึม Cholesky เลือกชุดข้อมูลที่เร็วที่สุด ClipByValue <T ขยาย TType > ตัดค่าเทนเซอร์ให้เป็นค่าต่ำสุดและสูงสุดที่ระบุ ClusterOutput <T ขยาย TType > ตัวดำเนินการที่เชื่อมต่อเอาต์พุตของการคำนวณ XLA กับโหนดกราฟผู้บริโภคอื่น ๆ CollectiveGather <T ขยาย TNumber > สะสมเทนเซอร์หลายตัวที่มีประเภทและรูปร่างเหมือนกันร่วมกัน CollectivePermute <T ขยาย TType > Op เพื่อเปลี่ยนเทนเซอร์ข้ามอินสแตนซ์ TPU ที่จำลองแบบ เปรียบเทียบและ Bitpack เปรียบเทียบค่าของ "อินพุต" กับ "เกณฑ์" และรวมบิตผลลัพธ์ไว้ใน "uint8" ผลการรวบรวม ส่งกลับผลลัพธ์ของการคอมไพล์ TPU คอมเพล็กซ์ <U ขยาย TType > แปลงจำนวนจริงสองตัวให้เป็นจำนวนเชิงซ้อน ComplexAbs <U ขยาย TNumber > คำนวณค่าสัมบูรณ์เชิงซ้อนของเทนเซอร์ บีบอัดองค์ประกอบ บีบอัดองค์ประกอบชุดข้อมูล ComputeBatchSize คำนวณขนาดแบตช์แบบคงที่ของชุดข้อมูลโดยไม่ใช้แบตช์บางส่วน Concat <T ขยาย TType > เชื่อมต่อเทนเซอร์ตามมิติเดียว เชื่อมต่อชุดข้อมูล สร้างชุดข้อมูลที่เชื่อมโยง `input_dataset` กับ `another_dataset` ตัวสะสมแบบมีเงื่อนไข ตัวสะสมแบบมีเงื่อนไขสำหรับการรวมการไล่ระดับสี กำหนดค่า DistributedTPU ตั้งค่าโครงสร้างแบบรวมศูนย์สำหรับระบบ TPU แบบกระจาย Conj <T ขยาย TType > ส่งกลับสังยุคเชิงซ้อนของจำนวนเชิงซ้อน ConjugateTranspose <T ขยาย TType > สุ่มมิติของ x ตามการเรียงสับเปลี่ยนและผันผลลัพธ์ ค่าคงที่ <T ขยาย TType > ตัวดำเนินการที่สร้างค่าคงที่ Conv <T ขยาย TType > ล้อมตัวดำเนินการ XLA ConvGeneralDilated จัดทำเอกสารไว้ที่ https://www.tensorflow.org/Performance/xla/operation_semantics#conv_convolution Conv2d <T ขยาย TNumber > คำนวณการบิดแบบ 2 มิติโดยกำหนดเทนเซอร์ 'อินพุต' และ 'ตัวกรอง' แบบ 4 มิติ Conv2dBackpropFilter <T ขยาย TNumber > คำนวณการไล่ระดับสีของการบิดโดยคำนึงถึงตัวกรอง Conv2dBackpropInput <T ขยาย TNumber > คำนวณการไล่ระดับสีของการบิดโดยคำนึงถึงอินพุต Conv3d <T ขยาย TNumber > คำนวณการบิดแบบ 3 มิติโดยใช้เทนเซอร์ 'อินพุต' และ 'ตัวกรอง' แบบ 5 มิติ Conv3dBackpropFilter <T ขยาย TNumber > คำนวณการไล่ระดับสีของการบิดสามมิติโดยคำนึงถึงตัวกรอง Conv3dBackpropInput <U ขยาย TNumber > คำนวณการไล่ระดับสีของการบิดสามมิติโดยสัมพันธ์กับอินพุต คัดลอก <T ขยาย TType > คัดลอกเทนเซอร์จาก CPU-to-CPU หรือ GPU-to-GPU CopyHost <T ขยาย TType > คัดลอกเทนเซอร์ไปยังโฮสต์ เพราะ <T ขยาย TType > คำนวณ cos ขององค์ประกอบ x ตามลำดับ Cosh <T ขยาย TType > คำนวณโคไซน์ไฮเปอร์โบลิกขององค์ประกอบ x CountUpTo <T ขยาย TNumber > เพิ่ม 'การอ้างอิง' จนกว่าจะถึง 'ขีดจำกัด' ครอบตัดและปรับขนาด แยกพืชผลจากเทนเซอร์รูปภาพอินพุตและปรับขนาด CropAndResizeGradBoxes คำนวณการไล่ระดับสีของ crop_and_resize op โดยใช้เทนเซอร์กล่องอินพุต CropAndResizeGradImage <T ขยาย TNumber > คำนวณการไล่ระดับสีของ crop_and_resize op โดยใช้เทนเซอร์รูปภาพอินพุต ข้าม <T ขยาย TNumber > คำนวณผลคูณไขว้แบบคู่. CrossReplicaSum <T ขยาย TNumber > อินพุต Op to sum ในอินสแตนซ์ TPU ที่จำลองแบบ CudnnRNNCanonicalToParams <T ขยาย TNumber > แปลงพารามิเตอร์ CudnnRNN จากรูปแบบมาตรฐานเป็นรูปแบบที่ใช้งานได้ CudnnRnnParamsSize <U ขยาย TNumber > คำนวณขนาดของน้ำหนักที่โมเดล Cudnn RNN สามารถใช้ได้ Cumprod <T ขยาย TType > คำนวณผลคูณสะสมของเทนเซอร์ `x` ตามแนว 'แกน' Cumsum <T ขยาย TType > คำนวณผลรวมสะสมของเทนเซอร์ `x` ตามแนว 'แกน' CumulativeLogsumexp <T ขยาย TNumber > คำนวณผลคูณสะสมของเทนเซอร์ `x` ตามแนว 'แกน' DataFormatDimMap <T ขยาย TNumber > ส่งกลับดัชนีมิติในรูปแบบข้อมูลปลายทางที่กำหนดรูปแบบไว้ รูปแบบข้อมูลต้นฉบับ DataFormatVecPermute <T ขยาย TNumber > เปลี่ยนเทนเซอร์อินพุตจาก `src_format` เป็น `dst_format` DataServiceชุดข้อมูล ชุดข้อมูลCardinality ส่งกลับจำนวนสมาชิกของ `input_dataset` ชุดข้อมูลFromGraph สร้างชุดข้อมูลจาก `graph_def` ที่กำหนด DatasetToGraph ส่งกลับ GraphDef ที่เป็นอนุกรมซึ่งเป็นตัวแทนของ `input_dataset` Dawsn <T ขยาย TNumber > DebugGradientIdentity <T ขยาย TType > การระบุตัวตนสำหรับการดีบักการไล่ระดับสี DebugGradientRefIdentity <T ขยาย TType > การระบุตัวตนสำหรับการดีบักการไล่ระดับสี DebugIdentity <T ขยาย TType > การแก้ไขข้อบกพร่อง Identity V2 Op. ดีบักNanCount ดีบักตัวนับค่า NaN Op. DebugNumericsSummary <U ขยาย TNumber > ดีบักสรุปตัวเลข V2 Op. ถอดรหัส AndCropJpeg ถอดรหัสและครอบตัดรูปภาพที่เข้ารหัส JPEG เป็นเทนเซอร์ uint8 ถอดรหัส Base64 ถอดรหัสสตริงที่เข้ารหัส base64 ที่ปลอดภัยบนเว็บ ถอดรหัสBmp ถอดรหัสเฟรมแรกของรูปภาพที่เข้ารหัส BMP เป็นเทนเซอร์ uint8 ถอดรหัสบีบอัด คลายการบีบอัดสตริง DecodeGif ถอดรหัสเฟรมของภาพที่เข้ารหัส GIF เป็นเทนเซอร์ uint8 DecodeImage <T ขยาย TNumber > ฟังก์ชันสำหรับ decode_bmp, decode_gif, decode_jpeg และ decode_png ถอดรหัสJpeg ถอดรหัสภาพที่เข้ารหัส JPEG เป็นเทนเซอร์ uint8 ตัวอย่างการถอดรหัส Json แปลงบันทึกตัวอย่างที่เข้ารหัส JSON เป็นสตริงบัฟเฟอร์โปรโตคอลไบนารี DecodePaddedRaw <T ขยาย TNumber > ตีความไบต์ของสตริงใหม่เป็นเวกเตอร์ของตัวเลข DecodePng <T ขยาย TNumber > ถอดรหัสภาพที่เข้ารหัส PNG เป็น uint8 หรือ uint16 เทนเซอร์ DecodeRaw <T ขยาย TType > ตีความไบต์ของสตริงใหม่เป็นเวกเตอร์ของตัวเลข DeepCopy <T ขยาย TType > สร้างสำเนาของ `x` DenseBincount <U ขยาย TNumber > นับจำนวนครั้งของแต่ละค่าในอาร์เรย์จำนวนเต็ม DenseToCSRSparseMatrix แปลงเทนเซอร์หนาแน่นเป็น CSRSparseMatrix (อาจเป็นแบตช์) ชุดข้อมูล DenseToSparseBatchData สร้างชุดข้อมูลที่จัดกลุ่มองค์ประกอบอินพุตลงใน SparseTensor DepthToSpace <T ขยาย TType > DepthToSpace สำหรับเทนเซอร์ประเภท T DepthwiseConv2dNative <T ขยาย TNumber > คำนวณการบิดเชิงลึกแบบ 2 มิติโดยกำหนดเทนเซอร์ 'อินพุต' และ 'ตัวกรอง' แบบ 4 มิติ DepthwiseConv2dNativeBackpropFilter <T ขยาย TNumber > คำนวณการไล่ระดับสีของการบิดเชิงลึกโดยคำนึงถึงตัวกรอง DepthwiseConv2dNativeBackpropInput < T ขยาย TNumber > คำนวณการไล่ระดับสีของการบิดเชิงลึกโดยคำนึงถึงอินพุต ลดปริมาณ รับอินพุต uint32 ที่แพ็กแล้วคลายแพ็กอินพุตไปที่ uint8 เพื่อทำ การลดปริมาณบนอุปกรณ์ DestroyTemporaryVariable <T ขยาย TType > ทำลายตัวแปรชั่วคราวและส่งกลับค่าสุดท้าย เดช <T ขยาย TType > คำนวณดีเทอร์มิแนนต์ของเมทริกซ์จตุรัสตั้งแต่ 1 ตัวขึ้นไป ดัชนีอุปกรณ์ ส่งคืนดัชนีของอุปกรณ์ที่ op ทำงาน Digamma <T ขยาย TNumber > คำนวณ Psi ซึ่งเป็นอนุพันธ์ของ Lgamma (บันทึกของค่าสัมบูรณ์ของ `แกมมา(x)`) ตามองค์ประกอบ Dilator2d <T ขยาย TNumber > คำนวณการขยายระดับสีเทาของเทนเซอร์ `อินพุต` 4 มิติ และ `ฟิลเตอร์ 3 มิติ Dilation2dBackpropFilter <T ขยาย TNumber > คำนวณการไล่ระดับสีของการขยายทางสัณฐานวิทยา 2 มิติโดยสัมพันธ์กับตัวกรอง Dilation2dBackpropInput <T ขยาย TNumber > คำนวณการไล่ระดับสีของการขยายทางสัณฐานวิทยา 2 มิติโดยคำนึงถึงอินพุต ชุดข้อมูล DirectedInterleave ใช้แทน `InterleaveDataset` ในรายการชุดข้อมูล `N` ที่คงที่ div <T ขยาย TType > คืนค่าองค์ประกอบ x / y DivNoNan <T ขยาย TType > ส่งกลับ 0 ถ้าตัวส่วนเป็นศูนย์ จุด <T ขยาย TType > ล้อมตัวดำเนินการ XLA DotGeneral จัดทำเอกสารไว้ที่ https://www.tensorflow.org/Performance/xla/operation_semantics#dotgeneral DrawBoundingBoxes <T ขยาย TNumber > วาดกรอบขอบบนชุดรูปภาพ DummyIterationCounter DummyMemoryCache เครื่องกำเนิด DummySeed DynamicSlice <T ขยาย TType > ล้อมตัวดำเนินการ XLA DynamicSlice จัดทำเอกสารไว้ที่ https://www.tensorflow.org/Performance/xla/operation_semantics#dynamicslice DynamicStitch <T ขยาย TType > แทรกค่าจากเทนเซอร์ "ข้อมูล" ลงในเทนเซอร์ตัวเดียว DynamicUpdateSlice <T ขยาย TType > ล้อมตัวดำเนินการ XLA DynamicUpdateSlice จัดทำเอกสารไว้ที่ https://www.tensorflow.org/Performance/xla/operation_semantics#dynamicupdateslice แก้ไขระยะทาง คำนวณระยะทางแก้ไขของ Levenshtein (อาจเป็นมาตรฐาน) Einsum <T ขยาย TType > op ที่รองรับ einsum op พื้นฐานพร้อม 2 อินพุตและ 1 เอาต์พุต Elu <T ขยาย TNumber > คำนวณเชิงเส้นแบบเอ็กซ์โปเนนเชียล: `exp(features) - 1` ถ้า < 0, `features` มิฉะนั้น EluGrad <T ขยาย TNumber > คำนวณการไล่ระดับสีสำหรับการดำเนินการเชิงเส้นแบบเอ็กซ์โปเนนเชียล (Elu) การฝังการเปิดใช้งาน การดำเนินการที่ทำให้เกิดความแตกต่างของ TPU Embeddings ว่างเปล่า <T ขยาย TType > สร้างเทนเซอร์ตามรูปร่างที่กำหนด ว่างเปล่า TensorList สร้างและส่งกลับรายการเทนเซอร์ที่ว่างเปล่า แผนที่ Tensor ว่างเปล่า สร้างและส่งกลับแผนที่เทนเซอร์ว่างเปล่า EncodeBase64 เข้ารหัสสตริงเป็นรูปแบบ base64 ที่ปลอดภัยบนเว็บ เข้ารหัสJpeg JPEG เข้ารหัสรูปภาพ เข้ารหัสคุณภาพตัวแปร JPEG ภาพอินพุตเข้ารหัส JPEG พร้อมคุณภาพการบีบอัดที่ให้มา เข้ารหัสPng PNG เข้ารหัสรูปภาพ เข้ารหัสโปรโต op ทำให้ข้อความ protobuf อยู่ในเทนเซอร์อินพุต เข้ารหัสWav เข้ารหัสข้อมูลเสียงโดยใช้รูปแบบไฟล์ WAV SureShape <T ขยาย TType > ตรวจสอบให้แน่ใจว่ารูปร่างของเทนเซอร์ตรงกับรูปร่างที่คาดหวัง ป้อน <T ขยาย TType > สร้างหรือค้นหาเฟรมย่อย และทำให้ 'ข้อมูล' พร้อมใช้งานสำหรับเฟรมย่อย เท่ากัน ส่งกลับค่าความจริงของ (x == y) ตามองค์ประกอบ Erf <T ขยาย TNumber > คำนวณฟังก์ชันข้อผิดพลาดของ Gauss ขององค์ประกอบ "x" Erfc <T ขยาย TNumber > คำนวณฟังก์ชันข้อผิดพลาดเสริมขององค์ประกอบ "x" EuclideanNorm <T ขยาย TType > คำนวณบรรทัดฐานยุคคลิดขององค์ประกอบในมิติของเมตริกซ์ ออกจาก <T ขยาย TType > ออกจากเฟรมปัจจุบันไปยังเฟรมหลัก ประสบการณ์ <T ขยาย TType > คำนวณเลขยกกำลังขององค์ประกอบ x ตามลำดับ ExpandDims <T ขยาย TType > แทรกมิติ 1 ลงในรูปร่างของเทนเซอร์ Expint <T ขยาย TNumber > Expm1 <T ขยาย TType > คำนวณองค์ประกอบ `exp(x) - 1` สารสกัดGlimpse แยกข้อมูลเหลือบจากเทนเซอร์อินพุต ExtractImagePatches <T ขยาย TType > แยก "แพตช์" ออกจาก "รูปภาพ" และวางไว้ในมิติเอาต์พุต "เชิงลึก" ExtractJpegShape <T ขยาย TNumber > แยกข้อมูลรูปร่างของรูปภาพที่เข้ารหัส JPEG ExtractVolumePatches <T ขยาย TNumber > แยก "แพตช์" ออกจาก "อินพุต" และวางไว้ในมิติเอาต์พุต "ความลึก" ข้อเท็จจริง นำเสนอข้อเท็จจริงเกี่ยวกับแฟกทอเรียล FakeQuantWithMinMaxArgs วัดปริมาณปลอมของเทนเซอร์ 'อินพุต' พิมพ์ float เป็นเทนเซอร์ 'เอาท์พุต' ที่เป็นประเภทเดียวกัน FakeQuantWithMinMaxArgsGradient คำนวณการไล่ระดับสีสำหรับการดำเนินการ FakeQuantWithMinMaxArgs FakeQuantWithMinMaxVars ปลอมปริมาณเทนเซอร์ 'อินพุต' ประเภทลอยผ่านสเกลาร์โฟลตทั่วโลก ปริมาณปลอมของเทนเซอร์ "อินพุต" ประเภทลอยผ่านสเกลาร์โฟลตทั่วโลก "นาที" และ "สูงสุด" ถึงเทนเซอร์ "เอาต์พุต" ที่มีรูปร่างเดียวกันกับ "อินพุต" FakeQuantWithMinMaxVarsPerChannel ปลอมปริมาณเทนเซอร์ 'อินพุต' ประเภทลอยผ่านการลอยตัวต่อช่อง ปริมาณปลอมของเทนเซอร์ `อินพุต` ประเภท float ต่อแชนเนลและหนึ่งในรูปร่าง: `[d]`, `[b, d]` `[b, h, w, d]` ผ่านทางโฟลตต่อแชนเนล ` ขั้นต่ำและ 'สูงสุด' ของรูปร่าง `[d]` ถึง 'เอาท์พุต' เทนเซอร์ที่มีรูปร่างเดียวกันกับ 'อินพุต' Fft <T ขยาย TType > การแปลงฟูเรียร์แบบเร็ว Fft2d <T ขยาย TType > การแปลงฟูเรียร์เร็วแบบ 2 มิติ Fft3d <T ขยาย TType > การแปลงฟูริเยร์อย่างรวดเร็ว 3 มิติ FifoQueue คิวที่สร้างองค์ประกอบตามลำดับเข้าก่อนออกก่อน เติม <U ขยาย TType > สร้างเมตริกซ์ที่เต็มไปด้วยค่าสเกลาร์ ชุดข้อมูล FilterByLastComponentDataset สร้างชุดข้อมูลที่มีองค์ประกอบขององค์ประกอบแรกของ `input_dataset` ที่เป็นจริงในองค์ประกอบสุดท้าย ลายนิ้วมือ สร้างค่าลายนิ้วมือ ชุดข้อมูลบันทึกความยาวคงที่ โปรแกรมอ่านบันทึกความยาวคงที่ เครื่องอ่านที่ส่งออกบันทึกที่มีความยาวคงที่จากไฟล์ ชั้น <T ขยาย TNumber > ส่งกลับจำนวนเต็มที่ใหญ่ที่สุดตามองค์ประกอบซึ่งไม่เกิน x FloorDiv <T ขยาย TType > ส่งคืน x // y องค์ประกอบที่ชาญฉลาด FloorMod <T ขยาย TNumber > ส่งกลับส่วนที่เหลือของการหารตามองค์ประกอบ FractionalAvgPoolGrad <T ขยาย TNumber > คำนวณการไล่ระดับสีของฟังก์ชัน FractionalAvgPool FractionalMaxPoolGrad <T ขยาย TNumber > คำนวณการไล่ระดับสีของฟังก์ชัน FractionalMaxPool FresnelCos <T ขยาย TNumber > FresnelSin <T ขยาย TNumber > FusedPadConv2d <T ขยาย TNumber > ดำเนินการเติมเป็นกระบวนการล่วงหน้าระหว่างการบิด FusedResizeAndPadConv2d <T ขยาย TNumber > ดำเนินการปรับขนาดและขยายเป็นกระบวนการล่วงหน้าระหว่างการบิด รวบรวม <T ขยาย TType > ล้อมตัวดำเนินการ XLA Gather ที่บันทึกไว้ที่ https://www.tensorflow.org/xla/operation_semantics#gather GatherNd <T ขยาย TType > รวบรวมชิ้นส่วนจาก 'params' ลงในเทนเซอร์ที่มีรูปร่างที่ระบุโดย 'ดัชนี' GatherV2 <T ขยาย TNumber > สะสมเทนเซอร์หลายตัวที่มีประเภทและรูปร่างเหมือนกันร่วมกัน รับ SessionHandle เก็บเทนเซอร์อินพุตไว้ในสถานะของเซสชันปัจจุบัน GetSessionTensor <T ขยาย TType > รับค่าของเทนเซอร์ที่ระบุโดยที่จับ มากขึ้น ส่งกลับค่าความจริงของ (x > y) ตามองค์ประกอบ เท่าเทียมกันมากขึ้น ส่งกลับค่าความจริงของ (x >= y) ตามองค์ประกอบ WarrantyConst <T ขยาย TType > รับประกันรันไทม์ TF ว่าเทนเซอร์อินพุตมีค่าคงที่ แฮชเทเบิล สร้างตารางแฮชที่ไม่ได้เตรียมใช้งาน HistogramFixedWidth <U ขยาย TNumber > ส่งกลับฮิสโตแกรมของค่า สรุปฮิสโตแกรม ส่งออกบัฟเฟอร์โปรโตคอล 'สรุป' พร้อมฮิสโตแกรม HsvToRgb <T ขยาย TNumber > แปลงรูปภาพหนึ่งภาพขึ้นไปจาก HSV เป็น RGB ข้อมูลประจำตัว <T ขยาย TType > ส่งกลับเทนเซอร์ที่มีรูปร่างและเนื้อหาเหมือนกับเทนเซอร์หรือค่าอินพุต IdentityReader เครื่องอ่านที่ส่งออกงานที่อยู่ในคิวเป็นทั้งคีย์และค่า Ifft <T ขยาย TType > การแปลงฟูเรียร์เร็วผกผัน Ifft2d <T ขยาย TType > การแปลงฟูเรียร์เร็วแบบผกผัน 2D Ifft3d <T ขยาย TType > การแปลงฟูเรียร์เร็วแบบผกผัน 3D อิแกมมา <T ขยาย TNumber > คำนวณฟังก์ชันแกมม่าที่ไม่สมบูรณ์และทำให้เป็นมาตรฐานต่ำกว่า `P(a, x)` IgammaGradA <T ขยาย TNumber > คำนวณความชันของ `igamma(a, x)` wrt `a` อิแกมแมค <T ขยาย TNumber > คำนวณฟังก์ชันแกมมาที่ไม่สมบูรณ์และทำให้เป็นมาตรฐานด้านบน `Q(a, x)` ละเว้นชุดข้อมูลข้อผิดพลาด สร้างชุดข้อมูลที่มีองค์ประกอบของ `input_dataset` โดยไม่สนใจข้อผิดพลาด Imag <U ขยาย TNumber > ส่งกลับส่วนจินตภาพของจำนวนเชิงซ้อน ImageProjectiveTransformV2 <T ขยาย TNumber > ใช้การแปลงที่กำหนดกับแต่ละภาพ ImageProjectiveTransformV3 <T ขยาย TNumber > ใช้การแปลงที่กำหนดกับแต่ละภาพ ภาพโดยย่อ ส่งออกบัฟเฟอร์โปรโตคอล 'สรุป' พร้อมรูปภาพ ImmutableConst <T ขยาย TType > ส่งกลับเทนเซอร์ที่ไม่เปลี่ยนรูปจากขอบเขตหน่วยความจำ อินท็อปเค บอกว่าเป้าหมายอยู่ในการทำนาย `K` อันดับต้น ๆ หรือไม่ InfeedDequeue <T ขยาย TType > ตัวยึดตำแหน่งใช้สำหรับค่าที่จะป้อนเข้าสู่การคำนวณ InplaceAdd <T ขยาย TType > เพิ่ม v ลงในแถวที่ระบุของ x InplaceSub <T ขยาย TType > ลบ `v` ลงในแถวที่ระบุของ `x` InplaceUpdate <T ขยาย TType > อัพเดตแถวที่ระบุ 'i' ด้วยค่า 'v' Inv <T ขยาย TType > คำนวณค่าผกผันของเมทริกซ์แบบกลับด้านสี่เหลี่ยมจตุรัสหนึ่งหรือหลายเมทริกซ์หรือเมทริกซ์ที่อยู่ติดกัน (คอนจูเกตทรานสโพส) InvGrad <T ขยาย TType > คำนวณการไล่ระดับสีสำหรับค่าผกผันของ `x` ด้วยอินพุต สลับ <T ขยาย TNumber > สลับ (พลิก) แต่ละบิตของประเภทที่รองรับ เช่น พิมพ์ค่า `uint8` 01010101 กลายเป็น 10101010 InvertPermutation <T ขยาย TNumber > คำนวณการเรียงสับเปลี่ยนผกผันของเทนเซอร์ Irfft <U ขยาย TNumber > การแปลงฟูเรียร์เร็วมูลค่าจริงผกผัน Irfft2d <U ขยาย TNumber > การแปลงฟูเรียร์เร็วมูลค่าจริงแบบผกผัน 2D Irfft3d <U ขยาย TNumber > การแปลงฟูเรียร์ที่รวดเร็วมูลค่าจริงแบบผกผัน 3 มิติ IsBoostedTreesEnsemble เริ่มต้นแล้ว ตรวจสอบว่า Tree Ensemble ได้รับการเตรียมใช้งานแล้วหรือไม่ IsBoostedTreesQuantileStreamResourceเริ่มต้นแล้ว ตรวจสอบว่าสตรีมควอนไทล์ได้รับการเริ่มต้นแล้วหรือไม่ มีจำกัด ส่งคืนองค์ประกอบใดของ x ที่มีขอบเขตจำกัด IsInf คืนค่าองค์ประกอบของ x ที่เป็น Inf อิสแนน ส่งคืนองค์ประกอบใดของ x ที่เป็น NaN เป็นตัวแปรเริ่มต้น ตรวจสอบว่าได้เตรียมใช้งานเทนเซอร์แล้วหรือไม่ ตัววนซ้ำ IteratorFromStringHandle IteratorGetDevice ส่งกลับชื่อของอุปกรณ์ที่ได้วาง "ทรัพยากร" ไว้ IteratorGetNextAsOptional รับเอาต์พุตถัดไปจากตัววนซ้ำที่กำหนดเป็นตัวแปรเสริม IteratorToStringHandle แปลง `resource_handle` ที่กำหนดซึ่งเป็นตัวแทนของตัววนซ้ำเป็นสตริง เข้าร่วม รวมสตริงในรายการเทนเซอร์สตริงที่กำหนดให้เป็นเทนเซอร์ตัวเดียว ด้วยตัวคั่นที่กำหนด (ค่าเริ่มต้นคือตัวคั่นว่าง) การเริ่มต้น KMC2Chain ส่งกลับดัชนีของจุดข้อมูลที่ควรเพิ่มลงในชุดเริ่มต้น การเริ่มต้น KmeansPlusPlus เลือกแถวอินพุต num_to_sample โดยใช้เกณฑ์ KMeans++ KthOrderStatistic คำนวณสถิติลำดับ K ของชุดข้อมูล L2Loss <T ขยาย TNumber > การสูญเสีย L2 ชุดข้อมูล LMDB สร้างชุดข้อมูลที่ปล่อยคู่คีย์-ค่าในไฟล์ LMDB อย่างน้อย 1 ไฟล์ ชุดข้อมูล LatencyStats บันทึกเวลาแฝงของการสร้างองค์ประกอบ `input_dataset` ใน StatsAggregator LeakyRelu <T ขยาย TNumber > คำนวณเชิงเส้นที่แก้ไขแล้ว: `สูงสุด (ฟีเจอร์, คุณสมบัติ * อัลฟา)` LeakyReluGrad <T ขยาย TNumber > คำนวณการไล่ระดับสีเชิงเส้นที่แก้ไขแล้วสำหรับการดำเนินการ LeakyRelu LeftShift <T ขยาย TNumber > Elementwise คำนวณการเลื่อนไปทางซ้ายระดับบิตของ `x` และ `y` น้อย ส่งกลับค่าความจริงของ (x < y) ตามองค์ประกอบ เท่าเทียมกันน้อยลง ส่งกลับค่าความจริงของ (x <= y) ตามองค์ประกอบ แกมม่า <T ขยาย TNumber > คำนวณบันทึกของค่าสัมบูรณ์ขององค์ประกอบ `Gamma(x)` LinSpace <T ขยาย TNumber > สร้างค่าในช่วงเวลา ชุดข้อมูล Lmdb LmdbReader เครื่องอ่านที่ส่งออกบันทึกจากไฟล์ LMDB LoadAndRemapMatrix โหลด `Tensor` 2-D (เมทริกซ์) ที่มีชื่อ `old_tensor_name` จากจุดตรวจสอบ ที่ `ckpt_path` และอาจจัดลำดับแถวและคอลัมน์ใหม่โดยใช้การแมปที่ระบุ LocalResponseNormalization <T ขยาย TNumber > การทำให้เป็นมาตรฐานการตอบสนองในท้องถิ่น LocalResponseNormalizationGrad <T ขยาย TNumber > การไล่ระดับสีสำหรับการปรับมาตรฐานการตอบสนองในท้องถิ่น บันทึก <T ขยาย TType > คำนวณลอการิทึมธรรมชาติขององค์ประกอบ x Log1p <T ขยาย TType > คำนวณลอการิทึมธรรมชาติขององค์ประกอบ (1 + x) LogSoftmax <T ขยาย TNumber > คำนวณการเปิดใช้งานบันทึก softmax ตรรกะและ ส่งกลับค่าความจริงขององค์ประกอบ x AND y ตรรกะไม่ ส่งคืนค่าความจริงขององค์ประกอบ "NOT x" ตรรกะหรือ ส่งกลับค่าความจริงของ x หรือ y ตามองค์ประกอบ LookupTableFind <U ขยาย TType > ค้นหาคีย์ในตาราง ส่งออกค่าที่เกี่ยวข้อง LookupTableSize คำนวณจำนวนองค์ประกอบในตารางที่กำหนด ห่วงCond ส่งต่ออินพุตไปยังเอาต์พุต ต่ำกว่า แปลงอักขระตัวพิมพ์ใหญ่ทั้งหมดเป็นการแทนที่ตัวพิมพ์เล็กตามลำดับ LowerBound <U ขยาย TNumber > ใช้ lower_bound(sorted_search_values, ค่า) ในแต่ละแถว ทำให้ไม่ซ้ำใคร ทำให้องค์ประกอบทั้งหมดในมิติที่ไม่ใช่แบทช์ไม่ซ้ำกัน แต่ \"ปิด\" ค่าเริ่มต้นของพวกเขา แผนที่ขนาดไม่สมบูรณ์ Op ส่งคืนจำนวนองค์ประกอบที่ไม่สมบูรณ์ในคอนเทนเนอร์ต้นแบบ ขนาดแผนที่ Op ส่งคืนจำนวนองค์ประกอบในคอนเทนเนอร์ต้นแบบ MatMul <T ขยาย TType > คูณเมทริกซ์ "a" ด้วยเมทริกซ์ "b" MatchingFiles ส่งกลับชุดของไฟล์ที่ตรงกับรูปแบบ glob หนึ่งรูปแบบขึ้นไป ชุดข้อมูล MatchingFiles MatrixDiag <T ขยาย TType > ส่งกลับเทนเซอร์แนวทแยงแบบแบทช์พร้อมค่าแนวทแยงแบบแบทช์ที่กำหนด MatrixDiagPart <T ขยาย TType > ส่งกลับส่วนเส้นทแยงมุมแบบแบทช์ของเทนเซอร์แบบแบทช์ MatrixDiagPartV3 <T ขยาย TType > ส่งกลับส่วนเส้นทแยงมุมแบบแบทช์ของเทนเซอร์แบบแบทช์ MatrixDiagV3 <T ขยาย TType > ส่งกลับเทนเซอร์แนวทแยงแบบแบทช์พร้อมค่าแนวทแยงแบบแบทช์ที่กำหนด เมทริกซ์ลอการิทึม <T ขยาย TType > คำนวณลอการิทึมเมทริกซ์ของเมทริกซ์จตุรัสหนึ่งหรือหลายเมทริกซ์: -\(log(exp(A)) = A\\) op นี้ถูกกำหนดไว้สำหรับเมทริกซ์เชิงซ้อนเท่านั้น MatrixSetDiag <T ขยาย TType > ส่งกลับเมทริกซ์เทนเซอร์แบบแบทช์พร้อมค่าแนวทแยงแบบแบทช์ใหม่ MatrixSolveLs <T ขยาย TType > แก้ปัญหากำลังสองน้อยที่สุดเชิงเส้นอย่างน้อยหนึ่งข้อ สูงสุด <T ขยาย TType > คำนวณองค์ประกอบสูงสุดในมิติต่างๆ ของเทนเซอร์ ชุดข้อมูล MaxIntraOpParallelism สร้างชุดข้อมูลที่แทนที่ความขนานภายในปฏิบัติการสูงสุด MaxPool <T ขยาย TType > ดำเนินการรวมสูงสุดกับอินพุต MaxPool3d <T ขยาย TNumber > ดำเนินการรวม 3D max บนอินพุต MaxPool3dGrad <U ขยาย TNumber > คำนวณการไล่ระดับสีของฟังก์ชันการรวม 3D max MaxPool3dGradGrad <T ขยาย TNumber > คำนวณการไล่ระดับสีลำดับที่สองของฟังก์ชัน maxpooling MaxPoolGrad <T ขยาย TNumber > คำนวณการไล่ระดับสีของฟังก์ชัน maxpooling MaxPoolGradGrad <T ขยาย TNumber > คำนวณการไล่ระดับสีลำดับที่สองของฟังก์ชัน maxpooling MaxPoolGradGradWithArgmax <T ขยาย TNumber > คำนวณการไล่ระดับสีลำดับที่สองของฟังก์ชัน maxpooling MaxPoolGradWithArgmax <T ขยาย TNumber > คำนวณการไล่ระดับสีของฟังก์ชัน maxpooling สูงสุด <T ขยาย TNumber > ส่งกลับค่าสูงสุดของ x และ y (เช่น ค่าเฉลี่ย <T ขยาย TType > คำนวณค่าเฉลี่ยขององค์ประกอบตามมิติของเทนเซอร์ รวมสรุป รวมสรุป เอ็มเอฟซีซี แปลงสเปกโตรแกรมให้เป็นรูปแบบที่มีประโยชน์สำหรับการรู้จำคำพูด ขั้นต่ำ <T ขยาย TType > คำนวณองค์ประกอบขั้นต่ำในมิติของเทนเซอร์ ขั้นต่ำ <T ขยาย TNumber > ส่งคืนค่าต่ำสุดของ x และ y (เช่น MirrorPad <T ขยาย TType > แพดเทนเซอร์ด้วยค่าที่มิเรอร์ MirrorPadGrad <T ขยาย TType > การไล่ระดับสีสำหรับ `MirrorPad` op Mod <T ขยาย TNumber > ส่งกลับส่วนที่เหลือของการหารตามองค์ประกอบ ModelDataset การเปลี่ยนแปลงอัตลักษณ์ที่เป็นแบบจำลองประสิทธิภาพ Mul <T ขยาย TType > ส่งคืนองค์ประกอบ x * y MulNoNan <T ขยาย TType > ส่งคืนองค์ประกอบ x * y MultiDeviceIterator สร้างทรัพยากร MultiDeviceIterator MultiDeviceIteratorFromStringHandle สร้างทรัพยากร MultiDeviceIterator จากหมายเลขอ้างอิงสตริงที่ให้มา MultiDeviceIteratorInit เริ่มต้นตัววนซ้ำหลายอุปกรณ์ด้วยชุดข้อมูลที่กำหนด MultiDeviceIteratorToStringHandle สร้างตัวจัดการสตริงสำหรับ MultiDeviceIterator ที่กำหนด พหุนาม <U ขยาย TNumber > ดึงตัวอย่างจากการแจกแจงแบบพหุนาม ตาราง DenseHashTable ที่เปลี่ยนแปลงได้ สร้างตารางแฮชว่างที่ใช้เทนเซอร์เป็นที่เก็บสำรอง ตารางแฮชที่ไม่แน่นอน สร้างตารางแฮชที่ว่างเปล่า ตารางแฮชที่ผันแปรได้ของเทนเซอร์ สร้างตารางแฮชที่ว่างเปล่า มูเท็กซ์ สร้างทรัพยากร Mutex ที่สามารถล็อกได้โดย `MutexLock` MutexLock ล็อกทรัพยากร mutex NcclAllReduce <T ขยาย TNumber > เอาท์พุตเทนเซอร์ที่มีการลดลงในเทนเซอร์อินพุตทั้งหมด NcclBroadcast <T ขยาย TNumber > ส่ง 'อินพุต' ไปยังอุปกรณ์ทั้งหมดที่เชื่อมต่อกับเอาต์พุต NcclReduce <T ขยาย TNumber > ลด "อินพุต" จาก "num_devices" โดยใช้ "การลด" ลงในอุปกรณ์เครื่องเดียว Ndtri <T ขยาย TNumber > Neg <T ขยาย TType > คำนวณองค์ประกอบค่าลบที่เป็นตัวเลข ถัดไปหลังจาก <T ขยาย TNumber > ส่งคืนค่าตัวแทนถัดไปของ "x1" ไปในทิศทางของ "x2" ตามองค์ประกอบ NextIteration <T ขยาย TType > ทำให้อินพุตพร้อมใช้งานในการวนซ้ำครั้งถัดไป NonDetermisticInts <U ขยาย TType > สร้างจำนวนเต็มบางส่วนโดยไม่ได้กำหนดไว้ NonMaxSuppressionWithOverlaps เลือกชุดย่อยของกรอบขอบเขตอย่างตะกละตะกลามโดยเรียงลำดับคะแนนจากมากไปหาน้อย ตัดกล่องที่มีการทับซ้อนกันสูงกับกล่องที่เลือกไว้ก่อนหน้านี้ออก ชุดข้อมูลที่ไม่สามารถซีเรียลไลซ์ได้ ไม่เท่ากัน ส่งกลับค่าความจริงของ (x != y) ตามองค์ประกอบ NthElement <T ขยาย TNumber > ค้นหาค่าของสถิติลำดับที่ n สำหรับมิติสุดท้าย OneHot <U ขยาย TType > ส่งกลับเทนเซอร์แบบร้อนเดียว อัน <T ขยาย TType > ตัวดำเนินการสร้างค่าคงที่ที่เริ่มต้นด้วยรูปร่างที่กำหนดโดย 'dims' OnesLike <T ขยาย TType > ส่งกลับเทนเซอร์ของวัตถุที่มีรูปร่างและประเภทเดียวกันกับ x OptimizeDataset สร้างชุดข้อมูลโดยใช้การเพิ่มประสิทธิภาพกับ `input_dataset` OptimizeDatasetV2 สร้างชุดข้อมูลโดยใช้การเพิ่มประสิทธิภาพที่เกี่ยวข้องกับ `input_dataset` ไม่บังคับFromValue สร้างตัวแปรเสริมจากทูเพิลเทนเซอร์ ไม่บังคับHasValue ส่งกลับค่าจริงก็ต่อเมื่อตัวแปรเสริมที่กำหนดมีค่าเท่านั้น ไม่บังคับไม่มี สร้างตัวแปรเสริมโดยไม่มีค่า สั่งซื้อแผนที่ขนาดไม่สมบูรณ์ Op ส่งคืนจำนวนองค์ประกอบที่ไม่สมบูรณ์ในคอนเทนเนอร์ต้นแบบ สั่งซื้อMapSize Op ส่งคืนจำนวนองค์ประกอบในคอนเทนเนอร์ต้นแบบ ตัวเลือกลำดับ ตัวเลือกแกน TPU Op OutfeedDequeue <T ขยาย TType > ดึงข้อมูลเทนเซอร์ตัวเดียวจากเอาท์พุตการคำนวณ OutfeedDequeueV2 <T ขยาย TType > ดึงข้อมูลเทนเซอร์ตัวเดียวจากเอาท์พุตการคำนวณ เอาต์พุต <T ขยาย TType > ที่จับสัญลักษณ์สำหรับเทนเซอร์ที่ผลิตโดย Operation แพด <T ขยาย TType > ล้อมตัวดำเนินการ XLA Pad ตามเอกสารที่ https://www.tensorflow.org/Performance/xla/operation_semantics#pad ชุดข้อมูลแบบเบาะ สร้างชุดข้อมูลที่แบทช์และแพดองค์ประกอบ "batch_size" จากอินพุต แพดดิ้งFifoQueue คิวที่สร้างองค์ประกอบตามลำดับเข้าก่อนออกก่อน ParallelConcat <T ขยาย TType > เชื่อมต่อรายการเทนเซอร์ `N` เข้ากับมิติแรก ParallelDynamicStitch <T ขยาย TType > แทรกค่าจากเทนเซอร์ "ข้อมูล" ลงในเทนเซอร์ตัวเดียว ParameterizedTruncatedNormal <U ขยาย TNumber > ส่งออกค่าสุ่มจากการแจกแจงแบบปกติ ParseExampleชุดข้อมูล แปลง `input_dataset` ที่มีโปรโต 'ตัวอย่าง' เป็นเวกเตอร์ของ DT_STRING ให้เป็นชุดข้อมูลของวัตถุ 'Tensor' หรือ 'SparseTensor' ที่แสดงถึงคุณลักษณะที่แยกวิเคราะห์ ParseTensor <T ขยาย TType > แปลงเทนเซอร์โฟลว์แบบอนุกรมTensorProto โปรโตเป็นเทนเซอร์ PartitionedInput <T ขยาย TType > สหกรณ์ที่จัดกลุ่มรายการอินพุตที่แบ่งพาร์ติชันไว้ด้วยกัน ตัวยึดตำแหน่ง <T ขยาย TType > ตัวยึดตำแหน่งใช้สำหรับค่าที่จะป้อนเข้าสู่การคำนวณ PlaceholderWithDefault <T ขยาย TType > ตัวยึดตำแหน่งที่ส่งผ่าน "อินพุต" เมื่อไม่ได้ป้อนเอาต์พุต รูปหลายเหลี่ยม <T ขยาย TNumber > คำนวณฟังก์ชันรูปหลายเหลี่ยม \\(\psi^{(n)}(x)\\)- จำนวนประชากร คำนวณจำนวนประชากรตามองค์ประกอบ (aka Pow <T ขยาย TType > คำนวณกำลังของค่าหนึ่งไปยังอีกค่าหนึ่ง ดึงข้อมูลชุดข้อมูลล่วงหน้า สร้างชุดข้อมูลที่ดึงองค์ประกอบล่วงหน้าแบบอะซิงโครนัสจาก `input_dataset` พรีลิเนียร์ op ที่ทำให้ค่าเทนเซอร์หนึ่งค่าเป็นเส้นตรงไปจนถึงเทนเซอร์ตัวแปรทึบแสง พรีลิเนียร์ไรซ์Tuple op ที่ทำให้ค่าเทนเซอร์หลายค่าเป็นเส้นตรงให้เป็นเทนเซอร์ตัวแปรทึบแสง PreventGradient <T ขยาย TType > สหกรณ์ข้อมูลประจำตัวที่ทำให้เกิดข้อผิดพลาดหากมีการร้องขอการไล่ระดับสี PriorityQueue คิวที่สร้างองค์ประกอบที่จัดเรียงตามค่าส่วนประกอบแรก ชุดข้อมูล ThreadPool ส่วนตัว สร้างชุดข้อมูลที่ใช้พูลเธรดที่กำหนดเองเพื่อคำนวณ `input_dataset` ผลิตภัณฑ์ <T ขยาย TType > คำนวณผลคูณขององค์ประกอบตามมิติของเทนเซอร์ QuantizeAndDequantize <T ขยาย TNumber > การหาปริมาณแล้วจึงแยกเทนเซอร์ออก QuantizeAndDequantizeV3 <T ขยาย TNumber > การหาปริมาณแล้วจึงแยกเทนเซอร์ออก QuantizeAndDequantizeV4 <T ขยาย TNumber > ส่งกลับค่าการไล่ระดับสีของ `quantization.QuantizeAndDequantizeV4` QuantizedMatMulWithBiasAndDequantize < W ขยาย TNumber > คิวปิดแล้ว คืนค่าเป็นจริงหากคิวถูกปิด ขนาดคิว คำนวณจำนวนองค์ประกอบในคิวที่กำหนด RaggedBincount <U ขยาย TNumber > นับจำนวนครั้งของแต่ละค่าในอาร์เรย์จำนวนเต็ม RaggedTensorToTensor <U ขยาย TType > สร้างเทนเซอร์ที่มีความหนาแน่นสูงจากเทนเซอร์ที่ขาดๆ หายๆ ซึ่งอาจมีการเปลี่ยนแปลงรูปร่างได้ RaggedTensorToVariant เข้ารหัส `RaggedTensor` ให้เป็นเทนเซอร์ 'ตัวแปร' RaggedTensorToVariantGradient <U ขยาย TType > ตัวช่วยใช้ในการคำนวณการไล่ระดับสีสำหรับ `RaggedTensorToVariant` RandomCrop <T ขยาย TNumber > สุ่มครอบตัด "รูปภาพ" ชุดข้อมูลแบบสุ่ม สร้างชุดข้อมูลที่ส่งคืนตัวเลขสุ่มเทียม RandomGamma <U ขยาย TNumber > ส่งออกค่าสุ่มจากการแจกแจงแกมม่าที่อธิบายโดยอัลฟา RandomGammaGrad <T ขยาย TNumber > คำนวณอนุพันธ์ของ wrt ตัวอย่างสุ่มแกมมา RandomPoisson <V ขยาย TNumber > ส่งออกค่าสุ่มจากการแจกแจงปัวซองที่อธิบายตามอัตรา สุ่มสุ่ม <T ขยาย TType > สุ่มสับเปลี่ยนเทนเซอร์ไปตามมิติแรก RandomShuffleQueue คิวที่สุ่มลำดับขององค์ประกอบ RandomStandardNormal <U ขยาย TNumber > ส่งออกค่าสุ่มจากการแจกแจงแบบปกติ RandomUniform <U ขยาย TNumber > ส่งออกค่าสุ่มจากการแจกแจงแบบสม่ำเสมอ RandomUniformInt <U ขยาย TNumber > ส่งออกจำนวนเต็มสุ่มจากการแจกแจงแบบสม่ำเสมอ ช่วง <T ขยาย TNumber > สร้างลำดับของตัวเลข ชุดข้อมูลช่วง สร้างชุดข้อมูลที่มีช่วงของค่า อันดับ ส่งกลับอันดับของเทนเซอร์ อ่านไฟล์ อ่านและส่งออกเนื้อหาทั้งหมดของชื่อไฟล์อินพุต ReadVariableOp <T ขยาย TType > อ่านค่าของตัวแปร ReaderNumRecordsProduced ส่งกลับจำนวนบันทึกที่ Reader นี้สร้างขึ้น ReaderNumWorkUnits เสร็จสมบูรณ์ ส่งกลับจำนวนหน่วยงานที่ Reader นี้ประมวลผลเสร็จแล้ว ReaderSerializeState สร้างเทนเซอร์สตริงที่เข้ารหัสสถานะของ Reader จริง <U ขยาย TNumber > ส่งกลับส่วนจริงของจำนวนเชิงซ้อน RealDiv <T ขยาย TType > ส่งคืนองค์ประกอบ x / y สำหรับประเภทจริง รีแบทช์ชุดข้อมูล สร้างชุดข้อมูลที่เปลี่ยนขนาดแบตช์ รีแบทช์ DatasetV2 สร้างชุดข้อมูลที่เปลี่ยนขนาดแบตช์ ซึ่งกันและกัน <T ขยาย TType > คำนวณส่วนกลับขององค์ประกอบ x ReciprocalGrad <T ขยาย TType > คำนวณการไล่ระดับสีสำหรับค่าผกผันของ `x` ด้วยอินพุต บันทึกอินพุต ปล่อยบันทึกแบบสุ่ม รับ <T ขยาย TType > รับเทนเซอร์ที่ระบุชื่อจากการคำนวณ XLA อื่น ลด <T ขยาย TNumber > ลดเทนเซอร์หลายตัวที่มีประเภทและรูปร่างเหมือนกันร่วมกัน ลดทั้งหมด คำนวณ "ตรรกะและ" ขององค์ประกอบในมิติต่างๆ ของเทนเซอร์ ลดใดๆ คำนวณ "ตรรกะหรือ" ขององค์ประกอบในมิติต่างๆ ของเทนเซอร์ ลดเข้าร่วม รวมสตริงเทนเซอร์ในมิติที่กำหนด ลดสูงสุด <T ขยาย TType > คำนวณองค์ประกอบสูงสุดในมิติต่างๆ ของเทนเซอร์ ลดขั้นต่ำ <T ขยาย TType > คำนวณองค์ประกอบขั้นต่ำในมิติของเทนเซอร์ ลด Prod <T ขยาย TType > คำนวณผลคูณขององค์ประกอบตามมิติของเทนเซอร์ ลดผลรวม <T ขยาย TType > คำนวณผลรวมขององค์ประกอบในมิติของเทนเซอร์ ลด V2 <T ขยาย TNumber > ลดเทนเซอร์หลายตัวที่มีประเภทและรูปร่างเหมือนกันร่วมกัน RefEnter <T ขยาย TType > สร้างหรือค้นหาเฟรมย่อย และทำให้ 'ข้อมูล' พร้อมใช้งานสำหรับเฟรมย่อย RefExit <T ขยาย TType > ออกจากเฟรมปัจจุบันไปยังเฟรมหลัก RefIdentity <T ขยาย TType > ส่งคืนค่าเทนเซอร์อ้างอิงเดียวกันกับเทนเซอร์อ้างอิงอินพุต RefNextIteration <T ขยาย TType > ทำให้อินพุตพร้อมใช้งานในการวนซ้ำครั้งถัดไป RefSelect <T ขยาย TType > ส่งต่อ "องค์ประกอบดัชนี" ของ "อินพุต" ไปยัง "เอาต์พุต" RegexFullMatch ตรวจสอบว่าอินพุตตรงกับรูปแบบ regex หรือไม่ Regexแทนที่ แทนที่การจับคู่ของนิพจน์ทั่วไป "รูปแบบ" ใน "อินพุต" ด้วยสตริงการแทนที่ที่ให้ไว้ใน "เขียนใหม่" ลงทะเบียนชุดข้อมูล ลงทะเบียนชุดข้อมูลกับบริการ tf.data Relu <T ขยาย TType > คำนวณเชิงเส้นที่แก้ไขแล้ว: `สูงสุด (ฟีเจอร์, 0)` Relu6 <T ขยาย TNumber > คำนวณเชิงเส้นที่แก้ไขแล้ว 6: `min(max(features, 0), 6)` Relu6Grad <T ขยาย TNumber > คำนวณการไล่ระดับสีเชิงเส้น 6 ที่แก้ไขแล้วสำหรับการดำเนินการ Relu6 ReluGrad <T ขยาย TNumber > คำนวณการไล่ระดับสีเชิงเส้นที่แก้ไขแล้วสำหรับการดำเนินการ Relu ทำซ้ำชุดข้อมูล สร้างชุดข้อมูลที่ปล่อยเอาต์พุตของ `input_dataset` `นับ` ครั้ง ReplicaId รหัสแบบจำลอง ReplicatedInput <T ขยาย TType > เชื่อมต่ออินพุต N กับการคำนวณ TPU ที่จำลองแบบ N-way ปรับรูปร่างใหม่ <T ขยาย TType > เปลี่ยนรูปร่างเทนเซอร์ ปรับขนาดพื้นที่ ปรับขนาด "รูปภาพ" เป็น "ขนาด" โดยใช้การแก้ไขพื้นที่ ปรับขนาดBicubic ปรับขนาด "รูปภาพ" เป็น "ขนาด" โดยใช้การแก้ไขแบบไบคิวบิก ResizeBicubicGrad <T ขยาย TNumber > คำนวณความชันของการประมาณค่าแบบไบคิวบิก ปรับขนาดBilinear ปรับขนาด "รูปภาพ" เป็น "ขนาด" โดยใช้การแก้ไขแบบไบลิเนียร์ ResizeBilinearGrad <T ขยาย TNumber > คำนวณความชันของการประมาณค่าแบบไบลิเนียร์ ปรับขนาดNearestNeighbor <T ขยาย TNumber > ปรับขนาด "รูปภาพ" เป็น "ขนาด" โดยใช้การแก้ไขเพื่อนบ้านที่ใกล้ที่สุด ปรับขนาดNearestNeighborGrad <T ขยาย TNumber > คำนวณการไล่ระดับสีของการแก้ไขเพื่อนบ้านที่ใกล้ที่สุด ResourceAccumulatorNumสะสม ส่งกลับจำนวนการไล่ระดับสีที่รวมอยู่ในตัวสะสมที่กำหนด ResourceAccumulatorTakeGradient <T ขยาย TType > แยกการไล่ระดับสีเฉลี่ยใน ConditionalAccumulator ที่กำหนด ทรัพยากรแบบมีเงื่อนไขสะสม ตัวสะสมแบบมีเงื่อนไขสำหรับการรวมการไล่ระดับสี ResourceCountUpTo <T ขยาย TNumber > เพิ่มตัวแปรที่ชี้ตาม 'ทรัพยากร' จนกว่าจะถึง 'ขีดจำกัด' ResourceGather <U ขยาย TType > รวบรวมชิ้นส่วนจากตัวแปรที่ชี้ไปตาม 'ทรัพยากร' ตาม 'ดัชนี' ResourceGatherNd <U ขยาย TType > RestoreSlice <T ขยาย TType > คืนค่าเทนเซอร์จากไฟล์จุดตรวจ ดึงข้อมูล TPU การฝัง StochasticGradientDescentParameters รับพารามิเตอร์การฝัง SGD ย้อนกลับ <T ขยาย TType > กลับมิติเฉพาะของเทนเซอร์ ReverseSequence <T ขยาย TType > ย้อนกลับส่วนที่มีความยาวผันแปรได้ Rfft <U ขยาย TType > การแปลงฟูเรียร์เร็วที่มีมูลค่าจริง Rfft2d <U ขยาย TType > การแปลงฟูเรียร์ที่รวดเร็วมูลค่าจริง 2 มิติ Rfft3d <U ขยาย TType > การแปลงฟูเรียร์ที่รวดเร็วมูลค่าจริง 3 มิติ RgbToHsv <T ขยาย TNumber > แปลงรูปภาพตั้งแต่หนึ่งภาพขึ้นไปจาก RGB เป็น HSV RightShift <T ขยาย TNumber > Elementwise คำนวณการเลื่อนไปทางขวาระดับบิตของ `x` และ `y` Rint <T ขยาย TNumber > ส่งกลับจำนวนเต็มตามองค์ประกอบที่ใกล้กับ x มากที่สุด Rngอ่านและข้าม เลื่อนเคาน์เตอร์ของ RNG แบบเคาน์เตอร์ ม้วน <T ขยาย TType > ม้วนองค์ประกอบของเทนเซอร์ไปตามแกน รอบ <T ขยาย TType > ปัดเศษค่าของเมตริกซ์ให้เป็นจำนวนเต็มที่ใกล้เคียงที่สุดตามองค์ประกอบ รปภ ดำเนินการคำขอ RPC เป็นชุด Rsqrt <T ขยาย TType > คำนวณส่วนกลับของรากที่สองขององค์ประกอบ x RsqrtGrad <T ขยาย TType > คำนวณการไล่ระดับสีสำหรับ rsqrt ของ `x` wrt อินพุต ชุดข้อมูลสุ่มตัวอย่าง สร้างชุดข้อมูลที่รับตัวอย่าง Bernoulli ของเนื้อหาของชุดข้อมูลอื่น สรุปสเกลาร์ ส่งออกบัฟเฟอร์โปรโตคอล 'สรุป' ด้วยค่าสเกลาร์ สเกลและแปล ScaleAndTranslateGrad <T ขยาย TNumber > ScatterAdd <T ขยาย TType > เพิ่มการอัพเดตแบบกระจัดกระจายให้กับการอ้างอิงตัวแปร ScatterDiv <T ขยาย TType > แบ่งการอ้างอิงตัวแปรด้วยการอัพเดตแบบกระจัดกระจาย ScatterMax <T ขยาย TNumber > ลดการอัปเดตแบบกระจัดกระจายลงในการอ้างอิงตัวแปรโดยใช้การดำเนินการ "สูงสุด" ScatterMin <T ขยาย TNumber > ลดการอัปเดตแบบกระจัดกระจายในการอ้างอิงตัวแปรโดยใช้การดำเนินการ "min" ScatterMul <T ขยาย TType > คูณการอัพเดตแบบกระจัดกระจายเป็นการอ้างอิงตัวแปร ScatterNd <U ขยาย TType > กระจาย 'อัปเดต' เป็นเทนเซอร์ใหม่ตาม 'ดัชนี' ScatterNdAdd <T ขยาย TType > ใช้การเพิ่มเติมแบบกระจายกับแต่ละค่าหรือส่วนต่างๆ ในตัวแปร ScatterNdMax <T ขยาย TType > คำนวณค่าสูงสุดตามองค์ประกอบ ScatterNdMin <T ขยาย TType > คำนวณขั้นต่ำตามองค์ประกอบ ScatterNdNonAliasingAdd <T ขยาย TType > ใช้การเพิ่มเติมแบบกระจายกับ "อินพุต" โดยใช้ค่าเดี่ยวๆ หรือการแบ่งส่วน จาก `อัปเดต` ตามดัชนี `ดัชนี` ScatterNdSub <T ขยาย TType > ใช้การลบแบบกระจายกับแต่ละค่าหรือส่วนต่างๆ ในตัวแปร ScatterNdUpdate <T ขยาย TType > ใช้ "การอัปเดต" แบบกระจัดกระจายกับแต่ละค่าหรือส่วนต่างๆ ภายในที่กำหนด แปรผันตาม 'ดัชนี' ScatterSub <T ขยาย TType > ลบการอัพเดตแบบกระจัดกระจายไปยังการอ้างอิงตัวแปร ScatterUpdate <T ขยาย TType > ใช้การอัพเดตแบบกระจัดกระจายกับการอ้างอิงตัวแปร SdcaFprint คำนวณลายนิ้วมือของสตริงอินพุต SegmentMax <T ขยาย TNumber > คำนวณค่าสูงสุดตามส่วนของเทนเซอร์ SegmentMean <T ขยาย TType > คำนวณค่าเฉลี่ยตามส่วนของเทนเซอร์ SegmentMin <T ขยาย TNumber > คำนวณค่าต่ำสุดตามส่วนของเทนเซอร์ SegmentProd <T ขยาย TType > คำนวณผลิตภัณฑ์ตามส่วนของเทนเซอร์ SegmentSum <T ขยาย TType > คำนวณผลรวมตามส่วนของเทนเซอร์ เลือก <T ขยาย TType > เลือก <T ขยาย TNumber > คำนวณเชิงเส้นแบบเอ็กซ์โปเนนเชียลที่ปรับขนาดแล้ว: `scale * alpha * (exp(features) - 1)` ถ้า < 0 แสดงว่า `scale * features` เป็นอย่างอื่น SeluGrad <T ขยาย TNumber > คำนวณการไล่ระดับสีสำหรับการดำเนินการเชิงเส้นแบบเอ็กซ์โพเนนเชียลแบบปรับขนาด (Selu) ทำให้เป็นอนุกรมIterator แปลง `resource_handle` ที่กำหนดซึ่งเป็นตัวแทนของตัววนซ้ำไปเป็นเทนเซอร์ตัวแปร SerializeManySparse <U ขยาย TType > ทำให้ `N`-minibatch `SparseTensor` เป็นอนุกรมเป็นวัตถุ `[N, 3]` `Tensor` SerializeSparse <U ขยาย TType > ทำให้ `SparseTensor` เป็นอนุกรมลงในวัตถุ `[3]` `Tensor` ทำให้เป็นอนุกรมเทนเซอร์ แปลง Tensor ให้เป็นโปรโต TensorProto ที่ต่อเนื่องกัน กำหนดขนาด จำนวนองค์ประกอบที่ไม่ซ้ำกันในมิติสุดท้ายของอินพุต `set` ชุดข้อมูล SetStatsAggregator รูปร่าง <U ขยาย TNumber > ส่งกลับรูปร่างของเทนเซอร์ ShardDataset สร้าง "ชุดข้อมูล" ที่รวมเพียง 1/`num_shards` ของชุดข้อมูลนี้ ShardedFilename สร้างชื่อไฟล์ที่แบ่งส่วน ShardedFilespec สร้างรูปแบบ glob ที่ตรงกับชื่อไฟล์ที่แบ่งส่วนทั้งหมด การแบ่งส่วน <T ขยาย TType > op ซึ่งแบ่งข้อมูลอินพุตตามแอตทริบิวต์การแบ่งส่วนที่กำหนด สุ่มและทำซ้ำชุดข้อมูล สับเปลี่ยนชุดข้อมูล ซิกมอยด์ <T ขยาย TType > คำนวณซิกมอยด์ขององค์ประกอบ `x` SigmoidGrad <T ขยาย TType > คำนวณการไล่ระดับสีของซิกมอยด์ของ `x` โดยที่อินพุตของมัน เครื่องหมาย <T ขยาย TType > ส่งกลับค่าบ่งชี้สัญลักษณ์ของตัวเลขตามองค์ประกอบ บาป <T ขยาย TType > คำนวณไซน์ขององค์ประกอบ x ตามลำดับ Sinh <T ขยาย TType > คำนวณไฮเปอร์โบลิกไซน์ขององค์ประกอบ x ขนาด <U ขยาย TNumber > ส่งกลับขนาดของเทนเซอร์ ข้ามชุดข้อมูล สร้างชุดข้อมูลที่ข้ามองค์ประกอบ "นับ" จาก "input_dataset" ชุดข้อมูลการนอนหลับ ชิ้น <T ขยาย TType > กลับชิ้นจาก 'อินพุต' ชุดข้อมูลหน้าต่างบานเลื่อน สร้างชุดข้อมูลที่ส่งผ่านหน้าต่างแบบเลื่อนเหนือ `input_dataset` สแนปชอต <T ขยาย TType > ส่งกลับสำเนาของเทนเซอร์อินพุต SobolSample <T ขยาย TNumber > สร้างคะแนนจากลำดับ Sobol Softmax <T ขยาย TNumber > คำนวณการเปิดใช้งาน softmax Softplus <T ขยาย TNumber > คำนวณ softplus: `log(exp(features) + 1)` SoftplusGrad <T ขยาย TNumber > คำนวณการไล่ระดับสีซอฟต์พลัสสำหรับการดำเนินการซอฟต์พลัส Softsign <T ขยาย TNumber > คำนวณ softsign: `features / (abs(features) + 1)` SoftsignGrad <T ขยาย TNumber > คำนวณการไล่ระดับสีแบบ softsign สำหรับการดำเนินการแบบ softsign แก้ <T ขยาย TType > แก้ระบบสมการเชิงเส้น เรียงลำดับ <T ขยาย TType > ล้อมตัวดำเนินการ XLA Sort จัดทำเอกสารไว้ที่ https://www.tensorflow.org/Performance/xla/operation_semantics#sort SpaceToBatch <T ขยาย TType > SpaceToBatch สำหรับเทนเซอร์ 4 มิติประเภท T SpaceToBatchNd <T ขยาย TType > SpaceToBatch สำหรับเทนเซอร์ ND ประเภท T SpaceToDepth <T ขยาย TType > SpaceToDepth สำหรับเทนเซอร์ประเภท T SparseApplyAdadelta <T ขยาย TType > var: ควรมาจากตัวแปร () SparseApplyAdagrad <T ขยาย TType > อัปเดตรายการที่เกี่ยวข้องใน '*var' และ '*accum' ตามรูปแบบ adagrad SparseApplyAdagradDa <T ขยาย TType > อัปเดตรายการใน '*var' และ '*accum' ตามรูปแบบ adagrad ที่ใกล้เคียง SparseApplyCenteredRmsProp <T ขยาย TType > อัปเดต '*var' ตามอัลกอริทึม RMSProp ที่อยู่กึ่งกลาง SparseApplyFtrl <T ขยาย TType > อัปเดตรายการที่เกี่ยวข้องใน '*var' ตามรูปแบบ Ftrl-proximal SparseApplyMomentum <T ขยาย TType > อัปเดตรายการที่เกี่ยวข้องใน '*var' และ '*accum' ตามรูปแบบโมเมนตัม SparseApplyProximalAdagrad <T ขยาย TType > รายการอัปเดตแบบกระจัดกระจายใน '*var' และ '*accum' ตามอัลกอริทึม FOBOS SparseApplyProximalGradientDescent <T ขยาย TType > การอัปเดตแบบกระจัดกระจาย '*var' เป็นอัลกอริทึม FOBOS พร้อมอัตราการเรียนรู้คงที่ SparseApplyRmsProp <T ขยาย TType > อัปเดต '*var' ตามอัลกอริทึม RMSProp SparseBincount <U ขยาย TNumber > นับจำนวนครั้งของแต่ละค่าในอาร์เรย์จำนวนเต็ม สะสมแบบมีเงื่อนไขเบาบาง ตัวสะสมแบบมีเงื่อนไขสำหรับการรวมการไล่ระดับสีแบบเบาบาง SparseDenseCwiseAdd <T ขยาย TType > เพิ่ม SparseTensor และ Tensor แบบหนาแน่น โดยใช้กฎพิเศษเหล่านี้: (1) ออกอากาศด้านหนาแน่นให้มีรูปร่างเหมือนกับด้านเบาบาง หากเข้าเกณฑ์ (2) จากนั้น เฉพาะค่าความหนาแน่นที่ชี้โดยดัชนีของ SparseTensor เท่านั้นที่มีส่วนร่วมในการบวกแบบ cwise SparseDenseCwiseDiv <T ขยาย TType > ในส่วนของ Component จะแบ่ง SparseTensor ด้วยเทนเซอร์ที่มีความหนาแน่นสูง SparseDenseCwiseMul <T ขยาย TType > ส่วนประกอบจะคูณ SparseTensor ด้วยเทนเซอร์ที่มีความหนาแน่นสูง เบาบางMatMul คูณเมทริกซ์ "a" ด้วยเมทริกซ์ "b" เบาบางเมทริกซ์บวก การบวกเมทริกซ์ CSR สองตัวแบบกระจัดกระจาย C = อัลฟา * A + เบต้า * B SparseMatrixMatMul <T ขยาย TType > เมทริกซ์คูณเมทริกซ์กระจัดกระจายด้วยเมทริกซ์หนาแน่น เบาบางเมทริกซ์Mul การคูณเมทริกซ์กระจัดกระจายอย่างชาญฉลาดด้วยเทนเซอร์หนาแน่น เบาเมทริกซ์NNZ ส่งกลับจำนวนที่ไม่ใช่ศูนย์ของ `sparse_matrix` SparseMatrixการสั่งซื้อAMD คำนวณลำดับขั้นต่ำโดยประมาณ (AMD) ของ "อินพุต" SparseMatrixSoftmax คำนวณ softmax ของ CSRSparseMatrix SparseMatrixSoftmaxGrad คำนวณการไล่ระดับสีของ SparseMatrixSoftmax op SparseMatrixSparseCholesky คำนวณการสลายตัวของ Cholesky แบบกระจัดกระจายของ `อินพุต` SparseMatrixSparseMatMul เมทริกซ์แบบกระจายจะคูณเมทริกซ์ CSR สองตัว `a` และ `b` SparseMatrixTranspose ย้ายขนาดภายใน (เมทริกซ์) ของ CSRSparseMatrix เบาบางเมทริกซ์ศูนย์ สร้าง CSRSparseMatrix ที่เป็นศูนย์ทั้งหมดที่มีรูปร่าง `dense_shape` SparseReduceMax <T ขยาย TNumber > คำนวณองค์ประกอบสูงสุดในมิติของ SparseTensor SparseReduceSum <T ขยาย TType > คำนวณผลรวมขององค์ประกอบในมิติของ SparseTensor SparseSegmentMean <T ขยาย TNumber > คำนวณค่าเฉลี่ยตามส่วนที่กระจัดกระจายของเทนเซอร์ SparseSegmentMeanGrad <T ขยาย TNumber > คำนวณการไล่ระดับสีสำหรับ SparseSegmentMean SparseSegmentMeanWithNumSegments <T ขยาย TNumber > คำนวณค่าเฉลี่ยตามส่วนที่กระจัดกระจายของเทนเซอร์ SparseSegmentSqrtN <T ขยาย TNumber > คำนวณผลรวมตามส่วนที่กระจัดกระจายของเมตริกซ์หารด้วย sqrt ของ N SparseSegmentSqrtNGrad <T ขยาย TNumber > คำนวณการไล่ระดับสีสำหรับ SparseSegmentSqrtN SparseSegmentSqrtNWithNumSegments <T ขยาย TNumber > คำนวณผลรวมตามส่วนที่กระจัดกระจายของเมตริกซ์หารด้วย sqrt ของ N SparseSegmentSum <T ขยาย TNumber > คำนวณผลรวมตามส่วนที่กระจัดกระจายของเมตริกซ์ SparseSegmentSumWithNumSegments <T ขยาย TNumber > คำนวณผลรวมตามส่วนที่กระจัดกระจายของเมตริกซ์ SparseSliceGrad <T ขยาย TType > ตัวดำเนินการไล่ระดับสีสำหรับ SparseSlice op SparseSoftmax <T ขยาย TNumber > ใช้ softmax กับ `SparseTensor` ND ที่จัดกลุ่มไว้ SparseTensorDenseAdd <U ขยาย TType > เพิ่ม `SparseTensor` และ `Tensor` ที่มีความหนาแน่นสูง ทำให้เกิด `Tensor` ที่มีความหนาแน่นสูง SparseTensorDenseMatMul <U ขยาย TType > คูณ SparseTensor (อันดับ 2) "A" ด้วยเมทริกซ์หนาแน่น "B" ชุดข้อมูล SparseTensorSlice สร้างชุดข้อมูลที่แบ่ง SparseTensor ออกเป็นองค์ประกอบตามแถว SparseTensorToCSRSparseMatrix แปลง SparseTensor เป็น CSRSparseMatrix (อาจเป็นชุด) SparseToDense <U ขยาย TType > แปลงการแสดงแบบกระจัดกระจายเป็นเทนเซอร์หนาแน่น สเปนซ์ <T ขยาย TNumber > ชุดข้อมูล Sql สร้างชุดข้อมูลที่ดำเนินการแบบสอบถาม SQL และส่งเสียงแถวของชุดผลลัพธ์ Sqrt <T ขยาย TType > คำนวณรากที่สองขององค์ประกอบ x ตามลำดับ SqrtGrad <T ขยาย TType > คำนวณการไล่ระดับสีสำหรับ sqrt ของ `x` ด้วยอินพุต Sqrtm <T ขยาย TType > คำนวณรากที่สองของเมทริกซ์ของเมทริกซ์จัตุรัสตั้งแต่หนึ่งตัวขึ้นไป: มัทมัล(sqrtm(A), sqrtm(A)) = A เมทริกซ์อินพุตควรกลับด้านได้ สแควร์ <T ขยาย TType > คำนวณกำลังสองขององค์ประกอบ x ตามลำดับ SquaredDifference <T ขยาย TType > ส่งกลับองค์ประกอบ conj(x - y)(x - y) บีบ <T ขยาย TType > ลบขนาดขนาด 1 ออกจากรูปทรงของเทนเซอร์ สแต็ค <T ขยาย TType > รวบรวมรายการเทนเซอร์ "อันดับ N" - "R" ไว้ในเทนเซอร์ระดับเดียว - "(R+1)" ขนาดเวที Op ส่งคืนจำนวนองค์ประกอบในคอนเทนเนอร์ต้นแบบ StatefulRandomBinomial <V ขยาย TNumber > StatefulStandardNormal <U ขยาย TType > ส่งออกค่าสุ่มจากการแจกแจงแบบปกติ StatefulTruncatedNormal <U ขยาย TType > ส่งออกค่าสุ่มจากการแจกแจงแบบปกติที่ถูกตัดทอน StatefulUniform <U ขยาย TType > ส่งออกค่าสุ่มจากการแจกแจงแบบสม่ำเสมอ StatefulUniformFullInt <U ขยาย TType > ส่งออกจำนวนเต็มสุ่มจากการแจกแจงแบบสม่ำเสมอ StatefulUniformInt <U ขยาย TType > ส่งออกจำนวนเต็มสุ่มจากการแจกแจงแบบสม่ำเสมอ StatelessMultinomial <V ขยาย TNumber > ดึงตัวอย่างจากการแจกแจงแบบพหุนาม StatelessParameterizedTruncatedNormal <V ขยาย tnumber > StatelessRandombinomial <W ขยาย tnumber > ส่งออกตัวเลขสุ่มเทียมที่กำหนดขึ้นจากการแจกแจงแบบทวินาม StatelessRandomGamma <v ขยาย tnumber > ส่งออกตัวเลขสุ่มเทียมที่กำหนดขึ้นจากการแจกแจงแกมมา StatelessRandomNormal <V ขยาย tnumber > ส่งออกค่าสุ่มเทียมที่กำหนดขึ้นจากการแจกแจงแบบปกติ StatelessRandomNormalv2 <U ขยาย tnumber > ส่งออกค่าสุ่มเทียมที่กำหนดขึ้นจากการแจกแจงแบบปกติ StatelessRandompoisson <W ขยาย tnumber > ส่งออกตัวเลขสุ่มเทียมที่กำหนดขึ้นจากการแจกแจงแบบปัวซอง StatelessRandomuniform <V ขยาย tnumber > ส่งออกค่าสุ่มเทียมที่กำหนดขึ้นจากการแจกแจงแบบสม่ำเสมอ StatelessRandomuniformfullint <v ขยาย tnumber > ส่งออกจำนวนเต็มสุ่มเทียมที่กำหนดขึ้นจากการแจกแจงแบบสม่ำเสมอ StatelessRandomuniformfullintv2 <u ขยาย tnumber > ส่งออกจำนวนเต็มสุ่มเทียมที่กำหนดขึ้นจากการแจกแจงแบบสม่ำเสมอ StatelessRandomuniformint <v ขยาย tnumber > ส่งออกจำนวนเต็มสุ่มเทียมที่กำหนดขึ้นจากการแจกแจงแบบสม่ำเสมอ StatelessRandomuniformintv2 <U ขยาย tnumber > ส่งออกจำนวนเต็มสุ่มเทียมที่กำหนดขึ้นจากการแจกแจงแบบสม่ำเสมอ StatelessRandomuniformv2 <U ขยาย tnumber > ส่งออกค่าสุ่มเทียมที่กำหนดขึ้นจากการแจกแจงแบบสม่ำเสมอ StatelessTruncatedNormal <v ขยาย tnumber > ส่งออกค่าสุ่มเทียมที่กำหนดขึ้นจากการแจกแจงแบบปกติที่ถูกตัดทอน StatelessTruncatedNormalv2 <U ขยาย tnumber > ส่งออกค่าสุ่มเทียมที่กำหนดขึ้นจากการแจกแจงแบบปกติที่ถูกตัดทอน Staticregexfullmatch ตรวจสอบว่าอินพุตตรงกับรูปแบบ regex หรือไม่ Staticregexreplace แทนที่การจับคู่ของรูปแบบในอินพุตด้วยการเขียนใหม่ Statsaggregatorhandle StatSaggRetorSummary สร้างข้อมูลสรุปของสถิติใดๆ ที่บันทึกโดยผู้จัดการสถิติที่กำหนด stopgradient <t ขยาย ttype > หยุดการคำนวณการไล่ระดับสี StridedSlice <t ขยาย ttype > ส่งกลับส่วนที่เป็นลายเส้นจาก "อินพุต" Stredsliceassign <t ขยาย ttype > กำหนด `value` ให้กับการอ้างอิงค่า l ที่แบ่งส่วนของ `ref` StredsliceGrad <U ขยาย ttype > ส่งกลับค่าการไล่ระดับสีของ "StridedSlice" รูปแบบสตริง จัดรูปแบบเทมเพลตสตริงโดยใช้รายการเทนเซอร์ ความยาวของสตริง ความยาวสตริงของ `อินพุต ' เปลื้องผ้า แถบนำหน้าและ whitespaces ต่อท้ายจากเทนเซอร์ Sub <t ขยาย ttype > ส่งคืนองค์ประกอบ x - y เครื่องประดับ กลับมาจาก `เทนเซอร์ 'ของสตริง Sum <t ขยาย ttype > คำนวณผลรวมขององค์ประกอบในมิติของเทนเซอร์ ผู้เขียนบทสรุป ผลการรวบรวม TPU ส่งกลับผลลัพธ์ของการคอมไพล์ TPU การเปิดใช้งานการฝัง TPU การดำเนินการที่ทำให้เกิดความแตกต่างของ TPU Embeddings tpureplicatedInput <t ขยาย ttype > เชื่อมต่ออินพุต N กับการคำนวณ TPU ที่จำลองแบบ N-way ใช้ชุดข้อมูล สร้างชุดข้อมูลที่มีองค์ประกอบ `count` จาก` input_dataset ' Tan <t ขยาย ttype > คำนวณ tan ขององค์ประกอบ x ตามลำดับ Tanh <t ขยาย ttype > คำนวณ Hyperbolic Tangent ของ `x` element-wise Tanhgrad <t ขยาย ttype > คำนวณการไล่ระดับสีสำหรับ tanh ของ `x` wrt อินพุตของมัน temporaryVariable <t ขยาย ttype > ส่งกลับเทนเซอร์ที่อาจกลายพันธุ์ แต่คงอยู่ในขั้นตอนเดียวเท่านั้น tensorarraygather <t ขยาย ttype > รวบรวมองค์ประกอบเฉพาะจาก TensorArray ลงในเอาต์พุต `value` tensorarraypack <t ขยาย ttype > tensorarrayread <t ขยาย ttype > อ่านองค์ประกอบจาก TensorArray ลงในเอาต์พุต `value` TensorArrayScatter กระจายข้อมูลจากค่าอินพุตไปยังองค์ประกอบ TensorArray ที่เฉพาะเจาะจง ขนาดเทนเซอร์อาร์เรย์ รับขนาดปัจจุบันของ TensorArray เทนเซอร์อาร์เรย์แยก แยกข้อมูลจากค่าอินพุตออกเป็นองค์ประกอบ TensorArray TensorArrayแกะออก TensorArrayWrite ผลักองค์ประกอบไปที่ tensor_array เทนสอร์ตาเทาเซต สร้างชุดข้อมูลที่ปล่อย `ส่วนประกอบ 'เป็น tuple ของเทนเซอร์หนึ่งครั้ง tensordiag <t ขยาย ttype > ส่งกลับเทนเซอร์แนวทแยงด้วยค่าแนวทแยงที่กำหนด Tensordiagpart <t ขยาย ttype > ส่งคืนส่วนทแยงมุมของเทนเซอร์ tensoresttreeisinitializedop ตรวจสอบว่าต้นไม้ได้รับการเริ่มต้นหรือไม่ TensorForestTreePredict เอาต์พุตบันทึกสำหรับข้อมูลอินพุตที่กำหนด TensorestTreeresourceHandleop สร้างที่จับไปยัง TensorForestTreerEsource TensorForestTreeserialize ทำให้ด้ามจับต้นไม้เป็นแบบต่อเนื่องเป็นโปรโต TensorForestTreesize รับจำนวนโหนดในต้นไม้ TensorListConcatLists TensorlistelementShape <t ขยาย tnumber > รูปร่างขององค์ประกอบของรายการที่ระบุเป็นเทนเซอร์ TensorListFromTensor สร้าง TensorList ซึ่งเมื่อซ้อนกันแล้วจะมีค่าเป็น "tensor" tensorlistgather <t ขยาย ttype > สร้าง Tensor โดยการจัดทำดัชนีลงใน TensorList tensorlistgetiTem <t ขยาย ttype > TensorListLength ส่งกลับจำนวนเทนเซอร์ในรายการเทนเซอร์อินพุต TensorListPushBack ส่งคืนรายการที่มีการส่งผ่าน "Tensor" เป็นองค์ประกอบสุดท้ายและองค์ประกอบอื่นๆ ของรายการที่กำหนดใน "input_handle" TensorListPushBackBatch TensorListReserve รายการขนาดที่กำหนดซึ่งมีองค์ประกอบว่าง TensorListResize ปรับขนาดรายการ TensorListScatter สร้าง TensorList โดยการจัดทำดัชนีลงใน Tensor TensorListScatter เข้าสู่รายการที่มีอยู่ กระจายเมตริกซ์ที่ดัชนีในรายการอินพุต TensorListSetItem TensorListSplit แยกเมตริกซ์ออกเป็นรายการ tensorliststack <t ขยาย ttype > ซ้อนเทนเซอร์ทั้งหมดในรายการ TensorMapErase ส่งคืนแผนที่เทนเซอร์โดยลบรายการจากคีย์ที่กำหนด TensorMapHasKey ส่งคืนว่ามีรหัสที่กำหนดอยู่ในแผนที่หรือไม่ เทนเซอร์แมปแทรก ส่งกลับแผนที่ที่เป็น 'input_handle' โดยใส่คู่คีย์-ค่าที่กำหนด tensormaplookup <u ขยาย ttype > ส่งกลับค่าจากคีย์ที่กำหนดในแผนที่เทนเซอร์ TensorMapSize ส่งกลับจำนวนเทนเซอร์ในแผนที่เทนเซอร์อินพุต tensormapstackkeys <t ขยาย ttype > ส่งกลับสแต็กเทนเซอร์ของคีย์ทั้งหมดในแมปเทนเซอร์ tensorscatterndadd <t ขยาย ttype > เพิ่ม "การอัปเดต" แบบกระจัดกระจายให้กับเทนเซอร์ที่มีอยู่ตาม "ดัชนี" tensorscatterndmax <t ขยาย ttype > tensorscatterndmin <t ขยาย ttype > tensorscatterndsub <t ขยาย ttype > ลบ "การอัปเดต" แบบกระจายออกจากเทนเซอร์ที่มีอยู่ตาม "ดัชนี" tensorscatterndupdate <t ขยาย ttype > กระจาย 'อัปเดต' ไปยังเทนเซอร์ที่มีอยู่ตาม 'ดัชนี' ชุดข้อมูล TensorSlice สร้างชุดข้อมูลที่ปล่อยออกมาแต่ละชิ้นของส่วนประกอบ `` 'ครั้งเดียว tensorstridedsliceUpdate <t ขยาย ttype > กำหนด "value" ให้กับการอ้างอิงค่า l ที่แบ่งส่วนของ "input" Tensorsummary เอาท์พุทบัฟเฟอร์โปรโตคอล summary` ที่มีข้อมูลเทนเซอร์และข้อมูลต่อปลั๊ก TextLineชุดข้อมูล สร้างชุดข้อมูลที่ปล่อยบรรทัดของไฟล์ข้อความหนึ่งไฟล์ขึ้นไป Textlinereader ผู้อ่านที่ส่งออกบรรทัดของไฟล์ที่คั่นด้วย '\ n' tfrecorddataset สร้างชุดข้อมูลที่ปล่อยบันทึกจากไฟล์ TFRECORD หนึ่งไฟล์ขึ้นไป tfrecordreader ผู้อ่านที่ส่งออกเร็กคอร์ดจากไฟล์ Tensorflow Records ThreadPoolชุดข้อมูล สร้างชุดข้อมูลที่ใช้พูลเธรดที่กำหนดเองเพื่อคำนวณ `input_dataset` ThreadPoolHandle สร้างชุดข้อมูลที่ใช้พูลเธรดที่กำหนดเองเพื่อคำนวณ `input_dataset` กระเบื้อง <t ขยาย ttype > สร้างเทนเซอร์โดยการปูกระเบื้องเทนเซอร์ที่กำหนด Tilegrad <t ขยาย ttype > ส่งคืนการไล่ระดับสีของ `กระเบื้อง ' การประทับเวลา ระบุเวลาตั้งแต่ยุคในหน่วยวินาที ทูบูล แปลงเทนเซอร์เป็นเพรดิเคตสเกลาร์ Tohashbucket แปลงแต่ละสตริงในอินพุตเทนเซอร์เป็นแฮชม็อดด้วยที่เก็บข้อมูลจำนวนหนึ่ง tohashbucketfast แปลงแต่ละสตริงในอินพุตเทนเซอร์เป็นแฮชม็อดด้วยที่เก็บข้อมูลจำนวนหนึ่ง Tohashbucketstrong แปลงแต่ละสตริงในอินพุตเทนเซอร์เป็นแฮชม็อดด้วยที่เก็บข้อมูลจำนวนหนึ่ง Tonumber <t ขยาย tnumber > แปลงแต่ละสตริงในเทนเซอร์อินพุตเป็นประเภทตัวเลขที่ระบุ transpose <t ขยาย ttype > มิติสลับของ X ตามการเปลี่ยนแปลง triangularsolve <t ขยาย ttype > แก้ไขระบบของสมการเชิงเส้นด้วยเมทริกซ์สามเหลี่ยมบนหรือล่างโดยการตีกลับ tridiagonalmatmul <t ขยาย ttype > คำนวณผลคูณด้วยเมทริกซ์สามเหลี่ยม tridiagonalsolve <t ขยาย ttype > แก้ระบบสมการตรีโกณมิติ truncatediv <t ขยาย ttype > ส่งคืนองค์ประกอบ x / y สำหรับประเภทจำนวนเต็ม truncatemod <t ขยาย tnumber > ส่งกลับส่วนที่เหลือของการหารตามองค์ประกอบ truncatedNormal <U ขยาย tnumber > ส่งออกค่าสุ่มจากการแจกแจงแบบปกติที่ถูกตัดทอน unbatch <t ขยาย ttype > ย้อนกลับการทำงานของ Batch สำหรับเทนเซอร์เอาต์พุตเดี่ยว unbatchdataset ชุดข้อมูลที่แบ่งองค์ประกอบของอินพุตออกเป็นหลายองค์ประกอบ unbatchgrad <t ขยาย ttype > การไล่ระดับสีของ Unbatch UnicodeEncode เข้ารหัสเทนเซอร์ของ ints ลงในสตริงยูนิโค้ด UnicodeScript กำหนดโค้ดสคริปต์ของเทนเซอร์ที่กำหนดของจุดโค้ดจำนวนเต็ม Unicode Unicodetranscode แปลงรหัสข้อความอินพุตจากการเข้ารหัสต้นทางไปยังการเข้ารหัสปลายทาง ชุดข้อมูลที่ไม่ซ้ำ สร้างชุดข้อมูลที่มีองค์ประกอบเฉพาะของ `input_dataset` Unravelindex <t ขยาย tnumber > แปลงอาร์เรย์ของดัชนีแบบแบนให้เป็นทูเพิลของอาร์เรย์พิกัด ไม่มีการเรียงลำดับเซ็กเมนต์เข้าร่วม รวมองค์ประกอบของ `อินพุต` ตาม `segment_ids` unsortsegmentmax <t ขยาย tnumber > คำนวณค่าสูงสุดตามส่วนของเทนเซอร์ unsortsegmentmin <t ขยาย tnumber > คำนวณค่าต่ำสุดตามส่วนของเทนเซอร์ unsortsegmentProd <t ขยาย ttype > คำนวณผลิตภัณฑ์ตามส่วนของเทนเซอร์ unsortsegmentsum <t ขยาย ttype > คำนวณผลรวมตามส่วนของเทนเซอร์ แกะ DatasetVariant บน แปลงอักขระตัวพิมพ์เล็กทั้งหมดเป็นการแทนที่ตัวพิมพ์ใหญ่ตามลำดับ Upperbound <U ขยาย tnumber > ใช้ upper_bound(sorted_search_values, ค่า) ในแต่ละแถว VarHandleOp สร้างหมายเลขอ้างอิงให้กับทรัพยากรตัวแปร VarIsInitializedOp ตรวจสอบว่ามีการเตรียมใช้งานตัวแปรตามตัวจัดการทรัพยากรหรือไม่ ตัวแปร <t ขยาย ttype > คงสถานะไว้ในรูปแบบของเทนเซอร์ที่คงอยู่ข้ามขั้นตอน Variableshape <t ขยาย tnumber > ส่งกลับรูปร่างของตัวแปรที่ชี้ไปตาม "ทรัพยากร" ที่ไหน ส่งกลับตำแหน่งของค่าที่ไม่ใช่ศูนย์ / ค่าจริงในเทนเซอร์ Wholefilereader ผู้อ่านที่ส่งออกเนื้อหาทั้งหมดของไฟล์เป็นค่า WindowDataset รวมองค์ประกอบอินพุต (รังของ) ลงในชุดข้อมูลของหน้าต่าง (รังของ) คนงานการเต้นของหัวใจ คนงาน heartbeat สหกรณ์ WrapDatasetVariant xdivy <t ขยาย ttype > ส่งคืนค่า 0 ถ้า x == 0 และ x / y มิฉะนั้น จะส่งกลับตามองค์ประกอบ xlarecvfromhost <t ขยาย ttype > การดำเนินการเพื่อรับเทนเซอร์จากโฮสต์ xlasetbound ตั้งค่าขอบเขตสำหรับค่าอินพุตที่กำหนดเป็นคำใบ้ไปยังคอมไพเลอร์ XLA ส่งคืนค่าเดียวกัน xlaspmdfulltoshardshape <t ขยาย ttype > OP ที่ใช้โดย XLA SPMD Partitioner เพื่อเปลี่ยนจากการแบ่งพาร์ติชันอัตโนมัติเป็น การแบ่งพาร์ติชันด้วยตนเอง xlaspmdshardtofullshape <t ขยาย ttype > OP ที่ใช้โดย XLA SPMD Partitioner เพื่อเปลี่ยนจากการแบ่งพาร์ติชันด้วยตนเองเป็น การแบ่งพาร์ติชันอัตโนมัติ xlog1py <t ขยาย ttype > ส่งคืน 0 ถ้า x == 0 และ x * log1p(y) มิฉะนั้น จะเป็นองค์ประกอบ xlogy <t ขยาย ttype > ส่งคืน 0 ถ้า x == 0 และ x * log(y) มิฉะนั้น ตามองค์ประกอบ ศูนย์ <t ขยาย ttype > ตัวดำเนินการสร้างค่าคงที่ที่เริ่มต้นด้วยค่าศูนย์ของรูปร่างที่กำหนดโดย "สลัว" Zeroslike <t ขยาย ttype > ส่งกลับเทนเซอร์ของศูนย์ที่มีรูปร่างและประเภทเดียวกันกับ x Zeta <t ขยาย tnumber > คำนวณฟังก์ชัน Hurwitz Zeta \\(\zeta(x, q)\\)- Zipdataset สร้างชุดข้อมูลที่ซิปเข้าด้วยกัน `input_datasets ' erfinv <t ขยาย tnumber >

อินเทอร์เฟซดำเนินการโดยตัวดำเนินการของการดำเนินการ tensorflow

ตัวอย่างการใช้งาน:

Ops tf = Ops.create();

 // The "decodeJpeg" operation can be used as an operand to the "cast" operation
 Operand<TUint8> decodeJpeg = tf.image.decodeJpeg(...);
 tf.dtypes.cast(decodeJpeg, TFloat32.class);

 // The output "y" of the "unique" operation can be used as an operand to the "cast" operation
 Output<TInt32> y = tf.unique(...).y();
 tf.dtypes.cast(y, TFloat32.class);

 // The "split" operation can be used as operand list to the "concat" operation
 Iterable<? extends Operand<TFloat32>> split = tf.split(...);
 tf.concat(split, tf.constant(0));
 

วิธีการสาธารณะ

เอาท์พุท นามธรรม <T>	เป็นเอาท์พุต () ส่งกลับค่าแฮนเดิลสัญลักษณ์ของเทนเซอร์
นามธรรมต	แอสเทนเซอร์ () ส่งกลับเทนเซอร์ที่ตัวถูกดำเนินการนี้
รูปร่าง นามธรรม	รูปร่าง () ส่งกลับรูปร่าง (อาจทราบได้บางส่วน) ของเทนเซอร์ที่อ้างอิงโดย Output ของตัวถูกดำเนินการนี้
คลาสนามธรรม<T>	พิมพ์ () ส่งกลับประเภทเทนเซอร์ของตัวถูกดำเนินการนี้

วิธีการสืบทอด

จากอินเทอร์เฟซ org.tensorflow.op.Op

บทคัดย่อ ExecutionEnvironment	สิ่งแวดล้อม () ส่งคืนสภาพแวดล้อมการดำเนินการที่ op นี้ถูกสร้างขึ้น
การดำเนินการ ที่เป็นนามธรรม	สหกรณ์ () ส่งกลับหน่วยการคำนวณนี้เป็นการ Operation เดียว

จากอินเทอร์เฟซ org.tensorflow.ndarray.Shaped

บทคัดย่อ	อันดับ ()
รูปร่าง นามธรรม	รูปร่าง ()
ยาวเป็นนามธรรม	ขนาด () คำนวณและส่งกลับขนาดรวมของคอนเทนเนอร์นี้เป็นจำนวนค่า

วิธีการสาธารณะ

เอาต์พุต นามธรรมสาธารณะ <t> asoutput ()

ส่งกลับค่าแฮนเดิลสัญลักษณ์ของเทนเซอร์

อินพุตสำหรับการดำเนินการ TensorFlow คือเอาต์พุตของการดำเนินการ TensorFlow อื่น วิธีการนี้ใช้เพื่อรับหมายเลขอ้างอิงสัญลักษณ์ที่แสดงถึงการคำนวณอินพุต

ดูเพิ่มเติม

• addInput(Output)

บทคัดย่อสาธารณะ t astensor ()

ส่งกลับเทนเซอร์ที่ตัวถูกดำเนินการนี้ ใช้งานได้เฉพาะเมื่อทำงานในการดำเนินการที่กระตือรือร้น

ผลตอบแทน

• เทนเซอร์

ขว้าง

IllegalStateException	หากนี่คือตัวถูกดำเนินการของกราฟ

รูปร่าง นามธรรม สาธารณะ ()

ส่งกลับรูปร่าง (อาจทราบได้บางส่วน) ของเทนเซอร์ที่อ้างอิงโดย Output ของตัวถูกดำเนินการนี้

คลาสนามธรรมสาธารณะ <T> ประเภท ()

ส่งกลับประเภทเทนเซอร์ของตัวถูกดำเนินการนี้