Op

อินเทอร์เฟซสาธารณะ Op

คลาสย่อยทางอ้อมที่รู้จัก ยกเลิก , Abs <T ขยาย TNumber >, AccumulateN <T ขยาย TType >, AccumulatorApplyGradient , AccumulatorNumAccumulated , AccumulatorSetGlobalStep , 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 > และ อีก 1157 รายการ ยกเลิก ยกข้อยกเว้นเพื่อยกเลิกกระบวนการเมื่อถูกเรียก Abs <T ขยาย TNumber > คำนวณค่าสัมบูรณ์ของเทนเซอร์ สะสม N <T ขยาย TType > ส่งกลับผลรวมตามองค์ประกอบของรายการเทนเซอร์ Accumulatorใช้ไล่ระดับ ใช้การไล่ระดับสีกับตัวสะสมที่กำหนด ตัวสะสมจำนวนสะสม ส่งกลับจำนวนการไล่ระดับสีที่รวมอยู่ในตัวสะสมที่กำหนด AccumulatorSetGlobalขั้นตอน อัพเดตตัวสะสมด้วยค่าใหม่สำหรับ global_step 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 ทั้งหมดCandidateSampler สร้างป้ายกำกับสำหรับการสุ่มตัวอย่างผู้สมัครด้วยการแจกแจงแบบยูนิแกรมที่เรียนรู้ AllReduce <T ขยาย TNumber > ลดเทนเซอร์หลายตัวที่มีประเภทและรูปร่างเหมือนกันร่วมกัน AllToAll <T ขยาย TType > Op เพื่อแลกเปลี่ยนข้อมูลระหว่างแบบจำลอง TPU มุม <U ขยาย TNumber > ส่งกลับอาร์กิวเมนต์ของจำนวนเชิงซ้อน ผู้ไม่ระบุตัวตนIterator คอนเทนเนอร์สำหรับทรัพยากรตัววนซ้ำ หน่วยความจำแคชที่ไม่ระบุชื่อ AnonymousMultiDeviceIterator คอนเทนเนอร์สำหรับทรัพยากรตัววนซ้ำหลายอุปกรณ์ เครื่องกำเนิดเมล็ดพันธุ์แบบสุ่มที่ไม่เปิดเผยตัวตน เครื่องกำเนิดเมล็ดพันธุ์ที่ไม่เปิดเผยตัวตน 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 ยืนยันสิ่งนั้น ยืนยันว่าเงื่อนไขที่กำหนดเป็นจริง กำหนด <T ขยาย TType > อัปเดต 'ref' โดยกำหนด 'value' ให้กับมัน AssignAdd <T ขยาย TType > อัปเดต 'ref' โดยเพิ่ม 'value' เข้าไป AssignAddVariableOp เพิ่มค่าให้กับค่าปัจจุบันของตัวแปร AssignSub <T ขยาย TType > อัปเดต 'ref' โดยลบ 'value' ออกจากมัน กำหนด SubVariableOp ลบค่าออกจากค่าปัจจุบันของตัวแปร กำหนดตัวแปรOp กำหนดค่าใหม่ให้กับตัวแปร 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 สิ่งกีดขวางปิด ปิดสิ่งกีดขวางที่กำหนด สิ่งกีดขวางขนาดไม่สมบูรณ์ คำนวณจำนวนองค์ประกอบที่ไม่สมบูรณ์ในแผงกั้นที่กำหนด สิ่งกีดขวางแทรกมากมาย สำหรับแต่ละคีย์ ให้กำหนดค่าตามลำดับให้กับส่วนประกอบที่ระบุ Barrier ReadySize คำนวณจำนวนองค์ประกอบที่สมบูรณ์ในแผงกั้นที่กำหนด BarrierTakeMany นำองค์ประกอบที่เสร็จสมบูรณ์ตามจำนวนที่กำหนดจากสิ่งกีดขวาง แบทช์ แบทช์เทนเซอร์อินพุตทั้งหมดโดยไม่กำหนดไว้ 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 BatchNormWithGlobalNormalizationGrad <T ขยาย TType > การไล่ระดับสีสำหรับการทำให้เป็นมาตรฐานแบบแบทช์ BatchSelfAdjointEig <T ขยาย TNumber > BatchSvd <T ขยาย TType > 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` BlockLSTM <T ขยาย TNumber > คำนวณการแพร่กระจายเซลล์ไปข้างหน้าของ LSTM สำหรับขั้นตอนเวลาทั้งหมด BlockLSTMGrad <T ขยาย TNumber > คำนวณการแพร่กระจายเซลล์ LSTM ย้อนหลังสำหรับลำดับเวลาทั้งหมด BoostedTreesAggregateStats รวมสรุปสถิติสะสมสำหรับแบตช์ BoostedTreesBucketize เก็บข้อมูลแต่ละฟีเจอร์ตามขอบเขตของบัคเก็ต BoostedTreesคำนวณคุณสมบัติที่ดีที่สุดแยก คำนวณกำไรสำหรับแต่ละคุณสมบัติและส่งกลับข้อมูลการแยกที่ดีที่สุดเท่าที่เป็นไปได้สำหรับคุณสมบัตินั้น BoostedTreesคำนวณคุณสมบัติที่ดีที่สุดSplitV2 คำนวณกำไรสำหรับแต่ละคุณสมบัติและส่งกลับข้อมูลการแยกที่ดีที่สุดที่เป็นไปได้สำหรับแต่ละโหนด BoostedTrees คำนวณสิ่งที่ดีที่สุดกำไรต่อคุณสมบัติ คำนวณกำไรสำหรับแต่ละคุณสมบัติและส่งกลับข้อมูลการแยกที่ดีที่สุดเท่าที่เป็นไปได้สำหรับคุณสมบัตินั้น BoostedTreesCenterBias คำนวณค่าก่อนหน้าจากข้อมูลการฝึก (อคติ) และเติมค่าก่อนหน้าของการบันทึกในโหนดแรก BoostedTreesCreateEnsemble สร้างแบบจำลองทั้งมวลของแผนภูมิและส่งกลับหมายเลขอ้างอิง BoostedTreesCreateQuantileStreamResource สร้างทรัพยากรสำหรับสตรีม Quantile BoostedTreesDeserializeEnsemble ดีซีเรียลไลซ์การกำหนดค่า Tree Ensemble ที่เป็นอนุกรมและแทนที่แผนผังปัจจุบัน ทั้งมวล BoostedTreesEnsembleResourceHandleOp สร้างหมายเลขอ้างอิงให้กับ BoostedTreesEnsembleResource BoostedTreesExampleDebugOutputs เอาต์พุตการตีความการดีบัก/โมเดลสำหรับแต่ละตัวอย่าง BoostedTreesFlushQuantileสรุป ล้างข้อมูลสรุปควอนไทล์จากทรัพยากรสตรีมควอนไทล์แต่ละรายการ BoostedTreesGetEnsembleStates เรียกข้อมูลโทเค็นการประทับทรัพยากรชุดต้นไม้ จำนวนต้นไม้ และสถิติการเติบโต BoostedTreesMakeQuantileSummaries จัดทำข้อมูลสรุปของปริมาณสำหรับแบทช์ BoostedTreesMakeStatsSummary ทำการสรุปสถิติสะสมสำหรับแบตช์ BoostedTreesทำนาย รันตัวทำนายชุดการถดถอยแบบบวกหลายตัวบนอินสแตนซ์อินพุตและ คำนวณบันทึก BoostedTreesQuantileStreamResourceAddSummary เพิ่มข้อมูลสรุปควอนไทล์ให้กับทรัพยากรสตรีมควอนไทล์แต่ละรายการ BoostedTreesQuantileStreamResourceDeserialize ดีซีเรียลไลซ์ขอบเขตบัคเก็ตและตั้งค่าสถานะพร้อมลงใน QuantileAccumulator ปัจจุบัน BoostedTreesQuantileStreamResourceFlush ล้างข้อมูลสรุปสำหรับทรัพยากรสตรีมแบบควอนไทล์ BoostedTreesQuantileStreamResourceGetBucketBoundaries สร้างขอบเขตบัคเก็ตสำหรับแต่ละฟีเจอร์ตามข้อมูลสรุปที่สะสม BoostedTreesQuantileStreamResourceHandleOp สร้างหมายเลขอ้างอิงให้กับ BoostedTreesQuantileStreamResource BoostedTreesSerializeEnsemble ทำให้ชุดต้นไม้เป็นอนุกรมเป็นโปรโต BoostedTreesSparseAggregateStats รวมสรุปสถิติสะสมสำหรับแบตช์ BoostedTreesกระจัดกระจายคำนวณคุณสมบัติที่ดีที่สุดแยก คำนวณกำไรสำหรับแต่ละคุณสมบัติและส่งกลับข้อมูลการแยกที่ดีที่สุดเท่าที่เป็นไปได้สำหรับคุณสมบัตินั้น BoostedTreesTrainingทำนาย รันตัวทำนายชุดการถดถอยแบบบวกหลายตัวบนอินสแตนซ์อินพุตและ คำนวณการอัปเดตเป็นบันทึกที่แคชไว้ BoostedTreesUpdateEnsemble อัปเดตชุดต้นไม้โดยการเพิ่มเลเยอร์ให้กับต้นไม้ต้นสุดท้ายที่กำลังเติบโต หรือโดยการเริ่มต้นไม้ใหม่ BoostedTreesUpdateEnsembleV2 อัปเดตชุดต้นไม้โดยการเพิ่มเลเยอร์ให้กับต้นไม้ต้นสุดท้ายที่กำลังเติบโต หรือโดยการเริ่มต้นไม้ใหม่ BroadcastDynamicShape <T ขยาย TNumber > คืนรูปร่างของ s0 op s1 พร้อมการออกอากาศ BroadcastGradientArgs <T ขยาย TNumber > ส่งกลับดัชนีการลดสำหรับการคำนวณการไล่ระดับสีของ s0 op s1 พร้อมการออกอากาศ BroadcastHelper <T ขยาย TType > ตัวช่วยดำเนินการออกอากาศแบบ XLA ออกอากาศ `lhs` และ `rhs` ไปยังอันดับเดียวกัน โดยเพิ่มขนาด 1 มิติให้กับ `lhs` และ `rhs` ใดก็ตามที่มีอันดับต่ำกว่า โดยใช้กฎการออกอากาศของ XLA สำหรับตัวดำเนินการไบนารี 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 CSRSparseMatrixComponents <T ขยาย TType > อ่านส่วนประกอบ CSR ที่แบทช์ `ดัชนี` CSRSparseMatrixToDense <T ขยาย TType > แปลง CSRSparseMatrix (อาจเป็นแบตช์) เป็นหนาแน่น CSRSparseMatrixToSparseTensor <T ขยาย TType > แปลง CSRSparesMatrix (อาจเป็นชุด) เป็น SparseTensor ชุดข้อมูล CSV CSVDatasetV2 CTCLossV2 คำนวณการสูญเสีย CTC (ความน่าจะเป็นของบันทึก) สำหรับรายการแบตช์แต่ละรายการ 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 ในโหมดย้อนกลับของอัลกอริทึม Cholesky เลือกชุดข้อมูลที่เร็วที่สุด ClipByValue <T ขยาย TType > ตัดค่าเทนเซอร์ให้เป็นค่าต่ำสุดและสูงสุดที่ระบุ ปิดสรุปผู้เขียน ClusterOutput <T ขยาย TType > ตัวดำเนินการที่เชื่อมต่อเอาต์พุตของการคำนวณ XLA กับโหนดกราฟผู้บริโภคอื่น ๆ CollectiveGather <T ขยาย TNumber > สะสมเทนเซอร์หลายตัวที่มีประเภทและรูปร่างเหมือนกันร่วมกัน CollectivePermute <T ขยาย TType > Op เพื่อเปลี่ยนเทนเซอร์ข้ามอินสแตนซ์ TPU ที่จำลองแบบ รวม NonMaxSuppression เลือกชุดย่อยของกรอบขอบเขตอย่างตะกละตะกลามโดยเรียงลำดับคะแนนจากมากไปหาน้อย การดำเนินการนี้ดำเนินการ non_max_suppression บนอินพุตต่อแบตช์ ในทุกคลาส เปรียบเทียบและ Bitpack เปรียบเทียบค่าของ "อินพุต" กับ "เกณฑ์" และรวมบิตผลลัพธ์ไว้ใน "uint8" ผลการรวบรวม ส่งกลับผลลัพธ์ของการคอมไพล์ TPU คอมไพล์สำเร็จยืนยัน ยืนยันว่าการรวบรวมสำเร็จ คอมเพล็กซ์ <U ขยาย TType > แปลงจำนวนจริงสองตัวให้เป็นจำนวนเชิงซ้อน ComplexAbs <U ขยาย TNumber > คำนวณค่าสัมบูรณ์เชิงซ้อนของเทนเซอร์ บีบอัดองค์ประกอบ บีบอัดองค์ประกอบชุดข้อมูล คำนวณอุบัติเหตุ Hits คำนวณรหัสของตำแหน่งใน Sampled_candidates ที่ตรงกับ true_labels ComputeBatchSize คำนวณขนาดแบตช์แบบคงที่ของชุดข้อมูลโดยไม่ใช้แบตช์บางส่วน Concat <T ขยาย TType > เชื่อมต่อเทนเซอร์ตามมิติเดียว เชื่อมต่อชุดข้อมูล สร้างชุดข้อมูลที่เชื่อมโยง `input_dataset` กับ `another_dataset` ตัวสะสมแบบมีเงื่อนไข ตัวสะสมแบบมีเงื่อนไขสำหรับการรวมการไล่ระดับสี กำหนดค่า DistributedTPU ตั้งค่าโครงสร้างแบบรวมศูนย์สำหรับระบบ TPU แบบกระจาย กำหนดค่าการฝัง TPU ตั้งค่า TPUEmbedding ในระบบ TPU แบบกระจาย Conj <T ขยาย TType > ส่งกลับสังยุคเชิงซ้อนของจำนวนเชิงซ้อน ConjugateTranspose <T ขยาย TType > สุ่มมิติของ x ตามการเรียงสับเปลี่ยนและผันผลลัพธ์ ค่าคงที่ <T ขยาย TType > ตัวดำเนินการที่สร้างค่าคงที่ ใช้ MutexLock การดำเนินการนี้ใช้การล็อกที่สร้างโดย `MutexLock` ทริกเกอร์ควบคุม ไม่ทำอะไรเลย 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' สร้างสรุปDbWriter สร้างSummaryFileWriter 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 CtcBeamSearchDecoder <T ขยาย TNumber > ดำเนินการถอดรหัสการค้นหาลำแสงในบันทึกที่กำหนดในอินพุต CtcGreedyDecoder <T ขยาย TNumber > ทำการถอดรหัสโลภในบันทึกที่กำหนดในอินพุต CtcLoss <T ขยาย TNumber > คำนวณการสูญเสีย CTC (ความน่าจะเป็นของบันทึก) สำหรับรายการแบตช์แต่ละรายการ CudnnRNN <T ขยาย TNumber > RNN ที่สนับสนุนโดย cuDNN CudnnRNNBackprop <T ขยาย TNumber > ขั้นบันไดหลัง CudnnRNNV3. CudnnRNNCanonicalToParams <T ขยาย TNumber > แปลงพารามิเตอร์ CudnnRNN จากรูปแบบมาตรฐานเป็นรูปแบบที่ใช้งานได้ CudnnRNNParamsToCanonical <T ขยาย TNumber > ดึงข้อมูลพารามิเตอร์ CudnnRNN ในรูปแบบมาตรฐาน 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` DatasetToSingleElement ส่งออกองค์ประกอบเดียวจากชุดข้อมูลที่กำหนด ชุดข้อมูลToTFRecord เขียนชุดข้อมูลที่กำหนดลงในไฟล์ที่กำหนดโดยใช้รูปแบบ TFRecord DatasetToTfRecord เขียนชุดข้อมูลที่กำหนดลงในไฟล์ที่กำหนดโดยใช้รูปแบบ TFRecord 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 ถอดรหัสCsv แปลงบันทึก CSV เป็นเทนเซอร์ 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 ถอดรหัสโปรโต สหกรณ์แยกฟิลด์จากข้อความบัฟเฟอร์โปรโตคอลแบบซีเรียลไลซ์เป็นเทนเซอร์ DecodeRaw <T ขยาย TType > ตีความไบต์ของสตริงใหม่เป็นเวกเตอร์ของตัวเลข ถอดรหัสWav ถอดรหัสไฟล์ PCM WAV 16 บิตเป็นโฟลตเทนเซอร์ DeepCopy <T ขยาย TType > สร้างสำเนาของ `x` ลบIterator คอนเทนเนอร์สำหรับทรัพยากรตัววนซ้ำ ลบ MemoryCache ลบ MultiDeviceIterator คอนเทนเนอร์สำหรับทรัพยากรตัววนซ้ำ ลบ RandomSeedGenerator ลบSeedGenerator ลบเซสชัน Tensor ลบเทนเซอร์ที่ระบุโดยตัวจัดการในเซสชัน DenseBincount <U ขยาย TNumber > นับจำนวนครั้งของแต่ละค่าในอาร์เรย์จำนวนเต็ม DenseCountSparseOutput <U ขยาย TNumber > ดำเนินการนับถังเอาท์พุตแบบกระจัดกระจายสำหรับอินพุต tf.tensor DenseToCSRSparseMatrix แปลงเทนเซอร์หนาแน่นเป็น CSRSparseMatrix (อาจเป็นแบตช์) DenseToDenseSetOperation <T ขยาย TType > ใช้การดำเนินการที่ตั้งค่าไว้ตามมิติสุดท้ายของอินพุต 'เทนเซอร์' 2 ตัว ชุดข้อมูล DenseToSparseBatchData สร้างชุดข้อมูลที่จัดกลุ่มองค์ประกอบอินพุตลงใน SparseTensor DenseToSparseSetOperation <T ขยาย TType > ใช้การดำเนินการที่ตั้งค่าตามมิติสุดท้ายของ `Tensor` และ `SparseTensor` DepthToSpace <T ขยาย TType > DepthToSpace สำหรับเทนเซอร์ประเภท T DepthwiseConv2dNative <T ขยาย TNumber > คำนวณการบิดเชิงลึกแบบ 2 มิติโดยกำหนดเทนเซอร์ 'อินพุต' และ 'ตัวกรอง' แบบ 4-D DepthwiseConv2dNativeBackpropFilter <T ขยาย TNumber > คำนวณการไล่ระดับสีของการบิดเชิงลึกโดยคำนึงถึงตัวกรอง DepthwiseConv2dNativeBackpropInput < T ขยาย TNumber > คำนวณการไล่ระดับสีของการบิดเชิงลึกโดยคำนึงถึงอินพุต ลดปริมาณ รับอินพุต uint32 ที่แพ็กแล้วคลายแพ็กอินพุตไปที่ uint8 เพื่อทำ การลดปริมาณบนอุปกรณ์ ดีซีเรียลไลซ์Iterator แปลงเทนเซอร์ตัวแปรที่กำหนดเป็นตัววนซ้ำและจัดเก็บไว้ในทรัพยากรที่กำหนด DeserializeManySparse <T ขยาย TType > ดีซีเรียลไลซ์และต่อ `SparseTensors` จากมินิแบทช์แบบอนุกรม DeserializeSparse <U ขยาย TType > ดีซีเรียลไลซ์วัตถุ 'SparseTensor' ทำลายทรัพยากรOp ลบทรัพยากรที่ระบุโดยหมายเลขอ้างอิง 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 DynamicPartition <T ขยาย TType > แบ่งพาร์ติชัน `data` เป็นเทนเซอร์ `num_partitions` โดยใช้ดัชนีจาก `partitions` 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) Eig <U ขยาย TType > คำนวณการสลายตัวแบบลักษณะเฉพาะของเมทริกซ์จตุรัสตั้งแต่หนึ่งเมทริกซ์ขึ้นไป 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 > คำนวณการไล่ระดับสีสำหรับการดำเนินการเชิงเส้นแบบเอกซ์โปเนนเชียล (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 เข้าคิว TPUembedingIntegerBatch การดำเนินการที่จัดคิวรายการเทนเซอร์แบทช์อินพุตเป็น TPUEmbedding เข้าคิว TPUembedRaggedTensorBatch ทำให้การย้ายโค้ดที่ใช้ tf.nn.embedding_lookup() ง่ายขึ้น เข้าคิวTPUmbeddingSparseBatch การดำเนินการที่จัดคิวดัชนีอินพุต TPUEmbedding จาก SparseTensor จัดคิว TPUembedSparseTensorBatch ทำให้การย้ายโค้ดที่ใช้ tf.nn.embedding_lookup_sparse() ง่ายขึ้น 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 ดำเนินการ Op ที่โหลดและรันโปรแกรม TPU บนอุปกรณ์ TPU ExecuteAndUpdateVariables Op ที่รันโปรแกรมด้วยการอัพเดตตัวแปรแบบแทนที่ซึ่งเป็นตัวเลือก 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" FakeQuantWithMinMaxVarsGradient คำนวณการไล่ระดับสีสำหรับการดำเนินการ FakeQuantWithMinMaxVars 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' FakeQuantWithMinMaxVarsPerChannelGradient คำนวณการไล่ระดับสีสำหรับการดำเนินการ FakeQuantWithMinMaxVarsPerChannel 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 แก้ไข UnigramCandidateSampler สร้างป้ายกำกับสำหรับการสุ่มตัวอย่างผู้สมัครด้วยการแจกแจงแบบยูนิแกรมที่เรียนรู้ ชั้น <T ขยาย TNumber > ส่งกลับจำนวนเต็มที่ใหญ่ที่สุดตามองค์ประกอบซึ่งไม่เกิน x FloorDiv <T ขยาย TType > ส่งคืน x // y องค์ประกอบที่ชาญฉลาด FloorMod <T ขยาย TNumber > ส่งกลับส่วนที่เหลือของการหารตามองค์ประกอบ FlushSummaryWriter FractionalAvgPool <T ขยาย TNumber > ดำเนินการรวมค่าเฉลี่ยเศษส่วนกับอินพุต FractionalAvgPoolGrad <T ขยาย TNumber > คำนวณการไล่ระดับสีของฟังก์ชัน FractionalAvgPool FractionalMaxPool <T ขยาย TNumber > ดำเนินการรวมเศษส่วนสูงสุดกับอินพุต FractionalMaxPoolGrad <T ขยาย TNumber > คำนวณการไล่ระดับสีของฟังก์ชัน FractionalMaxPool FresnelCos <T ขยาย TNumber > FresnelSin <T ขยาย TNumber > FusedBatchNorm <T ขยาย TNumber , U ขยาย TNumber > การทำให้เป็นมาตรฐานแบบแบตช์ FusedBatchNormGrad <T ขยาย TNumber , U ขยาย TNumber > การไล่ระดับสีสำหรับการทำให้เป็นมาตรฐานแบบแบทช์ FusedPadConv2d <T ขยาย TNumber > ดำเนินการเติมเป็นกระบวนการล่วงหน้าระหว่างการบิด FusedResizeAndPadConv2d <T ขยาย TNumber > ดำเนินการปรับขนาดและขยายเป็นกระบวนการล่วงหน้าระหว่างการบิด GRUBlockCell <T ขยาย TNumber > คำนวณการแพร่กระจายไปข้างหน้าของเซลล์ GRU เป็นเวลา 1 ขั้นตอน GRUBlockCellGrad <T ขยาย TNumber > คำนวณการแพร่กระจายกลับของเซลล์ GRU เป็นเวลา 1 ขั้นตอน รวบรวม <T ขยาย TType > ล้อมตัวดำเนินการ XLA Gather ที่บันทึกไว้ที่ https://www.tensorflow.org/xla/operation_semantics#gather GatherNd <T ขยาย TType > รวบรวมชิ้นส่วนจาก "พารามิเตอร์" ลงในเทนเซอร์ที่มีรูปร่างที่ระบุโดย "ดัชนี" GatherV2 <T ขยาย TNumber > สะสมเทนเซอร์หลายตัวที่มีประเภทและรูปร่างเหมือนกันร่วมกัน สร้าง BoundingBoxProposals การดำเนินการนี้สร้างภูมิภาคที่สนใจจากกล่องขอบเขตที่กำหนด (bbox_deltas) พุก wrt ที่เข้ารหัสตาม eq.2 ใน arXiv:1506.01497 op เลือกกล่องให้คะแนน `pre_nms_topn` อันดับต้นๆ ถอดรหัสด้วยความเคารพต่อจุดยึด ใช้การปราบปรามที่ไม่สูงสุดบนกล่องที่ทับซ้อนกันที่มีค่ามากกว่า `nms_threshold` ค่าทางแยก-over-union (iou) ทิ้งกล่องที่ด้านสั้นกว่าน้อยกว่า ` ขั้นต่ำ_ขนาด`. สร้าง VocabRemapping กำหนดเส้นทางไปยังไฟล์คำศัพท์ทั้งเก่าและใหม่ ส่งคืน Tensor ของการแมปใหม่ ความยาว `num_new_vocab` โดยที่ `remapping[i]` มีหมายเลขแถวในคำศัพท์เก่าที่สอดคล้องกับแถว `i` ในคำศัพท์ใหม่ (เริ่มต้นที่บรรทัด `new_vocab_offset` และไปจนถึงเอนทิตี `num_new_vocab`) หรือ `- 1` ถ้ารายการ `i` ในคำศัพท์ใหม่ไม่ได้อยู่ในคำศัพท์เก่า 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 อัตลักษณ์N ส่งคืนรายการเทนเซอร์ที่มีรูปร่างและเนื้อหาเหมือนกับอินพุต เทนเซอร์ 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 > คำนวณการไล่ระดับสีของ `igamma (a, x)` wrt `a` Igammac <t ขยาย tnumber > คำนวณฟังก์ชั่นแกมม่าที่ไม่สมบูรณ์บนปกติ `q (a, x)` ไม่สนใจ DATASET สร้างชุดข้อมูลที่มีองค์ประกอบของ `input_dataset` เพิกเฉยต่อข้อผิดพลาด image <u ขยาย tnumber > ส่งคืนส่วนจินตนาการของหมายเลขที่ซับซ้อน ImageProjectiveTransformv2 <t ขยาย tnumber > ใช้การแปลงที่กำหนดกับแต่ละภาพ ImageProjectiveTransformv3 <t ขยาย tnumber > ใช้การแปลงที่กำหนดกับแต่ละภาพ ภาพสรุป เอาท์พุทบัฟเฟอร์โปรโตคอล summary` พร้อมรูปภาพ immutableConst <t ขยาย ttype > ส่งคืนเทนเซอร์ที่ไม่เปลี่ยนรูปจากภูมิภาคหน่วยความจำ นำเข้า กินดอก บอกว่าเป้าหมายอยู่ในระดับสูงสุด `k` การคาดการณ์หรือไม่ EffeedDeQueue <t ขยาย ttype > ตัวยึดตำแหน่งสำหรับค่าที่จะถูกป้อนเข้าสู่การคำนวณ infeeddequeuetuple ดึงค่าหลายค่าจาก Effeed เป็น xla tuple ความขุ่นมัว OP ที่ป้อนค่าเทนเซอร์เดียวลงในการคำนวณ ExtedenqueuePrelinearizedBuffer OP ที่ enqueues บัฟเฟอร์ prelinearized ลงใน TPU Infeed ไม่มีที่ติ ป้อนค่าเทนเซอร์หลายค่าลงในการคำนวณเป็น XLA tuple การเริ่มต้น เริ่มต้นได้ Table Initializer ที่ใช้สองเทนเซอร์สำหรับคีย์และค่าตามลำดับ Initializetable fromDataset InitializetableFromTextFile เริ่มต้นตารางจากไฟล์ข้อความ inplaceadd <t ขยาย ttype > เพิ่ม V ลงในแถวที่ระบุของ x inplacesub <t ขยาย ttype > ลบ `v` เป็นแถวที่ระบุของ` x` inplaceUpdate <t ขยาย ttype > อัปเดตแถวที่ระบุ 'i' ด้วยค่า 'V' inv <t ขยาย ttype > คำนวณค่าผกผันของเมทริกซ์แบบกลับแบบสี่เหลี่ยมจัตุรัสหนึ่งตัวหรือมากกว่าหรือ adjoints (conjugate transposes) Invgrad <t ขยาย ttype > คำนวณการไล่ระดับสีสำหรับการผกผันของ `x` wrt อินพุตของมัน Invert <t ขยาย tnumber > กลับด้าน (พลิก) แต่ละประเภทของประเภทที่รองรับ; ตัวอย่างเช่นประเภท `uint8` value 01010101 กลายเป็น 10101010 InvertPermutation <t ขยาย tnumber > คำนวณการเปลี่ยนแปลงแบบผกผันของเทนเซอร์ irfft <u ขยาย tnumber > การแปลงฟูริเยร์ที่มีค่าผกผันแบบผกผัน irfft2d <u ขยาย tnumber > ผกผัน 2D การแปลงฟูริเยร์ที่มีค่าอย่างรวดเร็ว irfft3d <u ขยาย tnumber > ผกผัน 3D การแปลงฟูริเยร์ที่มีค่าอย่างรวดเร็ว isboostedtreesensembleinitialized ตรวจสอบว่าชุดต้นไม้ได้รับการเริ่มต้นหรือไม่ isboostedtreesquantilestreamresourceInitialized ตรวจสอบว่ามีการเริ่มต้นกระแสควอนไทล์หรือไม่ isfinite ผลตอบแทนองค์ประกอบของ X นั้น จำกัด isinf ผลตอบแทนองค์ประกอบของ X คือ inf ISNAN ผลตอบแทนองค์ประกอบของ X คือ NAN isVariableInitialized ตรวจสอบว่าเทนเซอร์ได้รับการเริ่มต้นหรือไม่ isotonicregression <u ขยาย tnumber > แก้ปัญหาการถดถอยไอโซนิกชุด ตัววนซ้ำ IteratorFromStringHandle iteratorgetDevice ส่งคืนชื่อของอุปกรณ์ที่ `ทรัพยากร 'ถูกวางไว้ iteratorgetNext รับเอาต์พุตถัดไปจากตัววนซ้ำที่กำหนด iteratorgetnextasoptional รับเอาต์พุตถัดไปจากตัววนซ้ำที่กำหนดเป็นตัวแปรเสริม iteratorgetnextsync รับเอาต์พุตถัดไปจากตัววนซ้ำที่กำหนด iteratortOstringhandle แปลง `resource_handle` ที่กำหนดเป็นตัวแทนของตัววนซ้ำเป็นสตริง เข้าร่วม เข้าร่วมสตริงในรายการเทนเซอร์สตริงที่กำหนดไว้ในเทนเซอร์เดียว ด้วยตัวคั่นที่กำหนด (ค่าเริ่มต้นคือตัวคั่นที่ว่างเปล่า) KMC2Chaininitialization ส่งคืนดัชนีของจุดข้อมูลที่ควรเพิ่มลงในชุดเมล็ด KeyValuesort <t ขยาย tnumber , u ขยาย ttype > ห่อโอเปอเรเตอร์เรียงลำดับ XLA ซึ่งบันทึกไว้ที่ https://www.tensorflow.org/performance/xla/operation_semantics#sort KMeansPlusInitialization เลือกแถว NUM_TO_SAMPLE ของอินพุตโดยใช้เกณฑ์ KMEANS ++ Kthorderstatistic คำนวณสถิติการสั่งซื้อ KTH ของชุดข้อมูล l2loss <t ขยาย tnumber > การสูญเสีย L2 LMDBDATASET สร้างชุดข้อมูลที่ปล่อยคู่คีย์-ค่าในไฟล์ LMDB หนึ่งไฟล์ขึ้นไป lstmblockcell <t ขยาย tnumber > คำนวณการแพร่กระจายไปข้างหน้าของเซลล์ LSTM เป็นเวลา 1 ขั้นตอน lstmblockcellgrad <t ขยาย tnumber > คำนวณการแพร่กระจายของเซลล์ LSTM ย้อนหลังเป็นเวลา 1 ครั้ง LatencyStatsDataset บันทึกเวลาแฝงของการผลิตองค์ประกอบ `input_dataset` ใน statsaggregator leakyrelu <t ขยาย tnumber > คำนวณเชิงเส้นที่แก้ไขแล้ว: `สูงสุด (คุณสมบัติคุณสมบัติ * alpha)` LeakyrelUgrad <t ขยาย tnumber > คำนวณการไล่ระดับสีเชิงเส้นที่แก้ไขสำหรับการดำเนินการรั่วไหล เรียนรู้ สร้างฉลากสำหรับการสุ่มตัวอย่างผู้สมัครด้วยการแจกแจง Unigram ที่เรียนรู้ leftshift <t ขยาย tnumber > Elementwise คำนวณการเปลี่ยน bitwise ซ้ายของ `x` และ` y` น้อย ส่งคืนค่าความจริงของ (x <y) องค์ประกอบที่ชาญฉลาด ไม่เท่ากัน ส่งคืนค่าความจริงของ (x <= y) องค์ประกอบที่ชาญฉลาด lgamma <t ขยาย tnumber > คำนวณบันทึกของค่าสัมบูรณ์ของ `gamma (x)` องค์ประกอบที่ชาญฉลาด linspace <t ขยาย tnumber > สร้างค่าในช่วงเวลา LMDBDATASET lmdbreader เครื่องอ่านที่ส่งออกเร็กคอร์ดจากไฟล์ LMDB loadandremapmatrix โหลด 2-D (เมทริกซ์) `tensor` พร้อมชื่อ` old_tensor_name` จากจุดตรวจสอบ ที่ `ckpt_path` และอาจจัดเรียงแถวและคอลัมน์ของมันใหม่โดยใช้ remappings ที่ระบุ loadtpuembeddingadamparameters โหลดพารามิเตอร์การฝังอดัม loadtpuembeddingadamparametersgradaccumdebug โหลดพารามิเตอร์การฝังอดัมด้วยการสนับสนุนการดีบัก Loadtpuembeddingadadeltaparameters โหลดพารามิเตอร์การฝัง Adadelta loadtpuembeddingadadeltaparametersgradaccumdebug โหลดพารามิเตอร์ Adadelta ด้วยการสนับสนุนการดีบัก loadtpuembeddingadadagradparameters โหลดพารามิเตอร์การฝัง Adagrad loadtpuembeddingadadagradparametersgradaccumdebug โหลดพารามิเตอร์การฝัง Adagrad พร้อมการสนับสนุนการดีบัก loadtpuembeddingcenteredrmspropparameters โหลดพารามิเตอร์การฝัง RMSPROP เป็นศูนย์กลาง loadtpuembeddingftrlparameters โหลดพารามิเตอร์การฝัง FTRL loadtpuembeddingftrlparametersgradaccumdebug โหลดพารามิเตอร์การฝัง FTRL ด้วยการสนับสนุนการดีบัก loadtpuembeddingmdladagradlightparameters โหลดพารามิเตอร์การฝังแสง Adagrad MDL loadtpuembeddingmomentumparameters โหลดพารามิเตอร์การฝังโมเมนตัม loadtpuembeddingmomentumparametersgradaccumdebug โหลดพารามิเตอร์การฝังโมเมนตัมด้วยการสนับสนุนการดีบัก loadtpuembeddingproximaladagradparameters โหลดพารามิเตอร์การฝัง adagrad proximal loadtpuembeddingproximaladagradparametersgradaccumdebug โหลดพารามิเตอร์การฝัง adagrad proximal ด้วยการสนับสนุนการดีบัก loadtpuembeddingproximalyogiparameters loadtpuembeddingproximalyogiparametersgradaccumdebug loadtpuembeddingrmspropparameters โหลดพารามิเตอร์การฝัง RMSPROP loadtpuembeddingrmspropparametersgradaccumdebug โหลดพารามิเตอร์การฝัง RMSPROP ด้วยการสนับสนุนการดีบัก loadtpuembeddingstochasticgradientdescentparameters โหลดพารามิเตอร์การฝัง SGD loadtpuembeddingstochasticgradientdescentparametersgradaccumdebug โหลดพารามิเตอร์การฝัง SGD LocalResponsenormalization <t ขยาย tnumber > การตอบสนองการตอบสนองในท้องถิ่น LocalResponsenormalizationGrad <t ขยาย tnumber > การไล่ระดับสีสำหรับการตอบสนองในท้องถิ่น log <t ขยาย ttype > คำนวณลอการิทึมธรรมชาติของ X Element-wise log1p <t ขยาย ttype > คำนวณลอการิทึมธรรมชาติของ (1 + x) องค์ประกอบที่ชาญฉลาด logMatrixDeterminant <t ขยาย ttype > คำนวณเครื่องหมายและบันทึกของค่าสัมบูรณ์ของตัวกำหนดของ เมทริกซ์สี่เหลี่ยมหนึ่งตัวขึ้นไป logsoftmax <t ขยาย tnumber > คำนวณการเปิดใช้งาน SoftMax Log loguniformcandidateAmpler สร้างฉลากสำหรับการสุ่มตัวอย่างผู้สมัครด้วยการแจกแจงบันทึกแบบไม่สม่ำเสมอ ตรรกะและ ส่งคืนค่าความจริงขององค์ประกอบ x และ y ที่ชาญฉลาด ตรรกะ ส่งคืนค่าความจริงของ `ไม่ใช่ x` องค์ประกอบที่ชาญฉลาด เครื่องตรรกะ ส่งคืนค่าความจริงขององค์ประกอบ x หรือ y ที่ชาญฉลาด lookextable export <t ขยาย ttype , u ขยาย ttype > เอาต์พุตปุ่มและค่าทั้งหมดในตาราง lookuxtablefind <u ขยาย ttype > ค้นหาคีย์ในตารางส่งออกค่าที่สอดคล้องกัน มองดูได้ง่าย แทนที่เนื้อหาของตารางด้วยคีย์และค่าที่ระบุ lookuxtableinsert อัปเดตตารางเป็นคีย์เชื่อมโยงกับค่า lookuptableremove ลบคีย์และค่าที่เกี่ยวข้องออกจากตาราง มองดู คำนวณจำนวนองค์ประกอบในตารางที่กำหนด วนรอบ ส่งต่ออินพุตไปยังเอาต์พุต ต่ำกว่า แปลงอักขระตัวพิมพ์ใหญ่ทั้งหมดให้เป็นตัวพิมพ์เล็กที่เกี่ยวข้อง ล่างสุด <u ขยาย tnumber > ใช้ lower_bound (sorted_search_values, ค่า) ตามแต่ละแถว lu <t ขยาย ttype , u ขยาย tnumber > คำนวณการสลายตัวของ LU ของเมทริกซ์สี่เหลี่ยมหนึ่งตัวหรือมากกว่า เครื่องทำให้ขัง สร้างตัววนซ้ำใหม่จากชุดข้อมูล `ที่กำหนดและเก็บไว้ใน` iterator ' makeunique ทำให้องค์ประกอบทั้งหมดในมิติที่ไม่ใช่แบทช์ไม่ซ้ำกัน แต่ \ "ปิด \" ค่าเริ่มต้นของพวกเขา MapClear OP ลบองค์ประกอบทั้งหมดในคอนเทนเนอร์พื้นฐาน MapinComentesize OP ส่งคืนจำนวนองค์ประกอบที่ไม่สมบูรณ์ในคอนเทนเนอร์พื้นฐาน การนัดพบ OP Peeks ที่ค่าที่คีย์ที่ระบุ ทำแผนที่ OP ส่งคืนจำนวนองค์ประกอบในคอนเทนเนอร์พื้นฐาน เวทีแผนที่ ขั้นตอน (คีย์, ค่า) ในคอนเทนเนอร์พื้นฐานซึ่งทำงานเหมือนแฮชต์ Mapunstage OP ลบและส่งคืนค่าที่เกี่ยวข้องกับคีย์ จากคอนเทนเนอร์พื้นฐาน Mapunstagenokey OP ลบและส่งคืนแบบสุ่ม (คีย์ค่า) จากคอนเทนเนอร์พื้นฐาน matmul <t ขยาย ttype > คูณเมทริกซ์ "A" โดยเมทริกซ์ "B" การจับคู่ไฟล์ ส่งคืนชุดของไฟล์ที่ตรงกับรูปแบบ GLOB หนึ่งรูปแบบขึ้นไป MatchingFilesDataset matrixdiag <t ขยาย ttype > ส่งคืนเทนเซอร์ในแนวทแยงที่มีค่าเส้นทแยงมุมที่กำหนด matrixdiagpart <t ขยาย ttype > ส่งคืนส่วนแนวทแยงมุมของเทนเซอร์แบตช์ matrixdiagpartv3 <t ขยาย ttype > ส่งคืนส่วนแนวทแยงมุมของเทนเซอร์แบตช์ matrixdiagv3 <t ขยาย ttype > ส่งคืนเทนเซอร์ในแนวทแยงที่มีค่าเส้นทแยงมุมที่กำหนด matrixlogarithm <t ขยาย ttype > คำนวณลอการิทึมเมทริกซ์ของเมทริกซ์สี่เหลี่ยมหนึ่งตัวขึ้นไป: -\(log(exp(A)) = A\\) OP นี้ถูกกำหนดไว้สำหรับเมทริกซ์ที่ซับซ้อนเท่านั้น matrixsetDiag <t ขยาย ttype > ส่งคืนเทนเซอร์เมทริกซ์แบบแบตช์พร้อมค่าเส้นทแยงมุมแบบแบตช์ใหม่ matrixSolvels <t ขยาย ttype > แก้ปัญหาสองกำลังสองน้อยลงอย่างน้อยหนึ่งปัญหา สูงสุด <t ขยาย ttype > คำนวณองค์ประกอบสูงสุดในมิติของเทนเซอร์ MaxintraopparallelismDataset สร้างชุดข้อมูลที่แทนที่การขนานภายในภายในสูงสุด MaxPool <t ขยาย ttype > ดำเนินการรวมสูงสุดในอินพุต maxpool3d <t ขยาย tnumber > ดำเนินการรวมสูงสุด 3D บนอินพุต maxpool3dgrad <u ขยาย tnumber > คำนวณการไล่ระดับสีของฟังก์ชั่นการรวมสูงสุด 3D maxpool3dgradgrad <t ขยาย tnumber > คำนวณการไล่ระดับสีลำดับที่สองของฟังก์ชั่น maxpooling maxpoolgrad <t ขยาย tnumber > คำนวณการไล่ระดับสีของฟังก์ชั่น maxpooling maxpoolgradgrad <t ขยาย tnumber > คำนวณการไล่ระดับสีลำดับที่สองของฟังก์ชั่น maxpooling maxpoolgradgradwithargmax <t ขยาย tnumber > คำนวณการไล่ระดับสีลำดับที่สองของฟังก์ชั่น maxpooling maxpoolgradwithargmax <t ขยาย tnumber > คำนวณการไล่ระดับสีของฟังก์ชั่น maxpooling maxpoolwithargmax <t ขยาย tnumber , u ขยาย tnumber > ดำเนินการรวมสูงสุดในอินพุตและเอาต์พุตทั้งค่าสูงสุดและดัชนี สูงสุด <t ขยาย tnumber > ส่งคืนสูงสุดของ x และ y (เช่น หมายถึง <t ขยาย ttype > คำนวณค่าเฉลี่ยขององค์ประกอบในมิติของเทนเซอร์ ผสาน <t ขยาย ttype > ส่งต่อค่าของเทนเซอร์ที่มีอยู่จาก `อินพุต 'ถึง' เอาต์พุต ' Mergesummamary รวมสรุป mergev2checkpoints รูปแบบ V2 เฉพาะ: ผสานไฟล์ข้อมูลเมตาของจุดตรวจสอบ MFCC แปลงสเปกโตรแกรมเป็นรูปแบบที่มีประโยชน์สำหรับการจดจำคำพูด min <t ขยาย ttype > คำนวณองค์ประกอบขั้นต่ำในมิติของเทนเซอร์ ขั้นต่ำ <t ขยาย tnumber > ส่งคืน min of x และ y (เช่น Mirrorpad <t ขยาย ttype > แผ่นเทนเซอร์ที่มีค่ามิเรอร์ Mirrorpadgrad <t ขยาย ttype > การไล่ระดับสี op สำหรับ `mirrorpad` op mlirpassthroughop ห่อการคำนวณ MLIR โดยพลการซึ่งแสดงเป็นโมดูลที่มีฟังก์ชั่นหลัก () mod <t ขยาย tnumber > ส่งคืนองค์ประกอบที่เหลืออยู่ในการแบ่ง ModelDataset การแปลงตัวตนที่จำลองประสิทธิภาพ mul <t ขยาย ttype > ส่งคืน x * y องค์ประกอบที่ชาญฉลาด Mulnonan <t ขยาย ttype > ส่งคืน x * y องค์ประกอบที่ชาญฉลาด Multideviceiterator สร้างทรัพยากร MultideviceIterator MultideViceIteratorFromStringHandle สร้างทรัพยากร MultideViceIterator จากที่จับสตริงที่ให้ไว้ MultideViceIteratorGetNextFromshard ได้รับองค์ประกอบถัดไปสำหรับหมายเลข Shard ที่ให้ไว้ multideviceiterinit เริ่มต้นตัววนซ้ำอุปกรณ์หลายตัวด้วยชุดข้อมูลที่กำหนด MultideviceiteratortoStringHandle ผลิตที่จับสตริงสำหรับ multideviceiterator ที่กำหนด Multinomial <U ขยาย tnumber > วาดตัวอย่างจากการกระจายแบบพหุนาม Mutabledensehashtable สร้างตารางแฮชที่ว่างเปล่าที่ใช้เทนเซอร์เป็นร้านค้าสำรอง ไม่แน่นอน สร้างตารางแฮชที่ว่างเปล่า MutableHashtableOftensors สร้างตารางแฮชที่ว่างเปล่า mutex สร้างทรัพยากร mutex ที่สามารถล็อคโดย `mutexlock` Mutexlock ล็อคทรัพยากร mutex ncclallreduce <t ขยาย tnumber > เอาต์พุตเทนเซอร์ที่มีการลดลงของเทนเซอร์อินพุตทั้งหมด ncclbroadcast <t ขยาย tnumber > ส่ง `อินพุต 'ไปยังอุปกรณ์ทั้งหมดที่เชื่อมต่อกับเอาต์พุต ncclreduce <t ขยาย tnumber > ลด `อินพุต 'จาก` num_devices` โดยใช้ `ลด' ไปยังอุปกรณ์เดียว ndtri <t ขยาย tnumber > ที่ใกล้ที่สุด เลือกศูนย์ K ที่ใกล้ที่สุดสำหรับแต่ละจุด neg <t ขยาย ttype > คำนวณองค์ประกอบค่าลบเชิงตัวเลขที่ชาญฉลาด การลบล้าง การฝึกอบรมผ่านการสุ่มตัวอย่างเชิงลบ nextfter <t ขยาย tnumber > ส่งคืนค่าที่เป็นตัวแทนถัดไปของ `x1` ในทิศทางของ 'x2`, องค์ประกอบที่ชาญฉลาด Nextiteration <t ขยาย ttype > ทำให้อินพุตพร้อมใช้งานการทำซ้ำครั้งต่อไป บุต ไม่ทำอะไรเลย NondeterministicInts <U ขยาย ttype > ไม่ได้สร้างจำนวนเต็มบางส่วน nonmaxsuppression <t ขยาย tnumber > อย่างโลภเลือกชุดย่อยของกล่องขอบเขตตามลำดับจากมากไปน้อย การตัดแต่งกล่องออกไปที่มีจุดตัดสูง-UNUNION (IOU) ซ้อนทับกับกล่องที่เลือกไว้ก่อนหน้านี้ nonmaxsuppressionwithOverlaps อย่างโลภเลือกชุดย่อยของกล่องขอบเขตตามลำดับจากมากไปน้อย การตัดแต่งกล่องออกไปที่มีการทับซ้อนกันสูงพร้อมกล่องที่เลือกไว้ก่อนหน้านี้ Nonserializabledataset เป็นรูปธรรม ส่งคืนค่าความจริงของ (x! = y) องค์ประกอบที่ชาญฉลาด nthelement <t ขยาย tnumber > ค้นหาค่าของสถิติการสั่งซื้อ `n`-th สำหรับมิติสุดท้าย onehot <u ขยาย ttype > ส่งคืนเทนเซอร์ร้อนหนึ่งตัว คน <t ขยาย ttype > ผู้ประกอบการที่สร้างค่าเริ่มต้นที่เริ่มต้นด้วยรูปร่างที่กำหนดโดย `dims ' ennlike <t ขยาย ttype > ส่งคืนเทนเซอร์ของคนที่มีรูปร่างและพิมพ์เท่ากับ x ตัวถูกดำเนินการ <t ขยาย ttype > อินเทอร์เฟซดำเนินการโดยตัวดำเนินการของการดำเนินการ tensorflow OptimizedAset สร้างชุดข้อมูลโดยใช้การปรับให้เหมาะสมกับ `input_dataset` OptimizedAsetv2 สร้างชุดข้อมูลโดยใช้การเพิ่มประสิทธิภาพที่เกี่ยวข้องกับ `input_dataset` ตัวเลือกจากค่า สร้างตัวแปรเสริมจาก Tuple of Tensors ตัวเลือก GetGetValue ส่งคืนค่าที่เก็บไว้ในตัวแปรเสริมหรือทำให้เกิดข้อผิดพลาดหากไม่มีอยู่ ตัวเลือก ส่งคืนจริงถ้าและเฉพาะในกรณีที่ตัวแปรทางเลือกที่กำหนดมีค่า ตัวเลือก สร้างตัวแปรเสริมที่ไม่มีค่า orderedmapclear OP ลบองค์ประกอบทั้งหมดในคอนเทนเนอร์พื้นฐาน orderedmapincompletesize OP ส่งคืนจำนวนองค์ประกอบที่ไม่สมบูรณ์ในคอนเทนเนอร์พื้นฐาน orderedmappeek OP Peeks ที่ค่าที่คีย์ที่ระบุ orderedmapsize OP ส่งคืนจำนวนองค์ประกอบในคอนเทนเนอร์พื้นฐาน orderedmapstage ขั้นตอน (คีย์, ค่า) ในคอนเทนเนอร์พื้นฐานซึ่งทำงานเหมือนคำสั่งซื้อ คอนเทนเนอร์เชื่อมโยง orderedmapunstage OP ลบและส่งคืนค่าที่เกี่ยวข้องกับคีย์ จากคอนเทนเนอร์พื้นฐาน orderedmapunstagenokey OP ลบและส่งคืนองค์ประกอบ (คีย์, ค่า) ที่เล็กที่สุด กุญแจจากคอนเทนเนอร์พื้นฐาน ordinalselector ตัวเลือกหลักของ TPU outfeeddequeue <t ขยาย ttype > ดึงเทนเซอร์เดี่ยวจากการคำนวณ outfeed outfeeddequeuetuple ดึงค่าหลายค่าจากการคำนวณ outfeed outfeeddequeuetuplev2 ดึงค่าหลายค่าจากการคำนวณ outfeed outfeeddequeuev2 <t ขยาย ttype > ดึงเทนเซอร์เดี่ยวจากการคำนวณ outfeed outfeedenqueue enqueue เทนเซอร์ในการคำนวณ outfeed outfeedenqueuetuple enqueue ค่าเทนเซอร์หลายค่าในการคำนวณ outfeed เอาต์พุต <t ขยาย ttype > ด้ามสัญลักษณ์ของเทนเซอร์ที่ผลิตโดย Operation pad <t ขยาย ttype > ห่อผู้ให้บริการ XLA Pad ซึ่งบันทึกไว้ที่ https://www.tensorflow.org/performance/xla/operation_semantics#pad PaddedbatchDataset สร้างชุดข้อมูลที่แบทช์และแผ่นรอง `batch_size 'องค์ประกอบจากอินพุต Paddingfoqueue คิวที่สร้างองค์ประกอบในลำดับแรกออก ParallelConcat <t ขยาย ttype > เชื่อมต่อรายการของ `n` tensors ตามมิติแรก Parleldynamicstitch <t ขยาย ttype > ผสมค่าจากเทนเซอร์ `data 'ลงในเทนเซอร์เดียว ParameterizedTruncatedNormal <U ขยาย tnumber > เอาต์พุตค่าสุ่มจากการแจกแจงปกติ Parseexample แปลงเวกเตอร์ของ tf.example protos (เป็นสตริง) เป็นเทนเซอร์ที่พิมพ์ Parseexampledataset แปลง `input_dataset` ที่มี` ตัวอย่าง 'protos เป็นเวกเตอร์ของ dt_string เป็นชุดข้อมูลของวัตถุ' tensor 'หรือ `sparsetensor' ที่แสดงถึงคุณสมบัติที่แยกวิเคราะห์ parsesequencexample แปลงเวกเตอร์ของ tf.io.equenceExample protos (เป็น strings) เป็นเทนเซอร์ที่พิมพ์ ParsingleExample แปลง tf.example proto (เป็นสตริง) เป็นเทนเซอร์ที่พิมพ์ Parsesinglesequencexample แปลงสมองสเกลาร์ Scalar.exexence ตัวอย่างโปรโต (เป็นสตริง) เป็นเทนเซอร์ที่พิมพ์ parsetensor <t ขยาย ttype > แปลง tensorflow แบบอนุกรม Tensorproto โปรโตเป็นเทนเซอร์ PartitionEdInput <t ขยาย ttype > OP ที่จัดกลุ่มรายการอินพุตที่แบ่งพาร์ติชันเข้าด้วยกัน PartitionEdOutput <t ขยาย ttype > op ที่ demultiplexes เทนเซอร์ที่จะถูกทำลายโดย XLA ไปยังรายการของการแบ่งพาร์ติชัน เอาต์พุตนอกการคำนวณ XLA ตัวยึด <t ขยาย ttype > ตัวยึดตำแหน่งสำหรับค่าที่จะถูกป้อนเข้าสู่การคำนวณ PlaceHolderWithDefault <t ขยาย ttype > ตัวยึดตำแหน่งที่ผ่าน `อินพุต` เมื่อไม่ได้รับเอาต์พุต Polygamma <t ขยาย tnumber > คำนวณฟังก์ชัน polygamma \\(\psi^{(n)}(x)\\)- ประชากรจำนวนมาก คำนวณจำนวนประชากรที่ชาญฉลาด (aka pow <t ขยาย ttype > คำนวณพลังของค่าหนึ่งไปยังอีก PrefetchDataset สร้างชุดข้อมูลที่ asynchronously prefettes องค์ประกอบจาก `input_dataset` ทำให้มีการกำหนดค่าล่วงหน้า OP ซึ่งเป็นเส้นตรงหนึ่งค่าเทนเซอร์ไปยังเทนเซอร์ตัวแปรทึบแสง Prelinearizetuple OP ซึ่งเป็นเส้นตรงค่าเทนเซอร์หลายค่าไปยังเทนเซอร์ตัวแปรทึบแสง preventgradient <t ขยาย ttype > ตัวตน OP ที่ก่อให้เกิดข้อผิดพลาดหากมีการร้องขอการไล่ระดับสี พิมพ์ พิมพ์สเกลาร์สตริง PriorityQueue คิวที่สร้างองค์ประกอบที่จัดเรียงตามค่าองค์ประกอบแรก PrivatetHreadPooldAtaset สร้างชุดข้อมูลที่ใช้พูลเธรดที่กำหนดเองเพื่อคำนวณ `input_dataset` prod <t ขยาย ttype > คำนวณผลิตภัณฑ์ขององค์ประกอบในมิติของเทนเซอร์ qr <t ขยาย ttype > คำนวณการสลายตัวของ QR ของเมทริกซ์อย่างน้อยหนึ่งรายการ quantize <t ขยาย ttype > ปริมาณ 'อินพุต' เทนเซอร์ของประเภทลอยไปที่ 'เอาต์พุต' เทนเซอร์ของประเภท 't' quantizeanddequantize <t ขยาย tnumber > ปริมาณจากนั้นลดระดับเทนเซอร์ Quantizeanddequantizev3 <t ขยาย tnumber > ปริมาณจากนั้นลดระดับเทนเซอร์ Quantizeanddequantizev4 <t ขยาย tnumber > ส่งคืนการไล่ระดับสีของ `quantization.quantizeanddequantizev4` Quantizeanddequantizev4grad <t ขยาย tnumber > ส่งคืนการไล่ระดับสีของ `quantizeanddequantizev4` quantizedOwnandshrinkRange <u ขยาย ttype > แปลง 'อินพุต' ของเทนเซอร์ที่มีปริมาณ การแจกแจงค่าที่แท้จริงของค่าเพื่อเพิ่มการใช้งานของความลึกบิตที่ต่ำที่สุดและปรับเอาท์พุทขั้นต่ำและช่วงสูงสุดตามลำดับ QuantizedAdd <v ขยาย ttype > ส่งคืนองค์ประกอบ x + y ที่ชาญฉลาดทำงานกับบัฟเฟอร์เชิงปริมาณ quantizedavgpool <t ขยาย ttype > ผลิตพูลเฉลี่ยของเทนเซอร์อินพุตสำหรับประเภทปริมาณ QuantizedBatchNormWithGlobalNormalization <U ขยาย ttype > การทำให้เป็นมาตรฐานเป็นชุดเชิงปริมาณ QuantizedBiasadd <V ขยาย ttype > เพิ่ม 'อคติ' ของเทนเซอร์ลงในเทนเซอร์ 'อินพุต' สำหรับประเภทปริมาณ QuantizedCat <t ขยาย ttype > เชื่อมต่อเทนเซอร์เชิงปริมาณตามหนึ่งมิติ QuantizedConv2dandrelu <v ขยาย ttype > QuantizedConv2dandreluandrequantize <v ขยาย ttype > QuantizedConv2DandRequantize <V ขยาย ttype > QuantizedConv2dperChannel <V ขยาย ttype > คำนวณ QuantizedConv2d ต่อช่อง QuantizedConv2dwithBias <v ขยาย ttype > QuantizedConv2dwithBiasandrelu <v ขยาย ttype > QuantizedConv2dwithBiasandReluandRequantize <W ขยาย ttype > QuantizedConv2dwithBiasandRequantize <W ขยาย ttype > QuantizedConv2dwithBiassignedSumandreluandrequantize <x ขยาย ttype > QuantizedConv2dwithBiassumandrelu <v ขยาย ttype > QuantizedConv2dwithBiassumandReluandRequantize <x ขยาย ttype > QuantizedConv2d <v ขยาย ttype > คำนวณการควบคุมแบบ 2D ที่ได้รับอินพุต 4D เชิงปริมาณและเทนเซอร์ตัวกรอง QuantizedDepthWiseconv2d <v ขยาย ttype > คำนวณปริมาณเชิงลึกเชิงลึก conv2d QuantizedDepthWiseconv2dwithBias <v ขยาย ttype > คำนวณปริมาณเชิงลึกเชิงลึกที่มีอคติ QuantizedDepthWiseconv2dwithBiasandrelu <v ขยาย ttype > คำนวณปริมาณเชิงลึกเชิงลึกที่มีอคติและ relu QuantizedDepthWiseconv2dwithBiasandReluandrequantize <W ขยาย ttype > คำนวณเชิงลึกเชิงลึก conv2d ด้วยอคติ relu และขอ QuantizedInstancenorm <t ขยาย ttype > การทำให้เป็นมาตรฐานอินสแตนซ์เชิงปริมาณ QuantizedMatmul <V ขยาย ttype > ทำการคูณเมทริกซ์เชิงปริมาณของ `A` โดยเมทริกซ์` b` QuantizedMatMulwithBias <W ขยาย ttype > ทำการคูณเมทริกซ์เชิงปริมาณของ `A` โดยเมทริกซ์` b` ด้วยการเพิ่มอคติ QuantizedMatMulwithBiasandDequantize <W ขยาย tnumber > QuantizedMatMulwithBiasandrelu <v ขยาย ttype > ทำการคูณเมทริกซ์เชิงปริมาณของ `A` โดยเมทริกซ์` b` ด้วยการเพิ่มอคติและการฟิวชั่น relu quantizedMatMulwithBiasAndRelUandRequantize <W ขยาย ttype > ทำการคูณเมทริกซ์เชิงปริมาณของ `A` โดยเมทริกซ์` b` ด้วยการเพิ่มอคติและ relu และการใช้ฟิวชั่น QuantizedMatMulwithBiasandRequantize <W ขยาย ttype > QuantizedMaxPool <t ขยาย ttype > ผลิตพูลสูงสุดของเทนเซอร์อินพุตสำหรับประเภทปริมาณ QuantizedMul <v ขยาย ttype > ส่งคืนองค์ประกอบ x * y ทำงานกับบัฟเฟอร์เชิงปริมาณ QuantizedRelu <U ขยาย ttype > คำนวณเชิงเส้นที่แก้ไขเชิงปริมาณ: `สูงสุด (คุณสมบัติ, 0)` QuantizedRelu6 <U ขยาย ttype > คำนวณเชิงเส้นที่แก้ไขเชิงปริมาณ 6: `min (สูงสุด (คุณสมบัติ, 0), 6)` QuantizedRelux <U ขยาย ttype > คำนวณเชิงเส้นที่แก้ไขเชิงปริมาณ X: `min (สูงสุด (คุณสมบัติ, 0), max_value)` QuantizedReshape <t ขยาย ttype > เปลี่ยนเทนเซอร์เชิงปริมาณตาม op op quantizedResizeBilinear <t ขยาย ttype > ปรับขนาด `images 'เป็น` size` โดยใช้การแก้ไข bilinear เชิงปริมาณ queueclose ปิดคิวที่กำหนด คิว dequeues tuple ของหนึ่งหรือมากกว่านั้นจากคิวที่กำหนด คิว dequeues `n` tuples ของหนึ่งหรือมากกว่านั้นจากคิวที่กำหนด queuedequeueUpto dequeues `n` tuples ของหนึ่งหรือมากกว่านั้นจากคิวที่กำหนด คิว enqueues tuple ของหนึ่งหรือมากกว่าหนึ่งเทนเซอร์ในคิวที่กำหนด คิว enqueues เป็นศูนย์หรือมากกว่า tuples ของหนึ่งหรือมากกว่าหนึ่งเทนเซอร์ในคิวที่กำหนด คิว ส่งคืนจริงถ้าคิวถูกปิด คิว คำนวณจำนวนองค์ประกอบในคิวที่กำหนด raggedbincount <u ขยาย tnumber > นับจำนวนการเกิดขึ้นของแต่ละค่าในอาร์เรย์จำนวนเต็ม raggedCountSparseOutput <u ขยาย tnumber > ดำเนินการนับถังขยะที่กระจัดกระจายสำหรับอินพุตเทนเซอร์ที่มอมแมม raggedcross <t ขยาย ttype , u ขยาย tnumber > สร้างคุณสมบัติข้ามจากรายการเทนเซอร์และส่งคืนเป็น raggedtensor raggedgather <t ขยาย tnumber , u ขยาย ttype > รวบรวมชิ้นส่วนที่ขรุขระจากแกน `params` แกน` 0` ตาม 'ดัชนี' raggedRange <u ขยาย tnumber , t ขยาย tnumber > ส่งคืน `raggedtensor` ที่มีลำดับตัวเลขที่ระบุ raggedtensorfromvariant <u ขยาย tnumber , t ขยาย ttype > ถอดรหัสเทนเซอร์ `ตัวแปร 'เป็น` raggedtensor' raggedtensortosparse <u ขยาย ttype > แปลง `raggedtensor` เป็น 'sparsetensor' ด้วยค่าเดียวกัน raggedtensortotensor <u ขยาย ttype > สร้างเทนเซอร์ที่หนาแน่นจากเทนเซอร์ที่มอมแมมอาจเปลี่ยนรูปร่าง Raggedtensortovariant เข้ารหัส `raggedtensor` เป็นเทนเซอร์` ตัวแปร ' raggedtensortovariantgradient <u ขยาย ttype > ผู้ช่วยใช้ในการคำนวณการไล่ระดับสีสำหรับ `raggedtensortovariant` Randomcrop <t ขยาย tnumber > การครอบตัดแบบสุ่ม `image ' สุ่ม สร้างชุดข้อมูลที่ส่งคืนหมายเลขเทียม Randomgamma <u ขยาย tnumber > เอาต์พุตค่าสุ่มจากการแจกแจงแกมม่าที่อธิบายโดยอัลฟ่า RandomGammagrad <t ขยาย tnumber > คำนวณอนุพันธ์ของตัวอย่างสุ่มแกมมา WRT Randompoisson <v ขยาย tnumber > เอาต์พุตค่าสุ่มจากการแจกแจงปัวซองที่อธิบายโดยอัตรา RandomShuffle <t ขยาย ttype > สุ่มสับเทนเซอร์ตามมิติแรก สุ่ม คิวที่สุ่มลำดับขององค์ประกอบ RandomStandardNormal <U ขยาย tnumber > เอาต์พุตค่าสุ่มจากการแจกแจงปกติ RandomUniform <U ขยาย tnumber > เอาต์พุตค่าสุ่มจากการแจกแจงแบบสม่ำเสมอ RandomUniformint <U ขยาย tnumber > เอาต์พุตจำนวนเต็มสุ่มจากการแจกแจงแบบสม่ำเสมอ ช่วง <t ขยาย tnumber > สร้างลำดับตัวเลข rangedataset สร้างชุดข้อมูลที่มีช่วงของค่า อันดับ ส่งคืนอันดับของเทนเซอร์ ดิบ คลาสพื้นฐานสำหรับการใช้งาน Op ที่ได้รับการสนับสนุนโดย Operation เดียว อ่านไฟล์ อ่านและส่งออกเนื้อหาทั้งหมดของชื่อไฟล์อินพุต ReadVariableOp <t ขยาย ttype > อ่านค่าของตัวแปร ReaderNumRecordsProduced ส่งคืนจำนวนระเบียนที่ผู้อ่านนี้ผลิตขึ้น ReaderNumworkunitscompleted ส่งคืนจำนวนหน่วยงานที่ผู้อ่านนี้ได้ประมวลผลเสร็จแล้ว readerRead ส่งคืนระเบียนถัดไป (คีย์คู่ค่า) ที่ผลิตโดยผู้อ่าน readerReadupto ส่งคืนคู่ `num_records` (คีย์, ค่า) คู่ที่ผลิตโดยผู้อ่าน ReaderReset คืนค่าผู้อ่านให้อยู่ในสภาพที่สะอาดเริ่มต้น readerRestorestate คืนค่าผู้อ่านให้อยู่ในสถานะที่บันทึกไว้ก่อนหน้านี้ ผู้อ่าน ผลิตเทนเซอร์สตริงที่เข้ารหัสสถานะของผู้อ่าน จริง <u ขยาย tnumber > ส่งคืนส่วนที่แท้จริงของหมายเลขที่ซับซ้อน realdiv <t ขยาย ttype > ส่งคืนองค์ประกอบ X / Y ที่ชาญฉลาดสำหรับประเภทจริง rebatchDataset สร้างชุดข้อมูลที่เปลี่ยนขนาดแบทช์ rebatchDatasetv2 สร้างชุดข้อมูลที่เปลี่ยนขนาดแบทช์ ซึ่งกันและกัน <t ขยาย ttype > คำนวณซึ่งกันและกันของ X Element-wise ซึ่งกันและกัน <t ขยาย ttype > คำนวณการไล่ระดับสีสำหรับการผกผันของ `x` wrt อินพุตของมัน recordInput ปล่อยบันทึกแบบสุ่ม Recv <t ขยาย ttype > รับเทนเซอร์ที่มีชื่อจากการคำนวณ XLA อื่น recvtpuembeddingactive OP ที่ได้รับการเปิดใช้งานการฝัง TPU ลด <t ขยาย tnumber > ลดหลายเทนเซอร์หลายประเภทและรูปร่างที่เหมือนกัน การลดทอน คำนวณ "ตรรกะและ" ขององค์ประกอบในมิติของเทนเซอร์ การลดลง คำนวณ "ตรรกะหรือ" ขององค์ประกอบในมิติของเทนเซอร์ ลดลง เข้าร่วมเทนเซอร์สตริงในมิติที่กำหนด REDUCEMAX <t ขยาย ttype > คำนวณองค์ประกอบสูงสุดในมิติของเทนเซอร์ REDUCEMIN <t ขยาย ttype > คำนวณองค์ประกอบขั้นต่ำในมิติของเทนเซอร์ ลดลง <t ขยาย ttype > คำนวณผลิตภัณฑ์ขององค์ประกอบในมิติของเทนเซอร์ ลด <t ขยาย ttype > คำนวณผลรวมขององค์ประกอบในมิติของเทนเซอร์ REDUCEV2 <t ขยาย tnumber > ลดหลายเทนเซอร์หลายประเภทและรูปร่างที่เหมือนกัน Refenter <t ขยาย ttype > สร้างหรือค้นหากรอบเด็กและทำให้ `data 'พร้อมใช้งานกับกรอบเด็ก Refexit <t ขยาย ttype > ออกจากเฟรมปัจจุบันไปยังเฟรมหลัก refidentity <t ขยาย ttype > ส่งคืน Tensor Ref เดียวกับ Tensor Ref Input refmerge <t ขยาย ttype > ส่งต่อค่าของเทนเซอร์ที่มีอยู่จาก `อินพุต 'ถึง' เอาต์พุต ' Refnextiteration <t ขยาย ttype > ทำให้อินพุตพร้อมใช้งานการทำซ้ำครั้งต่อไป refselect <t ขยาย ttype > ส่งต่อองค์ประกอบ `ดัชนี 'ของ` อินพุต' ไปยัง `output ' refswitch <t ขยาย ttype > ส่งต่อ Tensor ref tensor `data 'ไปยังพอร์ตเอาต์พุตที่กำหนดโดย` pred` regexfullmatch ตรวจสอบว่าอินพุตตรงกับรูปแบบ regex หรือไม่ regexreplace แทนที่การจับคู่ของนิพจน์ปกติ `รูปแบบ 'ใน` อินพุต' ด้วยสตริงการแทนที่ที่มีให้ใน `rewrite ' การลงทะเบียน ลงทะเบียนชุดข้อมูลด้วยบริการ TF.Data relu <t ขยาย ttype > คำนวณเชิงเส้นที่แก้ไขแล้ว: `สูงสุด (คุณสมบัติ, 0)` relu6 <t ขยาย tnumber > คำนวณเชิงเส้นที่แก้ไขแล้ว 6: `min (สูงสุด (คุณสมบัติ, 0), 6)` relu6grad <t ขยาย tnumber > คำนวณการไล่ระดับสีเชิงเส้นที่แก้ไขแล้วสำหรับการดำเนินการ RELU6 relugrad <t ขยาย tnumber > คำนวณการไล่ระดับสีเชิงเส้นที่แก้ไขสำหรับการดำเนินการ RELU RemotefusedGraphexecute ดำเนินการกราฟย่อยบนโปรเซสเซอร์ระยะไกล ทำซ้ำ DATASET สร้างชุดข้อมูลที่ปล่อยเอาต์พุตของ `input_dataset`` count` คูณ ทำซ้ำ รหัสจำลอง แบบจำลอง ข้อมูลเมตาระบุว่าการคำนวณ TPU ควรทำซ้ำอย่างไร ReplicatedInput <t ขยาย ttype > เชื่อมต่ออินพุต N กับการคำนวณ TPU ที่ทำซ้ำ N-Way ReplicatedOutput <t ขยาย ttype > เชื่อมต่อเอาต์พุต N จากการคำนวณ TPU ที่ทำซ้ำ N-way การกำหนดค่า คำนวณช่วงที่ครอบคลุมค่าจริงที่มีอยู่ในเทนเซอร์เชิงปริมาณ regedizationRangePerchannel คำนวณช่วงที่ต้องการต่อช่องสัญญาณ regedize <u ขยาย ttype > แปลงเทนเซอร์ `อินพุต 'เป็นปริมาณเป็นค่าความแม่นยำต่ำ' เอาท์พุท ' requantizeperchannel <u ขยาย ttype > ต้องการอินพุตด้วยค่าขั้นต่ำและสูงสุดที่รู้จักต่อช่องทาง Reshape <t ขยาย ttype > เปลี่ยนเทนเซอร์ resizearea ปรับขนาด `images` เป็น` size 'โดยใช้การแก้ไขพื้นที่ resizebicubic ปรับขนาด `images` เป็น` size 'โดยใช้การแก้ไขแบบไบบิก ResizeBicubicGrad <t ขยาย tnumber > คำนวณการไล่ระดับสีของการแก้ไข bicubic resizebilinear ปรับขนาด `images` เป็น` size 'โดยใช้การแก้ไข bilinear ResizeBilinearGrad <t ขยาย tnumber > คำนวณการไล่ระดับสีของการแก้ไข bilinear resizenearestneighbor <t ขยาย tnumber > ปรับขนาด `images` เป็น` size 'โดยใช้การแก้ไขเพื่อนบ้านที่ใกล้ที่สุด Resizenearestneighborgrad <t ขยาย tnumber > คำนวณการไล่ระดับสีของการแก้ไขเพื่อนบ้านที่ใกล้ที่สุด ResourceAccumulatorApplyGradient ใช้การไล่ระดับสีกับตัวสะสมที่กำหนด ResourceAccumulatornumcumulated ส่งคืนจำนวนการไล่ระดับสีที่รวมอยู่ในตัวสะสมที่กำหนด ResourceAccumulatorsetGlobalstep อัปเดตตัวสะสมด้วยค่าใหม่สำหรับ global_step ResourceAccumulatortakeGradient <t ขยาย ttype > สกัดการไล่ระดับสีเฉลี่ยใน ConditionalAccumulator ที่กำหนด Resourceapplyadamax อัปเดต '*var' ตามอัลกอริทึม Adamax Resourceapplyadadelta อัปเดต '*var' ตามโครงการ Adadelta Resourceapplyadagrad อัปเดต '*var' ตามรูปแบบ Adagrad Resourceapplyadagradda อัปเดต '*var' ตามรูปแบบ Adagrad ใกล้เคียง Resourceapplyadam อัปเดต '*var' ตามอัลกอริทึม ADAM Resourceapplyadamwithamsgrad อัปเดต '*var' ตามอัลกอริทึม ADAM ResourceapplyAddsign อัปเดต '*var' ตามการอัปเดต AddSign ResourceapplyCenteredRmsprop อัปเดต '*var' ตามอัลกอริทึม RMSPROP ที่เป็นศูนย์กลาง Resourceapplyftrl อัปเดต '*var' ตามโครงการ FTRL-Proximal ResourceApplyGradientDescent อัปเดต ' * var' โดยการลบ 'alpha' * 'delta' จากมัน Resourceapplykerasmomentum อัปเดต '*var' ตามรูปแบบโมเมนตัม Resourceapplymomentum Update '*var' according to the momentum scheme. ResourceApplyPowerSign Update '*var' according to the AddSign update. ResourceApplyProximalAdagrad Update '*var' and '*accum' according to FOBOS with Adagrad learning rate. ResourceApplyProximalGradientDescent Update '*var' as FOBOS algorithm with fixed learning rate. ResourceApplyRmsProp Update '*var' according to the RMSProp algorithm. ResourceConditionalAccumulator A conditional accumulator for aggregating gradients. ResourceCountUpTo <T extends TNumber > Increments variable pointed to by 'resource' until it reaches 'limit'. ResourceGather <U extends TType > Gather slices from the variable pointed to by `resource` according to `indices`. ResourceGatherNd <U extends TType > ResourceScatterAdd Adds sparse updates to the variable referenced by `resource`. ResourceScatterDiv Divides sparse updates into the variable referenced by `resource`. ResourceScatterMax Reduces sparse updates into the variable referenced by `resource` using the `max` operation. ResourceScatterMin Reduces sparse updates into the variable referenced by `resource` using the `min` operation. ResourceScatterMul Multiplies sparse updates into the variable referenced by `resource`. ResourceScatterNdAdd Applies sparse addition to individual values or slices in a Variable. ResourceScatterNdMax ResourceScatterNdMin ResourceScatterNdSub Applies sparse subtraction to individual values or slices in a Variable. ResourceScatterNdUpdate Applies sparse `updates` to individual values or slices within a given variable according to `indices`. ResourceScatterSub Subtracts sparse updates from the variable referenced by `resource`. ResourceScatterUpdate Assigns sparse updates to the variable referenced by `resource`. ResourceSparseApplyAdadelta var: Should be from a Variable(). ResourceSparseApplyAdagrad Update relevant entries in '*var' and '*accum' according to the adagrad scheme. ResourceSparseApplyAdagradDa Update entries in '*var' and '*accum' according to the proximal adagrad scheme. ResourceSparseApplyAdagradV2 Update relevant entries in '*var' and '*accum' according to the adagrad scheme. ResourceSparseApplyCenteredRmsProp Update '*var' according to the centered RMSProp algorithm. ResourceSparseApplyFtrl Update relevant entries in '*var' according to the Ftrl-proximal scheme. ResourceSparseApplyKerasMomentum Update relevant entries in '*var' and '*accum' according to the momentum scheme. ResourceSparseApplyMomentum Update relevant entries in '*var' and '*accum' according to the momentum scheme. ResourceSparseApplyProximalAdagrad Sparse update entries in '*var' and '*accum' according to FOBOS algorithm. ResourceSparseApplyProximalGradientDescent Sparse update '*var' as FOBOS algorithm with fixed learning rate. ResourceSparseApplyRmsProp Update '*var' according to the RMSProp algorithm. ResourceStridedSliceAssign Assign `value` to the sliced l-value reference of `ref`. คืนค่า Restores tensors from a V2 checkpoint. RestoreSlice <T extends TType > Restores a tensor from checkpoint files. RetrieveTPUEmbeddingADAMParameters Retrieve ADAM embedding parameters. RetrieveTPUEmbeddingADAMParametersGradAccumDebug Retrieve ADAM embedding parameters with debug support. RetrieveTPUEmbeddingAdadeltaParameters Retrieve Adadelta embedding parameters. RetrieveTPUEmbeddingAdadeltaParametersGradAccumDebug Retrieve Adadelta embedding parameters with debug support. RetrieveTPUEmbeddingAdagradParameters Retrieve Adagrad embedding parameters. RetrieveTPUEmbeddingAdagradParametersGradAccumDebug Retrieve Adagrad embedding parameters with debug support. RetrieveTPUEmbeddingCenteredRMSPropParameters Retrieve centered RMSProp embedding parameters. RetrieveTPUEmbeddingFTRLParameters Retrieve FTRL embedding parameters. RetrieveTPUEmbeddingFTRLParametersGradAccumDebug Retrieve FTRL embedding parameters with debug support. RetrieveTPUEmbeddingMDLAdagradLightParameters Retrieve MDL Adagrad Light embedding parameters. RetrieveTPUEmbeddingMomentumParameters Retrieve Momentum embedding parameters. RetrieveTPUEmbeddingMomentumParametersGradAccumDebug Retrieve Momentum embedding parameters with debug support. RetrieveTPUEmbeddingProximalAdagradParameters Retrieve proximal Adagrad embedding parameters. RetrieveTPUEmbeddingProximalAdagradParametersGradAccumDebug Retrieve proximal Adagrad embedding parameters with debug support. RetrieveTPUEmbeddingProximalYogiParameters RetrieveTPUEmbeddingProximalYogiParametersGradAccumDebug RetrieveTPUEmbeddingRMSPropParameters Retrieve RMSProp embedding parameters. RetrieveTPUEmbeddingRMSPropParametersGradAccumDebug Retrieve RMSProp embedding parameters with debug support. RetrieveTPUEmbeddingStochasticGradientDescentParameters Retrieve SGD embedding parameters. RetrieveTPUEmbeddingStochasticGradientDescentParametersGradAccumDebug Retrieve SGD embedding parameters with debug support. Reverse <T extends TType > Reverses specific dimensions of a tensor. ReverseSequence <T extends TType > Reverses variable length slices. Rfft <U extends TType > Real-valued fast Fourier transform. Rfft2d <U extends TType > 2D real-valued fast Fourier transform. Rfft3d <U extends TType > 3D real-valued fast Fourier transform. RgbToHsv <T extends TNumber > Converts one or more images from RGB to HSV. RightShift <T extends TNumber > Elementwise computes the bitwise right-shift of `x` and `y`. Rint <T extends TNumber > Returns element-wise integer closest to x. RngReadAndSkip Advance the counter of a counter-based RNG. RngSkip Advance the counter of a counter-based RNG. Roll <T extends TType > Rolls the elements of a tensor along an axis. Round <T extends TType > Rounds the values of a tensor to the nearest integer, element-wise. Rpc Perform batches of RPC requests. Rsqrt <T extends TType > Computes reciprocal of square root of x element-wise. RsqrtGrad <T extends TType > Computes the gradient for the rsqrt of `x` wrt its input. SampleDistortedBoundingBox <T extends TNumber > Generate a single randomly distorted bounding box for an image. SamplingDataset Creates a dataset that takes a Bernoulli sample of the contents of another dataset. บันทึก Saves tensors in V2 checkpoint format. SaveSlices Saves input tensors slices to disk. ScalarSummary Outputs a `Summary` protocol buffer with scalar values. ScaleAndTranslate ScaleAndTranslateGrad <T extends TNumber > ScatterAdd <T extends TType > Adds sparse updates to a variable reference. ScatterDiv <T extends TType > Divides a variable reference by sparse updates. ScatterMax <T extends TNumber > Reduces sparse updates into a variable reference using the `max` operation. ScatterMin <T extends TNumber > Reduces sparse updates into a variable reference using the `min` operation. ScatterMul <T extends TType > Multiplies sparse updates into a variable reference. ScatterNd <U extends TType > Scatter `updates` into a new tensor according to `indices`. ScatterNdAdd <T extends TType > Applies sparse addition to individual values or slices in a Variable. ScatterNdMax <T extends TType > Computes element-wise maximum. ScatterNdMin <T extends TType > Computes element-wise minimum. ScatterNdNonAliasingAdd <T extends TType > Applies sparse addition to `input` using individual values or slices from `updates` according to indices `indices`. ScatterNdSub <T extends TType > Applies sparse subtraction to individual values or slices in a Variable. ScatterNdUpdate <T extends TType > Applies sparse `updates` to individual values or slices within a given variable according to `indices`. ScatterSub <T extends TType > Subtracts sparse updates to a variable reference. ScatterUpdate <T extends TType > Applies sparse updates to a variable reference. SdcaFprint Computes fingerprints of the input strings. SdcaOptimizer Distributed version of Stochastic Dual Coordinate Ascent (SDCA) optimizer for linear models with L1 + L2 regularization. SdcaShrinkL1 Applies L1 regularization shrink step on the parameters. SegmentMax <T extends TNumber > Computes the maximum along segments of a tensor. SegmentMean <T extends TType > Computes the mean along segments of a tensor. SegmentMin <T extends TNumber > Computes the minimum along segments of a tensor. SegmentProd <T extends TType > Computes the product along segments of a tensor. SegmentSum <T extends TType > Computes the sum along segments of a tensor. Select <T extends TType > SelfAdjointEig <T extends TType > Computes the eigen decomposition of a batch of self-adjoint matrices (Note: Only real inputs are supported). Selu <T extends TNumber > Computes scaled exponential linear: `scale * alpha * (exp(features) - 1)` if < 0, `scale * features` otherwise. SeluGrad <T extends TNumber > Computes gradients for the scaled exponential linear (Selu) operation. ส่ง Sends the named tensor to another XLA computation. SendTPUEmbeddingGradients Performs gradient updates of embedding tables. SerializeIterator Converts the given `resource_handle` representing an iterator to a variant tensor. SerializeManySparse <U extends TType > Serialize an `N`-minibatch `SparseTensor` into an `[N, 3]` `Tensor` object. SerializeSparse <U extends TType > Serialize a `SparseTensor` into a `[3]` `Tensor` object. SerializeTensor Transforms a Tensor into a serialized TensorProto proto. SetDiff1d <T extends TType , U extends TNumber > Computes the difference between two lists of numbers or strings. SetSize Number of unique elements along last dimension of input `set`. SetStatsAggregatorDataset Shape <U extends TNumber > Returns the shape of a tensor. ShapeN <U extends TNumber > Returns shape of tensors. ShardDataset Creates a `Dataset` that includes only 1/`num_shards` of this dataset. ShardedFilename Generate a sharded filename. ShardedFilespec Generate a glob pattern matching all sharded file names. Sharding <T extends TType > An op which shards the input based on the given sharding attribute. ShuffleAndRepeatDataset ShuffleDataset ShutdownDistributedTPU Shuts down a running distributed TPU system. Sigmoid <T extends TType > Computes sigmoid of `x` element-wise. SigmoidGrad <T extends TType > Computes the gradient of the sigmoid of `x` wrt its input. Sign <T extends TType > Returns an element-wise indication of the sign of a number. Sin <T extends TType > Computes sine of x element-wise. Sinh <T extends TType > Computes hyperbolic sine of x element-wise. Size <U extends TNumber > Returns the size of a tensor. SkipDataset Creates a dataset that skips `count` elements from the `input_dataset`. Skipgram Parses a text file and creates a batch of examples. SleepDataset Slice <T extends TType > Return a slice from 'input'. SlidingWindowDataset Creates a dataset that passes a sliding window over `input_dataset`. Snapshot <T extends TType > Returns a copy of the input tensor. SobolSample <T extends TNumber > Generates points from the Sobol sequence. Softmax <T extends TNumber > Computes softmax activations. SoftmaxCrossEntropyWithLogits <T extends TNumber > Computes softmax cross entropy cost and gradients to backpropagate. Softplus <T extends TNumber > Computes softplus: `log(exp(features) + 1)`. SoftplusGrad <T extends TNumber > Computes softplus gradients for a softplus operation. Softsign <T extends TNumber > Computes softsign: `features / (abs(features) + 1)`. SoftsignGrad <T extends TNumber > Computes softsign gradients for a softsign operation. Solve <T extends TType > Solves systems of linear equations. Sort <T extends TType > Wraps the XLA Sort operator, documented at https://www.tensorflow.org/performance/xla/operation_semantics#sort . SpaceToBatch <T extends TType > SpaceToBatch for 4-D tensors of type T. SpaceToBatchNd <T extends TType > SpaceToBatch for ND tensors of type T. SpaceToDepth <T extends TType > SpaceToDepth for tensors of type T. SparseAccumulatorApplyGradient Applies a sparse gradient to a given accumulator. SparseAccumulatorTakeGradient <T extends TType > Extracts the average sparse gradient in a SparseConditionalAccumulator. SparseAdd <T extends TType > Adds two `SparseTensor` objects to produce another `SparseTensor`. SparseAddGrad <T extends TType > The gradient operator for the SparseAdd op. SparseApplyAdadelta <T extends TType > var: Should be from a Variable(). SparseApplyAdagrad <T extends TType > Update relevant entries in '*var' and '*accum' according to the adagrad scheme. SparseApplyAdagradDa <T extends TType > Update entries in '*var' and '*accum' according to the proximal adagrad scheme. SparseApplyCenteredRmsProp <T extends TType > Update '*var' according to the centered RMSProp algorithm. SparseApplyFtrl <T extends TType > Update relevant entries in '*var' according to the Ftrl-proximal scheme. SparseApplyMomentum <T extends TType > Update relevant entries in '*var' and '*accum' according to the momentum scheme. SparseApplyProximalAdagrad <T extends TType > Sparse update entries in '*var' and '*accum' according to FOBOS algorithm. SparseApplyProximalGradientDescent <T extends TType > Sparse update '*var' as FOBOS algorithm with fixed learning rate. SparseApplyRmsProp <T extends TType > Update '*var' according to the RMSProp algorithm. SparseBincount <U extends TNumber > Counts the number of occurrences of each value in an integer array. SparseConcat <T extends TType > Concatenates a list of `SparseTensor` along the specified dimension. SparseConditionalAccumulator A conditional accumulator for aggregating sparse gradients. SparseCountSparseOutput <U extends TNumber > Performs sparse-output bin counting for a sparse tensor input. SparseCross Generates sparse cross from a list of sparse and dense tensors. SparseCrossHashed Generates sparse cross from a list of sparse and dense tensors. SparseDenseCwiseAdd <T extends TType > Adds up a SparseTensor and a dense Tensor, using these special rules: (1) Broadcasts the dense side to have the same shape as the sparse side, if eligible; (2) Then, only the dense values pointed to by the indices of the SparseTensor participate in the cwise addition. SparseDenseCwiseDiv <T extends TType > Component-wise divides a SparseTensor by a dense Tensor. SparseDenseCwiseMul <T extends TType > Component-wise multiplies a SparseTensor by a dense Tensor. SparseFillEmptyRows <T extends TType > Fills empty rows in the input 2-D `SparseTensor` with a default value. SparseFillEmptyRowsGrad <T extends TType > The gradient of SparseFillEmptyRows. SparseMatMul Multiply matrix "a" by matrix "b". SparseMatrixAdd Sparse addition of two CSR matrices, C = alpha * A + beta * B. SparseMatrixMatMul <T extends TType > Matrix-multiplies a sparse matrix with a dense matrix. SparseMatrixMul Element-wise multiplication of a sparse matrix with a dense tensor. SparseMatrixNNZ Returns the number of nonzeroes of `sparse_matrix`. SparseMatrixOrderingAMD Computes the Approximate Minimum Degree (AMD) ordering of `input`. SparseMatrixSoftmax Calculates the softmax of a CSRSparseMatrix. SparseMatrixSoftmaxGrad Calculates the gradient of the SparseMatrixSoftmax op. SparseMatrixSparseCholesky Computes the sparse Cholesky decomposition of `input`. SparseMatrixSparseMatMul Sparse-matrix-multiplies two CSR matrices `a` and `b`. SparseMatrixTranspose Transposes the inner (matrix) dimensions of a CSRSparseMatrix. SparseMatrixZeros Creates an all-zeros CSRSparseMatrix with shape `dense_shape`. SparseReduceMax <T extends TNumber > Computes the max of elements across dimensions of a SparseTensor. SparseReduceMaxSparse <T extends TNumber > Computes the max of elements across dimensions of a SparseTensor. SparseReduceSum <T extends TType > Computes the sum of elements across dimensions of a SparseTensor. SparseReduceSumSparse <T extends TType > Computes the sum of elements across dimensions of a SparseTensor. SparseReorder <T extends TType > Reorders a SparseTensor into the canonical, row-major ordering. SparseReshape Reshapes a SparseTensor to represent values in a new dense shape. SparseSegmentMean <T extends TNumber > Computes the mean along sparse segments of a tensor. SparseSegmentMeanGrad <T extends TNumber > Computes gradients for SparseSegmentMean. SparseSegmentMeanWithNumSegments <T extends TNumber > Computes the mean along sparse segments of a tensor. SparseSegmentSqrtN <T extends TNumber > Computes the sum along sparse segments of a tensor divided by the sqrt of N. SparseSegmentSqrtNGrad <T extends TNumber > Computes gradients for SparseSegmentSqrtN. SparseSegmentSqrtNWithNumSegments <T extends TNumber > Computes the sum along sparse segments of a tensor divided by the sqrt of N. SparseSegmentSum <T extends TNumber > Computes the sum along sparse segments of a tensor. SparseSegmentSumWithNumSegments <T extends TNumber > Computes the sum along sparse segments of a tensor. SparseSlice <T extends TType > Slice a `SparseTensor` based on the `start` and `size`. SparseSliceGrad <T extends TType > The gradient operator for the SparseSlice op. SparseSoftmax <T extends TNumber > Applies softmax to a batched ND `SparseTensor`. SparseSoftmaxCrossEntropyWithLogits <T extends TNumber > Computes softmax cross entropy cost and gradients to backpropagate. SparseSparseMaximum <T extends TNumber > Returns the element-wise max of two SparseTensors. SparseSparseMinimum <T extends TType > Returns the element-wise min of two SparseTensors. SparseSplit <T extends TType > Split a `SparseTensor` into `num_split` tensors along one dimension. SparseTensorDenseAdd <U extends TType > Adds up a `SparseTensor` and a dense `Tensor`, producing a dense `Tensor`. SparseTensorDenseMatMul <U extends TType > Multiply SparseTensor (of rank 2) "A" by dense matrix "B". SparseTensorSliceDataset Creates a dataset that splits a SparseTensor into elements row-wise. SparseTensorToCSRSparseMatrix Converts a SparseTensor to a (possibly batched) CSRSparseMatrix. SparseToDense <U extends TType > Converts a sparse representation into a dense tensor. SparseToSparseSetOperation <T extends TType > Applies set operation along last dimension of 2 `SparseTensor` inputs. Spence <T extends TNumber > Split <T extends TType > Splits a tensor into `num_split` tensors along one dimension. SplitV <T extends TType > Splits a tensor into `num_split` tensors along one dimension. SqlDataset Creates a dataset that executes a SQL query and emits rows of the result set. Sqrt <T extends TType > Computes square root of x element-wise. SqrtGrad <T extends TType > Computes the gradient for the sqrt of `x` wrt its input. Sqrtm <T extends TType > Computes the matrix square root of one or more square matrices: matmul(sqrtm(A), sqrtm(A)) = A The input matrix should be invertible. Square <T extends TType > Computes square of x element-wise. SquaredDifference <T extends TType > Returns conj(x - y)(x - y) element-wise. Squeeze <T extends TType > Removes dimensions of size 1 from the shape of a tensor. Stack <T extends TType > Packs a list of `N` rank-`R` tensors into one rank-`(R+1)` tensor. เวที Stage values similar to a lightweight Enqueue. StageClear Op removes all elements in the underlying container. StagePeek Op peeks at the values at the specified index. StageSize Op returns the number of elements in the underlying container. StatefulRandomBinomial <V extends TNumber > StatefulStandardNormal <U extends TType > Outputs random values from a normal distribution. StatefulTruncatedNormal <U extends TType > Outputs random values from a truncated normal distribution. StatefulUniform <U extends TType > Outputs random values from a uniform distribution. StatefulUniformFullInt <U extends TType > Outputs random integers from a uniform distribution. StatefulUniformInt <U extends TType > Outputs random integers from a uniform distribution. StatelessMultinomial <V extends TNumber > Draws samples from a multinomial distribution. StatelessParameterizedTruncatedNormal <V extends TNumber > StatelessRandomBinomial <W extends TNumber > Outputs deterministic pseudorandom random numbers from a binomial distribution. StatelessRandomGamma <V extends TNumber > Outputs deterministic pseudorandom random numbers from a gamma distribution. StatelessRandomGetKeyCounterAlg Picks the best algorithm based on device, and scrambles seed into key and counter. StatelessRandomNormal <V extends TNumber > Outputs deterministic pseudorandom values from a normal distribution. StatelessRandomNormalV2 <U extends TNumber > Outputs deterministic pseudorandom values from a normal distribution. StatelessRandomPoisson <W extends TNumber > Outputs deterministic pseudorandom random numbers from a Poisson distribution. StatelessRandomUniform <V extends TNumber > Outputs deterministic pseudorandom random values from a uniform distribution. StatelessRandomUniformFullInt <V extends TNumber > Outputs deterministic pseudorandom random integers from a uniform distribution. StatelessRandomUniformFullIntV2 <U extends TNumber > Outputs deterministic pseudorandom random integers from a uniform distribution. StatelessRandomUniformInt <V extends TNumber > Outputs deterministic pseudorandom random integers from a uniform distribution. StatelessRandomUniformIntV2 <U extends TNumber > Outputs deterministic pseudorandom random integers from a uniform distribution. StatelessRandomUniformV2 <U extends TNumber > Outputs deterministic pseudorandom random values from a uniform distribution. StatelessSampleDistortedBoundingBox <T extends TNumber > Generate a randomly distorted bounding box for an image deterministically. StatelessTruncatedNormal <V extends TNumber > Outputs deterministic pseudorandom values from a truncated normal distribution. StatelessTruncatedNormalV2 <U extends TNumber > Outputs deterministic pseudorandom values from a truncated normal distribution. StaticRegexFullMatch Check if the input matches the regex pattern. StaticRegexReplace Replaces the match of pattern in input with rewrite. StatsAggregatorHandle StatsAggregatorSetSummaryWriter Set a summary_writer_interface to record statistics using given stats_aggregator. StatsAggregatorSummary Produces a summary of any statistics recorded by the given statistics manager. StopGradient <T extends TType > Stops gradient computation. StridedSlice <T extends TType > Return a strided slice from `input`. StridedSliceAssign <T extends TType > Assign `value` to the sliced l-value reference of `ref`. StridedSliceGrad <U extends TType > Returns the gradient of `StridedSlice`. StringFormat Formats a string template using a list of tensors. StringLength String lengths of `input`. StringNGrams <T extends TNumber > Creates ngrams from ragged string data. StringSplit Split elements of `source` based on `sep` into a `SparseTensor`. เปลื้องผ้า Strip leading and trailing whitespaces from the Tensor. Sub <T extends TType > Returns x - y element-wise. Substr Return substrings from `Tensor` of strings. Sum <T extends TType > Computes the sum of elements across dimensions of a tensor. SummaryWriter Svd <T extends TType > Computes the eigen decomposition of a batch of self-adjoint matrices (Note: Only real inputs are supported). SwitchCond <T extends TType > Forwards `data` to the output port determined by `pred`. TPUCompilationResult Returns the result of a TPU compilation. TPUEmbeddingActivations An op enabling differentiation of TPU Embeddings. TPUReplicateMetadata Metadata indicating how the TPU computation should be replicated. TPUReplicatedInput <T extends TType > Connects N inputs to an N-way replicated TPU computation. TPUReplicatedOutput <T extends TType > Connects N outputs from an N-way replicated TPU computation. TakeDataset Creates a dataset that contains `count` elements from the `input_dataset`. TakeManySparseFromTensorsMap <T extends TType > Read `SparseTensors` from a `SparseTensorsMap` and concatenate them. Tan <T extends TType > Computes tan of x element-wise. Tanh <T extends TType > Computes hyperbolic tangent of `x` element-wise. TanhGrad <T extends TType > Computes the gradient for the tanh of `x` wrt its input. TemporaryVariable <T extends TType > Returns a tensor that may be mutated, but only persists within a single step. TensorArray An array of Tensors of given size. TensorArrayClose Delete the TensorArray from its resource container. TensorArrayConcat <T extends TType > Concat the elements from the TensorArray into value `value`. TensorArrayGather <T extends TType > Gather specific elements from the TensorArray into output `value`. TensorArrayGrad Creates a TensorArray for storing the gradients of values in the given handle. TensorArrayGradWithShape Creates a TensorArray for storing multiple gradients of values in the given handle. TensorArrayPack <T extends TType > TensorArrayRead <T extends TType > Read an element from the TensorArray into output `value`. TensorArrayScatter Scatter the data from the input value into specific TensorArray elements. TensorArraySize Get the current size of the TensorArray. TensorArraySplit Split the data from the input value into TensorArray elements. TensorArrayUnpack TensorArrayWrite Push an element onto the tensor_array. TensorDataset Creates a dataset that emits `components` as a tuple of tensors once. TensorDiag <T extends TType > Returns a diagonal tensor with a given diagonal values. TensorDiagPart <T extends TType > Returns the diagonal part of the tensor. TensorForestCreateTreeVariable Creates a tree resource and returns a handle to it. TensorForestTreeDeserialize Deserializes a proto into the tree handle TensorForestTreeIsInitializedOp Checks whether a tree has been initialized. TensorForestTreePredict Output the logits for the given input data TensorForestTreeResourceHandleOp Creates a handle to a TensorForestTreeResource TensorForestTreeSerialize Serializes the tree handle to a proto TensorForestTreeSize Get the number of nodes in a tree TensorListConcat <U extends TType > Concats all tensors in the list along the 0th dimension. TensorListConcatLists TensorListElementShape <T extends TNumber > The shape of the elements of the given list, as a tensor. TensorListFromTensor Creates a TensorList which, when stacked, has the value of `tensor`. TensorListGather <T extends TType > Creates a Tensor by indexing into the TensorList. TensorListGetItem <T extends TType > TensorListLength Returns the number of tensors in the input tensor list. TensorListPopBack <T extends TType > Returns the last element of the input list as well as a list with all but that element. TensorListPushBack Returns a list which has the passed-in `Tensor` as last element and the other elements of the given list in `input_handle`. TensorListPushBackBatch TensorListReserve List of the given size with empty elements. TensorListResize Resizes the list. TensorListScatter Creates a TensorList by indexing into a Tensor. TensorListScatterIntoExistingList Scatters tensor at indices in an input list. TensorListSetItem TensorListSplit Splits a tensor into a list. TensorListStack <T extends TType > Stacks all tensors in the list. TensorMapErase Returns a tensor map with item from given key erased. TensorMapHasKey Returns whether the given key exists in the map. TensorMapInsert Returns a map that is the 'input_handle' with the given key-value pair inserted. TensorMapLookup <U extends TType > Returns the value from a given key in a tensor map. TensorMapSize Returns the number of tensors in the input tensor map. TensorMapStackKeys <T extends TType > Returns a Tensor stack of all keys in a tensor map. TensorScatterNdAdd <T extends TType > Adds sparse `updates` to an existing tensor according to `indices`. TensorScatterNdMax <T extends TType > TensorScatterNdMin <T extends TType > TensorScatterNdSub <T extends TType > Subtracts sparse `updates` from an existing tensor according to `indices`. TensorScatterNdUpdate <T extends TType > Scatter `updates` into an existing tensor according to `indices`. TensorSliceDataset Creates a dataset that emits each dim-0 slice of `components` once. TensorStridedSliceUpdate <T extends TType > Assign `value` to the sliced l-value reference of `input`. TensorSummary Outputs a `Summary` protocol buffer with a tensor and per-plugin data. TextLineDataset Creates a dataset that emits the lines of one or more text files. TextLineReader A Reader that outputs the lines of a file delimited by '\n'. TfRecordDataset Creates a dataset that emits the records from one or more TFRecord files. TfRecordReader A Reader that outputs the records from a TensorFlow Records file. ThreadPoolDataset Creates a dataset that uses a custom thread pool to compute `input_dataset`. ThreadPoolHandle Creates a dataset that uses a custom thread pool to compute `input_dataset`. Tile <T extends TType > Constructs a tensor by tiling a given tensor. TileGrad <T extends TType > Returns the gradient of `Tile`. การประทับเวลา Provides the time since epoch in seconds. ToBool Converts a tensor to a scalar predicate. ToHashBucket Converts each string in the input Tensor to its hash mod by a number of buckets. ToHashBucketFast Converts each string in the input Tensor to its hash mod by a number of buckets. ToHashBucketStrong Converts each string in the input Tensor to its hash mod by a number of buckets. ToNumber <T extends TNumber > Converts each string in the input Tensor to the specified numeric type. TopK <T extends TNumber > Finds values and indices of the `k` largest elements for the last dimension. TopKUnique Returns the TopK unique values in the array in sorted order. TopKWithUnique Returns the TopK values in the array in sorted order. Transpose <T extends TType > Shuffle dimensions of x according to a permutation. TriangularSolve <T extends TType > Solves systems of linear equations with upper or lower triangular matrices by backsubstitution. TridiagonalMatMul <T extends TType > Calculate product with tridiagonal matrix. TridiagonalSolve <T extends TType > Solves tridiagonal systems of equations. TruncateDiv <T extends TType > Returns x / y element-wise for integer types. TruncateMod <T extends TNumber > Returns element-wise remainder of division. TruncatedNormal <U extends TNumber > Outputs random values from a truncated normal distribution. TryRpc Perform batches of RPC requests. Unbatch <T extends TType > Reverses the operation of Batch for a single output Tensor. UnbatchDataset A dataset that splits the elements of its input into multiple elements. UnbatchGrad <T extends TType > Gradient of Unbatch. UncompressElement Uncompresses a compressed dataset element. UnicodeDecode <T extends TNumber > Decodes each string in `input` into a sequence of Unicode code points. UnicodeDecodeWithOffsets <T extends TNumber > Decodes each string in `input` into a sequence of Unicode code points. UnicodeEncode Encode a tensor of ints into unicode strings. UnicodeScript Determine the script codes of a given tensor of Unicode integer code points. UnicodeTranscode Transcode the input text from a source encoding to a destination encoding. UniformCandidateSampler Generates labels for candidate sampling with a uniform distribution. Unique <T extends TType , V extends TNumber > Finds unique elements along an axis of a tensor. UniqueDataset Creates a dataset that contains the unique elements of `input_dataset`. UniqueWithCounts <T extends TType , V extends TNumber > Finds unique elements along an axis of a tensor. UnravelIndex <T extends TNumber > Converts an array of flat indices into a tuple of coordinate arrays. UnsortedSegmentJoin Joins the elements of `inputs` based on `segment_ids`. UnsortedSegmentMax <T extends TNumber > Computes the maximum along segments of a tensor. UnsortedSegmentMin <T extends TNumber > Computes the minimum along segments of a tensor. UnsortedSegmentProd <T extends TType > Computes the product along segments of a tensor. UnsortedSegmentSum <T extends TType > Computes the sum along segments of a tensor. Unstack <T extends TType > Unpacks a given dimension of a rank-`R` tensor into `num` rank-`(R-1)` tensors. Unstage Op is similar to a lightweight Dequeue. UnwrapDatasetVariant บน Converts all lowercase characters into their respective uppercase replacements. UpperBound <U extends TNumber > Applies upper_bound(sorted_search_values, values) along each row. VarHandleOp Creates a handle to a Variable resource. VarIsInitializedOp Checks whether a resource handle-based variable has been initialized. Variable <T extends TType > Holds state in the form of a tensor that persists across steps. VariableShape <T extends TNumber > Returns the shape of the variable pointed to by `resource`. ที่ไหน Returns locations of nonzero / true values in a tensor. WholeFileReader A Reader that outputs the entire contents of a file as a value. WindowDataset Combines (nests of) input elements into a dataset of (nests of) windows. WorkerHeartbeat Worker heartbeat op. WrapDatasetVariant WriteAudioSummary Writes an audio summary. WriteFile Writes contents to the file at input filename. WriteGraphSummary Writes a graph summary. WriteHistogramSummary Writes a histogram summary. WriteImageSummary Writes an image summary. WriteRawProtoSummary Writes a serialized proto summary. WriteScalarSummary Writes a scalar summary. WriteSummary Writes a tensor summary. Xdivy <T extends TType > Returns 0 if x == 0, and x / y otherwise, elementwise. XlaRecvFromHost <T extends TType > An op to receive a tensor from the host. XlaSendToHost An op to send a tensor to the host. XlaSetBound Set a bound for the given input value as a hint to Xla compiler, returns the same value. XlaSpmdFullToShardShape <T extends TType > An op used by XLA SPMD partitioner to switch from automatic partitioning to manual partitioning. XlaSpmdShardToFullShape <T extends TType > An op used by XLA SPMD partitioner to switch from manual partitioning to automatic partitioning. Xlog1py <T extends TType > Returns 0 if x == 0, and x * log1p(y) otherwise, elementwise. Xlogy <T extends TType > Returns 0 if x == 0, and x * log(y) otherwise, elementwise. Zeros <T extends TType > An operator creating a constant initialized with zeros of the shape given by `dims`. ZerosLike <T extends TType > Returns a tensor of zeros with the same shape and type as x. Zeta <T extends TNumber > Compute the Hurwitz zeta function \\(\zeta(x, q)\\)- ZipDataset Creates a dataset that zips together `input_datasets`. erfinv <T extends TNumber >

A logical unit of computation.

Op implementations provide a strongly typed API for building and executing operations without the use of literals and indexes, as required in internal classes like Operation .

Ops can be classified under two categories:

• Raw ops target a single TensorFlow operation and are, in most cases, generated automatically from the OpDef proto definitions exposed by TensorFlow runtime library.
• Composite ops execute a series of other ops to accomplish a task logically presented as a single unit of computation.

วิธีการสาธารณะ

abstract ExecutionEnvironment	env () Return the execution environment this op was created in.
abstract Operation	op () Return this unit of computation as a single Operation .

วิธีการสาธารณะ

public abstract ExecutionEnvironment env ()

Return the execution environment this op was created in.

public abstract Operation op ()

Return this unit of computation as a single Operation .

For a raw op, the returned value correspond to the TensorFlow operation wrapped by this op.

For a composite op, the returned value usually correspond to the last operation invoked in a chain or to a NoOp grouping one or more operations as a single unit of computation.

การส่งคืน

• an Operation