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 > คำนวณอินทิกรัลเบต้าที่ไม่สมบูรณ์ \\(I_x(a, b)\\)ไม่สมบูรณ์ 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 BoostedTreesSparseCalculateBestFeatureSplit 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 มิติ 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 > 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 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 วัดปริมาณปลอมของเทนเซอร์ "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 'params' 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 ใช้การปราบปรามที่ไม่ใช่สูงสุดบนกล่องที่ทับซ้อนกันที่มีค่ามากกว่า `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 > 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 กิจกรรมนำเข้า อินท็อปเค บอกว่าเป้าหมายอยู่ในการทำนาย `K` อันดับต้น ๆ หรือไม่ InfeedDequeue <T ขยาย TType > ตัวยึดตำแหน่งใช้สำหรับค่าที่จะป้อนเข้าสู่การคำนวณ InfeedDequeueTuple ดึงค่าหลายค่าจากการป้อนเข้าเป็นทูเพิล XLA ป้อนเข้าคิว op ที่ป้อนค่า Tensor เดียวในการคำนวณ InfeedEnqueuePrelinearizedBuffer การดำเนินการที่จัดคิวบัฟเฟอร์ที่กำหนดไว้ล่วงหน้าลงในอินพุต TPU InfeedEnqueueTuple ฟีดค่าเทนเซอร์หลายค่าลงในการคำนวณเป็นทูเพิล XLA ในนั้น เตรียมใช้งานตาราง เครื่องมือเริ่มต้นตารางที่รับเทนเซอร์สองตัวสำหรับคีย์และค่าตามลำดับ เตรียมใช้งานTableFromDataset เตรียมใช้งาน TableFromTextFile เตรียมข้อมูลเบื้องต้นให้กับตารางจากไฟล์ข้อความ 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 IsotonicRegression <U ขยาย TNumber > แก้ปัญหาการถดถอยไอโซโทนิกชุดหนึ่ง ตัววนซ้ำ IteratorFromStringHandle IteratorGetDevice ส่งกลับชื่อของอุปกรณ์ที่ได้วาง "ทรัพยากร" ไว้ IteratorGetNext รับเอาต์พุตถัดไปจากตัววนซ้ำที่กำหนด IteratorGetNextAsOptional รับเอาต์พุตถัดไปจากตัววนซ้ำที่กำหนดเป็นตัวแปรเสริม IteratorGetNextSync รับเอาต์พุตถัดไปจากตัววนซ้ำที่กำหนด IteratorToStringHandle แปลง `resource_handle` ที่กำหนดซึ่งเป็นตัวแทนของตัววนซ้ำเป็นสตริง เข้าร่วม รวมสตริงในรายการเทนเซอร์สตริงที่กำหนดให้เป็นเทนเซอร์ตัวเดียว ด้วยตัวคั่นที่กำหนด (ค่าเริ่มต้นคือตัวคั่นว่าง) การเริ่มต้น KMC2Chain ส่งกลับดัชนีของจุดข้อมูลที่ควรเพิ่มลงในชุดเริ่มต้น KeyValueSort <T ขยาย TNumber , U ขยาย TType > ล้อมตัวดำเนินการ XLA Sort จัดทำเอกสารไว้ที่ https://www.tensorflow.org/Performance/xla/operation_semantics#sort 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 LSTMBlockCell <T ขยาย TNumber > คำนวณการแพร่กระจายเซลล์ไปข้างหน้า LSTM สำหรับขั้นตอน 1 ครั้ง LSTMBlockCellGrad <T ขยาย TNumber > คำนวณการแพร่กระจายเซลล์ LSTM ย้อนหลังเป็นเวลา 1 ครั้ง ชุดข้อมูล LatencyStats บันทึกเวลาแฝงของการสร้างองค์ประกอบ `input_dataset` ใน StatsAggregator LeakyRelu <T ขยาย TNumber > คำนวณเชิงเส้นที่แก้ไขแล้ว: `สูงสุด (ฟีเจอร์, คุณสมบัติ * อัลฟา)` LeakyReluGrad <T ขยาย TNumber > คำนวณการไล่ระดับสีเชิงเส้นที่แก้ไขแล้วสำหรับการดำเนินการ LeakyRelu LearnedUnigramCandidateSampler สร้างป้ายกำกับสำหรับการสุ่มตัวอย่างผู้สมัครด้วยการแจกแจงแบบยูนิแกรมที่เรียนรู้ 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 โหลดTPUEmbeddingADAMพารามิเตอร์ โหลดพารามิเตอร์การฝัง ADAM โหลด TPU การฝัง ADAMP พารามิเตอร์ GradAccum Debug โหลดพารามิเตอร์การฝัง ADAM พร้อมการสนับสนุนการแก้ไขข้อบกพร่อง โหลดTPUEmbeddingAdadeltaParameters โหลดพารามิเตอร์การฝัง Adadelta โหลด TPU การฝัง AdadeltaParametersGradAccumDebug โหลดพารามิเตอร์ Adadelta พร้อมการสนับสนุนการดีบัก โหลดTPUEmbeddingAdagradParameters โหลดพารามิเตอร์การฝัง Adagrad โหลด TPU การฝัง AdagradParametersGradAccumDebug โหลดพารามิเตอร์การฝัง Adagrad ด้วยการสนับสนุนการแก้ไขข้อบกพร่อง โหลดTPUEmbeddingCenteredRMSPropParameters โหลดพารามิเตอร์การฝัง RMSProp ที่กึ่งกลาง โหลดTPUEmbeddingFTRLParameters โหลดพารามิเตอร์การฝัง FTRL โหลด TPU การฝัง FTRLParametersGradAccumDebug โหลดพารามิเตอร์การฝัง FTRL พร้อมการสนับสนุนการแก้ไขข้อบกพร่อง โหลดTPUEmbeddingMDLAdagradLightParameters โหลดพารามิเตอร์การฝัง MDL Adagrad Light โหลดพารามิเตอร์ TPU การฝังโมเมนตัม โหลดพารามิเตอร์การฝังโมเมนตัม โหลด TPU การฝังโมเมนตัมพารามิเตอร์ GradAccum Debug โหลดพารามิเตอร์การฝังโมเมนตัมพร้อมการสนับสนุนการแก้ไขข้อบกพร่อง โหลดTPUEmbeddingProximalAdagradParameters โหลดพารามิเตอร์การฝัง Adagrad ใกล้เคียง โหลด TPUmbeddingProximalAdagradParametersGradAccumDebug โหลดพารามิเตอร์การฝัง Adagrad ใกล้เคียงพร้อมการสนับสนุนการแก้ไขข้อบกพร่อง โหลดพารามิเตอร์ TPUUEmbeddingProximalYogi โหลดTPUEการฝังProximalYogiParametersGradAccumDebug โหลดTPUEmbeddingRMSPropParameters โหลดพารามิเตอร์การฝัง RMSProp โหลดTPUEmbeddingRMSPropParametersGradAccumDebug โหลดพารามิเตอร์การฝัง RMSProp ด้วยการสนับสนุนการดีบัก โหลดTPUEการฝังพารามิเตอร์ StochasticGradientDescent โหลดพารามิเตอร์การฝัง SGD โหลดTPUการฝังStochasticGradientDescentParametersGradAccumDebug โหลดพารามิเตอร์การฝัง SGD LocalResponseNormalization <T ขยาย TNumber > การทำให้เป็นมาตรฐานการตอบสนองในท้องถิ่น LocalResponseNormalizationGrad <T ขยาย TNumber > การไล่ระดับสีสำหรับการปรับมาตรฐานการตอบสนองในท้องถิ่น บันทึก <T ขยาย TType > คำนวณลอการิทึมธรรมชาติขององค์ประกอบ x Log1p <T ขยาย TType > คำนวณลอการิทึมธรรมชาติขององค์ประกอบ (1 + x) LogMatrixDeterminant <T ขยาย TType > คำนวณเครื่องหมายและบันทึกของค่าสัมบูรณ์ของดีเทอร์มิแนนต์ เมทริกซ์จตุรัสหนึ่งหรือหลายเมทริกซ์ LogSoftmax <T ขยาย TNumber > คำนวณการเปิดใช้งานบันทึก softmax LogUniformCandidateSampler สร้างป้ายกำกับสำหรับการสุ่มตัวอย่างพร้อมการกระจายแบบบันทึก ตรรกะและ ส่งกลับค่าความจริงขององค์ประกอบ x AND y ตรรกะไม่ ส่งคืนค่าความจริงขององค์ประกอบ "NOT x" ตรรกะหรือ ส่งกลับค่าความจริงของ x หรือ y ตามองค์ประกอบ LookupTableExport <T ขยาย TType , U ขยาย TType > ส่งออกคีย์และค่าทั้งหมดในตาราง LookupTableFind <U ขยาย TType > ค้นหาคีย์ในตาราง ส่งออกค่าที่เกี่ยวข้อง LookupTableนำเข้า แทนที่เนื้อหาของตารางด้วยคีย์และค่าที่ระบุ LookupTableInsert อัพเดตตารางเพื่อเชื่อมโยงคีย์กับค่า LookupTable ลบ ลบคีย์และค่าที่เกี่ยวข้องออกจากตาราง LookupTableSize คำนวณจำนวนองค์ประกอบในตารางที่กำหนด ห่วงCond ส่งต่ออินพุตไปยังเอาต์พุต ต่ำกว่า แปลงอักขระตัวพิมพ์ใหญ่ทั้งหมดเป็นการแทนที่ตัวพิมพ์เล็กตามลำดับ LowerBound <U ขยาย TNumber > ใช้ lower_bound(sorted_search_values, ค่า) ในแต่ละแถว Lu <T ขยาย TType , U ขยาย TNumber > คำนวณการสลายตัวของ LU ของเมทริกซ์จตุรัสตั้งแต่หนึ่งเมทริกซ์ขึ้นไป MakeIterator สร้างตัววนซ้ำใหม่จาก "ชุดข้อมูล" ที่กำหนดและจัดเก็บไว้ใน "ตัววนซ้ำ" ทำให้ไม่ซ้ำใคร ทำให้องค์ประกอบทั้งหมดในมิติที่ไม่ใช่แบทช์ไม่ซ้ำกัน แต่ \"ปิด\" ค่าเริ่มต้นของพวกเขา แผนที่เคลียร์ Op จะลบองค์ประกอบทั้งหมดในคอนเทนเนอร์ที่อยู่ด้านล่าง แผนที่ขนาดไม่สมบูรณ์ Op ส่งคืนจำนวนองค์ประกอบที่ไม่สมบูรณ์ในคอนเทนเนอร์ต้นแบบ MapPeek Op ดูค่าที่คีย์ที่ระบุ ขนาดแผนที่ Op ส่งคืนจำนวนองค์ประกอบในคอนเทนเนอร์ต้นแบบ แผนที่Stage สเตจ (คีย์, ค่า) ในคอนเทนเนอร์ที่ซ่อนอยู่ซึ่งทำงานเหมือนกับแฮชเทเบิล แผนที่Unstage Op ลบและส่งกลับค่าที่เกี่ยวข้องกับคีย์ จากภาชนะที่อยู่ด้านล่าง แผนที่UnstageNoKey Op ลบและส่งกลับการสุ่ม (คีย์, ค่า) จากภาชนะที่อยู่ด้านล่าง MatMul <T ขยาย TType > คูณเมทริกซ์ "a" ด้วยเมทริกซ์ "b" MatchingFiles ส่งกลับชุดของไฟล์ที่ตรงกับรูปแบบ glob หนึ่งรูปแบบขึ้นไป ชุดข้อมูล MatchingFiles 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 > คำนวณองค์ประกอบสูงสุดในมิติต่างๆ ของเทนเซอร์ MaxintraopparallelismDataset สร้างชุดข้อมูลที่แทนที่ความขนานภายในปฏิบัติการสูงสุด 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" ไปยัง "เอาต์พุต" Mergesummamary รวมสรุป mergev2checkpoints รูปแบบ V2 เฉพาะ: ผสานไฟล์ข้อมูลเมตาของจุดตรวจสอบ MFCC แปลงสเปกโตรแกรมเป็นรูปแบบที่มีประโยชน์สำหรับการจดจำคำพูด ขั้นต่ำ <T ขยาย TType > คำนวณองค์ประกอบขั้นต่ำในมิติของเทนเซอร์ ขั้นต่ำ <t ขยาย tnumber > ส่งคืน min of x และ y (เช่น MirrorPad <T ขยาย TType > แพดเทนเซอร์ด้วยค่าที่มิเรอร์ MirrorPadGrad <T ขยาย TType > การไล่ระดับสีสำหรับ `MirrorPad` op MlirPassthroughOp ล้อมการคำนวณ MLIR ตามอำเภอใจที่แสดงเป็นโมดูลด้วยฟังก์ชัน main() 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 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 > ที่ใกล้ที่สุด เลือกศูนย์ K ที่ใกล้ที่สุดสำหรับแต่ละจุด neg <t ขยาย ttype > คำนวณองค์ประกอบค่าลบเชิงตัวเลขที่ชาญฉลาด การลบล้าง การฝึกอบรมผ่านการสุ่มตัวอย่างเชิงลบ nextfter <t ขยาย tnumber > ส่งคืนค่าที่เป็นตัวแทนถัดไปของ `x1` ในทิศทางของ 'x2`, องค์ประกอบที่ชาญฉลาด NextIteration <T ขยาย TType > ทำให้อินพุตพร้อมใช้งานในการวนซ้ำครั้งถัดไป ไม่อป ไม่ทำอะไรเลย NondeterministicInts <U ขยาย ttype > ไม่ได้สร้างจำนวนเต็มบางส่วน nonmaxsuppression <t ขยาย tnumber > อย่างโลภเลือกชุดย่อยของกล่องขอบเขตตามลำดับจากมากไปน้อย การตัดแต่งกล่องออกไปที่มีจุดตัดสูง-UNUNION (IOU) ซ้อนทับกับกล่องที่เลือกไว้ก่อนหน้านี้ nonmaxsuppressionwithOverlaps อย่างโลภเลือกชุดย่อยของกล่องขอบเขตตามลำดับจากมากไปน้อย การตัดแต่งกล่องออกไปที่มีการทับซ้อนกันสูงพร้อมกล่องที่เลือกไว้ก่อนหน้านี้ Nonserializabledataset ไม่เท่ากับ ส่งคืนค่าความจริงของ (x! = y) องค์ประกอบที่ชาญฉลาด nthelement <t ขยาย tnumber > ค้นหาค่าของสถิติการสั่งซื้อ `n`-th สำหรับมิติสุดท้าย OneHot <U ขยาย TType > ส่งกลับเทนเซอร์แบบร้อนเดียว อัน <T ขยาย TType > ตัวดำเนินการสร้างค่าคงที่ที่เริ่มต้นด้วยรูปร่างที่กำหนดโดย 'dims' OnesLike <T ขยาย TType > ส่งกลับเทนเซอร์ของวัตถุที่มีรูปร่างและประเภทเดียวกันกับ x ตัวถูกดำเนินการ <t ขยาย ttype > อินเทอร์เฟซที่ใช้งานโดยตัวถูกดำเนินการของการดำเนินการ TensorFlow OptimizedAset สร้างชุดข้อมูลโดยใช้การปรับให้เหมาะสมกับ `input_dataset` OptimizedAsetv2 สร้างชุดข้อมูลโดยใช้การเพิ่มประสิทธิภาพที่เกี่ยวข้องกับ `input_dataset` ตัวเลือกจากค่า สร้างตัวแปรเสริมจาก Tuple of Tensors ตัวเลือก GetGetValue ส่งคืนค่าที่เก็บไว้ในตัวแปรเสริมหรือทำให้เกิดข้อผิดพลาดหากไม่มีอยู่ ตัวเลือก ส่งคืนจริงถ้าและเฉพาะในกรณีที่ตัวแปรทางเลือกที่กำหนดมีค่า ตัวเลือก สร้างตัวแปรเสริมที่ไม่มีค่า สั่งซื้อMapClear Op จะลบองค์ประกอบทั้งหมดในคอนเทนเนอร์ที่อยู่ด้านล่าง สั่งซื้อแผนที่ขนาดไม่สมบูรณ์ Op ส่งคืนจำนวนองค์ประกอบที่ไม่สมบูรณ์ในคอนเทนเนอร์ต้นแบบ สั่งซื้อMapPeek Op ดูค่าที่คีย์ที่ระบุ สั่งซื้อMapSize Op ส่งคืนจำนวนองค์ประกอบในคอนเทนเนอร์ต้นแบบ สั่งซื้อMapStage สเตจ (คีย์, ค่า) ในคอนเทนเนอร์ที่ซ่อนอยู่ซึ่งทำงานเหมือนได้รับคำสั่ง คอนเทนเนอร์ที่เกี่ยวข้อง สั่งซื้อแผนที่Unstage Op ลบและส่งกลับค่าที่เกี่ยวข้องกับคีย์ จากภาชนะที่อยู่ด้านล่าง สั่งซื้อMapUnstageNoKey Op ลบและส่งกลับองค์ประกอบ (key, value) ที่มีขนาดเล็กที่สุด คีย์จากคอนเทนเนอร์ที่ซ่อนอยู่ 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 > ที่จับสัญลักษณ์สำหรับเทนเซอร์ที่ผลิตโดย Operation แพด <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 > เชื่อมต่อรายการเทนเซอร์ `N` เข้ากับมิติแรก ParallelDynamicStitch <T ขยาย TType > แทรกค่าจากเทนเซอร์ "ข้อมูล" ลงในเทนเซอร์ตัวเดียว ParameterizedTruncatedNormal <U ขยาย tnumber > เอาต์พุตค่าสุ่มจากการแจกแจงปกติ Parseexample แปลงเวกเตอร์ของ tf.example protos (เป็นสตริง) เป็นเทนเซอร์ที่พิมพ์ Parseexampledataset แปลง `input_dataset` ที่มี` ตัวอย่าง 'protos เป็นเวกเตอร์ของ dt_string ลงในชุดข้อมูลของวัตถุ' 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 ตัวยึดตำแหน่ง <T ขยาย TType > ตัวยึดตำแหน่งใช้สำหรับค่าที่จะป้อนเข้าสู่การคำนวณ PlaceholderWithDefault <T ขยาย TType > ตัวยึดตำแหน่งที่ส่งผ่าน "อินพุต" เมื่อไม่ได้ป้อนเอาต์พุต 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` ผลิตภัณฑ์ <T ขยาย TType > คำนวณผลคูณขององค์ประกอบตามมิติของเทนเซอร์ qr <t ขยาย ttype > คำนวณการสลายตัวของ QR ของเมทริกซ์อย่างน้อยหนึ่งรายการ หาปริมาณ <T ขยาย TType > หาปริมาณเทนเซอร์ 'อินพุต' ประเภทลอยเป็นเทนเซอร์ 'เอาท์พุต' ประเภท 'T' QuantizeAndDequantize <T ขยาย TNumber > การหาปริมาณแล้วจึงแยกเทนเซอร์ออก QuantizeAndDequantizeV3 <T ขยาย TNumber > การหาปริมาณแล้วจึงแยกเทนเซอร์ออก QuantizeAndDequantizeV4 <T ขยาย TNumber > ส่งกลับค่าการไล่ระดับสีของ `quantization.QuantizeAndDequantizeV4` QuantizeAndDequantizeV4Grad <T ขยาย TNumber > ส่งกลับค่าการไล่ระดับสีของ `QuantizeAndDequantizeV4` QuantizeDownAndShrinkRange <U ขยาย TType > แปลงเทนเซอร์ 'อินพุต' เชิงปริมาณให้เป็น 'เอาต์พุต' ที่มีความแม่นยำต่ำกว่า โดยใช้ การกระจายค่าตามจริงเพื่อเพิ่มการใช้งานความลึกบิตล่างให้สูงสุด และปรับช่วงต่ำสุดและสูงสุดเอาต์พุตตามลำดับ 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 QuantizedConcat <T ขยาย TType > เชื่อมต่อเทนเซอร์เชิงปริมาณเข้าด้วยกันในมิติเดียว 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 > ปรับรูปร่างเทนเซอร์เชิงปริมาณตามตัวเลือก Reshape 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 ขนาดคิว คำนวณจำนวนองค์ประกอบในคิวที่กำหนด raggedbincount <u ขยาย tnumber > นับจำนวนครั้งของแต่ละค่าในอาร์เรย์จำนวนเต็ม raggedCountSparseOutput <u ขยาย tnumber > ดำเนินการนับถังขยะที่กระจัดกระจายสำหรับอินพุตเทนเซอร์ที่มอมแมม raggedcross <t ขยาย ttype , u ขยาย tnumber > สร้างคุณลักษณะที่ตัดกันจากรายการเทนเซอร์ และส่งกลับเป็น 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 > ตัวช่วยใช้ในการคำนวณการไล่ระดับสีสำหรับ `RaggedTensorToVariant` Randomcrop <t ขยาย tnumber > การครอบตัดแบบสุ่ม `image ' สุ่ม สร้างชุดข้อมูลที่ส่งคืนตัวเลขสุ่มเทียม 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 > สร้างลำดับของตัวเลข rangedataset สร้างชุดข้อมูลที่มีช่วงของค่า อันดับ ส่งกลับอันดับของเทนเซอร์ RawOp 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 > คำนวณส่วนกลับขององค์ประกอบ x ซึ่งกันและกัน <t ขยาย ttype > คำนวณการไล่ระดับสีสำหรับการผกผันของ `x` wrt อินพุตของมัน recordInput ปล่อยบันทึกแบบสุ่ม รับ <T ขยาย TType > รับเทนเซอร์ที่มีชื่อจากการคำนวณ XLA อื่น recvtpuembeddingactive ปฏิบัติการที่ได้รับการเปิดใช้งานการฝังบน TPU ลด <t ขยาย tnumber > ลดหลายเทนเซอร์หลายประเภทและรูปร่างที่เหมือนกัน ลดทั้งหมด คำนวณ "ตรรกะและ" ขององค์ประกอบในมิติต่างๆ ของเทนเซอร์ ลดใดๆ คำนวณ "ตรรกะหรือ" ขององค์ประกอบในมิติต่างๆ ของเทนเซอร์ ลดลง เข้าร่วมเทนเซอร์สตริงในมิติที่กำหนด ลดสูงสุด <T ขยาย TType > คำนวณองค์ประกอบสูงสุดในมิติต่างๆ ของเทนเซอร์ ลดขั้นต่ำ <T ขยาย TType > คำนวณองค์ประกอบขั้นต่ำในมิติของเทนเซอร์ ลด Prod <T ขยาย TType > คำนวณผลคูณขององค์ประกอบตามมิติของเทนเซอร์ ลดผลรวม <T ขยาย TType > คำนวณผลรวมขององค์ประกอบในมิติของเทนเซอร์ REDUCEV2 <t ขยาย tnumber > ลดหลายเทนเซอร์หลายประเภทและรูปร่างที่เหมือนกัน RefEnter <T ขยาย TType > สร้างหรือค้นหาเฟรมย่อย และทำให้ 'ข้อมูล' พร้อมใช้งานสำหรับเฟรมย่อย RefExit <T ขยาย TType > ออกจากเฟรมปัจจุบันไปยังเฟรมหลัก RefIdentity <T ขยาย TType > ส่งคืนค่าเทนเซอร์อ้างอิงเดียวกันกับเทนเซอร์อ้างอิงอินพุต RefMerge <T ขยาย TType > ส่งต่อค่าของเทนเซอร์ที่มีอยู่จาก "อินพุต" ไปยัง "เอาต์พุต" RefNextIteration <T ขยาย TType > ทำให้อินพุตพร้อมใช้งานในการวนซ้ำครั้งถัดไป RefSelect <T ขยาย TType > ส่งต่อ "องค์ประกอบดัชนี" ของ "อินพุต" ไปยัง "เอาต์พุต" RefSwitch <T ขยาย TType > ส่งต่อเทนเซอร์อ้างอิง `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 ข้อมูลเมตาที่ระบุว่าควรจำลองการคำนวณ TPU อย่างไร ReplicatedInput <t ขยาย ttype > เชื่อมต่ออินพุต N กับการคำนวณ TPU ที่ทำซ้ำ N-Way ReplicatedOutput <t ขยาย ttype > เชื่อมต่อเอาต์พุต N จากการคำนวณ TPU ที่ทำซ้ำ N-way RequantizationRange คำนวณช่วงที่ครอบคลุมค่าจริงที่มีอยู่ในเมตริกซ์เชิงปริมาณ regedizationRangePerchannel คำนวณช่วงที่ต้องการต่อช่องสัญญาณ จัดปริมาณใหม่ <U ขยาย TType > แปลงเทนเซอร์ "อินพุต" เชิงปริมาณให้เป็น "เอาต์พุต" ที่มีความแม่นยำต่ำกว่า requantizeperchannel <u ขยาย ttype > ต้องการอินพุตด้วยค่าขั้นต่ำและสูงสุดที่รู้จักต่อช่องทาง ปรับรูปร่างใหม่ <T ขยาย TType > เปลี่ยนรูปร่างเทนเซอร์ 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 อัปเดต '*var' ตามรูปแบบโมเมนตัม ResourceapplyPowersign อัปเดต '*var' ตามการอัปเดต AddSign ResourceapplyProximaladagrad อัปเดต '*var' และ '*accum' ตาม fobos ด้วยอัตราการเรียนรู้ adagrad ResourceapplyProximalGradientSescent อัปเดต '*var' เป็นอัลกอริทึม fobos พร้อมอัตราการเรียนรู้ที่แน่นอน ResourceApplyRMSPROP อัปเดต '*var' ตามอัลกอริทึม RMSPROP ResourceConditionalAccumulator ตัวสะสมแบบมีเงื่อนไขสำหรับการรวมการไล่ระดับสี ResourceCountUpTo <T ขยาย TNumber > เพิ่มตัวแปรที่ชี้ตาม 'ทรัพยากร' จนกว่าจะถึง 'ขีดจำกัด' ResourceGather <U ขยาย TType > รวบรวมชิ้นส่วนจากตัวแปรที่ชี้ไปตาม 'ทรัพยากร' ตาม 'ดัชนี' ResourceGatherNd <U ขยาย TType > ResourceScatterAdd เพิ่มการอัปเดตแบบกระจัดกระจายให้กับตัวแปรที่อ้างอิงโดย "ทรัพยากร" ResourceScatterDiv แบ่งการอัปเดตแบบกระจัดกระจายออกเป็นตัวแปรที่อ้างอิงโดย "ทรัพยากร" ResourceScatterMax ลดการอัปเดตแบบกระจัดกระจายลงในตัวแปรที่อ้างอิงโดย "ทรัพยากร" โดยใช้การดำเนินการ "สูงสุด" ResourceScatterMin ลดการอัปเดตแบบกระจัดกระจายลงในตัวแปรที่อ้างอิงโดย "ทรัพยากร" โดยใช้การดำเนินการ "ขั้นต่ำ" ResourceScatterMul คูณการอัปเดตแบบกระจัดกระจายลงในตัวแปรที่อ้างอิงโดย "ทรัพยากร" ResourceScatterNdAdd ใช้การเพิ่มเติมแบบกระจายกับแต่ละค่าหรือส่วนต่างๆ ในตัวแปร ResourceScatterNdMax ResourceScatterNdMin ResourceScatterNdSub ใช้การลบแบบกระจายกับแต่ละค่าหรือส่วนต่างๆ ในตัวแปร ResourceScatterNdอัปเดต ใช้ "การอัปเดต" แบบกระจัดกระจายกับแต่ละค่าหรือส่วนต่างๆ ภายในที่กำหนด แปรผันตาม 'ดัชนี' ResourceScatterย่อย ลบการอัปเดตแบบกระจัดกระจายออกจากตัวแปรที่อ้างอิงโดย "ทรัพยากร" ResourceScatterอัปเดต กำหนดการอัปเดตแบบกระจัดกระจายให้กับตัวแปรที่อ้างอิงโดย "ทรัพยากร" Resourcesparseapplyadadelta VAR: ควรมาจากตัวแปร () ResourcespareAsapplyAdagrad อัปเดตรายการที่เกี่ยวข้องใน '*var' และ '*accum' ตามรูปแบบ Adagrad Resourcesparseapplyadagradda อัปเดตรายการใน '*var' และ '*accum' ตามรูปแบบ adagrad ใกล้เคียง Resourcesparseapplyadagradv2 อัปเดตรายการที่เกี่ยวข้องใน '*var' และ '*accum' ตามรูปแบบ Adagrad ResourcespareapplyCenteredRmsprop อัปเดต '*var' ตามอัลกอริทึม RMSPROP ที่เป็นศูนย์กลาง ResourCespareEpplyFtrl อัปเดตรายการที่เกี่ยวข้องใน '*var' ตามโครงการ FTRL-Proximal Resourcespareapplykerasmomentum อัปเดตรายการที่เกี่ยวข้องใน '*var' และ '*accum' ตามรูปแบบโมเมนตัม Resourcespareeapplymomentum อัปเดตรายการที่เกี่ยวข้องใน '*var' และ '*accum' ตามรูปแบบโมเมนตัม ResourceSeSePplyProximalAdagrad รายการอัพเดตแบบเบาบางใน '*var' และ '*accum' ตามอัลกอริทึม FOBOS ResourceSeSepplyProximalGradientDescent การอัพเดทแบบกระจัดกระจาย '*var' เป็นอัลกอริทึม fobos ที่มีอัตราการเรียนรู้คงที่ ResourcesparseapplyRmsprop อัปเดต '*var' ตามอัลกอริทึม RMSPROP ResourceStridedSliceAssign กำหนด `value` ให้กับการอ้างอิงค่า l ที่แบ่งส่วนของ `ref` คืนค่า คืนค่าเทนเซอร์จากจุดตรวจ V2 Restoreslice <t ขยาย ttype > คืนค่าเทนเซอร์จากไฟล์จุดตรวจ RetrievetPuembeddingAdamparameters ดึงพารามิเตอร์การฝังอดัม RetrievetPuembeddingadamparametersgradaccumdebug ดึงพารามิเตอร์การฝังอดัมด้วยการสนับสนุนการดีบัก RetrievetPuembeddingadadeltaparameters ดึงพารามิเตอร์การฝัง Adadelta RetrievetPuembeddingadadeltaparametersgradaccumdebug ดึงพารามิเตอร์การฝัง Adadelta ด้วยการสนับสนุนการดีบัก RetrievetPuembeddingadadagradparameters ดึงพารามิเตอร์การฝัง Adagrad RetrievetPuembeddingadadagradparametersgradaccumdebug ดึงพารามิเตอร์การฝัง Adagrad ด้วยการสนับสนุนการดีบัก RetrievetPuembeddingCenteredrmspropparameters ดึงพารามิเตอร์การฝัง RMSPROP เป็นศูนย์กลาง RetrievetPuembeddingftrlParameters ดึงพารามิเตอร์การฝัง FTRL RetrievetPuembeddingftrlparametersgradaccumdebug ดึงพารามิเตอร์การฝัง FTRL ด้วยการสนับสนุนการดีบัก RetrievetPuembeddingMdladagradlightParameters ดึงพารามิเตอร์การฝังแสง Adagrad MDL RetrievetPuembeddingmomentumparameters ดึงพารามิเตอร์การฝังโมเมนตัม RetrievetPuembeddingmomentumparametersgradaccumdebug ดึงพารามิเตอร์การฝังโมเมนตัมด้วยการสนับสนุนการดีบัก RetrievetPuembeddingdingdingdingdingdingdingdingDagradParameters ดึงพารามิเตอร์การฝัง adagrad proximal RetrieveetPuembeddingdingdingdingdingdingdingdingdingdingDagradParametersgradaccumdebug ดึงพารามิเตอร์การฝัง Adagrad ใกล้เคียงพร้อมการสนับสนุนการแก้ไขจุดบกพร่อง RetrievetPuembeddingDdingProximalyogiparameters RetrieveetPuembeddingdingdingdingdingdingdingdingderingaLyogiparametersgradaccumdebug RetrievetPuembeddingrmspropparameters ดึงพารามิเตอร์การฝัง RMSPROP RetrievetPuembeddingrmspropparametersgradaccumdebug ดึงพารามิเตอร์การฝัง RMSPROP ด้วยการสนับสนุนการดีบัก RetrievetPuembeddingStochasticGradientDescentParameters ดึงพารามิเตอร์การฝัง SGD RetrievetPuembeddingStochasticGradientDescentParametersgradaccumdebug ดึงพารามิเตอร์การฝัง SGD ด้วยการสนับสนุนการดีบัก ย้อนกลับ <T ขยาย TType > กลับมิติเฉพาะของเทนเซอร์ ReverseSequence <T ขยาย TType > ย้อนกลับส่วนที่มีความยาวผันแปรได้ rfft <u ขยาย ttype > การแปลงฟูริเยร์ที่มีค่าอย่างแท้จริง rfft2d <u ขยาย ttype > การแปลงฟูริเยร์ที่มีค่า 2 มิติ rfft3d <u ขยาย ttype > 3D การแปลงฟูริเยร์ที่มีค่าอย่างรวดเร็ว rgbtohsv <t ขยาย tnumber > แปลงภาพหนึ่งภาพขึ้นไปจาก RGB เป็น HSV Rightshift <t ขยาย tnumber > Elementwise คำนวณการเปลี่ยน bitwise ขวาของ `x` และ` y` Rint <t ขยาย tnumber > ส่งกลับจำนวนเต็มตามองค์ประกอบที่ใกล้กับ x มากที่สุด rngreadandskip เลื่อนเคาน์เตอร์ของ RNG ที่ใช้เคาน์เตอร์ rngskip เลื่อนเคาน์เตอร์ของ RNG ที่ใช้เคาน์เตอร์ ม้วน <T ขยาย TType > ม้วนองค์ประกอบของเทนเซอร์ไปตามแกน Round <t ขยาย ttype > ปัดเศษค่าของเทนเซอร์เป็นจำนวนเต็มที่ใกล้ที่สุดองค์ประกอบที่ชาญฉลาด รปภ ดำเนินการคำขอ RPC เป็นชุด rsqrt <t ขยาย ttype > คำนวณซึ่งกันและกันของสแควร์รูทของ x องค์ประกอบที่ชาญฉลาด rsqrtgrad <t ขยาย ttype > คำนวณการไล่ระดับสีสำหรับ rsqrt ของ `x` wrt อินพุต SampleDistortedboundingbox <t ขยาย tnumber > สร้างกล่องขอบเขตที่บิดเบี้ยวแบบสุ่มเดี่ยวสำหรับภาพ SamplingDataset สร้างชุดข้อมูลที่ใช้ตัวอย่าง Bernoulli ของเนื้อหาของชุดข้อมูลอื่น บันทึก บันทึกเทนเซอร์ในรูปแบบจุดตรวจ V2 บันทึก บันทึกชิ้นเทนเซอร์อินพุตลงในดิสก์ Scalarsummary เอาต์พุตบัฟเฟอร์โปรโตคอล summary` ที่มีค่าสเกลาร์ scaleandtranslate 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 sdcaoptimizer เวอร์ชันกระจายของ Optimizer Stochasti แบบจำลองเชิงเส้นที่มีการทำให้เป็นมาตรฐาน L1 + L2 sdcashrinkl1 ใช้การทำให้เป็นมาตรฐาน L1 ลดขั้นตอนบนพารามิเตอร์ segmentmax <t ขยาย tnumber > คำนวณสูงสุดตามส่วนของเทนเซอร์ segmentmean <t ขยาย ttype > คำนวณค่าเฉลี่ยตามส่วนของเทนเซอร์ segmentmin <t ขยาย tnumber > คำนวณขั้นต่ำตามส่วนของเทนเซอร์ segmentProd <t ขยาย ttype > คำนวณผลิตภัณฑ์ตามส่วนของเทนเซอร์ Segmentsum <t ขยาย ttype > คำนวณผลรวมตามส่วนของเทนเซอร์ เลือก <T ขยาย TType > selfadjointeig <t ขยาย ttype > คำนวณการสลายตัวของไอเกนของชุดเมทริกซ์การปรับตัวเอง (หมายเหตุ: รองรับอินพุตจริงเท่านั้น) selu <t ขยาย tnumber > คำนวณเชิงเส้นเลขชี้กำลังที่ปรับขนาด: `สเกล * อัลฟ่า * (exp (คุณสมบัติ) - 1)` ถ้า <0, `scale * feature 'เป็นอย่างอื่น Selugrad <t ขยาย tnumber > คำนวณการไล่ระดับสีสำหรับการดำเนินการเชิงเส้นแบบเอ็กซ์โปเนนเชียลที่ปรับขนาด (SELU) ส่ง ส่งเทนเซอร์ที่มีชื่อไปยังการคำนวณ XLA อื่น sendtpuembeddinggradients ทำการอัปเดตการไล่ระดับสีของตารางการฝัง serializeiterator แปลง `resource_handle` ที่กำหนดเป็นตัวแทนของตัววนซ้ำเป็นเทนเซอร์ตัวแปร serializemanysparse <u ขยาย ttype > ทำให้เป็นอนุกรม `n`-minibatch` sparsetensor` ลงในวัตถุ `[n, 3]` `tensor ' serializesparse <u ขยาย ttype > ทำให้เป็นอนุกรม `sparsetensor` เป็นวัตถุ` [3] `` tensor ' serializetensor แปลงเทนเซอร์เป็นโปรโตโปรโตที่เป็นอนุกรม SetDiff1d <T ขยาย TType , U ขยาย TNumber > คำนวณความแตกต่างระหว่างสองรายการตัวเลขหรือสตริง กำหนดขนาด จำนวนองค์ประกอบที่ไม่ซ้ำกันในมิติสุดท้ายของอินพุต `set` setstatsaggregatordataset รูปร่าง <U ขยาย TNumber > ส่งกลับรูปร่างของเทนเซอร์ ShapeN <U ขยาย TNumber > ส่งกลับรูปร่างของเทนเซอร์ ชาร์ดดาสเซต สร้าง "ชุดข้อมูล" ที่รวมเพียง 1/`num_shards` ของชุดข้อมูลนี้ Shardedfilename สร้างชื่อไฟล์ที่มีแผ่นเสียง ShardedFileSpec สร้างรูปแบบ GLOB ที่ตรงกับชื่อไฟล์ที่มีการตัดทั้งหมด Sharding <t ขยาย ttype > OP ที่ให้ข้อมูลกับอินพุตตามแอตทริบิวต์การให้ข้อมูลที่กำหนด ShuffleAnDrepeatDataset shuffledataset shutdowndistributedtpu ปิดระบบ TPU แบบกระจายที่ทำงานอยู่ sigmoid <t ขยาย ttype > คำนวณ sigmoid ของ `x` องค์ประกอบที่ชาญฉลาด sigmoidgrad <t ขยาย ttype > คำนวณการไล่ระดับสีของ sigmoid ของ `x` wrt อินพุต Sign <t ขยาย ttype > ส่งคืนตัวบ่งชี้องค์ประกอบที่ชาญฉลาดของสัญลักษณ์ของตัวเลข sin <t ขยาย ttype > คำนวณไซน์ของ X Element-wise Sinh <t ขยาย ttype > คำนวณไซน์ไฮเพอร์โบลิกของ X Element-wise ขนาด <U ขยาย TNumber > ส่งกลับขนาดของเทนเซอร์ skipdataset สร้างชุดข้อมูลที่ข้ามองค์ประกอบ count` จาก `input_dataset ' ข้ามแกรม แยกวิเคราะห์ไฟล์ข้อความและสร้างชุดตัวอย่าง การนอนหลับ ชิ้น <T ขยาย TType > กลับชิ้นจาก 'อินพุต' SlidingWindowDataset สร้างชุดข้อมูลที่ส่งผ่านหน้าต่างแบบเลื่อนเหนือ `input_dataset` สแนปชอต <T ขยาย TType > ส่งกลับสำเนาของเทนเซอร์อินพุต SOBOLSAMPLE <t ขยาย tNUMBER > สร้างคะแนนจากลำดับ SOBOL Softmax <t ขยาย tnumber > คำนวณการเปิดใช้งาน SoftMax softmaxcrossentropywithlogits <t ขยาย tnumber > คำนวณค่าใช้จ่ายเอนโทรปีของ Softmax Cross และการไล่ระดับสีเพื่อ backpropagate SoftPlus <t ขยาย tnumber > คำนวณ SoftPlus: `log (exp (คุณสมบัติ) + 1)` SoftPlusGrad <t ขยาย tnumber > คำนวณการไล่ระดับสี softPlus สำหรับการทำงานของ SoftPlus softsign <t ขยาย tnumber > คำนวณ SoftSign: `feature / (ABS (คุณสมบัติ) + 1)` softsigngrad <t ขยาย tnumber > คำนวณการไล่ระดับสีอ่อนนุ่มสำหรับการดำเนินการ softsign แก้ปัญหา <t ขยาย ttype > แก้ระบบสมการเชิงเส้น เรียงลำดับ <t ขยาย ttype > ห่อโอเปอเรเตอร์เรียงลำดับ XLA ซึ่งบันทึกไว้ที่ https://www.tensorflow.org/performance/xla/operation_semantics#sort Spacetobatch <t ขยาย ttype > Spacetobatch สำหรับเทนเซอร์ 4-D ของ Type T. SpaceToBatchNd <T ขยาย TType > SpaceToBatch สำหรับเทนเซอร์ ND ประเภท T Spacetodepth <t ขยาย ttype > Spacetodepth สำหรับเทนเซอร์ของ Type T. SparseAccumulatorapplyGradient ใช้การไล่ระดับสีกระจัดกระจายกับตัวสะสมที่กำหนด SparseAccumulatortakeGradient <t ขยาย ttype > สกัดการไล่ระดับสีเบาบางโดยเฉลี่ยใน sparseconditionalaccumulator sparseadd <t ขยาย ttype > เพิ่มวัตถุ `sparsetensor 'สองวัตถุเพื่อสร้าง` sparsetensor' อีกตัว sparseaddgrad <t ขยาย ttype > ตัวดำเนินการไล่ระดับสีสำหรับ sparseadd op 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 ใกล้เคียง SparseapplyCenteredrmsprop <t ขยาย ttype > อัปเดต '*var' ตามอัลกอริทึม RMSPROP ที่เป็นศูนย์กลาง sparseapplyftrl <t ขยาย ttype > อัปเดตรายการที่เกี่ยวข้องใน '*var' ตามโครงการ FTRL-Proximal sparseapplymomentum <t ขยาย ttype > อัปเดตรายการที่เกี่ยวข้องใน '*var' และ '*accum' ตามรูปแบบโมเมนตัม sparseapplyproximaladagrad <t ขยาย ttype > รายการอัพเดตแบบเบาบางใน '*var' และ '*accum' ตามอัลกอริทึม FOBOS sparseapplyproximalgradientdescent <t ขยาย ttype > การอัพเดทแบบกระจัดกระจาย '*var' เป็นอัลกอริทึม fobos ที่มีอัตราการเรียนรู้คงที่ SparseApplyRmsprop <t ขยาย ttype > อัปเดต '*var' ตามอัลกอริทึม RMSPROP FinseBincount <U ขยาย tnumber > นับจำนวนครั้งของแต่ละค่าในอาร์เรย์จำนวนเต็ม sparseconcat <t ขยาย ttype > เชื่อมต่อรายการของ `sparsetensor` ตามมิติที่ระบุ สะสมแบบมีเงื่อนไขเบาบาง ตัวสะสมแบบมีเงื่อนไขสำหรับการรวมการไล่ระดับสีกระจัดกระจาย sparsecountsparseOutput <u ขยาย tnumber > ดำเนินการนับถังขยะที่กระจัดกระจายสำหรับอินพุตเทนเซอร์เบาบาง การหมุนรอบ สร้างการข้ามกระจัดกระจายจากรายการของเทนเซอร์ที่กระจัดกระจายและหนาแน่น sparsecrosshashashed สร้างการข้ามกระจัดกระจายจากรายการของเทนเซอร์ที่กระจัดกระจายและหนาแน่น sparsedensecwiseadd <t ขยาย ttype > เพิ่ม sparsetensor และ tensor หนาแน่นโดยใช้กฎพิเศษเหล่านี้: (1) ออกอากาศด้านหนาแน่นเพื่อให้มีรูปร่างเหมือนกับด้านเบาบางหากมีสิทธิ์; (2) จากนั้นเฉพาะค่าที่หนาแน่นชี้ไปที่ดัชนีของ sparsetensor เท่านั้นที่มีส่วนร่วมในการเพิ่ม cwise sparsedensecwisediv <t ขยาย ttype > องค์ประกอบที่ชาญฉลาดแบ่ง sparsetensor โดยเทนเซอร์หนาแน่น sparsedensecwisemul <t ขยาย ttype > ส่วนประกอบที่ชาญฉลาดทวีคูณเป็น sparsetensor โดยเทนเซอร์หนาแน่น sparse -fillempyrows <t ขยาย ttype > เติมแถวที่ว่างเปล่าในอินพุต 2-D `sparsetensor` ด้วยค่าเริ่มต้น sparsefillempyRowsGrad <t ขยาย ttype > การไล่ระดับสีของเบาบาง SparseMatmul เมทริกซ์ทวีคูณ "A" โดยเมทริกซ์ "B" Sparsematrixadd การเพิ่มเมทริกซ์ CSR สองตัวที่กระจัดกระจาย c = alpha * a + beta * B. sparsematrixmatmul <t ขยาย ttype > เมทริกซ์-มัลติเพลี่เมทริกซ์เบาบางพร้อมเมทริกซ์หนาแน่น Sparsematrixmul การคูณองค์ประกอบที่ชาญฉลาดของเมทริกซ์เบาบางที่มีเทนเซอร์หนาแน่น sparsematrixnnz ส่งคืนจำนวน nonzeroes ของ `sparse_matrix` sparsematrixorderingamd คำนวณการสั่งซื้อระดับต่ำสุดโดยประมาณ (AMD) ของ `อินพุต ' SparseMatrixSoftMax คำนวณ softmax ของ csrsparsematrix SparsematrixsoftMaxGrad คำนวณการไล่ระดับสีของ sparsematrixsoftmax op SparseMatrixsparsecholesky คำนวณการสลายตัวของ cholesky เบาบางของ `อินพุต ' Sparsematrixsparsematmul เมทริกซ์ CSR สองเมทริกซ์ขนาดเล็กเมทริกซ์ `a` และ` b` Sparsematrixtranspose เปลี่ยนมิติภายใน (เมทริกซ์) ของ csrsparsematrix Sparsematrixzeros สร้าง All-Zeros Csrsparsematrix ด้วยรูปร่าง `Dense_shape` Sparsereducemax <t ขยาย tnumber > คำนวณสูงสุดขององค์ประกอบในมิติของ sparsetensor Sparsereducemaxsparse <t ขยาย tnumber > คำนวณสูงสุดขององค์ประกอบในมิติของ sparsetensor sparsereducesum <t ขยาย ttype > คำนวณผลรวมขององค์ประกอบในมิติของ sparsetensor sparsereducesumsparse <t ขยาย ttype > คำนวณผลรวมขององค์ประกอบในมิติของ sparsetensor sparsereorder <t ขยาย ttype > reorders เครื่องราง sparsetensor ลงในการสั่งซื้อแบบ canonical, row-major การขนนก ปรับเปลี่ยน sparsetensor เพื่อแสดงค่าในรูปแบบหนาแน่นใหม่ sparsesegmentmean <t ขยาย tnumber > คำนวณค่าเฉลี่ยตามส่วนที่กระจัดกระจายของเทนเซอร์ sparsesegentmeangrad <t ขยาย tnumber > คำนวณการไล่ระดับสีสำหรับ sparsesegentmean sparsesegentMeanwithnumsegments <t ขยาย tnumber > คำนวณค่าเฉลี่ยตามส่วนที่กระจัดกระจายของเทนเซอร์ sparsesegmentsqrtn <t ขยาย tnumber > คำนวณผลรวมตามส่วนที่กระจัดกระจายของเทนเซอร์หารด้วย SQRT ของ N sparsesegmentsqrtngrad <t ขยาย tnumber > คำนวณการไล่ระดับสีสำหรับ sparsesegmentsqrtn sparsesegmentsqrtnwithnumsegments <t ขยาย tnumber > คำนวณผลรวมตามส่วนที่กระจัดกระจายของเทนเซอร์หารด้วย SQRT ของ N sparsesegmentsum <t ขยาย tnumber > คำนวณผลรวมตามส่วนที่กระจัดกระจายของเทนเซอร์ sparsesegmentsumwithnumsegments <t ขยาย tnumber > คำนวณผลรวมตามส่วนที่กระจัดกระจายของเทนเซอร์ Sparseslice <t ขยาย ttype > หั่น `sparsetensor` ขึ้นอยู่กับ` start 'และขนาด' sparseslicegrad <t ขยาย ttype > ตัวดำเนินการไล่ระดับสีสำหรับ Sparseslice op sparsesoftmax <t ขยาย tnumber > ใช้ softmax กับ nd `sparsetensor ' sparsesoftmaxcrossentropywithlogits <t ขยาย tnumber > คำนวณค่าใช้จ่ายเอนโทรปีของ Softmax Cross และการไล่ระดับสีเพื่อ backpropagate sparsesparsemaximum <t ขยาย tnumber > ส่งคืนองค์ประกอบสูงสุดที่ชาญฉลาดของสอง sparsetensors sparsesparseminimum <t ขยาย ttype > ส่งคืนค่าต่ำสุดที่ชาญฉลาดของสอง sparsetensors sparsesplit <t ขยาย ttype > แยก `sparsetensor` เป็น` num_split` เทนเซอร์ในหนึ่งมิติ sparsetensordenseadd <u ขยาย ttype > เพิ่ม `sparsetensor 'และความหนาแน่น` เทนเซอร์' ทำให้เกิดความหนาแน่น `เทนเซอร์ ' sparsetensordensematmul <u ขยาย ttype > ทวีคูณ sparsetensor (จากอันดับ 2) "A" โดยเมทริกซ์หนาแน่น "B" sparsetensorslicedataSet สร้างชุดข้อมูลที่แยก sparsetensor ออกเป็นองค์ประกอบที่ชาญฉลาด sparsetensortocsrsparsematrix แปลง sparsetensor เป็น (อาจเป็นชุด) csrsparsematrix sparsetodense <u ขยาย ttype > แปลงการเป็นตัวแทนกระจัดกระจายเป็นเทนเซอร์ที่หนาแน่น sparsetosparsesetoperation <t ขยาย ttype > ใช้การดำเนินการตั้งค่าตามมิติสุดท้ายของอินพุต 2 `Sparsetensor` Spence <t ขยาย tnumber > แยก <T ขยาย TType > แยกเทนเซอร์ออกเป็นเทนเซอร์ "num_split" ตามมิติเดียว SplitV <T ขยาย TType > แยกเทนเซอร์ออกเป็นเทนเซอร์ "num_split" ตามมิติเดียว sqldataset สร้างชุดข้อมูลที่ดำเนินการสืบค้น SQL และปล่อยแถวของชุดผลลัพธ์ sqrt <t ขยาย ttype > คำนวณสแควร์รูทขององค์ประกอบ x ที่ชาญฉลาด sqrtgrad <t ขยาย ttype > คำนวณการไล่ระดับสีสำหรับ SQRT ของ `x` WRT อินพุต sqrtm <t ขยาย ttype > คำนวณรูทเมทริกซ์สแควร์ของเมทริกซ์สี่เหลี่ยมหนึ่งตัวหรือมากกว่า: matmul (sqrtm (a), sqrtm (a)) = a เมทริกซ์อินพุตควรกลับด้าน Square <t ขยาย ttype > คำนวณสแควร์ขององค์ประกอบ X ที่ชาญฉลาด SquaredDifference <t ขยาย ttype > returns conj (x - y) (x - y) องค์ประกอบที่ชาญฉลาด บีบ <T ขยาย TType > ลบขนาดขนาด 1 ออกจากรูปทรงของเทนเซอร์ สแต็ค <T ขยาย TType > รวบรวมรายการเทนเซอร์ "อันดับ N" - "R" ไว้ในเทนเซอร์ระดับเดียว - "(R+1)" เวที ค่าสเตจคล้ายกับ Enqueue แบบไลท์เวท สเตจเคลียร์ Op จะลบองค์ประกอบทั้งหมดในคอนเทนเนอร์ที่อยู่ด้านล่าง StagePeek Op ดูค่าที่ดัชนีที่ระบุ ขนาดเวที Op ส่งคืนจำนวนองค์ประกอบในคอนเทนเนอร์ต้นแบบ Statefulrandombinomial <v ขยาย tnumber > statefulstandardnormal <u ขยาย ttype > เอาต์พุตค่าสุ่มจากการแจกแจงปกติ statefultruncatednormal <u ขยาย ttype > ส่งออกค่าสุ่มจากการแจกแจงแบบปกติที่ถูกตัดทอน statefuluniform <u ขยาย ttype > เอาต์พุตค่าสุ่มจากการแจกแจงแบบสม่ำเสมอ statefuluniformfullint <u ขยาย ttype > เอาต์พุตจำนวนเต็มสุ่มจากการแจกแจงแบบสม่ำเสมอ statefuluniformint <u ขยาย ttype > เอาต์พุตจำนวนเต็มสุ่มจากการแจกแจงแบบสม่ำเสมอ StatelessMultinomial <V ขยาย tnumber > วาดตัวอย่างจากการกระจายแบบพหุนาม StatelessParameterizedTruncatedNormal <V ขยาย tnumber > StatelessRandombinomial <W ขยาย 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 สร้างข้อมูลสรุปของสถิติใดๆ ที่บันทึกโดยผู้จัดการสถิติที่กำหนด StopGradient <T ขยาย TType > หยุดการคำนวณการไล่ระดับสี StridedSlice <T ขยาย TType > ส่งกลับส่วนที่เป็นลายเส้นจาก "อินพุต" StridedSliceAssign <T ขยาย TType > กำหนด `value` ให้กับการอ้างอิงค่า l ที่แบ่งส่วนของ `ref` StridedSliceGrad <U ขยาย TType > ส่งกลับค่าการไล่ระดับสีของ "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. ผลรวม <T ขยาย TType > คำนวณผลรวมขององค์ประกอบในมิติของเทนเซอร์ SummaryWriter Svd <T extends TType > Computes the eigen decomposition of a batch of self-adjoint matrices (Note: Only real inputs are supported). SwitchCond <T ขยาย TType > ส่งต่อ 'data' ไปยังพอร์ตเอาต์พุตที่กำหนดโดย 'pred' TPUCompilationResult Returns the result of a TPU compilation. TPUEmbeddingActivations An op enabling differentiation of TPU Embeddings. TPUReplicateMetadata ข้อมูลเมตาที่ระบุว่าควรจำลองการคำนวณ TPU อย่างไร 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. ตัวแปรชั่วคราว <T ขยาย TType > ส่งกลับเทนเซอร์ที่อาจกลายพันธุ์ แต่คงอยู่ในขั้นตอนเดียวเท่านั้น TensorArray อาร์เรย์ของเทนเซอร์ที่มีขนาดที่กำหนด TensorArrayปิด ลบ TensorArray ออกจากที่เก็บทรัพยากร TensorArrayConcat <T ขยาย TType > เชื่อมต่อองค์ประกอบจาก TensorArray ให้เป็นค่า `value` TensorArrayGather <T ขยาย TType > รวบรวมองค์ประกอบเฉพาะจาก TensorArray ลงในเอาต์พุต `value` TensorArrayGrad สร้าง TensorArray สำหรับจัดเก็บการไล่ระดับสีของค่าในแฮนเดิลที่กำหนด TensorArrayGradWithShape สร้าง TensorArray สำหรับจัดเก็บค่าการไล่ระดับสีหลายค่าในแฮนเดิลที่กำหนด 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 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 สร้างทรัพยากรแบบต้นไม้และส่งกลับหมายเลขอ้างอิง TensorForestTreeดีซีเรียลไลซ์ ดีซีเรียลไลซ์โปรโตเข้าไปในจุดจับแผนผัง TensorForestTreeIsInitializedOp ตรวจสอบว่าต้นไม้ได้รับการเตรียมใช้งานหรือไม่ เทนเซอร์ป่าต้นไม้ทำนาย ส่งออกบันทึกสำหรับข้อมูลอินพุตที่กำหนด TensorForestTreeResourceHandleOp สร้างหมายเลขอ้างอิงให้กับ TensorForestTreeResource เทนเซอร์ป่าต้นไม้ทำให้เป็นอนุกรม ทำให้หมายเลขอ้างอิงทรีเป็นอนุกรมเป็นโปรโต เทนเซอร์ป่าต้นไม้ขนาด รับจำนวนโหนดในแผนผัง TensorListConcat <U ขยาย TType > เชื่อมต่อเทนเซอร์ทั้งหมดในรายการตามมิติที่ 0 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 TensorListPopBack <T ขยาย TType > ส่งคืนองค์ประกอบสุดท้ายของรายการอินพุตและรายการที่มีทั้งหมดยกเว้นองค์ประกอบนั้น 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' TensorSliceDataset Creates a dataset that emits each dim-0 slice of `components` once. TensorStridedSliceUpdate <T ขยาย TType > กำหนด "value" ให้กับการอ้างอิงค่า l ที่แบ่งส่วนของ "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`. ไทล์ <T ขยาย TType > สร้างเทนเซอร์โดยการปูกระเบื้องเทนเซอร์ที่กำหนด TileGrad <T extends TType > Returns the gradient of `Tile`. การประทับเวลา ระบุเวลาตั้งแต่ยุคในหน่วยวินาที 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 ส่งกลับค่าที่ไม่ซ้ำกัน TopK ในอาร์เรย์ตามลำดับที่จัดเรียง TopKWithUnique ส่งกลับค่า TopK ในอาร์เรย์ตามลำดับที่จัดเรียง 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 > ส่งออกค่าสุ่มจากการแจกแจงแบบปกติที่ถูกตัดทอน ลองRpc ดำเนินการคำขอ RPC เป็นชุด เลิกแบทช์ <T ขยาย TType > ย้อนกลับการทำงานของ Batch สำหรับเทนเซอร์เอาต์พุตเดี่ยว UnbatchDataset A dataset that splits the elements of its input into multiple elements. UnbatchGrad <T ขยาย TType > การไล่ระดับสีของ 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. เฉพาะ <T ขยาย TType , V ขยาย TNumber > ค้นหาองค์ประกอบที่ไม่ซ้ำกันตามแกนของเทนเซอร์ UniqueDataset Creates a dataset that contains the unique elements of `input_dataset`. UniqueWithCounts <T ขยาย TType , V ขยาย TNumber > ค้นหาองค์ประกอบที่ไม่ซ้ำกันตามแกนของเทนเซอร์ UnravelIndex <T ขยาย TNumber > แปลงอาร์เรย์ของดัชนีแบบแบนให้เป็นทูเพิลของอาร์เรย์พิกัด 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. คลายสแต็ค <T ขยาย TType > คลายมิติที่กำหนดของเทนเซอร์อันดับ-`R` ออกเป็นเทนเซอร์อันดับ `num`-`(R-1)` ไม่อยู่บนเวที Op คล้ายกับ Dequeue ที่มีน้ำหนักเบา UnwrapDatasetVariant 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 โปรแกรมอ่านไฟล์ทั้งหมด 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 เขียนสรุปกราฟ 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 ขยาย TType > op ที่ใช้โดยตัวแบ่งพาร์ติชัน XLA SPMD เพื่อเปลี่ยนจากการแบ่งพาร์ติชันอัตโนมัติเป็น การแบ่งพาร์ติชันด้วยตนเอง XlaSpmdShardToFullShape <T ขยาย TType > op ที่ใช้โดยตัวแบ่งพาร์ติชัน XLA SPMD เพื่อเปลี่ยนจากการแบ่งพาร์ติชันด้วยตนเองเป็น การแบ่งพาร์ติชันอัตโนมัติ 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. ศูนย์ <T ขยาย TType > ตัวดำเนินการสร้างค่าคงที่ที่เริ่มต้นด้วยค่าศูนย์ของรูปร่างที่กำหนดโดย "สลัว" ZerosLike <T ขยาย TType > ส่งกลับเทนเซอร์ของศูนย์ที่มีรูปร่างและประเภทเดียวกันกับ 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 >

หน่วยคำนวณเชิงตรรกะ

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

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

วิธีการสาธารณะ

public abstract ExecutionEnvironment env ()

ส่งคืนสภาพแวดล้อมการดำเนินการที่ op นี้ถูกสร้างขึ้น

public abstract Operation op ()

ส่งกลับหน่วยการคำนวณนี้เป็นการ Operation เดียว

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