Нн Опс

Краткое содержание

Классы

тензорный поток:: ops:: AvgPool

Выполняет усреднение на входе.

тензорный поток::ops::AvgPool3D

Выполняет 3D-усреднение на входе.

тензорный поток:: ops:: AvgPool3DGrad

Вычисляет градиенты средней функции объединения.

тензорный поток:: ops:: BiasAdd

Добавляет bias к value .

тензорный поток:: ops:: BiasAddGrad

Обратная операция для «BiasAdd» на тензоре «смещения».

тензорный поток::ops::Conv2D

Вычисляет двумерную свертку с учетом четырехмерных input и тензоров filter .

тензорный поток::ops::Conv2DBackpropFilter

Вычисляет градиенты свертки относительно фильтра.

тензорный поток::ops::Conv2DBackpropInput

Вычисляет градиенты свертки относительно входных данных.

тензорный поток::ops::Conv3D

Вычисляет трехмерную свертку с учетом пятимерных input и тензоров filter .

тензорный поток::ops::Conv3DBackpropFilterV2

Вычисляет градиенты трехмерной свертки относительно фильтра.

тензорный поток::ops::Conv3DBackpropInputV2

Вычисляет градиенты трехмерной свертки относительно входных данных.

тензорный поток:: ops:: DataFormatDimMap

Возвращает индекс измерения в целевом формате данных, указанном в нем.

tensorflow::ops::DataFormatVecPermute

Возвращает перестановочный вектор/тензор в формате данных назначения с учетом.

tensorflow::ops::DepthwiseConv2dNative

Вычисляет двумерную глубинную свертку с учетом четырехмерных input и тензоров filter .

tensorflow::ops::DepthwiseConv2dNativeBackpropFilter

Вычисляет градиенты глубинной свертки относительно фильтра.

tensorflow::ops::DepthwiseConv2dNativeBackpropInput

Вычисляет градиенты глубинной свертки относительно входных данных.

тензорный поток::ops::Dilation2D

Вычисляет расширение шкалы серого четырехмерных input и трехмерных тензоров filter .

tensorflow::ops::Dilation2DBackpropFilter

Вычисляет градиент морфологического двумерного расширения относительно фильтра.

tensorflow::ops::Dilation2DBackpropInput

Вычисляет градиент морфологического двумерного расширения относительно входных данных.

тензорный поток::ops::Elu

Вычисляет экспоненциально-линейную функцию: exp(features) - 1 если < 0, в противном случае features .

тензорный поток:: ops:: FractionalAvgPool

Выполняет дробное среднее объединение входных данных.

тензорный поток:: ops:: FractionalMaxPool

Выполняет дробное максимальное объединение входных данных.

tensorflow::ops::FusedBatchNorm

Пакетная нормализация.

tensorflow::ops::FusedBatchNormGrad

Градиент для пакетной нормализации.

tensorflow::ops::FusedBatchNormGradV2

Градиент для пакетной нормализации.

tensorflow::ops::FusedBatchNormGradV3

Градиент для пакетной нормализации.

тензорный поток:: ops:: FusedBatchNormV2

Пакетная нормализация.

тензорный поток:: ops:: FusedBatchNormV3

Пакетная нормализация.

тензорный поток:: ops:: FusedPadConv2D

Выполняет заполнение в качестве предварительной обработки во время свертки.

tensorflow::ops::FusedResizeAndPadConv2D

Выполняет изменение размера и заполнение в качестве предварительной обработки во время свертки.

тензорный поток::ops::InTopK

Сообщает, входят ли цели в топ- K прогнозов.

тензорный поток::ops::InTopKV2

Сообщает, входят ли цели в топ- K прогнозов.

тензорный поток::ops::L2Loss

Потеря L2.

тензорный поток::ops::LRN

Нормализация локального ответа.

тензорный поток:: ops:: LogSoftmax

Вычисляет журнал активаций softmax.

тензорный поток::ops::MaxPool

Выполняет максимальное объединение входных данных.

тензорный поток::ops::MaxPool3D

Выполняет объединение 3D max на входе.

тензорный поток:: ops:: MaxPool3DGrad

Вычисляет градиенты функции максимального объединения.

тензорный поток:: ops:: MaxPool3DGradGrad

Вычисляет градиенты второго порядка функции maxpooling.

тензорный поток:: ops:: MaxPoolGradGrad

Вычисляет градиенты второго порядка функции maxpooling.

тензорный поток:: ops:: MaxPoolGradGradV2

Вычисляет градиенты второго порядка функции maxpooling.

tensorflow::ops::MaxPoolGradGradWithArgmax

Вычисляет градиенты второго порядка функции maxpooling.

тензорный поток:: ops:: MaxPoolGradV2

Вычисляет градиенты функции maxpooling.

тензорный поток:: ops:: MaxPoolV2

Выполняет максимальное объединение входных данных.

tensorflow::ops::MaxPoolWithArgmax

Выполняет максимальное объединение входных данных и выводит как максимальные значения, так и индексы.

тензорный поток:: ops:: NthElement

Находит значения статистики n -го порядка для последнего измерения.

tensorflow::ops::QuantizedAvgPool

Создает средний пул входного тензора для квантованных типов.

tensorflow::ops::QuantizedBatchNormWithGlobalNormalization

Квантованная пакетная нормализация.

tensorflow::ops::QuantizedBiasAdd

Добавляет тензорное «смещение» к тензорному «входу» для квантованных типов.

тензорный поток::ops::QuantizedConv2D

Вычисляет 2D-свертку с учетом квантованного 4D-входа и тензоров фильтра.

tensorflow::ops::QuantizedMaxPool

Создает максимальный пул входного тензора для квантованных типов.

tensorflow::ops::QuantizedRelu

Вычисляет квантованное выпрямленное линейное: max(features, 0)

тензорный поток::ops::QuantizedRelu6

Вычисляет квантованную выпрямленную линейную 6: min(max(features, 0), 6)

tensorflow::ops::QuantizedReluX

Вычисляет квантованное выпрямленное линейное X: min(max(features, 0), max_value)

тензорный поток::ops::Relu

Вычисляет выпрямленное линейное значение: max(features, 0) .

тензорный поток::ops::Relu6

Вычисляет выпрямленное линейное 6: min(max(features, 0), 6) .

тензорный поток::ops::Селу

Вычисляет масштабируемую экспоненциальную линейную зависимость: scale * alpha * (exp(features) - 1)

тензорный поток::ops::Softmax

Вычисляет активации softmax.

tensorflow::ops::SoftmaxCrossEntropyWithLogits

Вычисляет стоимость перекрестной энтропии softmax и градиенты для обратного распространения ошибки.

тензорный поток::ops::Softplus

Вычисляет softplus: log(exp(features) + 1) .

тензорный поток::ops::Softsign

Вычисляет softsign: features / (abs(features) + 1) .

tensorflow::ops::SparseSoftmaxCrossEntropyWithLogits

Вычисляет стоимость перекрестной энтропии softmax и градиенты для обратного распространения ошибки.

тензорный поток::ops::TopK

Находит значения и индексы k крупнейших элементов для последнего измерения.