작업

공개 인터페이스 Op

알려진 간접 하위 클래스 Abort , All , AllToAll <T>, AnonymousIteratorV2 , AnonymousMemoryCache , AnonymousMultiDeviceIterator , AnonymousRandomSeedGenerator , AnonymousSeedGenerator , Any , ApplyAdagradV2 <T>, AssertCardinalityDataset , AssertNextDataset , AssertThat , Assign <T>, AssignAdd <T> 외 602개. 중단 호출 시 프로세스를 중단하려면 예외를 발생시킵니다. 모두 텐서의 차원 전체에 걸쳐 요소의 "논리적 및"를 계산합니다. 모두투모두 <T> TPU 복제본 간에 데이터를 교환하는 작업입니다. 익명IteratorV2 반복자 리소스의 컨테이너입니다. 익명메모리캐시 익명MultiDeviceIterator 다중 장치 반복자 리소스에 대한 컨테이너입니다. 익명RandomSeedGenerator 익명SeedGenerator 어느 텐서의 차원 전체에 걸쳐 요소의 "논리적 or"를 계산합니다. ApplyAdagradV2 <T> adagrad 체계에 따라 '*var'를 업데이트합니다. Assert카디널리티데이터세트 AssertNextDataset 다음에 어떤 변환이 발생하는지 확인하는 변환입니다. 주장하다 주어진 조건이 참인지 확인합니다. <T> 할당 'value'를 할당하여 'ref'를 업데이트합니다. 할당추가 <T> 'value'를 추가하여 'ref'를 업데이트합니다. 할당AddVariableOp 변수의 현재 값에 값을 추가합니다. AssignSub <T> 'value'를 빼서 'ref'를 업데이트합니다. AssignSubVariableOp 변수의 현재 값에서 값을 뺍니다. 할당변수작업 변수에 새 값을 할당합니다. AutoShard데이터세트 입력 데이터 세트를 샤딩하는 데이터 세트를 생성합니다. BandedTriangularSolve <T> 장벽 다양한 그래프 실행에서 지속되는 장벽을 정의합니다. 장벽닫기 주어진 장벽을 닫습니다. 장벽불완전한크기 주어진 장벽의 불완전한 요소 수를 계산합니다. 장벽삽입많은 각 키에 대해 해당 값을 지정된 구성 요소에 할당합니다. 배리어준비크기 주어진 장벽의 완전한 요소 수를 계산합니다. 장벽가져다많은 장벽에서 주어진 수의 완성된 요소를 가져옵니다. 일괄 모든 입력 텐서를 비결정적으로 일괄 처리합니다. BatchMatMulV2 <T> 두 개의 텐서 조각을 일괄적으로 곱합니다. BatchToSpace <T> T 유형의 4차원 텐서에 대한 BatchToSpace. BatchToSpaceNd <T> T 유형의 ND 텐서에 대한 BatchToSpace. BesselI0 <T 확장 번호> BesselI1 <T 확장 번호> BesselJ0 <T 확장 번호> BesselJ1 <T 확장 번호> BesselK0 <T 확장 번호> BesselK0e <T 확장 번호> BesselK1 <T 확장 번호> BesselK1e <T 확장 번호> BesselY0 <T 확장 번호> BesselY1 <T 확장 번호> 비트캐스트 <U> 데이터를 복사하지 않고 한 유형에서 다른 유형으로 텐서를 비트캐스트합니다. BlockLSTM <T는 숫자를 확장합니다> 모든 시간 단계에 대해 LSTM 셀의 순방향 전파를 계산합니다. BlockLSTMGrad <T 확장 번호> 전체 시간 시퀀스에 대한 LSTM 셀 역전파를 계산합니다. BlockLSTMGradV2 <T는 숫자를 확장합니다> 전체 시간 시퀀스에 대한 LSTM 셀 역전파를 계산합니다. BlockLSTMV2 <T는 숫자를 확장합니다> 모든 시간 단계에 대해 LSTM 셀의 순방향 전파를 계산합니다. BoostedTreesAggregateStats 배치에 대해 누적된 통계 요약을 집계합니다. BoostedTrees버킷화 버킷 경계를 기준으로 각 기능을 버킷화합니다. BoostedTreesCalculateBestFeatureSplit 각 기능에 대한 이득을 계산하고 기능에 대해 가능한 최상의 분할 정보를 반환합니다. BoostedTreesCalculateBestFeatureSplitV2 각 기능에 대한 이득을 계산하고 각 노드에 대해 가능한 최상의 분할 정보를 반환합니다. BoostedTreesCalculateBestGainsPerFeature 각 기능에 대한 이득을 계산하고 기능에 대해 가능한 최상의 분할 정보를 반환합니다. BoostedTrees센터바이어스 훈련 데이터(편향)에서 사전을 계산하고 첫 번째 노드를 로짓의 사전으로 채웁니다. BoostedTreesCreateEnsemble 트리 앙상블 모델을 생성하고 이에 대한 핸들을 반환합니다. BoostedTreesCreateQuantileStreamResource Quantile Streams에 대한 리소스를 생성합니다. BoostedTreesDeserializeEnsemble 직렬화된 트리 앙상블 구성을 역직렬화하고 현재 트리를 대체합니다. 앙상블. BoostedTreesEnsembleResourceHandleOp BoostedTreesEnsembleResource에 대한 핸들을 생성합니다. BoostedTrees예제디버그 출력 각 예제에 대한 디버깅/모델 해석 가능성 출력. BoostedTreesFlushQuantile요약 각 분위수 스트림 리소스에서 분위수 요약을 플러시합니다. BoostedTreesGetEnsembleStates 나무 앙상블 리소스 스탬프 토큰, 나무 수 및 성장 통계를 검색합니다. BoostedTreesMakeQuantile요약 배치에 대한 분위수의 요약을 작성합니다. BoostedTreesMakeStats요약 배치에 대해 누적된 통계를 요약합니다. BoostedTree예측 입력 인스턴스에서 여러 가산 회귀 앙상블 예측기를 실행하고 로짓을 계산합니다. BoostedTreesQuantileStreamResourceAddSummaries 각 분위수 스트림 리소스에 분위수 요약을 추가합니다. BoostedTreesQuantileStreamResourceDeserialize 버킷 경계와 준비 플래그를 현재 QuantileAccumulator로 역직렬화합니다. BoostedTreesQuantileStreamResourceFlush 분위수 스트림 리소스에 대한 요약을 플러시합니다. BoostedTreesQuantileStreamResourceGetBucketBoundaries 누적된 요약을 기반으로 각 기능에 대한 버킷 경계를 생성합니다. BoostedTreesQuantileStreamResourceHandleOp BoostedTreesQuantileStreamResource에 대한 핸들을 생성합니다. BoostedTreesSerializeEnsemble 트리 앙상블을 proto로 직렬화합니다. BoostedTreesSparseAggregateStats 배치에 대해 누적된 통계 요약을 집계합니다. BoostedTreeSparseCalculateBestFeatureSplit 각 기능에 대한 이득을 계산하고 기능에 대해 가능한 최상의 분할 정보를 반환합니다. BoostedTrees훈련예측 입력 인스턴스에서 여러 가산 회귀 앙상블 예측기를 실행하고 캐시된 로짓에 대한 업데이트를 계산합니다. BoostedTreesUpdate앙상블 성장 중인 마지막 나무에 레이어를 추가하여 나무 앙상블을 업데이트합니다. 또는 새 트리를 시작하여. BoostedTreesUpdateEnsembleV2 성장 중인 마지막 나무에 레이어를 추가하여 나무 앙상블을 업데이트합니다. 또는 새 트리를 시작하여. BroadcastDynamicShape <T는 숫자를 확장함> 브로드캐스트를 사용하여 s0 op s1의 모양을 반환합니다. BroadcastGradientArgs <T는 숫자를 확장합니다> 브로드캐스트를 사용하여 s0 op s1의 기울기를 계산하기 위한 감소 지수를 반환합니다. <T> 에 방송 호환 가능한 모양에 대한 배열을 브로드캐스트합니다. 버킷화 '경계'를 기준으로 '입력'을 버킷화합니다. CSRSparseMatrixComponents <T> 배치 '인덱스'에서 CSR 구성 요소를 읽습니다. CSRSparseMatrixToDense <T> (아마도 일괄 처리된) CSRSparseMatrix를 고밀도로 변환합니다. CSRSparseMatrixToSparseTensor <T> (아마도 일괄 처리된) CSRSparesMatrix를 SparseTensor로 변환합니다. CSV데이터세트 CSV데이터세트V2 CTCLossV2 각 배치 항목에 대한 CTC 손실(로그 확률)을 계산합니다. 캐시데이터세트V2 CheckNumericsV2 <T는 숫자를 확장합니다> NaN, -Inf 및 +Inf 값에 대한 텐서를 확인합니다. 가장 빠른 데이터 세트 선택 클립바이값 <T> 텐서 값을 지정된 최소값과 최대값으로 자릅니다. CollectiveGather <T 확장 번호> 동일한 유형과 모양의 여러 텐서를 상호 축적합니다. CollectivePermute <T> 복제된 TPU 인스턴스 전체에서 텐서를 순열하는 작업입니다. CollectiveReduceV2 <T 확장 번호> 동일한 유형과 모양의 여러 텐서를 상호 축소합니다. CombinedNonMaxSuppression 점수의 내림차순으로 경계 상자의 하위 집합을 탐욕스럽게 선택합니다. 이 작업은 모든 클래스에서 배치당 입력에 대해 non_max_suppression을 수행합니다. 요소 압축 데이터 세트 요소를 압축합니다. ComputeBatchSize 부분 배치가 없는 데이터 세트의 정적 배치 크기를 계산합니다. 연결 <T> 한 차원을 따라 텐서를 연결합니다. 분산TPU 구성 분산 TPU 시스템의 중앙 집중식 구조를 설정합니다. TPU임베딩 구성 분산 TPU 시스템에서 TPUEmbedding을 설정합니다. 상수 <T> 상수 값을 생성하는 연산자입니다. 소비MutexLock 이 작업은 `MutexLock`에 의해 생성된 잠금을 사용합니다. 제어트리거 아무것도 하지 않습니다. 복사 <T> CPU에서 CPU로 또는 GPU에서 GPU로 텐서를 복사합니다. 카피호스트 <T> 텐서를 호스트에 복사합니다. CountUpTo <T는 숫자를 확장합니다> 'limit'에 도달할 때까지 'ref'를 증가시킵니다. CrossReplicaSum <T 확장 번호> 복제된 TPU 인스턴스 전체에서 입력을 합산하는 작업입니다. CudnnRNNBackpropV3 <T 확장 번호> CudnnRNNV3의 역전파 단계. CudnnRNNCanonicalToParamsV2 <T는 숫자를 확장합니다> CudnnRNN 매개변수를 표준 형식에서 사용 가능한 형식으로 변환합니다. CudnnRNNParamsToCanonicalV2 <T는 숫자를 확장합니다> 표준 형식으로 CudnnRNN 매개변수를 검색합니다. CudnnRNNV3 <T 확장 번호> cuDNN이 지원하는 RNN입니다. CumulativeLogsumexp <T 확장 숫자> '축'을 따라 텐서 'x'의 누적 곱을 계산합니다. DataService데이터 세트 데이터 세트 카디널리티 `input_dataset`의 카디널리티를 반환합니다. 데이터세트FromGraph 주어진 `graph_def`에서 데이터세트를 생성합니다. DatasetToGraphV2 'input_dataset'을 나타내는 직렬화된 GraphDef를 반환합니다. Dawsn <T 확장 번호> DebugGradientIdentity <T> 그래디언트 디버깅을 위한 ID 작업입니다. DebugGradientRefIdentity <T> 그래디언트 디버깅을 위한 ID 작업입니다. 디버그 ID <T> 디버깅을 위해 Ref가 아닌 유형 입력 텐서의 ID 매핑을 제공합니다. DebugIdentityV2 <T> 디버그 ID V2 Op. DebugNanCount NaN 값 카운터 Op. 디버그 디버그숫자요약 디버그 수치 요약 Op. DebugNumericSummaryV2 <U 확장 번호> 디버그 수치 요약 V2 Op. DecodeImage <T는 숫자를 확장합니다> decode_bmp, decode_gif, decode_jpeg 및 decode_png에 대한 함수입니다. DecodePaddedRaw <T는 숫자를 확장합니다> 문자열의 바이트를 숫자 벡터로 재해석합니다. 디코드프로토 연산은 직렬화된 프로토콜 버퍼 메시지의 필드를 텐서로 추출합니다. 딥카피 <T> `x`의 복사본을 만듭니다. 삭제반복자 반복자 리소스의 컨테이너입니다. 메모리캐시 삭제 다중 장치 반복자 삭제 반복자 리소스의 컨테이너입니다. 삭제RandomSeedGenerator 삭제시드 생성기 삭제세션텐서 세션의 핸들로 지정된 텐서를 삭제합니다. DenseBincount <U 확장 숫자> 정수 배열에서 각 값의 발생 횟수를 셉니다. DenseCountSparseOutput <U 확장 숫자> tf.tensor 입력에 대해 희소 출력 Bin 계산을 수행합니다. DenseToCSRSparseMatrix 조밀한 텐서를 (아마도 일괄 처리된) CSRSparseMatrix로 변환합니다. DestroyResourceOp 핸들에 지정된 리소스를 삭제합니다. DestroyTemporary변수 <T> 임시 변수를 삭제하고 최종 값을 반환합니다. DeviceIndex 작업이 실행되는 장치의 인덱스를 반환합니다. DirectedInterleave데이터세트 'N' 데이터 세트의 고정 목록에서 'InterleaveDataset'을 대체합니다. DrawBoundingBoxesV2 <T는 숫자를 확장합니다> 이미지 배치에 경계 상자를 그립니다. 더미반복카운터 더미메모리캐시 더미 시드 생성기 동적파티션 <T> `파티션`의 인덱스를 사용하여 `데이터`를 `num_partitions` 텐서로 분할합니다. 다이나믹스티치 <T> '데이터' 텐서의 값을 단일 텐서에 인터리브합니다. 편집거리 (정규화된) Levenshtein Edit Distance를 계산합니다. 에이그 <U> 하나 이상의 정사각 행렬의 고유 분해를 계산합니다. 아인섬 <T> 아인슈타인 합산 규칙에 따른 텐서 수축. 비어 있음 <T> 주어진 모양으로 텐서를 생성합니다. 빈TensorList 빈 텐서 목록을 생성하고 반환합니다. 비어있음TensorMap 빈 텐서 맵을 생성하고 반환합니다. EncodeProto op는 입력 텐서에 제공된 protobuf 메시지를 직렬화합니다. EnqueueTPUEmbeddingIntegerBatch 입력 배치 텐서 목록을 TPUEmbedding에 추가하는 작업입니다. EnqueueTPUEmbeddingRaggedTensorBatch tf.nn.embedding_lookup()을 사용하는 코드 포팅을 쉽게 합니다. EnqueueTPUEmbeddingSparseBatch SparseTensor에서 TPUEmbedding 입력 인덱스를 대기열에 추가하는 작업입니다. EnqueueTPUEmbeddingSparseTensorBatch tf.nn.embedding_lookup_sparse()를 사용하는 코드 포팅을 쉽게 합니다. 형태 보장 <T> 텐서의 모양이 예상되는 모양과 일치하는지 확인합니다. <T>를 입력하세요 하위 프레임을 만들거나 찾고 하위 프레임에서 '데이터'를 사용할 수 있도록 합니다. Erfinv <T 확장 번호> 유클리드표준 <T> 텐서의 차원 전체에 걸쳐 요소의 유클리드 노름을 계산합니다. 종료 <T> 현재 프레임을 상위 프레임으로 종료합니다. ExpandDim <T> 텐서의 모양에 1차원을 삽입합니다. ExperimentalAutoShard데이터 세트 입력 데이터 세트를 샤딩하는 데이터 세트를 생성합니다. ExperimentalBytesProducedStatsDataset StatsAggregator에 있는 'input_dataset'의 각 요소의 바이트 크기를 기록합니다. 실험적ChooseFastestDataset 실험적데이터세트카디널리티 `input_dataset`의 카디널리티를 반환합니다. ExperimentalDatasetToTFRecord TFRecord 형식을 사용하여 지정된 파일에 지정된 데이터세트를 씁니다. ExperimentalDenseToSparseBatchDataset 입력 요소를 SparseTensor로 일괄 처리하는 데이터 세트를 생성합니다. 실험적 지연 시간 통계 데이터 세트 StatsAggregator에서 'input_dataset' 요소를 생성하는 지연 시간을 기록합니다. ExperimentalMatchingFiles데이터 세트 ExperimentalMaxIntraOpParallelismDataset 최대 작업 내 병렬 처리를 재정의하는 데이터 세트를 만듭니다. ExperimentalParseExampleDataset DT_STRING의 벡터인 'Example' 프로토를 포함하는 'input_dataset'를 구문 분석된 기능을 나타내는 'Tensor' 또는 'SparseTensor' 개체의 데이터세트로 변환합니다. ExperimentalPrivateThreadPoolDataset 'input_dataset'을 계산하기 위해 커스텀 스레드 풀을 사용하는 데이터세트를 생성합니다. 실험적 무작위 데이터세트 의사 난수를 반환하는 데이터 세트를 만듭니다. ExperimentalRebatch데이터 세트 배치 크기를 변경하는 데이터세트를 만듭니다. ExperimentalSetStatsAggregatorDataset ExperimentalSlidingWindowDataset `input_dataset`에 대한 슬라이딩 윈도우를 전달하는 데이터세트를 생성합니다. ExperimentalSqlDataset SQL 쿼리를 실행하고 결과 집합의 행을 내보내는 데이터 집합을 만듭니다. 실험적StatsAggregatorHandle 통계 관리자 리소스를 생성합니다. ExperimentalStatsAggregator요약 지정된 통계 관리자가 기록한 모든 통계의 요약을 생성합니다. ExperimentalUnbatchDataset 입력 요소를 여러 요소로 분할하는 데이터세트입니다. Expint <T는 숫자를 확장합니다> ExtractGlimpseV2 입력 텐서에서 엿볼 수 있는 내용을 추출합니다. ExtractVolumePatches <T 확장 번호> `입력`에서 `패치`를 추출하여 `"깊이"` 출력 차원에 넣습니다. 채우기 <U> 스칼라 값으로 채워진 텐서를 생성합니다. 지문 지문 값을 생성합니다. FresnelCos <T 확장 번호> FresnelSin <T는 숫자를 확장함> FusedBatchNormGradV3 <T는 숫자 확장, U는 숫자 확장> 일괄 정규화를 위한 기울기입니다. FusedBatchNormV3 <T는 숫자 확장, U는 숫자 확장> 일괄 정규화. GRUblockCell <T는 숫자를 확장합니다> 1시간 단계에 대한 GRU 셀 순방향 전파를 계산합니다. GRUBlockCellGrad <T는 숫자를 확장합니다> 1시간 단계에 대한 GRU 셀 역전파를 계산합니다. 모아 <T> `indices`에 따라 `params` 축 `axis`에서 슬라이스를 수집합니다. 집결 <T> `params`의 조각을 `indices`로 지정된 모양의 Tensor로 수집합니다. BoundingBoxProposals 생성 이 작업은 arXiv:1506.01497의 eq.2에 따라 주어진 경계 상자(bbox_deltas)로 인코딩된 wrt 앵커로부터 관심 영역을 생성합니다. op는 상위 `pre_nms_topn` 점수 상자를 선택하고 앵커와 관련하여 디코딩하며 `nms_threshold` 교차-결합(iou) 값보다 높은 중첩 상자에 최대 비최대 억제를 적용하고 짧은 변이 `보다 작은 상자를 삭제합니다. 최소_크기`. 세션 핸들 가져오기 입력 텐서를 현재 세션 상태로 저장합니다. GetSessionTensor <T> 핸들로 지정된 텐서의 값을 가져옵니다. 그라데이션 y s wrt x s의 합의 편도함수를 계산하는 연산을 추가합니다. 즉, d(y_1 + y_2 + ...)/dx_1, d(y_1 + y_2 + ...)/dx_2... Options.dx() 값이 설정되면 일부 손실 함수 L wrt의 초기 기호 편도함수와 같습니다. 보증 상수 <T> 입력 텐서가 상수임을 TF 런타임에 보장합니다. 해시테이블 초기화되지 않은 해시 테이블을 생성합니다. HistogramFixedWidth <U 확장 숫자> 값의 히스토그램을 반환합니다. 신원 <T> 입력 텐서 또는 값과 모양과 내용이 동일한 텐서를 반환합니다. 아이덴티티N 입력과 모양 및 내용이 동일한 텐서 목록을 반환합니다. 텐서. 오류 무시데이터 세트 오류를 무시하고 'input_dataset' 요소가 포함된 데이터세트를 생성합니다. ImageProjectiveTransformV2 <T는 숫자를 확장합니다> 주어진 변환을 각 이미지에 적용합니다. ImmutableConst <T> 메모리 영역에서 불변 텐서를 반환합니다. 인피드큐 제거 <T> 계산에 입력될 값에 대한 자리 표시자 작업입니다. InfeedDequeueTuple 인피드에서 XLA 튜플로 여러 값을 가져옵니다. 인피드인큐 단일 Tensor 값을 계산에 제공하는 연산입니다. InfeedEnqueuePrelinearizedBuffer 사전 선형화된 버퍼를 TPU 인피드에 추가하는 작업입니다. InfeedEnqueueTuple 여러 Tensor 값을 XLA 튜플로 계산에 입력합니다. 테이블 초기화 키와 값에 각각 두 개의 텐서를 사용하는 테이블 초기화 프로그램입니다. TableFromDataset 초기화 TableFromTextFile 초기화 텍스트 파일에서 테이블을 초기화합니다. 내부추가 <T> x의 지정된 행에 v를 추가합니다. InplaceSub <T> 'x'의 지정된 행에서 'v'를 뺍니다. 인플레이스업데이트 <T> 지정된 행 'i'를 값 'v'로 업데이트합니다. IsBoostedTreesEnsembleInitialized 트리 앙상블이 초기화되었는지 확인합니다. IsBoostedTreesQuantileStreamResourceInitialized Quantile 스트림이 초기화되었는지 확인합니다. 변수가 초기화됨 텐서가 초기화되었는지 확인합니다. IsotonicRegression <U 확장 숫자> 일련의 등장성 회귀 문제를 해결합니다. IteratorGetDevice `리소스`가 배치된 장치의 이름을 반환합니다. KMC2Chain초기화 시드 세트에 추가되어야 하는 데이터 포인트의 인덱스를 반환합니다. KmeansPlusPlus초기화 KMeans++ 기준을 사용하여 num_to_sample개의 입력 행을 선택합니다. KthOrder통계 데이터 세트의 K차 통계를 계산합니다. LMDB데이터세트 하나 이상의 LMDB 파일에 키-값 쌍을 내보내는 데이터 세트를 생성합니다. LSTMBlockCell <T는 숫자를 확장합니다> 1시간 단계에 대한 LSTM 셀의 순방향 전파를 계산합니다. LSTMBlockCellGrad <T는 숫자를 확장합니다> 1개 시간 단계에 대한 LSTM 셀 역전파를 계산합니다. LinSpace <T는 숫자를 확장합니다> 일정 간격으로 값을 생성합니다. TPU임베딩ADAM매개변수 로드 ADAM 포함 매개변수를 로드합니다. LoadTPUEmbeddingADAMParametersGradAccumDebug 디버그 지원을 통해 ADAM 포함 매개변수를 로드합니다. LoadTPUEmbeddingAdadelta매개변수 Adadelta 임베딩 매개변수를 로드합니다. LoadTPUEmbeddingAdadeltaParametersGradAccumDebug 디버그 지원을 통해 Adadelta 매개변수를 로드합니다. LoadTPUE임베딩Adagrad매개변수 Adagrad 임베딩 매개변수를 로드합니다. LoadTPUEmbeddingAdagradParametersGradAccumDebug 디버그 지원을 통해 Adagrad 임베딩 매개변수를 로드합니다. LoadTPUEmbeddingCenteredRMSProp매개변수 로드 중심 RMSProp 임베딩 매개변수입니다. LoadTPUEmbeddingFTRL매개변수 FTRL 임베딩 매개변수를 로드합니다. LoadTPUEmbeddingFTRLParametersGradAccumDebug 디버그 지원을 통해 FTRL 임베딩 매개변수를 로드합니다. LoadTPUEmbeddingMDLadagradLight매개변수 MDL Adagrad Light 임베딩 매개변수를 로드합니다. LoadTPUEmbeddingMomentum매개변수 Momentum 임베딩 매개변수를 로드합니다. LoadTPUEmbeddingMomentumParametersGradAccumDebug 디버그 지원을 통해 Momentum 임베딩 매개변수를 로드합니다. LoadTPUEmbeddingProximalAdagrad매개변수 근위 Adagrad 임베딩 매개변수를 로드합니다. LoadTPUEmbeddingProximalAdagradParametersGradAccumDebug 디버그 지원을 통해 근위 Adagrad 임베딩 매개변수를 로드합니다. LoadTPUEmbeddingProximalYogi매개변수 LoadTPUEmbeddingProximalYogiParametersGradAccumDebug LoadTPUEmbeddingRMSProp매개변수 RMSProp 임베딩 매개변수를 로드합니다. LoadTPUEmbeddingRMSPropParametersGradAccumDebug 디버그 지원을 통해 RMSProp 임베딩 매개변수를 로드합니다. LoadTPUE임베딩확률적 경사하강 매개변수 SGD 내장 매개변수를 로드합니다. LoadTPUE임베딩확률적 경사하강 매개변수GradAccumDebug SGD 내장 매개변수를 로드합니다. LookupTableExport <T, U> 테이블의 모든 키와 값을 출력합니다. 조회테이블찾기 <U> 테이블에서 키를 조회하고 해당 값을 출력합니다. 조회테이블가져오기 테이블의 내용을 지정된 키와 값으로 바꿉니다. 조회테이블삽입 키를 값과 연결하도록 테이블을 업데이트합니다. 조회테이블제거 테이블에서 키와 관련 값을 제거합니다. 조회테이블 크기 주어진 테이블의 요소 수를 계산합니다. LoopCond 입력을 출력으로 전달합니다. LowerBound <U 확장 번호> 각 행을 따라 lower_bound(sorted_search_values,values)를 적용합니다. Lu <T, U 확장 숫자> 하나 이상의 정사각 행렬의 LU 분해를 계산합니다. 고유하게 만들기 배치가 아닌 차원의 모든 요소를 ​​고유하게 만드십시오. 단, 다음과 \"가까운\" 초기값. 지도지우기 Op는 기본 컨테이너의 모든 요소를 ​​제거합니다. 지도불완전한 크기 Op는 기본 컨테이너의 불완전한 요소 수를 반환합니다. 지도Peek Op는 지정된 키의 값을 엿봅니다. 지도 크기 Op는 기본 컨테이너의 요소 수를 반환합니다. 맵스테이지 해시테이블처럼 작동하는 기본 컨테이너의 스테이지(키, 값)입니다. 지도Unstage Op는 키와 관련된 값을 제거하고 반환합니다. 기본 컨테이너에서. 지도UnstageNoKey Op는 임의의 (키, 값)을 제거하고 반환합니다. 기본 컨테이너에서. MatrixDiagPartV2 <T> 배치 텐서의 배치 대각선 부분을 반환합니다. MatrixDiagPartV3 <T> 배치 텐서의 배치 대각선 부분을 반환합니다. MatrixDiagV2 <T> 주어진 배치 대각선 값을 갖는 배치 대각선 텐서를 반환합니다. MatrixDiagV3 <T> 주어진 배치 대각선 값을 갖는 배치 대각선 텐서를 반환합니다. MatrixSetDiagV2 <T> 새로운 배치 대각선 값을 갖는 배치 행렬 텐서를 반환합니다. MatrixSetDiagV3 <T> 새로운 배치 대각선 값을 갖는 배치 행렬 텐서를 반환합니다. 최대 <T> 텐서의 차원 전체에서 요소의 최대값을 계산합니다. MaxIntraOpParallelismDataset 최대 작업 내 병렬 처리를 재정의하는 데이터 세트를 만듭니다. <T> 병합 사용 가능한 텐서의 값을 `inputs`에서 `output`으로 전달합니다. 최소 <T> 텐서의 차원 전체에서 최소 요소를 계산합니다. 미러패드 <T> 미러링된 값으로 텐서를 채웁니다. MirrorPadGrad <T> 'MirrorPad'에 대한 그라데이션 작업입니다. MlirPassthroughOp main() 함수를 사용하여 모듈로 표현된 임의의 MLIR 계산을 래핑합니다. 물노난 <T> x * y 요소별로 반환합니다. 가변밀도해시테이블 텐서를 백업 저장소로 사용하는 빈 해시 테이블을 만듭니다. 가변해시테이블 빈 해시 테이블을 생성합니다. MutableHashTableOfTensors 빈 해시 테이블을 생성합니다. 뮤텍스 'MutexLock'으로 잠글 수 있는 Mutex 리소스를 생성합니다. MutexLock 뮤텍스 리소스를 잠급니다. NcclAllReduce <T는 숫자를 확장합니다> 모든 입력 텐서에 대한 감소를 포함하는 텐서를 출력합니다. NcclBroadcast <T는 숫자를 확장합니다> 출력에 연결된 모든 장치에 '입력'을 보냅니다. NcclReduce <T는 숫자를 확장합니다> 단일 장치에 대한 `reduction`을 사용하여 `num_devices`에서 `input`을 줄입니다. Ndtri <T 확장 번호> 가장 가까운 이웃 각 점에 대해 가장 가까운 k개의 중심을 선택합니다. 다음 <T 확장 번호> 이후 요소별로 `x2` 방향으로 표현 가능한 `x1`의 다음 값을 반환합니다. 다음반복 <T> 다음 반복에서 해당 입력을 사용할 수 있도록 합니다. 작동 안함 아무것도 하지 않습니다. NonDeterministicInts <U> 일부 정수를 비결정적으로 생성합니다. NonMaxSuppressionV5 <T 확장 숫자> 점수의 내림차순으로 경계 상자의 하위 집합을 탐욕스럽게 선택합니다. IOU(Intersection-Over-Union)가 높은 상자가 이전에 선택한 상자와 겹치는 부분을 제거합니다. 직렬화 가능하지 않은 데이터세트 원핫 <U> 원-핫 텐서를 반환합니다. 같은 사람들 <T> x와 모양과 유형이 동일한 텐서를 반환합니다. OptimizeDatasetV2 `input_dataset`에 관련 최적화를 적용하여 데이터 세트를 생성합니다. 주문됨지도지우기 Op는 기본 컨테이너의 모든 요소를 ​​제거합니다. OrderedMap불완전한 크기 Op는 기본 컨테이너의 불완전한 요소 수를 반환합니다. OrderedMapPeek Op는 지정된 키의 값을 엿봅니다. 주문된 지도 크기 Op는 기본 컨테이너의 요소 수를 반환합니다. OrderedMapStage 순서가 지정된 것처럼 동작하는 기본 컨테이너의 단계(키, 값) 연관 컨테이너. OrderedMapUnstage Op는 키와 관련된 값을 제거하고 반환합니다. 기본 컨테이너에서. OrderedMapUnstageNoKey Op는 가장 작은 (키, 값) 요소를 제거하고 반환합니다. 기본 컨테이너의 키입니다. 아웃피드큐 제거 <T> 계산 아웃피드에서 단일 텐서를 검색합니다. OutfeedDequeueTuple 계산 아웃피드에서 여러 값을 검색합니다. 아웃피드인큐 계산 아웃피드에 Tensor를 추가합니다. OutfeedEnqueueTuple 계산 아웃피드에 여러 Tensor 값을 대기열에 넣습니다. 패드 <T> 텐서를 채웁니다. ParallelConcat <T> 첫 번째 차원을 따라 'N' 텐서 목록을 연결합니다. 병렬동적스티치 <T> '데이터' 텐서의 값을 단일 텐서에 인터리브합니다. ParseExampleDatasetV2 DT_STRING의 벡터인 'Example' 프로토를 포함하는 'input_dataset'를 구문 분석된 기능을 나타내는 'Tensor' 또는 'SparseTensor' 개체의 데이터세트로 변환합니다. 구문 분석ExampleV2 tf.Example proto의 벡터(문자열)를 형식화된 텐서로 변환합니다. ParseSequenceExampleV2 tf.io.SequenceExample proto의 벡터(문자열)를 형식화된 텐서로 변환합니다. 자리 표시자 <T> 계산에 입력될 값에 대한 자리 표시자 작업입니다. PlaceholderWithDefault <T> 출력이 제공되지 않을 때 '입력'을 통과하는 자리 표시자 작업입니다. 사전선형화 하나의 Tensor 값을 불투명한 변형 텐서로 선형화하는 작업입니다. 사전선형화Tuple 여러 Tensor 값을 불투명한 변형 텐서로 선형화하는 작업입니다. 프리미티브Op 단일 Operation 에 의해 지원되는 Op 구현을 위한 기본 클래스입니다. 인쇄 문자열 스칼라를 인쇄합니다. PrivateThreadPoolDataset 'input_dataset'을 계산하기 위해 커스텀 스레드 풀을 사용하는 데이터세트를 생성합니다. 프로덕션 <T> 텐서의 차원에 걸쳐 요소의 곱을 계산합니다. QuantizedConcat <T> 한 차원을 따라 양자화된 텐서를 연결합니다. QuantizedConv2DAndRelu <V> QuantizedConv2DAndReluAndReQuantize <V> QuantizedConv2DAndReQuantize <V> QuantizedConv2DPerChannel <V> 채널당 QuantizedConv2D를 계산합니다. QuantizedConv2DWithBias <V> QuantizedConv2DWithBiasAndRelu <V> QuantizedConv2DWithBiasAndReluAndReQuantize <W> QuantizedConv2DWithBiasAndReQuantize <W> QuantizedConv2DWithBiasSignedSumAndReluAndReQuantize <X> QuantizedConv2DWithBiasSumAndRelu <V> QuantizedConv2DWithBiasSumAndReluAndReQuantize <X> QuantizedDepthwiseConv2D <V> 양자화된 깊이별 Conv2D를 계산합니다. QuantizedDepthwiseConv2DWithBias <V> 바이어스를 사용하여 양자화된 깊이별 Conv2D를 계산합니다. QuantizedDepthwiseConv2DWithBiasAndRelu <V> Bias 및 Relu를 사용하여 양자화된 깊이별 Conv2D를 계산합니다. QuantizedDepthwiseConv2DWithBiasAndReluAndReQuantize <W> Bias, Relu 및 ReQuantize를 사용하여 양자화된 깊이별 Conv2D를 계산합니다. QuantizedMatMulWithBias <W> 바이어스 덧셈을 사용하여 'a'와 행렬 'b'의 양자화된 행렬 곱셈을 수행합니다. QuantizedMatMulWithBiasAndDeQuantize <W 확장 숫자> QuantizedMatMulWithBiasAndRelu <V> 바이어스 덧셈과 relu 융합을 사용하여 행렬 'b'로 'a'의 양자화된 행렬 곱셈을 수행합니다. QuantizedMatMulWithBiasAndReluAndReQuantize <W> 바이어스 덧셈과 relu 및 재양자화 융합을 사용하여 행렬 'b'로 'a'의 양자화된 행렬 곱셈을 수행합니다. QuantizedMatMulWithBiasAndReQuantize <W> 양자화Reshape <T> Reshape 작업에 따라 양자화된 텐서를 재구성합니다. RaggedBincount <U 확장 번호> 정수 배열에서 각 값의 발생 횟수를 셉니다. RaggedCountSparseOutput <U 확장 숫자> 비정형 텐서 입력에 대해 희소 출력 Bin 계산을 수행합니다. RaggedCross <T, U 확장 숫자> 텐서 목록에서 특성 교차를 생성하고 이를 RaggedTensor로 반환합니다. RaggedGather <T는 Number, U를 확장합니다> `indices`에 따라 `params` 축 `0`에서 비정형 슬라이스를 수집합니다. RaggedRange <U는 숫자 확장, T는 숫자 확장> 지정된 숫자 시퀀스를 포함하는 'RaggedTensor'를 반환합니다. RaggedTensorFromVariant <U 확장 번호, T> '변형' Tensor를 'RaggedTensor'로 디코딩합니다. RaggedTensorToSparse <U> `RaggedTensor`를 동일한 값을 가진 `SparseTensor`로 변환합니다. 비정형TensorToTensor <U> 비정형 텐서에서 조밀한 텐서를 생성하여 모양을 변경할 수 있습니다. 비정형TensorToVariant 'RaggedTensor'를 'variant' Tensor로 인코딩합니다. 범위 <T는 숫자를 확장합니다> 일련의 숫자를 생성합니다. 계급 텐서의 순위를 반환합니다. ReadVariableOp <T> 변수의 값을 읽습니다. Rebatch데이터세트 배치 크기를 변경하는 데이터세트를 만듭니다. RebatchDatasetV2 배치 크기를 변경하는 데이터세트를 만듭니다. 수신 <T> Recv_device의 send_device로부터 명명된 텐서를 받습니다. RecvTPUE임베딩 활성화 TPU에서 임베딩 활성화를 수신하는 작업입니다. 모두 줄이기 텐서의 차원 전체에 걸쳐 요소의 "논리적 및"를 계산합니다. 모두 감소 텐서의 차원 전체에 걸쳐 요소의 "논리적 or"를 계산합니다. 최대 감소 <T> 텐서의 차원 전체에서 요소의 최대값을 계산합니다. 최소 감소 <T> 텐서의 차원 전체에서 최소 요소를 계산합니다. 감소생산 <T> 텐서의 차원에 걸쳐 요소의 곱을 계산합니다. 합계 감소 <T> 텐서의 차원 전체에 걸쳐 요소의 합을 계산합니다. 참조입력 <T> 하위 프레임을 만들거나 찾고 하위 프레임에서 '데이터'를 사용할 수 있도록 합니다. RefExit <T> 현재 프레임을 상위 프레임으로 종료합니다. 참조 ID <T> 입력 참조 텐서와 동일한 참조 텐서를 반환합니다. 참조병합 <T> 사용 가능한 텐서의 값을 `inputs`에서 `output`으로 전달합니다. RefNext반복 <T> 다음 반복에서 해당 입력을 사용할 수 있도록 합니다. 참조선택 <T> `inputs`의 `index` 번째 요소를 `output`으로 전달합니다. 참조 스위치 <T> 참조 텐서 'data'를 'pred'에 의해 결정된 출력 포트로 전달합니다. 데이터세트 등록 tf.data 서비스에 데이터 세트를 등록합니다. RemoteFusedGraphExecute 원격 프로세서에서 하위 그래프를 실행합니다. 재양자화RangePerChannel 채널당 재양자화 범위를 계산합니다. ReQuantizePerChannel <U> 채널당 알려진 최소 및 최대 값으로 입력을 다시 양자화합니다. 모양 변경 <T> 텐서의 형태를 변경합니다. ResourceAccumulatorApplyGradient 지정된 누산기에 그라데이션을 적용합니다. ResourceAccumulatorNumAccumulated 지정된 누산기에서 집계된 그래디언트 수를 반환합니다. ResourceAccumulatorSetGlobalStep global_step에 대한 새 값으로 누산기를 업데이트합니다. ResourceAccumulatorTakeGradient <T> 주어진 ConditionalAccumulator에서 평균 기울기를 추출합니다. 리소스ApplyAdagradV2 adagrad 체계에 따라 '*var'를 업데이트합니다. 자원ApplyAdamWithAmsgrad Adam 알고리즘에 따라 '*var'를 업데이트합니다. ResourceApplyKeras모멘텀 모멘텀 체계에 따라 '*var'를 업데이트합니다. 자원조건부누산기 그라디언트 집계를 위한 조건부 누산기입니다. ResourceCountUpTo <T 확장 번호> 'resource'가 가리키는 변수가 'limit'에 도달할 때까지 증가합니다. 리소스게더 <U> `indices`에 따라 `resource`가 가리키는 변수에서 조각을 수집합니다. 리소스게더Nd <U> 자원분산추가 `resource`가 참조하는 변수에 희소 업데이트를 추가합니다. ResourceScatterDiv 희소 업데이트를 'resource'에서 참조하는 변수로 나눕니다. ResourceScatterMax `max` 작업을 사용하여 `resource`가 참조하는 변수에 대한 희소 업데이트를 줄입니다. ResourceScatterMin 'min' 작업을 사용하여 'resource'가 참조하는 변수에 대한 희소 업데이트를 줄입니다. ResourceScatterMul `resource`가 참조하는 변수에 희소 업데이트를 곱합니다. ResourceScatterNdAdd 변수의 개별 값이나 조각에 희소 추가를 적용합니다. 자원산란NdMax ResourceScatterNdMin ResourceScatterNdSub 변수의 개별 값이나 조각에 희소 빼기를 적용합니다. ResourceScatterNdUpdate 특정 값 내의 개별 값이나 조각에 희박한 '업데이트'를 적용합니다. '인덱스'에 따라 변수가 달라집니다. ResourceScatterSub `resource`가 참조하는 변수에서 희소 업데이트를 뺍니다. ResourceScatter업데이트 `resource`가 참조하는 변수에 희소 업데이트를 할당합니다. ResourceSparseApplyAdagradV2 adagrad 체계에 따라 '*var' 및 '*accum'의 관련 항목을 업데이트합니다. ResourceSparseApplyKerasMomentum 모멘텀 체계에 따라 '*var'및 '*accum'에서 관련 항목을 업데이트하십시오. ResourcestRidedSliceAssign 'value'를`ref '의 슬라이스 l- 값 참조에 할당하십시오. 검색 푸모 베딩 아담 파라 미터 Adam 임베딩 매개 변수를 검색합니다. retrievetpuembeddingadamparametersgradaccumdebug 디버그 지원으로 Adam 임베딩 매개 변수를 검색하십시오. restievetpuembeddingadaDeltaparameters Adadelta 임베딩 매개 변수를 검색합니다. restievetpuembeddingadaDEtaparametersgradAccumdebug 디버그 지원으로 Adadelta 임베딩 매개 변수를 검색하십시오. retrievetpuembeddingadagradgarameters Adagrad 임베딩 매개 변수를 검색하십시오. retrievetpuembeddingadagradagrametersgradAccumdebug 디버그 지원으로 Adagrad 포함 매개 변수를 검색하십시오. retrievetpuembeddingcenteredrmspropparameters 중앙 RMSprop 임베딩 매개 변수를 검색합니다. retrievetpuembeddingftrlparameters ftrl 임베딩 매개 변수를 검색합니다. retrievetpuembeddingftrlparametersgradAccumdebug 디버그 지원으로 ftrl 임베딩 매개 변수를 검색하십시오. retrievetpuembeddingmdladagradlightparameters MDL Adagrad Light Embedding 매개 변수를 검색하십시오. retrievetpuembeddingmomentumparameters 모멘텀 임베딩 매개 변수를 검색합니다. retrievetpuembeddingmomentumparametersgradAccumdebug 디버그 지원으로 모멘텀 임베딩 매개 변수를 검색합니다. retrievetpuembeddingproximaladagradagradparameters 근위 adagrad 임베딩 매개 변수를 검색합니다. retrievetpuembeddingproximaladagradagrametersgradaccumdebug 디버그 지원으로 근위 Adagrad 임베딩 매개 변수를 검색하십시오. 검색 puembeddingproximalyogiparameters 검색 puembeddingproximalyogiparametersgradaccumdebug retrievetpuembeddingrmspropparameters RMSPROP 임베딩 매개 변수를 검색합니다. retrievetpuembeddingrmspropparametersgradAccumdebug 디버그 지원으로 RMSProp Embedding 매개 변수를 검색하십시오. retrievetpuembeddingstochasticadientDescentParameters SGD 임베딩 매개 변수를 검색합니다. retrievetpuembeddingStochasticgradientDescentParametersgradAccumdebug 디버그 지원으로 SGD 임베딩 매개 변수를 검색하십시오. 역 <T> 텐서의 특정 치수를 뒤집습니다. Reversesequence <t> 가변 길이 슬라이스를 뒤집습니다. rngskip 카운터 기반 RNG의 카운터를 전진하십시오. 롤 <t> 축을 따라 텐서의 요소를 굴립니다. RPC RPC 요청 배치를 수행하십시오. 샘플링 다타 세트 다른 데이터 세트의 내용의 Bernoulli 샘플을 취하는 데이터 세트를 만듭니다. scaleandtranslate scaleandtranslategrad <t는 숫자>를 확장합니다 ScatterAdd <T> 변수 참조에 희소 업데이트를 추가합니다. Scatterdiv <t> 변수 참조를 Sparse 업데이트로 나눕니다. scattermax <t는 숫자>를 연장합니다 `max` 조작을 사용하여 스파 스 업데이트를 가변 참조로 줄입니다. scattermin <t는 숫자>를 연장합니다 `min '조작을 사용하여 스파 스 업데이트를 가변 참조로 줄입니다. Scattermul <t> 스파 스 업데이트에 변수 참조에 곱합니다. Scatternd <u> `indices '에 따라'업데이트 '를 새 텐서로 뿌립니다. scatterndadd <t> 변수의 개별 값 또는 슬라이스에 드문 추가를 적용합니다. scatterndmax <t> 요소 별 최대 값을 계산합니다. scatterndmin <t> 요소 별 최소를 계산합니다. scatterndnonaliasingaddd <t> 개별 값 또는 슬라이스를 사용하여 '입력'에 희소 추가를 적용합니다. `indices '에 따라'업데이트 '에서. scatterndsub <t> 변수의 개별 값 또는 슬라이스에 희소 뺄셈을 적용합니다. Scatterndupdate <t> 주어진 내에서 Sporse`update '를 개별 값 또는 슬라이스에 적용합니다. 'indices'에 따라 변수. Scattersub <t> 스파 스 업데이트를 변수 참조로 빼냅니다. Scatterupdate <t> 스파 스 업데이트를 변수 참조에 적용합니다. selectv2 <t> 보내다 send_device에서 recv_device로 지명 된 텐서를 보냅니다. sendtpuembeddinggradients 임베딩 테이블의 그라디언트 업데이트를 수행합니다. setDiff1d <t, u는 숫자>를 확장합니다 두 숫자 또는 문자열 목록의 차이를 계산합니다. setsize 입력의 마지막 차원을 따라 고유 한 요소의 수. 모양 <u는 숫자를 확장합니다> 텐서의 모양을 반환합니다. Shapen <u는 숫자를 확장합니다> 텐서의 모양을 반환합니다. 샤드 다타 세트 이 데이터 세트의 1/`num_shards '만 포함하는'dataset '을 만듭니다. ShuffleandrepeatDatasetv2 Shuffledatasetv2 Shuffledatasetv3 셧다운 분배 된tpu 실행중인 분산 TPU 시스템을 종료합니다. 크기 <U 확장 번호> 텐서의 크기를 반환합니다. 건너 뛰기 텍스트 파일을 구문 분석하고 예제를 만듭니다. 수면 슬라이스 <t> '입력'에서 슬라이스를 반환하십시오. 슬라이딩 윈도우 다타 세트 'input_dataset'을 통해 슬라이딩 창을 전달하는 데이터 세트를 만듭니다. 스냅 샷 <t> 입력 텐서의 사본을 반환합니다. SnapshotDataset 스냅 샷에 쓰기 / 읽을 데이터 세트를 만듭니다. SobolSample <t는 숫자를 확장합니다 소볼 시퀀스에서 점을 생성합니다. spacetobatchnd <t> T 형의 ND 텐서에 대한 Spacetobatch. sparseapplyadagradv2 <t> Adagrad 체계에 따라 '*var'및 '*accum'에서 관련 항목을 업데이트하십시오. sparsebincount <u는 숫자>를 확장합니다 정수 배열에서 각 값의 발생 수를 계산합니다. sparsecountsparseoutput <u는 숫자를 확장합니다 드문 텐서 입력에 대한 희소 출력 빈 계산을 수행합니다. Scrsecrosshashed 희소하고 조밀 한 텐서 목록에서 드문 크로스를 생성합니다. Sparsecrossv2 희소하고 조밀 한 텐서 목록에서 드문 크로스를 생성합니다. sparsematrixadd 두 개의 CSR 매트릭스의 드문 첨가, C = alpha * a + 베타 * B. sparsematrixmatmul <t> 매트릭스-다소 틸리 조밀 한 매트릭스가있는 드문 매트릭스. sparsematrixmul 밀도가 높은 텐서로 드문 매트릭스의 원소 별 곱셈. sparsematrixnnz `sparse_matrix`의 비제수 수를 반환합니다. sparsematrixorderingamd '입력'의 대략적인 최소도 (AMD) 순서를 계산합니다. sparsematrixsoftmax CSRSPARSEMATRIX의 SoftMax를 계산합니다. sparsematrixsoftmaxgrad sparsematrixsoftmax op의 그라디언트를 계산합니다. sparsematrixsparsecholesky `입력 '의 희소 한 Cholesky 분해를 계산합니다. sparsematrixsparsematmul 드문 매트릭스-다소 클리 2 개의 CSR 매트릭스`a`와`b`. sparsematrixtranspose CSRSPARSEMATRIX의 내부 (매트릭스) 치수를 전송합니다. sparsematrixzeros ``dense_shape '도 모양의 all-zeros csrsparsematrix를 만듭니다. sparsetensortocsrsparsematrix sparsetensor를 CSRSPARSEMATRIX로 변환합니다. Spence <t는 숫자를 확장합니다 분할 <t> 텐서를 1 차원을 따라`num_split '텐서로 나눕니다. splitv <t> 텐서를 1 차원을 따라`num_split '텐서로 나눕니다. 스퀴즈 <t> 텐서 모양에서 크기 1의 치수를 제거합니다. 스택 <t> `n` rank-`r` 텐서 목록을 하나의 순위 (r+1)`텐서로 포장합니다. 단계 단계 값은 경량 evqueue와 유사합니다. 스테이 클리어 OP는 기본 컨테이너의 모든 요소를 ​​제거합니다. Peek OP는 지정된 인덱스의 값을 살펴 봅니다. 단계적 OP는 기본 컨테이너의 요소 수를 반환합니다. Statefulrandombinomial <V는 숫자를 연장합니다 Statefulardnormal <u> 정규 분포에서 임의 값을 출력합니다. Statefulardnormalv2 <u> 정규 분포에서 임의 값을 출력합니다. State -UncruncatedNormal <u> 잘린 정규 분포에서 임의 값을 출력합니다. StateFulialiform <u> 균일 한 분포에서 임의 값을 출력합니다. StateFulialiformullint <u> 균일 한 분포에서 임의의 정수를 출력합니다. StateFulialiformint <u> 균일 한 분포에서 임의의 정수를 출력합니다. InstantelessParameterizedTruncatedNormal <V는 숫자>를 확장합니다 무국적 란 돔 비노 미미 <w는 숫자를 확장합니다 이항 분포에서 결정 론적 유사 란덤 랜덤 숫자를 출력합니다. SANTESSRANDOMGAMMAV2 <V는 숫자를 확장합니다 감마 분포에서 결정 론적 의사 산소 임의 숫자를 출력합니다. Instantessrandompoisson <w는 숫자를 확장합니다 포아송 분포에서 결정 론적 의사 산소 랜덤 숫자를 출력합니다. instationsrandomuniformullint <v는 숫자>를 확장합니다 출력은 균일 한 분포에서 결정 론적 의사 안드 맨 임의의 정수를 산출합니다. stantelesssampledistordboundingbox <t 숫자> 이미지를 결정적으로 무작위로 왜곡 된 경계 박스를 생성합니다. StatsaggregatorHandlev2 statsaggreatorsetsummarywriter stats_aggregator를 사용하여 통계를 기록하려면 summary_writer_interface를 설정하십시오. Stopgradient <t> 그라디언트 계산을 중지합니다. striddslice <t> `입력 '에서 뾰족한 슬라이스를 반환하십시오. striddsliceassign <t> 'value'를`ref '의 슬라이스 l- 값 참조에 할당하십시오. striddslicegrad <u> 'striddslice'의 그라디언트를 반환합니다. StringLower 모든 대문자를 각각의 소문자 교체로 변환합니다. StringNgrams <t 숫자> 울퉁불퉁 한 문자열 데이터에서 ngrams를 만듭니다. StringUpper 모든 소문자를 각각의 대문자 교체로 변환합니다. 합계 <t> 텐서의 치수에 걸쳐 요소의 합을 계산합니다. Switchcond <t> 'pred'에 의해 결정된 출력 포트로 'data'를 전달합니다. tpucompilationResult TPU 컴파일 결과를 반환합니다. tpucompilesucceededAssert 편집이 성공했다고 주장합니다. tpuembeddingactivations TPU 임베딩의 분화를 가능하게하는 OP. tpuexecute TPU 장치에서 TPU 프로그램을로드하고 실행하는 OP. tpuexecuteandupdatevariables 옵션 인 내장 변수 업데이트가있는 프로그램을 실행하는 OP. tpuordinalselector TPU 코어 선택기 OP. tpupartitionEdInput <t> 분할 된 입력 목록을 함께 그룹화하는 OP. tpupartitionedOutput <t> XLA에 의해 파티션 된 목록에 샤드를 깎을 텐서를 demultiplexe하는 OP XLA 계산 ​​외부의 출력. TPUREPLICATEMETADATA TPU 계산을 어떻게 복제 해야하는지를 나타내는 메타 데이터. tpureplicatedInput <t> N 입력을 N- 웨이 복제 된 TPU 계산에 연결합니다. tpureplicatedOutput <t> N- 웨이 복제 된 TPU 계산에서 N 출력을 연결합니다. 임시 평가 <t> 돌연변이 될 수 있지만 단일 단계 내에서만 지속되는 텐서를 반환합니다. TensorArray 주어진 크기의 텐서 배열. TensorArrayClose 자원 컨테이너에서 TensorArray를 삭제하십시오. TensorArrayConcat <t> TensorArray에서 value`value '로 요소를 연결하십시오. TensorArraygather <t> TensorArray에서 특정 요소를 출력 'value'로 수집하십시오. TensorArraygrad 주어진 핸들에 값의 그라디언트를 저장하기위한 텐소 라 레이를 만듭니다. TensorArraygradwithShape 주어진 핸들에 여러 값의 값을 저장하기위한 텐소 라 레이를 만듭니다. TensorArraypack <t> TensorArrayread <T> TensorArray에서 출력 'value'로 요소를 읽으십시오. TensorArrayscatter 입력 값에서 데이터를 특정 TensorArray 요소로 산출하십시오. TensorArraysize TensorArray의 현재 크기를 얻으십시오. TensorArraysplit 입력 값에서 데이터를 TensorArray 요소로 분할하십시오. Tensorarrayunpack TensorArraywrite Tensor_Array에 요소를 밀어 넣으십시오. TensorforestCreateTreevariable 나무 자원을 생성하고 손잡이를 반환합니다. Tensorforesttreedeserialize 트리 손잡이에 프로토를 삼키는 것입니다 Tensorforesttreeisinitializedop 나무가 초기화되었는지 확인합니다. TensorforestTreepredict 주어진 입력 데이터의 로그를 출력합니다 TensorforestPreeSourceHandleop TensorforestFreeResource에 대한 손잡이를 만듭니다 Tensorforesttreeserialize 트리 핸들을 프로토로 직렬화합니다 TensorforestTreesize 트리에서 노드 수를 얻으십시오 TensorlistConcat <t> 0 차원을 따라 목록에있는 모든 텐서. Tensorlistconcatlist Tensorlistconcatv2 <u> 0 차원을 따라 목록에있는 모든 텐서. TensorListElementshape <t는 숫자>를 확장합니다 텐서로서 주어진 목록의 요소의 모양. Tensorlistfromtensor 쌓을 때``tensor ''의 값을 갖는 Tensorlist를 만듭니다. Tensorlistgather <t> Tensorlist에 인덱싱하여 텐서를 만듭니다. TensorlistgetItem <t> Tensorlistlength 입력 텐서 목록에서 텐서 수를 반환합니다. Tensorlistpopback <t> 입력 목록의 마지막 요소와 해당 요소를 제외한 모든 목록을 반환합니다. Tensorlistpushback 전달 된```````````tensor "가 마지막 요소와`input_handle '의 주어진 목록의 다른 요소가있는 목록을 반환합니다. Tensorlistpushbackbatch Tensorlistreserve 빈 요소가있는 주어진 크기 목록. Tensorlistresize 목록을 크게 조정합니다. Tensorlistscatter 텐서로 인덱싱하여 텐소리스트를 만듭니다. TensorlistscatterintoExistinglist 입력 목록의 지수에서 텐서를 산란시킵니다. Tensorlistscatterv2 텐서로 인덱싱하여 텐소리스트를 만듭니다. TensorlistSetItem Tensorlistsplit 텐서를 목록으로 나눕니다. Tensorliststack <t> 목록의 모든 텐서를 쌓습니다. Tensormaperase <u> 주어진 키가 지워진 항목으로 텐서 맵을 반환합니다. Tensormaphaskey 주어진 키가지도에 존재하는지 여부를 반환합니다. Tensormapinsert 주어진 키 값 쌍이 삽입 한 'input_handle'인 맵을 반환합니다. Tensormaplookup <u> 텐서 맵에서 주어진 키에서 값을 반환합니다. Tensormapsize 입력 텐서 맵에서 텐서 수를 반환합니다. Tensorscatteradd <t> 'Indices'에 따라 기존 텐서에 Sparse`updates '를 추가합니다. Tensorscattermax <t> Tensorscattermin <t> Tensorscattersub <t> `indices '에 따라 기존 텐서에서 스파 스`updates'를 빼냅니다. Tensorscatterupdate <t> 'indices'에 따라 '업데이트'를 기존 텐서로 뿌립니다. TensorstridedSliceUpdate <t> 'value'를 '입력'의 슬라이스 된 l- 값 참조에 할당하십시오. ThreadPooldataSet 사용자 정의 스레드 풀을 사용하여 'input_dataset'을 계산하는 데이터 세트를 만듭니다. ThreadPoolhandle 사용자 정의 스레드 풀을 사용하여 'input_dataset'을 계산하는 데이터 세트를 만듭니다. 타일 ​​<t> 주어진 텐서 타일링하여 텐서를 구축합니다. 타임 스탬프 Epoch 이후 몇 초 만에 시간을 제공합니다. Tobool 텐서를 스칼라 술어로 변환합니다. TopKunique 배열에서 TOPK 고유 값을 정렬 된 순서로 반환합니다. Topkwithunique 배열의 TOPK 값을 정렬 된 순서로 반환합니다. tridiagonalmatmul <t> Tridiagonal 매트릭스로 제품을 계산하십시오. tridiagonalsolve <t> 방정식의 트리 다이밀 시스템을 해결합니다. tryrpc RPC 요청 배치를 수행하십시오. UNDATH <T> 단일 출력 텐서에 대한 배치 작동을 뒤집습니다. UNDATTHGRAD <T> UNDATH의 기울기. 비 압축 압축되지 않은 데이터 세트 요소를 압축합니다. unicodedecode <t는 숫자>를 확장합니다 각 문자열을 '입력'의 유니 코드 코드 포인트 시퀀스로 디코딩합니다. Unicodeencode Ints의 텐서를 유니 코드 문자열로 인코딩합니다. 고유 <t, v는 숫자를 확장합니다> 텐서 축을 따라 독특한 요소를 찾습니다. iriquedataset 'input_dataset'의 고유 한 요소가 포함 된 데이터 세트를 만듭니다. IliqueWithCounts <t, v는 숫자>를 연장합니다 텐서 축을 따라 독특한 요소를 찾습니다. UnsavelIndex <t는 숫자>를 확장합니다 평평한 지수를 튜플의 좌표 배열로 변환합니다. UnsortedSegmentjoin `segment_ids '를 기반으로`inputs'의 요소에 합류합니다. <t>를 풀었다 주어진 차원의 랭크‘rant "(r-1)```텐서 (R-1) 텐서로 주어진 차원을 풀립니다. 무대 OP는 경량 퇴적물과 유사합니다. Unprapdatasetvariant 어퍼 바운드 <U 확장 번호> 각 행을 따라 상류 _bound (sorted_search_values, 값)를 적용합니다. varhandleop 가변 자원에 대한 핸들을 만듭니다. varisinitialized 리소스 핸들 기반 변수가 초기화되었는지 확인합니다. 변수 <t> 단계를 가로 질러 지속되는 텐서의 형태로 상태를 유지합니다. variableShape <t는 숫자를 확장합니다 `resource '로 가리키는 변수의 모양을 반환합니다. 어디 텐서에서 0이 아닌 / 실제 값의 위치를 ​​반환합니다. 여기서 3 <t> `조건 '에 따라`x` 또는`y`에서 요소를 선택합니다. Workerheartbeat 노동자 심장 박동 OP. WrapdatasetVariant Writerawprotosummary 직렬화 된 프로토 요약을 작성합니다. xlarecvfromhost <t> 호스트로부터 텐서를받는 OP. xlasendtohost 텐서를 호스트에게 보내는 OP. xlog1py <t> x == 0이면 0을 반환하고 x * log1p (y)는 그렇지 않으면 요소를 반환합니다. 0 <t> `dims`에 의해 주어진 모양의 0으로 일정한 초기화를 생성하는 연산자. 0 <t> 같은 모양으로 0의 텐서를 반환하고 x와 유형을 유형합니다.

모든 작동 포장지에 대한 마커 인터페이스.

작동 포장지는 핵심 클래스에서 필요에 따라 리터럴 및 인덱스를 사용하지 않고 구축 및 실행 작업을위한 강력하게 입력 된 인터페이스를 제공합니다.

이 인터페이스를 사용하면 공통 유형을 사용하여 모든 작업 래퍼를 ​​참조 할 수 있습니다.

 // All values returned by an Ops call can be referred as a Op
 Op split = ops.array().split(...);
 Op shape = ops.array().shape(...);

 // All operations could be added to an Op collection
 Collection<Op> allOps = Arrays.asList(split, shape);