ยกเลิก | เพิ่มข้อยกเว้นในการยกเลิกกระบวนการเมื่อถูกเรียก |
ทั้งหมด | คำนวณ "ตรรกะและ" ขององค์ประกอบในมิติของเทนเซอร์ |
AllToAll <T> | Op เพื่อแลกเปลี่ยนข้อมูลระหว่างแบบจำลอง TPU |
AnonymousIteratorV2 | คอนเทนเนอร์สำหรับรีซอร์สตัววนซ้ำ |
AnonymousMemoryCache | |
AnonymousMultiDeviceIterator | คอนเทนเนอร์สำหรับรีซอร์สตัววนซ้ำหลายอุปกรณ์ |
AnonymousRandomSeedGenerator | |
AnonymousSeedGenerator | |
ๆ | คำนวณ "ตรรกะหรือ" ขององค์ประกอบในมิติของเทนเซอร์ |
สมัคร AdagradV2 <T> | อัปเดต '* var' ตามโครงการ adagrad |
AssertCardinalityDataset | |
AssertNextDataset | การเปลี่ยนแปลงที่ยืนยันว่าการเปลี่ยนแปลงใดจะเกิดขึ้นต่อไป |
ยืนยัน | ยืนยันว่าเงื่อนไขที่กำหนดเป็นจริง |
กำหนด <T> | อัปเดต 'อ้างอิง' โดยกำหนด 'ค่า' ให้กับมัน |
AssignAdd <T> | อัปเดต 'ref' โดยเพิ่ม 'value' เข้าไป |
AssignAddVariableOp | เพิ่มค่าให้กับค่าปัจจุบันของตัวแปร |
AssignSub <T> | อัปเดต 'อ้างอิง' โดยการลบ 'ค่า' ออกจากมัน |
AssignSubVariableOp | ลบค่าออกจากค่าปัจจุบันของตัวแปร |
AssignVariableOp | กำหนดค่าใหม่ให้กับตัวแปร |
AutoShardDataset | สร้างชุดข้อมูลที่แบ่งชุดข้อมูลอินพุต |
BandedTriangularSolve <T> | |
สิ่งกีดขวาง | กำหนดอุปสรรคที่คงอยู่ในการดำเนินการกราฟต่างๆ |
สิ่งกีดขวาง | ปิดกั้นที่กำหนด |
BarrierIncompleteSize | คำนวณจำนวนองค์ประกอบที่ไม่สมบูรณ์ในอุปสรรคที่กำหนด |
BarrierInsert มากมาย | สำหรับแต่ละคีย์กำหนดค่าตามลำดับให้กับคอมโพเนนต์ที่ระบุ |
BarrierReadySize | คำนวณจำนวนองค์ประกอบที่สมบูรณ์ในอุปสรรคที่กำหนด |
BarrierTakeMany | รับองค์ประกอบที่เสร็จสมบูรณ์ตามจำนวนที่กำหนดจากอุปสรรค |
แบทช์ | แบตช์เทนเซอร์อินพุตทั้งหมดแบบไม่กำหนด |
BatchMatMulV2 <T> | ทวีคูณสไลซ์ของสองเทนเซอร์ในแบทช์ |
BatchToSpace <T> | BatchToSpace สำหรับเทนเซอร์ 4 มิติประเภท T. |
BatchToSpaceNd <T> | BatchToSpace สำหรับ ND Tensors ประเภท T. |
BesselI0 <T ขยายจำนวน> | |
BesselI1 <T ขยายจำนวน> | |
BesselJ0 <T ขยายจำนวน> | |
BesselJ1 <T ขยายจำนวน> | |
BesselK0 <T ขยายจำนวน> | |
BesselK0e <T ขยายจำนวน> | |
BesselK1 <T ขยายจำนวน> | |
BesselK1e <T ขยายจำนวน> | |
BesselY0 <T ขยายจำนวน> | |
BesselY1 <T ขยายจำนวน> | |
Bitcast <U> | กัดเทนเซอร์จากประเภทหนึ่งไปยังอีกประเภทหนึ่งโดยไม่ต้องคัดลอกข้อมูล |
BlockLS ™ <T ขยายจำนวน> | คำนวณการแพร่กระจายไปข้างหน้าของเซลล์ LSTM สำหรับขั้นตอนเวลาทั้งหมด |
BlockLSTMGrad <T ขยายจำนวน> | คำนวณการแพร่กระจายย้อนกลับของเซลล์ LSTM สำหรับลำดับเวลาทั้งหมด |
BlockLSTMGradV2 <T ขยายจำนวน> | คำนวณการแพร่กระจายย้อนกลับของเซลล์ LSTM สำหรับลำดับเวลาทั้งหมด |
BlockLSTMV2 <T ขยายจำนวน> | คำนวณการแพร่กระจายไปข้างหน้าของเซลล์ LSTM สำหรับขั้นตอนเวลาทั้งหมด |
BoostedTreesAggregateStats | รวบรวมสรุปสถิติสะสมสำหรับชุดงาน |
BoostedTreesBucketize | สร้างข้อมูลแต่ละคุณลักษณะตามขอบเขตของที่เก็บข้อมูล |
BoostedTreesCalculateBestFeatureSplit | คำนวณกำไรสำหรับแต่ละคุณลักษณะและส่งกลับข้อมูลแยกที่ดีที่สุดสำหรับคุณลักษณะ |
BoostedTreesCalculateBestFeatureSplitV2 | คำนวณกำไรสำหรับแต่ละคุณลักษณะและส่งกลับข้อมูลแยกที่ดีที่สุดสำหรับแต่ละโหนด |
BoostedTreesCalculateBestGainsPerFeature | คำนวณกำไรสำหรับแต่ละคุณลักษณะและส่งกลับข้อมูลแยกที่ดีที่สุดสำหรับคุณลักษณะ |
BoostedTreesCenterBias | คำนวณค่าก่อนหน้าจากข้อมูลการฝึกอบรม (อคติ) และกรอกข้อมูลในโหนดแรกด้วยรายการบันทึกก่อนหน้า |
BoostedTreesCreateEnsemble | สร้างแบบจำลองต้นไม้ทั้งมวลและคืนค่าแฮนเดิลให้กับมัน |
BoostedTreesCreateQuantileStreamResource | สร้างทรัพยากรสำหรับ Quantile Streams |
BoostedTreesDeserializeEnsemble | ยกเลิกการกำหนดค่าเริ่มต้นของการกำหนดค่าชุดต้นไม้แบบอนุกรมและแทนที่ทรีปัจจุบัน ทั้งมวล |
BoostedTreesEnsembleResourceHandleOp | สร้างหมายเลขอ้างอิงไปยัง BoostedTreesEnsembleResource |
BoostedTreesExampleDebugOutputs | เอาต์พุตการแก้จุดบกพร่อง / การตีความแบบจำลองสำหรับแต่ละตัวอย่าง |
BoostedTreesFlushQuantileSummaries | ล้างข้อมูลสรุปเชิงปริมาณจากทรัพยากรสตรีมควอนไทล์แต่ละรายการ |
BoostedTreesGetEnsembleStates | ดึงโทเค็นการประทับตราทรัพยากรทั้งชุดต้นไม้จำนวนต้นไม้และสถิติการเติบโต |
BoostedTreesMakeQuantileSummaries | สร้างข้อมูลสรุปของ quantiles สำหรับชุดงาน |
BoostedTreesMakeStatsSummary | ทำให้สรุปสถิติสะสมสำหรับชุดงาน |
BoostedTreesPredict | รันตัวทำนายการถดถอยส่วนเสริมหลายชุดในอินสแตนซ์อินพุตและ คำนวณบันทึก |
BoostedTreesQuantileStreamResourceAddSummaries | เพิ่มข้อมูลสรุปปริมาณให้กับทรัพยากรสตรีมควอนไทล์แต่ละรายการ |
BoostedTreesQuantileStreamResourceDeserialize | ลบข้อมูลขอบเขตของถังและแฟล็กที่พร้อมใช้งานลงใน QuantileAccumulator ปัจจุบัน |
BoostedTreesQuantileStreamResourceFlush | ล้างข้อมูลสรุปสำหรับทรัพยากรสตรีมควอนไทล์ |
BoostedTreesQuantileStreamResourceGetBucketBoundaries | สร้างขอบเขตที่เก็บข้อมูลสำหรับแต่ละคุณลักษณะตามข้อมูลสรุปที่สะสม |
BoostedTreesQuantileStreamResourceHandleOp | สร้างหมายเลขอ้างอิงไปยัง BoostedTreesQuantileStreamResource |
BoostedTreesSerializeEnsemble | ทำให้ต้นไม้ทั้งชุดเป็นโปรโต |
BoostedTreesSparseAggregateStats | รวบรวมสรุปสถิติสะสมสำหรับชุดงาน |
BoostedTreesSparseCalculateBestFeatureSplit | คำนวณกำไรสำหรับแต่ละคุณลักษณะและส่งกลับข้อมูลแยกที่ดีที่สุดสำหรับคุณลักษณะ |
BoostedTreesTrainingPredict | รันตัวทำนายการถดถอยส่วนเสริมหลายชุดในอินสแตนซ์อินพุตและ คำนวณการอัปเดตเป็นบันทึกที่แคชไว้ |
BoostedTreesUpdateEnsemble | อัปเดตชุดต้นไม้โดยการเพิ่มเลเยอร์ให้กับต้นไม้สุดท้ายที่ปลูก หรือโดยการเริ่มต้นใหม่ |
BoostedTreesUpdateEnsembleV2 | อัปเดตชุดต้นไม้โดยการเพิ่มเลเยอร์ให้กับต้นไม้สุดท้ายที่ปลูก หรือโดยการเริ่มต้นใหม่ |
BroadcastDynamicShape <T ขยายจำนวน> | คืนรูปร่างของ s0 op s1 ด้วยการออกอากาศ |
BroadcastGradientArgs <T ขยายจำนวน> | ส่งคืนดัชนีการลดสำหรับการคำนวณการไล่ระดับสีของ s0 op s1 ด้วยการออกอากาศ |
ออกอากาศไปยัง <T> | ออกอากาศอาร์เรย์สำหรับรูปร่างที่เข้ากันได้ |
Bucketize | จัดเก็บข้อมูล 'อินพุต' ตาม 'ขอบเขต' |
CSRSparseMatrixComponents <T> | อ่านส่วนประกอบ CSR ที่ชุด "ดัชนี" |
CSRSparseMatrixToDense <T> | แปลง CSRSparseMatrix (อาจเป็นกลุ่ม) เป็นแบบหนาแน่น |
CSRSparseMatrixToSparseTensor <T> | แปลง CSRSparesMatrix (อาจเป็นกลุ่ม) เป็น SparseTensor |
CSVDataset | |
CSVDatasetV2 | |
CTCLossV2 | คำนวณการสูญเสีย CTC (ความน่าจะเป็นของการบันทึก) สำหรับแต่ละรายการแบทช์ |
แคช | |
CheckNumericsV2 <T ขยายจำนวน> | ตรวจสอบเทนเซอร์สำหรับค่า NaN, -Inf และ + Inf |
เลือกชุดข้อมูลที่เร็วที่สุด | |
ClipByValue <T> | คลิปค่าเทนเซอร์เป็นค่าต่ำสุดและสูงสุดที่ระบุ |
CollectiveGather <T ขยายจำนวน> | สะสมหลายเทนเซอร์ที่มีชนิดและรูปร่างเหมือนกัน |
CollectivePermute <T> | Op เพื่ออนุญาตให้มีเทนเซอร์ในอินสแตนซ์ TPU ที่จำลองแบบ |
CollectiveReduceV2 <T ขยายจำนวน> | ช่วยลดหลายเทนเซอร์ของประเภทและรูปร่างที่เหมือนกัน |
CombinedNonMaxSuppression | เลือกส่วนย่อยของกล่องขอบเขตตามลำดับคะแนนจากมากไปหาน้อย การดำเนินการนี้ดำเนินการ non_max_suppression บนอินพุตต่อชุดในทุกคลาส |
CompressElement | บีบอัดองค์ประกอบชุดข้อมูล |
ComputeBatchSize | คำนวณขนาดแบตช์แบบคงที่ของชุดข้อมูลโดยใช้แบทช์บางส่วน |
เชื่อมต่อ <T> | เชื่อมต่อเทนเซอร์เข้ากับมิติเดียว |
ConfigureDistributedTPU | ตั้งค่าโครงสร้างส่วนกลางสำหรับระบบ TPU แบบกระจาย |
กำหนดค่า TPUEmbedding | ตั้งค่า TPUEmbedding ในระบบ TPU แบบกระจาย |
ค่าคงที่ <T> | ตัวดำเนินการที่สร้างค่าคงที่ |
บริโภค MutexLock | การดำเนินการนี้ใช้การล็อกที่สร้างโดย "MutexLock" |
ControlTrigger | ไม่ทำอะไรเลย |
คัดลอก <T> | คัดลอกเทนเซอร์จาก CPU-to-CPU หรือ GPU-to-GPU |
CopyHost <T> | คัดลอกเทนเซอร์ไปยังโฮสต์ |
นับถึง <T ขยายจำนวน> | เพิ่ม 'อ้างอิง' จนกว่าจะถึง 'ขีด จำกัด ' |
CrossReplicaSum <T ขยายจำนวน> | Op เพื่อรวมอินพุตระหว่างอินสแตนซ์ TPU ที่จำลองแบบ |
CudnnRNNBackpropV3 <T ขยายจำนวน> | Backprop ขั้นตอนของ CudnnRNNV3 |
CudnnRNNCanonicalToParamsV2 <T ขยายจำนวน> | แปลงพารามิเตอร์ CudnnRNN จากรูปแบบบัญญัติเป็นรูปแบบที่ใช้งานได้ |
CudnnRNNParamsToCanonicalV2 <T ขยายจำนวน> | ดึงข้อมูลพารามิเตอร์ CudnnRNN ในรูปแบบบัญญัติ |
CudnnRNNV3 <T ขยายจำนวน> | RNN สนับสนุนโดย cuDNN |
CumulativeLogsumexp <T ขยายจำนวน> | คำนวณผลคูณสะสมของเทนเซอร์ "x" ตาม "แกน" |
DataServiceDataset | |
ชุดข้อมูล | ส่งคืนค่าจำนวนเต็มของ "input_dataset" |
DatasetFromGraph | สร้างชุดข้อมูลจาก "graph_def" ที่กำหนด |
DatasetToGraphV2 | ส่งคืน GraphDef แบบอนุกรมที่แสดงถึง "input_dataset" |
Dawsn <T ขยายจำนวน> | |
DebugGradientIdentity <T> | Identity op สำหรับการดีบักแบบไล่ระดับสี |
DebugGradientRefIdentity <T> | Identity op สำหรับการดีบักแบบไล่ระดับสี |
DebugIdentity <T> | จัดเตรียมการแม็ปเอกลักษณ์ของอินพุทเทนเซอร์ชนิด non-Ref สำหรับการดีบัก |
DebugIdentityV2 <T> | Debug Identity V2 Op. |
DebugNanCount | Debug NaN Value Counter Op. |
DebugNumericSummary | การแก้ไขข้อบกพร่องสรุปตัวเลข |
DebugNumericSummaryV2 <U ขยายหมายเลข> | แก้จุดบกพร่อง V2 Op. สรุปตัวเลข |
DecodeImage <T ขยายจำนวน> | ฟังก์ชันสำหรับ decode_bmp, decode_gif, decode_jpeg และ decode_png |
DecodePaddedRaw <T ขยายจำนวน> | ตีความไบต์ของสตริงอีกครั้งเป็นเวกเตอร์ของตัวเลข |
ถอดรหัสโปรโต | op จะแยกฟิลด์จากโปรโตคอลแบบอนุกรมจะบัฟเฟอร์ข้อความเป็นเทนเซอร์ |
DeepCopy <T> | ทำสำเนา "x" |
DeleteIterator | คอนเทนเนอร์สำหรับรีซอร์สตัววนซ้ำ |
DeleteMemoryCache | |
DeleteMultiDeviceIterator | คอนเทนเนอร์สำหรับรีซอร์สตัววนซ้ำ |
DeleteRandomSeedGenerator | |
DeleteSeedGenerator | |
DeleteSessionTensor | ลบเทนเซอร์ที่ระบุโดยแฮนเดิลในเซสชัน |
DenseBincount <U ขยายจำนวน> | นับจำนวนการเกิดขึ้นของแต่ละค่าในอาร์เรย์จำนวนเต็ม |
DenseCountSparseOutput <U ขยายจำนวน> | ดำเนินการนับช่องสัญญาณเอาต์พุตแบบกระจัดกระจายสำหรับอินพุต tf.tensor |
DenseToCSRSparseMatrix | แปลงเทนเซอร์หนาแน่นเป็น CSRSparseMatrix (อาจเป็นกลุ่ม) |
DestroyResourceOp | ลบทรัพยากรที่ระบุโดยแฮนเดิล |
DestroyTem ContemporaryVariable <T> | ทำลายตัวแปรชั่วคราวและส่งกลับค่าสุดท้าย |
DeviceIndex | ส่งคืนดัชนีของอุปกรณ์ที่ op ทำงาน |
DirectedInterleaveDataset | การแทนที่ "InterleaveDataset" ในรายการชุดข้อมูล "N" แบบคงที่ |
DrawBoundingBoxesV2 <T ขยายจำนวน> | วาดกรอบขอบบนภาพชุดหนึ่ง |
DummyIterationCounter | |
DummyMemoryCache | |
DummySeedGenerator | |
DynamicPartition <T> | พาร์ติชัน "data" เป็นเทนเซอร์ "num_partitions" โดยใช้ดัชนีจาก "พาร์ติชัน" |
DynamicStitch <T> | แทรกค่าจากเทนเซอร์ "data" ให้เป็นเทนเซอร์ตัวเดียว |
แก้ไขระยะทาง | คำนวณระยะทางแก้ไข Levenshtein (อาจเป็นปกติ) |
อี๊ก <U> | คำนวณการสลายตัวของลักษณะเฉพาะของเมทริกซ์สี่เหลี่ยมอย่างน้อยหนึ่งรายการ |
Einsum <T> | การหดตัวของเทนเซอร์ตามหลักการสรุปของไอน์สไตน์ |
ว่างเปล่า <T> | สร้างเทนเซอร์ตามรูปร่างที่กำหนด |
EmptyTensorList | สร้างและส่งคืนรายการเทนเซอร์ว่าง |
EmptyTensorMap | สร้างและส่งคืนแผนที่เทนเซอร์ที่ว่างเปล่า |
เข้ารหัส | op จัดลำดับข้อความ protobuf ที่ให้ไว้ในเทนเซอร์อินพุต |
EnqueueTPUEmbeddingIntegerBatch | op ที่สร้างรายการของชุดเทนเซอร์อินพุตไปยัง TPUEmbedding |
EnqueueTPUEmbeddingRaggedTensorBatch | ลดการย้ายรหัสที่ใช้ tf.nn.embedding_lookup () |
EnqueueTPUEmbeddingSparseBatch | op ที่สร้างดัชนีอินพุต TPUEmbedding จาก SparseTensor |
EnqueueTPUEmbeddingSparseTensorBatch | ลดการย้ายรหัสที่ใช้ tf.nn.embedding_lookup_sparse () |
SureShape <T> | ตรวจสอบให้แน่ใจว่ารูปร่างของเทนเซอร์ตรงกับรูปร่างที่คาดไว้ |
เข้าสู่ <T> | สร้างหรือค้นหาเฟรมย่อยและทำให้ "ข้อมูล" พร้อมใช้งานในเฟรมย่อย |
Erfinv <T ขยายจำนวน> | |
EuclideanNorm <T> | คำนวณบรรทัดฐานขององค์ประกอบแบบยุคลิดในมิติของเทนเซอร์ |
ออกจาก <T> | ออกจากเฟรมปัจจุบันไปยังเฟรมหลัก |
ExpandDims <T> | แทรกมิติ 1 เข้าไปในรูปร่างของเทนเซอร์ |
ExperimentalAutoShardDataset | สร้างชุดข้อมูลที่แบ่งชุดข้อมูลอินพุต |
ExperimentalBytesProducedStatsDataset | บันทึกขนาดไบต์ของแต่ละองค์ประกอบของ "input_dataset" ใน StatsAggregator |
ExperimentalChooseFastestDataset | |
ExperimentalDatasetCardinality | ส่งคืนค่าจำนวนเต็มของ "input_dataset" |
ExperimentalDatasetToTFRecord | เขียนชุดข้อมูลที่กำหนดไปยังไฟล์ที่กำหนดโดยใช้รูปแบบ TFRecord |
ExperimentalDenseToSparseBatchDataset | สร้างชุดข้อมูลที่แบทช์องค์ประกอบอินพุตเป็น SparseTensor |
ExperimentalLatencyStatsDataset | บันทึกเวลาในการตอบสนองของการสร้างองค์ประกอบ "input_dataset" ใน StatsAggregator |
ExperimentalMatchingFilesDataset | |
ExperimentalMaxIntraOpParallelismDataset | สร้างชุดข้อมูลที่ลบล้างความเท่าเทียมกันภายในหน่วยงานสูงสุด |
ExperimentalParseExampleDataset | แปลง "input_dataset" ที่มีโปรโตส "ตัวอย่าง" เป็นเวกเตอร์ของ DT_STRING เป็นชุดข้อมูลของวัตถุ "Tensor" หรือ "SparseTensor" ที่แสดงคุณลักษณะที่แยกวิเคราะห์ |
ExperimentalPrivateThreadPoolDataset | สร้างชุดข้อมูลที่ใช้เธรดพูลแบบกำหนดเองเพื่อคำนวณ "input_dataset" |
ExperimentalRandomDataset | สร้างชุดข้อมูลที่ส่งคืนหมายเลขหลอก |
ExperimentalRebatchDataset | สร้างชุดข้อมูลที่เปลี่ยนขนาดชุดงาน |
ExperimentalSetStatsAggregatorDataset | |
ExperimentalSlidingWindowDataset | สร้างชุดข้อมูลที่ส่งผ่านหน้าต่างบานเลื่อนเหนือ "input_dataset" |
ExperimentalSqlDataset | สร้างชุดข้อมูลที่เรียกใช้แบบสอบถาม SQL และแสดงแถวของชุดผลลัพธ์ |
ExperimentalStatsAggregatorHandle | สร้างทรัพยากรตัวจัดการสถิติ |
ExperimentalStatsAggregatorSummary | จัดทำสรุปสถิติใด ๆ ที่บันทึกโดยผู้จัดการสถิติที่กำหนด |
ExperimentalUnbatchDataset | ชุดข้อมูลที่แยกองค์ประกอบของอินพุตออกเป็นหลายองค์ประกอบ |
Expint <T ขยายจำนวน> | |
สารสกัด | แยกเหลือบจากเทนเซอร์อินพุต |
ExtractVolumePatches <T ขยายจำนวน> | แยก "แพตช์" จาก "อินพุต" และวางไว้ในมิติข้อมูลเอาต์พุต "" ความลึก " |
เติม <U> | สร้างเทนเซอร์ที่เต็มไปด้วยค่าสเกลาร์ |
ลายนิ้วมือ | สร้างค่าลายนิ้วมือ |
FresnelCos <T ขยายจำนวน> | |
FresnelSin <T ขยายจำนวน> | |
FusedBatchNormGradV3 <T ขยายจำนวน U ขยายจำนวน> | ไล่ระดับสีสำหรับการทำให้เป็นมาตรฐานแบทช์ |
FusedBatchNormV3 <T ขยายจำนวน U ขยายจำนวน> | การทำให้เป็นมาตรฐานแบทช์ |
GRUBlockCell <T ขยายจำนวน> | คำนวณการแพร่กระจายไปข้างหน้าของเซลล์ GRU เป็นเวลา 1 ขั้นตอน |
GRUBlockCellGrad <T ขยายจำนวน> | คำนวณการแพร่กระจายย้อนกลับของเซลล์ GRU เป็นเวลา 1 ขั้นตอน |
รวบรวม <T> | รวบรวมชิ้นส่วนจากแกน "แกน" ตาม "ดัชนี" |
GatherNd <T> | รวบรวมชิ้นส่วนจาก "params" เป็น Tensor ที่มีรูปร่างระบุโดย "ดัชนี" |
สร้างBoundingBoxProposals | op นี้สร้างพื้นที่ที่น่าสนใจจากกล่องขอบเขตที่กำหนด (bbox_deltas) ที่เข้ารหัส wrt anchors ตาม eq.2 ใน arXiv: 1506.01497 op จะเลือกช่องการให้คะแนน "pre_nms_topn" ด้านบนถอดรหัสตามจุดยึดใช้การปราบปรามที่ไม่สูงสุดบนกล่องที่ทับซ้อนกันที่มีค่าจุดตัดกันเกินสหภาพ (iou) สูงกว่า "nms_threshold" โดยทิ้งกล่องที่ด้านที่สั้นกว่ามีค่าน้อยกว่า " min_size` |
GetSessionHandle | จัดเก็บเทนเซอร์อินพุตในสถานะของเซสชันปัจจุบัน |
GetSessionTensor <T> | รับค่าของเทนเซอร์ที่ระบุโดยแฮนเดิล |
การไล่ระดับสี | เพิ่มการดำเนินการเพื่อคำนวณอนุพันธ์บางส่วนของผลรวมของ y s wrt x s เช่น d(y_1 + y_2 + ...)/dx_1, d(y_1 + y_2 + ...)/dx_2... หากตั้งค่า Options.dx() ค่าเหล่านี้จะเป็นอนุพันธ์เชิงสัญลักษณ์เริ่มต้นของฟังก์ชันการสูญเสียบางฟังก์ชัน L wrt |
GuaranteeConst <T> | รับประกันรันไทม์ TF ว่าเทนเซอร์อินพุตเป็นค่าคงที่ |
HashTable | สร้างตารางแฮชที่ไม่ได้เริ่มต้น |
HistogramFixedWidth <U ขยายจำนวน> | ส่งคืนฮิสโตแกรมของค่า |
เอกลักษณ์ <T> | ส่งคืนค่าเทนเซอร์ที่มีรูปร่างและเนื้อหาเหมือนกับเทนเซอร์หรือค่าอินพุต |
IdentityN | ส่งคืนรายการของเทนเซอร์ที่มีรูปร่างและเนื้อหาเหมือนกับอินพุต เทนเซอร์ |
IgnoreErrorsDataset | สร้างชุดข้อมูลที่มีองค์ประกอบของ "input_dataset" โดยไม่สนใจข้อผิดพลาด |
ImageProjectiveTransformV2 <T ขยายจำนวน> | ใช้การแปลงที่กำหนดให้กับแต่ละภาพ |
ImmutableConst <T> | ส่งคืนค่าเทนเซอร์ที่ไม่เปลี่ยนรูปจากพื้นที่หน่วยความจำ |
InfeedDequeue <T> | ตัวยึดตำแหน่งสำหรับค่าที่จะป้อนเข้าในการคำนวณ |
InfeedDequeueTuple | ดึงค่าหลายค่าจาก infeed เป็น XLA tuple |
InfeedEnqueue | op ที่ป้อนค่า Tensor เดียวในการคำนวณ |
InfeedEnqueuePrelinearizedBuffer | หน่วยปฏิบัติการที่สร้างบัฟเฟอร์ที่กำหนดไว้ล่วงหน้าเป็น TPU ที่ป้อนเข้า |
InfeedEnqueueTuple | ป้อนค่า Tensor หลายค่าในการคำนวณเป็น XLA tuple |
InitializeTable | ตัวเริ่มต้นตารางที่ใช้สองเทนเซอร์สำหรับคีย์และค่าตามลำดับ |
InitializeTableFromDataset | |
InitializeTableFromTextFile | เริ่มต้นตารางจากไฟล์ข้อความ |
Inplace เพิ่ม <T> | เพิ่ม v ลงในแถว x ที่ระบุ |
InplaceSub <T> | ลบ "v" ลงในแถวที่ระบุของ "x" |
InplaceUpdate <T> | อัปเดตแถวที่ระบุ 'i' ด้วยค่า 'v' |
IsBoostedTreesEnsembleInitialized | ตรวจสอบว่าชุดต้นไม้ได้รับการเตรียมใช้งานแล้วหรือไม่ |
IsBoostedTreesQuantileStreamResourceInitialized | ตรวจสอบว่าสตรีมควอนไทล์ได้รับการเตรียมใช้งานแล้วหรือไม่ |
IsVariableInitialized | ตรวจสอบว่ามีการเตรียมใช้งานเทนเซอร์หรือไม่ |
IsotonicRegression <U ขยายจำนวน> | แก้ปัญหาการถดถอยแบบไอโซโทนิก |
IteratorGetDevice | ส่งคืนชื่อของอุปกรณ์ที่วาง "ทรัพยากร" |
KMC2ChainInitialization | ส่งคืนดัชนีของจุดข้อมูลที่ควรเพิ่มลงในชุดเมล็ดพันธุ์ |
KmeansPlusPlus การเริ่มต้น | เลือกแถวของอินพุต num_to_sample โดยใช้เกณฑ์ KMeans ++ |
KthOrderStatistic | คำนวณสถิติลำดับ K ของชุดข้อมูล |
LMDB ชุดข้อมูล | สร้างชุดข้อมูลที่แสดงคู่คีย์ - ค่าในไฟล์ LMDB อย่างน้อยหนึ่งไฟล์ |
LSTMBlockCell <T ขยายจำนวน> | คำนวณการแพร่กระจายไปข้างหน้าของเซลล์ LSTM เป็นเวลา 1 ขั้นตอน |
LSTMBlockCellGrad <T ขยายจำนวน> | คำนวณการแพร่กระจายย้อนกลับของเซลล์ LSTM เป็นเวลา 1 ขั้นตอน |
LinSpace <T ขยายจำนวน> | สร้างค่าในช่วงเวลา |
LoadTPUEmbeddingADAMParameters | โหลดพารามิเตอร์การฝัง ADAM |
LoadTPUEmbeddingADAMParametersGradAccumDebug | โหลดพารามิเตอร์การฝัง ADAM ด้วยการสนับสนุนการดีบัก |
LoadTPUEmbeddingAdadeltaParameters | โหลดพารามิเตอร์การฝัง Adadelta |
LoadTPUEmbeddingAdadeltaParametersGradAccumDebug | โหลดพารามิเตอร์ Adadelta ด้วยการสนับสนุนการดีบัก |
LoadTPUEmbeddingAdagradParameters | โหลดพารามิเตอร์การฝัง Adagrad |
LoadTPUEmbeddingAdagradParametersGradAccumDebug | โหลดพารามิเตอร์การฝัง Adagrad ด้วยการสนับสนุนการดีบัก |
LoadTPUEmbeddingCenteredRMSPropParameters | โหลดพารามิเตอร์การฝัง RMSProp ที่อยู่ตรงกลาง |
LoadTPUEmbeddingFTRL พารามิเตอร์ | โหลดพารามิเตอร์การฝัง FTRL |
LoadTPUEmbeddingFTRLParametersGradAccumDebug | โหลดพารามิเตอร์การฝัง FTRL ด้วยการสนับสนุนการดีบัก |
LoadTPUEmbeddingMDLAdagradLightParameters | โหลดพารามิเตอร์การฝัง MDL Adagrad Light |
LoadTPUEmbeddingMomentumParameters | โหลดพารามิเตอร์การฝังโมเมนตัม |
LoadTPUEmbeddingMomentumParametersGradAccumDebug | โหลดพารามิเตอร์การฝังโมเมนตัมด้วยการสนับสนุนการดีบัก |
LoadTPUEmbeddingProximalAdagradParameters | โหลดพารามิเตอร์การฝัง Adagrad ใกล้เคียง |
LoadTPUEmbeddingProximalAdagradParametersGradAccumDebug | โหลดพารามิเตอร์การฝังตัวของ Adagrad ที่ใกล้เคียงด้วยการสนับสนุนการแก้ปัญหา |
LoadTPUEmbeddingProximalYogiParameters | |
LoadTPUEmbeddingProximalYogiParametersGradAccumDebug | |
LoadTPUEmbeddingRMSPropParameters | โหลดพารามิเตอร์การฝัง RMSProp |
LoadTPUEmbeddingRMSPropParametersGradAccumDebug | โหลดพารามิเตอร์การฝัง RMSProp ด้วยการสนับสนุนการดีบัก |
LoadTPUEmbeddingStochasticGradientDescentParameters | โหลดพารามิเตอร์การฝัง SGD |
LoadTPUEmbeddingStochasticGradientDescentParametersGradAccumDebug | โหลดพารามิเตอร์การฝัง SGD |
LookupTableExport <T, U> | แสดงคีย์และค่าทั้งหมดในตาราง |
LookupTableFind <U> | ค้นหาคีย์ในตารางแสดงค่าที่เกี่ยวข้อง |
ค้นหาตารางนำเข้า | แทนที่เนื้อหาของตารางด้วยคีย์และค่าที่ระบุ |
LookupTableInsert | อัพเดตตารางเพื่อเชื่อมโยงคีย์กับค่า |
LookupTableRemove | ลบคีย์และค่าที่เกี่ยวข้องออกจากตาราง |
LookupTableSize | คำนวณจำนวนองค์ประกอบในตารางที่กำหนด |
LoopCond | ส่งต่ออินพุตไปยังเอาต์พุต |
LowerBound <U ขยายจำนวน> | ใช้ lower_bound (sorted_search_values, values) ในแต่ละแถว |
Lu <T, U ขยายจำนวน> | คำนวณการสลายตัวของ LU ของเมทริกซ์สี่เหลี่ยมหนึ่งตัวขึ้นไป |
MakeUnique | ทำให้องค์ประกอบทั้งหมดในมิติข้อมูลที่ไม่ใช่แบตช์ไม่ซ้ำกัน แต่ \ "ปิด \" ถึง ค่าเริ่มต้นของพวกเขา |
MapClear | Op จะลบองค์ประกอบทั้งหมดในคอนเทนเนอร์ที่อยู่เบื้องหลัง |
MapIncompleteSize | Op ส่งคืนจำนวนองค์ประกอบที่ไม่สมบูรณ์ในคอนเทนเนอร์ที่อยู่เบื้องหลัง |
MapPeek | Op มองไปที่ค่าตามคีย์ที่ระบุ |
MapSize | Op ส่งคืนจำนวนองค์ประกอบในคอนเทนเนอร์ที่อยู่เบื้องหลัง |
MapStage | เวที (คีย์ค่า) ในคอนเทนเนอร์ที่อยู่เบื้องหลังซึ่งทำงานเหมือนแฮชแท็ก |
แผนที่ | Op จะลบและส่งคืนค่าที่เกี่ยวข้องกับคีย์ จากคอนเทนเนอร์ที่อยู่เบื้องหลัง |
แผนที่ | Op จะลบและส่งคืนแบบสุ่ม (คีย์ค่า) จากคอนเทนเนอร์ที่อยู่เบื้องหลัง |
MatrixDiagPartV2 <T> | ส่งคืนส่วนทแยงมุมแบทช์ของเทนเซอร์แบบแบตช์ |
MatrixDiagPartV3 <T> | ส่งคืนส่วนทแยงมุมแบทช์ของเทนเซอร์แบบแบตช์ |
MatrixDiagV2 <T> | ส่งคืนค่าเทนเซอร์เส้นทแยงมุมแบบแบทช์พร้อมค่าทแยงมุมที่กำหนด |
MatrixDiagV3 <T> | ส่งคืนค่าเทนเซอร์เส้นทแยงมุมแบบแบทช์พร้อมค่าทแยงมุมที่กำหนด |
MatrixSetDiagV2 <T> | ส่งคืนเมตริกซ์เมตริกซ์แบบแบตช์พร้อมค่าทแยงมุมใหม่ |
MatrixSetDiagV3 <T> | ส่งคืนเมตริกซ์เมตริกซ์แบบแบตช์พร้อมค่าทแยงมุมใหม่ |
สูงสุด <T> | คำนวณค่าสูงสุดขององค์ประกอบในมิติของเทนเซอร์ |
MaxIntraOpParallelismDataset | สร้างชุดข้อมูลที่ลบล้างความเท่าเทียมกันภายในหน่วยงานสูงสุด |
รวม <T> | ส่งต่อค่าของเทนเซอร์ที่มีอยู่จาก "อินพุต" ไปยัง "เอาต์พุต" |
ต่ำสุด <T> | คำนวณองค์ประกอบขั้นต่ำในมิติของเทนเซอร์ |
MirrorPad <T> | วางเทนเซอร์ที่มีค่ามิเรอร์ |
MirrorPadGrad <T> | การไล่ระดับสีสำหรับตัวเลือก "MirrorPad" |
MlirPassthroughOp | รวมการคำนวณ MLIR โดยพลการที่แสดงเป็นโมดูลที่มีฟังก์ชัน main () |
MulNoNan <T> | ส่งคืนองค์ประกอบ x * y ที่ชาญฉลาด |
MutableDenseHashTable | สร้างตารางแฮชว่างที่ใช้เทนเซอร์เป็นที่เก็บสำรอง |
MutableHashTable | สร้างตารางแฮชว่าง |
MutableHashTableOfTensors | สร้างตารางแฮชว่าง |
Mutex | สร้างทรัพยากร Mutex ที่สามารถล็อกได้โดย "MutexLock" |
MutexLock | ล็อกทรัพยากร mutex |
NcclAllReduce <T ขยายจำนวน> | เอาต์พุตเทนเซอร์ที่มีการลดลงของเทนเซอร์อินพุตทั้งหมด |
NcclBroadcast <T ขยายจำนวน> | ส่ง "อินพุต" ไปยังอุปกรณ์ทั้งหมดที่เชื่อมต่อกับเอาต์พุต |
NcclReduce <T ขยายจำนวน> | ลด "อินพุต" จาก "num_devices" โดยใช้ "การลด" ลงในอุปกรณ์เดียว |
Ndtri <T ขยายจำนวน> | |
ใกล้ที่สุด | เลือก k ที่ใกล้ที่สุดสำหรับแต่ละจุด |
ถัดไปหลังจาก <T ขยายจำนวน> | ส่งคืนค่าที่แทนค่าได้ถัดไปของ "x1" ในทิศทางของ "x2" ซึ่งเป็นองค์ประกอบที่ชาญฉลาด |
NextIteration <T> | ทำให้อินพุตพร้อมใช้งานสำหรับการทำซ้ำครั้งถัดไป |
NoOp | ไม่ทำอะไรเลย |
NonDeterministicInts <U> | สร้างจำนวนเต็มบางส่วนแบบไม่กำหนดปัจจัย |
NonMaxSuppressionV5 <T ขยายจำนวน> | เลือกส่วนย่อยของกล่องขอบเขตตามลำดับคะแนนจากมากไปหาน้อย การตัดแต่งกล่องที่มีจุดตัดสูงเกินสหภาพ (IOU) ทับซ้อนกับกล่องที่เลือกไว้ก่อนหน้านี้ |
NonSerializableDataset | |
OneHot <U> | ส่งคืนค่าเทนเซอร์ร้อนเดียว |
OnesLike <T> | ส่งคืนค่าเทนเซอร์ที่มีรูปร่างและพิมพ์เหมือนกันเป็น x |
OptimizeDatasetV2 | สร้างชุดข้อมูลโดยใช้การเพิ่มประสิทธิภาพที่เกี่ยวข้องกับ "input_dataset" |
สั่งซื้อ | Op จะลบองค์ประกอบทั้งหมดในคอนเทนเนอร์ที่อยู่เบื้องหลัง |
OrderMapIncompleteSize | Op ส่งคืนจำนวนองค์ประกอบที่ไม่สมบูรณ์ในคอนเทนเนอร์ที่อยู่เบื้องหลัง |
สั่งซื้อ | Op มองไปที่ค่าตามคีย์ที่ระบุ |
สั่งซื้อ | Op ส่งคืนจำนวนองค์ประกอบในคอนเทนเนอร์ที่อยู่เบื้องหลัง |
สั่งซื้อ | สเตจ (คีย์ค่า) ในคอนเทนเนอร์พื้นฐานซึ่งทำงานเหมือนตามลำดับ ภาชนะเชื่อมโยง |
OrderMapUnstage | Op จะลบและส่งคืนค่าที่เกี่ยวข้องกับคีย์ จากคอนเทนเนอร์ที่อยู่เบื้องหลัง |
OrderMapUnstageNoKey | Op จะลบและส่งคืนองค์ประกอบ (คีย์ค่า) ที่มีค่าน้อยที่สุด คีย์จากคอนเทนเนอร์พื้นฐาน |
OutfeedDequeue <T> | ดึงข้อมูลเทนเซอร์ตัวเดียวจากตัวป้อนข้อมูลการคำนวณ |
OutfeedDequeueTuple | ดึงค่าหลายค่าจากตัวดึงข้อมูลการคำนวณ |
OutfeedEnqueue | จัดลำดับ Tensor ในการคำนวณ outfeed |
OutfeedEnqueueTuple | กำหนดค่า Tensor หลายค่าบนตัวป้อนข้อมูลการคำนวณ |
แผ่น <T> | แผ่นเทนเซอร์ |
ParallelConcat <T> | เชื่อมรายการเทนเซอร์ "N" เข้าด้วยกันในมิติแรก |
ParallelDynamicStitch <T> | แทรกค่าจากเทนเซอร์ "data" ให้เป็นเทนเซอร์ตัวเดียว |
ParseExampleDatasetV2 | แปลง "input_dataset" ที่มีโปรโตส "ตัวอย่าง" เป็นเวกเตอร์ของ DT_STRING เป็นชุดข้อมูลของวัตถุ "Tensor" หรือ "SparseTensor" ที่แสดงคุณลักษณะที่แยกวิเคราะห์ |
ParseExampleV2 | แปลงเวกเตอร์ของ tf ตัวอย่างโปรโตส (เป็นสตริง) เป็นเทนเซอร์ที่พิมพ์ |
ParseSequenceExampleV2 | แปลงเวกเตอร์ของ tf.io.SequenceExample protos (เป็นสตริง) เป็นเทนเซอร์ที่พิมพ์ |
ตัวยึดตำแหน่ง <T> | ตัวยึดตำแหน่งสำหรับค่าที่จะป้อนเข้าในการคำนวณ |
PlaceholderWithDefault <T> | ตัวยึดตำแหน่งที่ส่งผ่าน "อินพุต" เมื่อเอาต์พุตไม่ได้รับการป้อนข้อมูล |
Prelinearize | ตัวเลือกที่ทำให้ค่า Tensor หนึ่งค่าเป็นเส้นตรงไปยังเทนเซอร์ตัวแปรทึบแสง |
PrelinearizeTuple | ตัวเลือกที่ปรับค่าเทนเซอร์หลายค่าให้เป็นเส้นตรงกับเทนเซอร์ตัวแปรทึบแสง |
PrimitiveOp | คลาสพื้นฐานสำหรับการใช้งาน Op ที่ได้รับการสนับสนุนโดยการ Operation เดียว |
พิมพ์ | พิมพ์สเกลาร์สตริง |
PrivateThreadPoolDataset | สร้างชุดข้อมูลที่ใช้เธรดพูลแบบกำหนดเองเพื่อคำนวณ "input_dataset" |
Prod <T> | คำนวณผลคูณขององค์ประกอบในมิติของเทนเซอร์ |
QuantizedConcat <T> | เชื่อมต่อเทนเซอร์เชิงปริมาณเข้ากับมิติเดียว |
QuantizedConv2DAndRelu <V> | |
QuantizedConv2DAndReluAndRequantize <V> | |
QuantizedConv2DAndRequantize <V> | |
QuantizedConv2DPerChannel <V> | คำนวณ QuantizedConv2D ต่อช่องสัญญาณ |
QuantizedConv2DWithBias <V> | |
QuantizedConv2DWithBiasAndRelu <V> | |
QuantizedConv2DWithBiasAndReluAndRequantize <> | |
QuantizedConv2DWithBiasAndRequantize <> | |
QuantizedConv2DWithBiasSignedSumAndReluAndRequantize <X> | |
QuantizedConv2DWithBiasSumAndRelu <V> | |
QuantizedConv2DWithBiasSumAndReluAndRequantize <X> | |
QuantizedDepthwiseConv2D <V> | คำนวณ Conv2D เชิงลึกเชิงปริมาณเชิงปริมาณ |
QuantizedDepthwiseConv2DWithBias <V> | คำนวณ Conv2D เชิงลึกเชิงปริมาณด้วยอคติ |
QuantizedDepthwiseConv2DWithBiasAndRelu <V> | คำนวณ Conv2D เชิงลึกเชิงปริมาณด้วย Bias และ Relu |
QuantizedDepthwiseConv2DWithBiasAndReluAndRequantize <> | คำนวณ Conv2D เชิงลึกเชิงปริมาณด้วย Bias, Relu และ Requantize |
QuantizedMatMulWithBias <> | ทำการคูณเมทริกซ์เชิงปริมาณของ "a" ด้วยเมทริกซ์ "b" พร้อมเพิ่มอคติ |
QuantizedMatMulWithBiasAndDequantize <W ขยายจำนวน> | |
QuantizedMatMulWithBiasAndRelu <V> | ทำการคูณเมทริกซ์เชิงปริมาณของ "a" ด้วยเมทริกซ์ "b" ด้วยไบแอสแอดและรีลูฟิวชัน |
QuantizedMatMulWithBiasAndReluAndRequantize <> | ทำการคูณเมทริกซ์เชิงปริมาณของ "a" ด้วยเมทริกซ์ "b" โดยมีไบแอสเพิ่มและรีลัวและกำหนดค่าฟิวชัน |
QuantizedMatMulWithBiasAndRequantize <> | |
QuantizedReshape <T> | ปรับรูปร่างเทนเซอร์เชิงปริมาณตาม Reshape op |
RaggedBincount <U ขยายจำนวน> | นับจำนวนการเกิดขึ้นของแต่ละค่าในอาร์เรย์จำนวนเต็ม |
RaggedCountSparseOutput <U ขยายจำนวน> | ดำเนินการนับถังขยะแบบกระจายสำหรับอินพุตเทนเซอร์ที่ไม่สมบูรณ์ |
RaggedCross <T, U ขยายจำนวน> | สร้างคุณลักษณะข้ามจากรายการเทนเซอร์และส่งกลับเป็น RaggedTensor |
RaggedGather <T ขยาย Number, U> | รวบรวมชิ้นส่วนที่ขาดวิ่นจากแกน "params" ตาม "ดัชนี" |
RaggedRange <U ขยายจำนวน T ขยายจำนวน> | ส่งคืน "RaggedTensor" ที่มีลำดับตัวเลขที่ระบุ |
RaggedTensorFromVariant <U ขยายจำนวน T> | ถอดรหัส Tensor "ตัวแปร" เป็น "RaggedTensor" |
RaggedTensorToSparse <U> | แปลง "RaggedTensor" เป็น "SparseTensor" ด้วยค่าเดียวกัน |
RaggedTensorToTensor <U> | สร้างเทนเซอร์ที่หนาแน่นจากเทนเซอร์ที่มอมแมมซึ่งอาจทำให้รูปร่างเปลี่ยนไป |
RaggedTensorToVariant | เข้ารหัส "RaggedTensor" เป็น Tensor "ตัวแปร" |
ช่วง <T ขยายจำนวน> | สร้างลำดับของตัวเลข |
อันดับ | ส่งคืนอันดับของเทนเซอร์ |
ReadVariableOp <T> | อ่านค่าของตัวแปร |
RebatchDataset | สร้างชุดข้อมูลที่เปลี่ยนขนาดชุดงาน |
RebatchDatasetV2 | สร้างชุดข้อมูลที่เปลี่ยนขนาดชุดงาน |
Recv <T> | รับค่า Tensor ที่มีชื่อจาก send_device บน recv_device |
RecvTPUEmbeddingActivations | หน่วยปฏิบัติการที่ได้รับการเปิดใช้งานการฝังบน TPU |
ลดทั้งหมด | คำนวณ "ตรรกะและ" ขององค์ประกอบในมิติของเทนเซอร์ |
ลดใด ๆ | คำนวณ "ตรรกะหรือ" ขององค์ประกอบในมิติของเทนเซอร์ |
ลดสูงสุด <T> | คำนวณค่าสูงสุดขององค์ประกอบในมิติของเทนเซอร์ |
ลดขั้นต่ำ <T> | คำนวณองค์ประกอบขั้นต่ำในมิติของเทนเซอร์ |
ReduceProd <T> | คำนวณผลคูณขององค์ประกอบในมิติของเทนเซอร์ |
ลดผลรวม <T> | คำนวณผลรวมขององค์ประกอบในมิติของเทนเซอร์ |
RefEnter <T> | สร้างหรือค้นหาเฟรมย่อยและทำให้ "ข้อมูล" พร้อมใช้งานในเฟรมย่อย |
RefExit <T> | ออกจากเฟรมปัจจุบันไปยังเฟรมหลัก |
RefIdentity <T> | ส่งคืนค่าตัวอ้างอิงเดียวกับตัวรีเทนเซอร์ของอินพุต |
RefMerge <T> | ส่งต่อค่าของเทนเซอร์ที่มีอยู่จาก "อินพุต" ไปยัง "เอาต์พุต" |
RefNextIteration <T> | ทำให้อินพุตพร้อมใช้งานสำหรับการทำซ้ำครั้งถัดไป |
RefSelect <T> | ส่งต่อองค์ประกอบ "ดัชนี" ของ "อินพุต" ไปยัง "เอาต์พุต" |
RefSwitch <T> | ส่งต่อ ref tensor "data" ไปยังพอร์ตเอาต์พุตที่กำหนดโดย "pred" |
ลงทะเบียน | ลงทะเบียนชุดข้อมูลด้วยบริการ tf.data |
RemoteFusedGraphExecute | เรียกใช้กราฟย่อยบนตัวประมวลผลระยะไกล |
RequantizationRangePerChannel | คำนวณช่วงการร้องขอต่อช่องสัญญาณ |
RequantizePerChannel <U> | กำหนดอินพุตที่มีค่าต่ำสุดและสูงสุดที่ทราบต่อช่องสัญญาณ |
ก่อร่างใหม่ <T> | ปรับรูปร่างเทนเซอร์ |
ResourceAccumulatorApplyGradient | ใช้การไล่ระดับสีกับตัวสะสมที่กำหนด |
ResourceAccumulatorNumAccumulated | ส่งคืนจำนวนการไล่ระดับสีที่รวมในตัวสะสมที่กำหนด |
ResourceAccumulatorSetGlobalStep | อัปเดตตัวสะสมด้วยค่าใหม่สำหรับ global_step |
ResourceAccumulatorTakeGradient <T> | แยกการไล่ระดับสีเฉลี่ยใน ConditionalAccumulator ที่กำหนด |
ResourceApplyAdagradV2 | อัปเดต '* var' ตามโครงการ adagrad |
ResourceApplyAdamWithAmsgrad | อัปเดต '* var' ตามอัลกอริทึม Adam |
ResourceApplyKerasMomentum | อัปเดต '* var' ตามรูปแบบโมเมนตัม |
ResourceConditionalAccumulator | ตัวสะสมตามเงื่อนไขสำหรับการรวมการไล่ระดับสี |
ResourceCountUpTo <T expands Number> | ตัวแปรที่เพิ่มขึ้นชี้โดย 'ทรัพยากร' จนกว่าจะถึง 'ขีด จำกัด ' |
ResourceGather <U> | รวบรวมชิ้นส่วนจากตัวแปรที่ชี้โดย "ทรัพยากร" ตาม "ดัชนี" |
ResourceGatherNd <U> | |
ResourceScatterAdd | เพิ่มการอัปเดตแบบกระจัดกระจายให้กับตัวแปรที่อ้างอิงโดย "ทรัพยากร" |
ResourceScatterDiv | แบ่งการอัปเดตแบบกระจัดกระจายออกเป็นตัวแปรที่อ้างอิงโดย "ทรัพยากร" |
ResourceScatterMax | ลดการอัปเดตที่กระจัดกระจายลงในตัวแปรที่อ้างอิงโดย "ทรัพยากร" โดยใช้การดำเนินการ "สูงสุด" |
ResourceScatterMin | ลดการอัปเดตที่กระจัดกระจายลงในตัวแปรที่อ้างอิงโดย "resource" โดยใช้การดำเนินการ "min" |
ResourceScatterMul | การอัปเดตแบบทวีคูณกระจัดกระจายไปยังตัวแปรที่อ้างอิงโดย "ทรัพยากร" |
ResourceScatterNdAdd | ใช้การเพิ่มแบบเบาบางกับแต่ละค่าหรือชิ้นส่วนในตัวแปร |
ResourceScatterNdMax | |
ResourceScatterNdMin | |
ResourceScatterNdSub | ใช้การลบแบบเบาบางกับแต่ละค่าหรือชิ้นส่วนในตัวแปร |
ResourceScatterNdUpdate | ใช้ "การอัปเดต" แบบเบาบางกับค่าหรือส่วนต่างๆภายในค่าที่กำหนด ตัวแปรตาม "ดัชนี" |
ResourceScatterSub | ลบการอัปเดตแบบกระจัดกระจายออกจากตัวแปรที่อ้างอิงโดย "resource" |
ResourceScatterUpdate | กำหนดการอัปเดตแบบกระจัดกระจายให้กับตัวแปรที่อ้างอิงโดย "resource" |
ResourceSparseApplyAdagradV2 | อัปเดตรายการที่เกี่ยวข้องใน '* var' และ '* collect' ตามโครงการ adagrad |
ResourceSparseApplyKerasMomentum | อัปเดตรายการที่เกี่ยวข้องใน '* var' และ '* สะสม' ตามรูปแบบโมเมนตัม |
ResourceStridedSliceAssign | กำหนด "ค่า" ให้กับการอ้างอิงค่า l แบบแบ่งส่วนของ "อ้างอิง" |
RetrieveTPUEmbeddingADAMParameters | ดึงพารามิเตอร์การฝัง ADAM |
RetrieveTPUEmbeddingADAMParametersGradAccumDebug | ดึงพารามิเตอร์การฝัง ADAM ด้วยการสนับสนุนการดีบัก |
RetrieveTPUEmbeddingAdadeltaParameters | ดึงพารามิเตอร์การฝัง Adadelta |
RetrieveTPUEmbeddingAdadeltaParametersGradAccumDebug | ดึงพารามิเตอร์การฝัง Adadelta ด้วยการสนับสนุนการดีบัก |
RetrieveTPUEmbeddingAdagradParameters | ดึงพารามิเตอร์การฝัง Adagrad |
RetrieveTPUEmbeddingAdagradParametersGradAccumDebug | ดึงพารามิเตอร์การฝัง Adagrad ด้วยการสนับสนุนการดีบัก |
RetrieveTPUEmbeddingCenteredRMSPropParameters | ดึงพารามิเตอร์การฝัง RMSProp ที่อยู่ตรงกลาง |
RetrieveTPUEmbeddingFTRLParameters | ดึงพารามิเตอร์การฝัง FTRL |
RetrieveTPUEmbeddingFTRLParametersGradAccumDebug | ดึงข้อมูลพารามิเตอร์การฝัง FTRL ด้วยการสนับสนุนการดีบัก |
RetrieveTPUEmbeddingMDLAdagradLightParameters | ดึงพารามิเตอร์การฝัง MDL Adagrad Light |
RetrieveTPUEmbeddingMomentumParameters | ดึงพารามิเตอร์การฝังโมเมนตัม |
RetrieveTPUEmbeddingMomentumParametersGradAccumDebug | ดึงพารามิเตอร์การฝังโมเมนตัมด้วยการสนับสนุนการดีบัก |
RetrieveTPUEmbeddingProximalAdagradParameters | ดึงพารามิเตอร์การฝัง Adagrad ที่อยู่ใกล้เคียง |
RetrieveTPUEmbeddingProximalAdagradParametersGradAccumDebug | ดึงพารามิเตอร์การฝัง Adagrad ที่ใกล้เคียงด้วยการสนับสนุนการดีบัก |
RetrieveTPUEmbeddingProximalYogiParameters | |
RetrieveTPUEmbeddingProximalYogiParametersGradAccumDebug | |
RetrieveTPUEmbeddingRMSPropParameters | ดึงพารามิเตอร์การฝัง RMSProp |
RetrieveTPUEmbeddingRMSPropParametersGradAccumDebug | ดึงข้อมูลพารามิเตอร์การฝัง RMSProp ด้วยการสนับสนุนการดีบัก |
RetrieveTPUEmbeddingStochasticGradientDescentParameters | ดึงค่าพารามิเตอร์การฝัง SGD |
การดึง TPUE ฝัง StochasticGradientDescent พารามิเตอร์ GraAccumDebug | ดึงค่าพารามิเตอร์การฝัง SGD ด้วยการสนับสนุนการดีบัก |
ย้อนกลับ <T> | กลับขนาดเฉพาะของเทนเซอร์ |
ReverseSequence <T> | ย้อนกลับชิ้นส่วนที่มีความยาวผันแปรได้ |
RngSkip | เลื่อนตัวนับของ RNG ตามเคาน์เตอร์ |
ม้วน <T> | ม้วนองค์ประกอบของเทนเซอร์ไปตามแกน |
Rpc | ดำเนินการตามคำขอ RPC เป็นชุด |
การสุ่มตัวอย่าง | สร้างชุดข้อมูลที่ใช้ตัวอย่าง Bernoulli ของเนื้อหาของชุดข้อมูลอื่น |
ScaleAndTranslate | |
ScaleAndTranslateGrad <T ขยายจำนวน> | |
ScatterAdd <T> | เพิ่มการอัปเดตแบบกระจัดกระจายให้กับการอ้างอิงตัวแปร |
ScatterDiv <T> | แบ่งการอ้างอิงตัวแปรโดยการอัปเดตแบบกระจัดกระจาย |
ScatterMax <T ขยายจำนวน> | ลดการอัปเดตแบบกระจัดกระจายเป็นการอ้างอิงตัวแปรโดยใช้การดำเนินการ "สูงสุด" |
ScatterMin <T ขยายจำนวน> | ลดการอัปเดตแบบกระจัดกระจายเป็นการอ้างอิงตัวแปรโดยใช้การดำเนินการ "min" |
ScatterMul <T> | การอัปเดตแบบทวีคูณเป็นการอ้างอิงตัวแปร |
ScatterNd <U> | กระจาย "อัปเดต" เป็นเทนเซอร์ใหม่ตาม "ดัชนี" |
ScatterNdAdd <T> | ใช้การเพิ่มแบบเบาบางกับแต่ละค่าหรือชิ้นส่วนในตัวแปร |
ScatterNdMax <T> | คำนวณองค์ประกอบที่ชาญฉลาดสูงสุด |
ScatterNdMin <T> | คำนวณองค์ประกอบขั้นต่ำอย่างชาญฉลาด |
ScatterNdNonAliasingAdd <T> | ใช้การเพิ่มแบบเบาบางกับ "input" โดยใช้ค่าหรือส่วนต่างๆ จาก "การอัปเดต" ตามดัชนี "ดัชนี" |
ScatterNdSub <T> | ใช้การลบแบบเบาบางกับแต่ละค่าหรือชิ้นส่วนในตัวแปร |
ScatterNdUpdate <T> | ใช้ "การอัปเดต" แบบเบาบางกับค่าหรือส่วนต่างๆภายในค่าที่กำหนด ตัวแปรตาม "ดัชนี" |
ScatterSub <T> | ลบการอัปเดตแบบกระจัดกระจายไปยังการอ้างอิงตัวแปร |
ScatterUpdate <T> | ใช้การอัปเดตแบบกระจัดกระจายกับการอ้างอิงตัวแปร |
SelectV2 <T> | |
ส่ง | ส่ง tensor ที่มีชื่อจาก send_device ไปยัง recv_device |
SendTPUEmbeddingGradients | ดำเนินการอัปเดตการไล่ระดับสีของตารางการฝัง |
SetDiff1d <T, U ขยายจำนวน> | คำนวณความแตกต่างระหว่างรายการตัวเลขหรือสตริงสองรายการ |
SetSize | จำนวนองค์ประกอบที่ไม่ซ้ำกันในมิติสุดท้ายของอินพุต "set" |
รูปร่าง <U ขยายจำนวน> | ส่งคืนรูปร่างของเทนเซอร์ |
ShapeN <U ขยายจำนวน> | ส่งคืนรูปร่างของเทนเซอร์ |
ShardDataset | สร้าง "ชุดข้อมูล" ที่มีเพียง 1 / "num_shards" ของชุดข้อมูลนี้ |
ShuffleAndRepeatDatasetV2 | |
ShuffleDatasetV2 | |
สลับชุดข้อมูล | |
ShutdownDistributedTPU | ปิดระบบ TPU แบบกระจายที่กำลังทำงานอยู่ |
ขนาด <U ขยายจำนวน> | ส่งคืนขนาดของเทนเซอร์ |
ข้ามโปรแกรม | แยกวิเคราะห์ไฟล์ข้อความและสร้างชุดตัวอย่าง |
ชุดข้อมูลการนอนหลับ | |
ฝาน <T> | ส่งคืนชิ้นส่วนจาก "อินพุต" |
SlidingWindowDataset | สร้างชุดข้อมูลที่ส่งผ่านหน้าต่างบานเลื่อนเหนือ "input_dataset" |
สแนปชอต <T> | ส่งคืนสำเนาของเทนเซอร์อินพุต |
SnapshotDataset | สร้างชุดข้อมูลที่จะเขียน / อ่านจากสแนปชอต |
SobolSample <T ขยายจำนวน> | สร้างคะแนนจากลำดับ Sobol |
SpaceToBatchNd <T> | SpaceToBatch สำหรับ ND Tensors ประเภท T. |
SparseApplyAdagradV2 <T> | อัปเดตรายการที่เกี่ยวข้องใน '* var' และ '* collect' ตามโครงการ adagrad |
SparseBincount <U ขยายจำนวน> | นับจำนวนการเกิดขึ้นของแต่ละค่าในอาร์เรย์จำนวนเต็ม |
SparseCountSparseOutput <U ขยายจำนวน> | ดำเนินการนับถังขยะแบบกระจายสำหรับอินพุตเทนเซอร์แบบเบาบาง |
กระจัดกระจาย | สร้างไม้กางเขนแบบเบาบางจากรายการเทนเซอร์ที่เบาบางและหนาแน่น |
SparseCrossV2 | สร้างไม้กางเขนแบบเบาบางจากรายการเทนเซอร์ที่เบาบางและหนาแน่น |
SparseMatrix เพิ่ม | การเพิ่มเมทริกซ์ CSR สองรายการแบบเบาบาง C = alpha * A + beta * B |
SparseMatrixMatMul <T> | เมทริกซ์ - คูณเมทริกซ์เบาบางด้วยเมทริกซ์หนาแน่น |
SparseMatrixMul | การคูณองค์ประกอบที่ชาญฉลาดของเมทริกซ์เบาบางด้วยเทนเซอร์หนาแน่น |
SparseMatrixNNZ | ส่งคืนจำนวนที่ไม่ใช่ศูนย์ของ "sparse_matrix" |
SparseMatrix การสั่งซื้อ AMD | คำนวณระดับขั้นต่ำโดยประมาณ (AMD) ของลำดับ "อินพุต" |
SparseMatrixSoftmax | คำนวณค่า softmax ของ CSRSparseMatrix |
SparseMatrixSoftmaxGrad | คำนวณการไล่ระดับสีของ SparseMatrixSoftmax op |
SparseMatrixSparseCholesky | คำนวณการสลาย Cholesky แบบเบาบางของ "input" |
SparseMatrixSparseMatMul | Sparse-matrix- คูณสองเมทริกซ์ CSR "a` และ" b " |
SparseMatrixTranspose | เปลี่ยนมิติภายใน (เมทริกซ์) ของ CSRSparseMatrix |
SparseMatrix ศูนย์ | สร้าง CSRSparseMatrix ที่เป็นศูนย์ทั้งหมดที่มีรูปร่างเป็น "รูปทรงหนาแน่น" |
SparseTensorToCSRSparseMatrix | แปลง SparseTensor เป็น CSRSparseMatrix (อาจเป็นกลุ่ม) |
Spence <T ขยายจำนวน> | |
แยก <T> | แยกเทนเซอร์ออกเป็นเทนเซอร์ "num_split" ตามมิติเดียว |
SplitV <T> | แยกเทนเซอร์ออกเป็นเทนเซอร์ "num_split" ตามมิติเดียว |
บีบ <T> | ลบขนาดของขนาด 1 ออกจากรูปร่างของเทนเซอร์ |
กอง <T> | บรรจุรายการเทนเซอร์ของ "N` ยศ-"R" ไว้ในหนึ่งอันดับ - "(R + 1)" เทนเซอร์ |
เวที | ค่าสเตจใกล้เคียงกับ Enqueue ที่มีน้ำหนักเบา |
StageClear | Op จะลบองค์ประกอบทั้งหมดในคอนเทนเนอร์ที่อยู่เบื้องหลัง |
StagePeek | Op มองไปที่ค่าในดัชนีที่ระบุ |
StageSize | Op ส่งคืนจำนวนองค์ประกอบในคอนเทนเนอร์ที่อยู่เบื้องหลัง |
StatefulRandomBinomial <V ขยายจำนวน> | |
StatefulStandardNormal <U> | แสดงค่าสุ่มจากการแจกแจงปกติ |
StatefulStandardNormalV2 <U> | แสดงค่าสุ่มจากการแจกแจงปกติ |
StatefulTruncatedNormal <U> | แสดงค่าสุ่มจากการแจกแจงปกติที่ถูกตัดทอน |
StatefulUniform <U> | แสดงค่าสุ่มจากการแจกแจงแบบสม่ำเสมอ |
StatefulUniformFullInt <U> | แสดงผลจำนวนเต็มสุ่มจากการแจกแจงแบบสม่ำเสมอ |
StatefulUniformInt <U> | แสดงผลจำนวนเต็มสุ่มจากการแจกแจงแบบสม่ำเสมอ |
StatelessParameterizedTruncatedNormal <V ขยายจำนวน> | |
StatelessRandomBinomial <W ขยายจำนวน> | แสดงผลตัวเลขสุ่มหลอกแบบกำหนดได้จากการแจกแจงแบบทวินาม |
StatelessRandomGammaV2 <V ขยายจำนวน> | แสดงผลตัวเลขสุ่มหลอกแบบกำหนดได้จากการแจกแจงแกมมา |
StatelessRandomPoisson <W ขยายจำนวน> | แสดงผลตัวเลขสุ่มหลอกแบบกำหนดได้จากการแจกแจงแบบปัวซอง |
StatelessRandomUniformFullInt <V ขยายจำนวน> | แสดงผลจำนวนเต็มสุ่มเทียมที่กำหนดขึ้นเองจากการแจกแจงแบบสม่ำเสมอ |
StatelessSampleDistortedBoundingBox <T expands Number> | สร้างกรอบขอบเขตที่บิดเบี้ยวแบบสุ่มสำหรับภาพที่กำหนดขึ้น |
StatsAggregatorHandleV2 | |
StatsAggregatorSetSummaryWriter | ตั้งค่า summary_writer_interface เพื่อบันทึกสถิติโดยใช้ stats_aggregator ที่กำหนด |
StopGradient <T> | หยุดการคำนวณการไล่ระดับสี |
StridedSlice <T> | ส่งคืนสไลซ์ขั้นบันไดจาก "input" |
StridedSliceAssign <T> | กำหนด "ค่า" ให้กับการอ้างอิงค่า l แบบแบ่งส่วนของ "อ้างอิง" |
StridedSliceGrad <U> | ส่งคืนการไล่ระดับสีของ "StridedSlice" |
StringLower | แปลงอักขระตัวพิมพ์ใหญ่ทั้งหมดเป็นการแทนที่ตัวพิมพ์เล็กตามลำดับ |
StringNGrams <T ขยายจำนวน> | สร้าง ngrams จากข้อมูลสตริงที่ไม่สมบูรณ์ |
StringUpper | แปลงอักขระตัวพิมพ์เล็กทั้งหมดเป็นการแทนที่ตัวพิมพ์ใหญ่ตามลำดับ |
ผลรวม <T> | คำนวณผลรวมขององค์ประกอบในมิติของเทนเซอร์ |
SwitchCond <T> | ส่งต่อ "ข้อมูล" ไปยังพอร์ตเอาต์พุตที่กำหนดโดย "pred" |
TPU คอมไพล์ผลลัพธ์ | ส่งคืนผลลัพธ์ของการคอมไพล์ TPU |
TPUCompileSucceededAssert | ยืนยันว่าการคอมไพล์สำเร็จ |
TPUEmbeddingActivations | การเปิดใช้งานการสร้างความแตกต่างของการฝัง TPU |
TPUE ดำเนินการ | เปิดที่โหลดและรันโปรแกรม TPU บนอุปกรณ์ TPU |
TPUExecuteAndUpdateVariables | Op ที่รันโปรแกรมด้วยการอัปเดตตัวแปรที่เป็นทางเลือก |
TPUOrdinalSelector | ตัวเลือกหลักของ TPU Op |
TPUPartitionedInput <T> | op ที่จัดกลุ่มรายการอินพุตที่แบ่งพาร์ติชันเข้าด้วยกัน |
TPUPartitionedOutput <T> | op ที่ demultiplexes เทนเซอร์ที่จะชาร์ดโดย XLA ไปยังรายการพาร์ติชัน เอาต์พุตภายนอกการคำนวณ XLA |
TPUReplicateMetadata | ข้อมูลเมตาที่ระบุวิธีการจำลองการคำนวณ TPU |
TPUReplicatedInput <T> | เชื่อมต่ออินพุต N เข้ากับการคำนวณ TPU จำลองแบบ N ทาง |
TPUReplicatedOutput <T> | เชื่อมต่อ N เอาต์พุตจากการคำนวณ TPU จำลองแบบ N-way |
ชั่วคราวตัวแปร <T> | ส่งคืนค่าเทนเซอร์ที่อาจกลายพันธุ์ แต่ยังคงอยู่ภายในขั้นตอนเดียวเท่านั้น |
TensorArray | อาร์เรย์ของ Tensors ขนาดที่กำหนด |
เทนเซอร์อาร์เรย์ | ลบ TensorArray จากที่เก็บทรัพยากร |
TensorArrayConcat <T> | เชื่อมต่อองค์ประกอบจาก TensorArray เป็นค่า "ค่า" |
TensorArrayGather <T> | รวบรวมองค์ประกอบเฉพาะจาก TensorArray เป็นเอาต์พุต "value" |
TensorArrayGrad | สร้าง TensorArray สำหรับจัดเก็บการไล่ระดับสีของค่าในจุดจับที่กำหนด |
TensorArrayGradWithShape | สร้าง TensorArray สำหรับจัดเก็บค่าการไล่ระดับสีหลายค่าในจุดจับที่กำหนด |
TensorArrayPack <T> | |
TensorArrayRead <T> | อ่านองค์ประกอบจาก TensorArray ในเอาต์พุต "value" |
TensorArrayScatter | กระจายข้อมูลจากค่าอินพุตไปยังองค์ประกอบ TensorArray เฉพาะ |
TensorArraySize | รับขนาดปัจจุบันของ TensorArray |
TensorArraySplit | แยกข้อมูลจากค่าอินพุตเป็นองค์ประกอบ TensorArray |
TensorArrayUnpack | |
TensorArrayWrite | ดันองค์ประกอบไปยัง tensor_array |
TensorForestCreateTreeVariable | สร้างทรัพยากรต้นไม้และส่งคืนหมายเลขอ้างอิง |
TensorForestTreeDeserialize | ลดค่าเริ่มต้นของโปรโตลงในด้ามจับต้นไม้ |
TensorForestTreeIsInitializedOp | ตรวจสอบว่ามีการเตรียมใช้งานทรีหรือไม่ |
TensorForestTreePredict | เอาต์พุตบันทึกสำหรับข้อมูลอินพุตที่กำหนด |
TensorForestTreeResourceHandleOp | สร้างแฮนเดิลให้กับ TensorForestTreeResource |
TensorForestTreeSerialize | ทำให้ที่จับทรีเข้ากับโปรโต |
TensorForestTreeSize | รับจำนวนโหนดในแผนภูมิ |
TensorListConcat <T> | เชื่อมต่อเทนเซอร์ทั้งหมดในรายการตามมิติที่ 0 |
TensorListConcatLists | |
TensorListConcatV2 <U> | เชื่อมต่อเทนเซอร์ทั้งหมดในรายการตามมิติที่ 0 |
TensorListElementShape <T ขยายจำนวน> | รูปร่างขององค์ประกอบของรายการที่กำหนดเป็นเทนเซอร์ |
TensorListFromTensor | สร้าง TensorList ซึ่งเมื่อซ้อนกันจะมีค่าเป็น "tensor" |
TensorListGather <T> | สร้าง Tensor โดยการสร้างดัชนีลงใน TensorList |
TensorListGetItem <T> | |
TensorListLength | ส่งคืนจำนวนเทนเซอร์ในรายการเทนเซอร์อินพุต |
TensorListPopBack <T> | ส่งคืนองค์ประกอบสุดท้ายของรายการอินพุตและรายการที่มีองค์ประกอบทั้งหมดยกเว้นองค์ประกอบนั้น |
TensorListPushBack | ส่งคืนรายการที่มีการส่งผ่าน "Tensor" เป็นองค์ประกอบสุดท้ายและองค์ประกอบอื่น ๆ ของรายการที่ระบุใน "input_handle" |
TensorListPushBackBatch | |
TensorListReserve | รายการขนาดที่กำหนดพร้อมองค์ประกอบว่าง |
TensorListResize | ปรับขนาดรายการ |
TensorListScatter | สร้าง TensorList โดยการสร้างดัชนีลงใน Tensor |
TensorListScatterIntoExistingList | กระจายเทนเซอร์ที่ดัชนีในรายการอินพุต |
TensorListScatterV2 | สร้าง TensorList โดยการสร้างดัชนีลงใน Tensor |
TensorListSetItem | |
TensorListSplit | แยกเทนเซอร์ออกเป็นรายการ |
TensorListStack <T> | ซ้อนเทนเซอร์ทั้งหมดในรายการ |
TensorMapErase <U> | ส่งคืนแผนที่เทนเซอร์พร้อมรายการจากคีย์ที่กำหนด |
TensorMapHasKey | แสดงว่าคีย์ที่ระบุมีอยู่ในแผนที่หรือไม่ |
TensorMapInsert | ส่งคืนแผนที่ที่เป็น 'input_handle' พร้อมกับคู่คีย์ - ค่าที่กำหนด |
TensorMapLookup <U> | ส่งคืนค่าจากคีย์ที่กำหนดในแผนที่เทนเซอร์ |
TensorMapSize | ส่งคืนจำนวนเทนเซอร์ในแผนที่เทนเซอร์อินพุต |
TensorScatterAdd <T> | เพิ่ม "การอัปเดต" แบบเบาบางลงในเทนเซอร์ที่มีอยู่ตาม "ดัชนี" |
TensorScatterMax <T> | |
TensorScatterMin <T> | |
TensorScatterSub <T> | ลบ "การอัปเดต" ที่กระจัดกระจายออกจากเทนเซอร์ที่มีอยู่ตาม "ดัชนี" |
TensorScatterUpdate <T> | กระจาย "อัปเดต" เป็นเทนเซอร์ที่มีอยู่ตาม "ดัชนี" |
TensorStridedSliceUpdate <T> | กำหนด "ค่า" ให้กับการอ้างอิงค่า l แบบแบ่งส่วนของ "อินพุต" |
ThreadPoolDataset | สร้างชุดข้อมูลที่ใช้เธรดพูลแบบกำหนดเองเพื่อคำนวณ "input_dataset" |
ThreadPoolHandle | สร้างชุดข้อมูลที่ใช้เธรดพูลแบบกำหนดเองเพื่อคำนวณ "input_dataset" |
กระเบื้อง <T> | สร้างเทนเซอร์โดยการปูกระเบื้องที่กำหนด |
การประทับเวลา | ระบุเวลาตั้งแต่ยุคเป็นวินาที |
ToBool | แปลงเทนเซอร์เป็นเพรดิเคตสเกลาร์ |
ยอดนิยม | ส่งคืนค่าเฉพาะ TopK ในอาร์เรย์ตามลำดับที่จัดเรียง |
ยอดนิยม | ส่งคืนค่า TopK ในอาร์เรย์ตามลำดับที่จัดเรียง |
TridiagonalMatMul <T> | คำนวณผลิตภัณฑ์ด้วยเมทริกซ์สามเหลี่ยม |
TridiagonalSolve <T> | แก้ระบบสมการสามมิติ |
TryRpc | ดำเนินการตามคำขอ RPC เป็นชุด |
ไม่ตรงกัน <T> | กลับการทำงานของ Batch สำหรับ Tensor เอาต์พุตเดียว |
UnbatchGrad <T> | Gradient ของ Unbatch |
UncompressElement | ยกเลิกการบีบอัดองค์ประกอบชุดข้อมูลที่บีบอัด |
UnicodeDecode <T ขยายจำนวน> | ถอดรหัสแต่ละสตริงใน "อินพุต" ตามลำดับของจุดรหัส Unicode |
UnicodeEncode | เข้ารหัสเทนเซอร์ของ ints เป็นสตริงยูนิโคด |
เฉพาะ <T, V ขยายจำนวน> | ค้นหาองค์ประกอบที่ไม่ซ้ำกันตามแกนของเทนเซอร์ |
UniqueDataset | สร้างชุดข้อมูลที่มีองค์ประกอบเฉพาะของ "input_dataset" |
UniqueWithCounts <T, V ขยายจำนวน> | ค้นหาองค์ประกอบที่ไม่ซ้ำกันตามแกนของเทนเซอร์ |
UnravelIndex <T ขยายจำนวน> | แปลงอาร์เรย์ของดัชนีแบนเป็นทูเพิลของอาร์เรย์พิกัด |
UnsortedSegmentJoin | รวมองค์ประกอบของ "inputs" ตาม "segment_ids" |
ยกเลิกการซ้อน <T> | คลายมิติที่กำหนดของตัวนับอันดับ -``R` เป็น `num` rank-` (R-1) `เทนเซอร์ |
เปิดเวที | Op คล้ายกับ Dequeue ที่มีน้ำหนักเบา |
UnwrapDatasetVariant | |
UpperBound <U ขยายจำนวน> | ใช้ upper_bound (sorted_search_values, values) ตามแต่ละแถว |
VarHandleOp | สร้างจุดจับสำหรับทรัพยากรตัวแปร |
VarIsInitializedOp | ตรวจสอบว่ามีการเตรียมใช้งานตัวแปรตามหมายเลขอ้างอิงทรัพยากรหรือไม่ |
ตัวแปร <T> | ถือสถานะในรูปแบบของเทนเซอร์ที่คงอยู่ในขั้นตอนต่างๆ |
VariableShape <T ขยายจำนวน> | ส่งคืนรูปร่างของตัวแปรที่ "ทรัพยากร" ชี้ไป |
ที่ไหน | ส่งคืนตำแหน่งของค่าที่ไม่ใช่ศูนย์ / จริงในเทนเซอร์ |
ที่ไหน 3 <T> | เลือกองค์ประกอบจาก "x" หรือ "y" ขึ้นอยู่กับ "เงื่อนไข" |
คนงาน | การเต้นของหัวใจของผู้ปฏิบัติงาน |
WrapDatasetVariant | |
WriteRawProtoSummary | เขียนสรุปโปรโตต่อเนื่อง |
XlaRecvFromHost <T> | op เพื่อรับเทนเซอร์จากโฮสต์ |
XlaSendToHost | op เพื่อส่งเทนเซอร์ไปยังโฮสต์ |
Xlog1py <T> | ส่งคืน 0 ถ้า x == 0 และ x * log1p (y) มิฉะนั้นองค์ประกอบ |
เลขศูนย์ <T> | ตัวดำเนินการที่สร้างค่าคงที่เริ่มต้นด้วยศูนย์ของรูปร่างที่กำหนดโดย "dims" |
ZerosLike <T> | ส่งคืนค่าเทนเซอร์ของศูนย์ที่มีรูปร่างเหมือนกันและพิมพ์เป็น x |