Op

رابط عمومی Op

زیر کلاس های غیر مستقیم شناخته شده Abort , All , AllToAll <T>, AnonymousIteratorV2 , AnonymousMemoryCache , AnonymousMultiDeviceIterator , AnonymousRandomSeedGenerator , AnonymousSeedGenerator , Any , ApplyAdagradV2 <T>, AssertCardinalityDataset , AssertNextTignDataset 617 نفر دیگر سقط هنگام فراخوانی، یک استثنا برای لغو فرآیند ایجاد کنید. همه "منطقی و" عناصر را در ابعاد یک تانسور محاسبه می کند. AllToAll <T> یک عملیات برای تبادل داده در بین کپی های TPU. AnonymousIteratorV2 ظرفی برای یک منبع تکرارکننده. AnonymousMemoryCache AnonymousMultiDeviceIterator ظرفی برای منبع تکرارکننده چند دستگاهی. ناشناس RandomSeed Generator Anonymous SeedGenerator هر "منطقی یا" عناصر را در ابعاد یک تانسور محاسبه می کند. ApplyAdagradV2 <T> "*var" را طبق طرح adagrad به روز کنید. AssertCardinalityDataset AssertNextDataset تحولی که بیان می کند کدام تحولات بعدی اتفاق می افتد. ادعا کن ادعا می کند که شرط داده شده درست است. تخصیص <T> "ref" را با اختصاص دادن "value" به آن به روز کنید. AssignAdd <T> "ref" را با افزودن "value" به آن به روز کنید. AssignAddVariableOp یک مقدار به مقدار فعلی یک متغیر اضافه می کند. AssignSub <T> "ref" را با کم کردن "value" از آن به روز کنید. AssignSubVariableOp مقداری را از مقدار فعلی یک متغیر کم می کند. AssignVariableOp مقدار جدیدی را به یک متغیر اختصاص می دهد. AutoShardDataset مجموعه داده ای ایجاد می کند که مجموعه داده ورودی را خرد می کند. BandedTriangularSolve <T> مانع مانعی را تعریف می کند که در اجرای گراف های مختلف وجود دارد. BarrierClose سد داده شده را می بندد. BarrierIncompleteSize تعداد عناصر ناقص را در مانع داده شده محاسبه می کند. BarrierInsertMany برای هر کلید، مقدار مربوطه را به جزء مشخص شده اختصاص می دهد. BarrierReadySize تعداد عناصر کامل را در مانع داده شده محاسبه می کند. BarrierTakeMany تعداد داده شده عناصر تکمیل شده را از یک مانع می گیرد. دسته ای همه تانسورهای ورودی را به صورت غیر قطعی دسته بندی می کند. BatchMatMulV2 <T> برش های دو تانسور را به صورت دسته ای ضرب می کند. BatchToSpace <T> BatchToSpace برای تانسورهای 4 بعدی از نوع T. BatchToSpaceNd <T> BatchToSpace برای تانسورهای ND از نوع T. BesselI0 <T تعداد را گسترش می دهد> BesselI1 <T تعداد را گسترش می دهد> BesselJ0 <T تعداد را گسترش می دهد> BesselJ1 <T تعداد را گسترش می دهد> BesselK0 <T تعداد را گسترش می دهد> BesselK0e <T تعداد را گسترش می دهد> BesselK1 <T تعداد را گسترش می دهد> BesselK1e <T تعداد را گسترش می دهد> BesselY0 <T تعداد را گسترش می دهد> BesselY1 <T تعداد را گسترش می دهد> بیت‌کست <U> یک تانسور را از یک نوع به نوع دیگر بدون کپی کردن داده ارسال می کند. BlockLSTM <T تعداد را گسترش می دهد> انتشار سلول LSTM به جلو را برای تمام مراحل زمانی محاسبه می کند. BlockLSTMGrad <T گسترش شماره> انتشار سلول LSTM به عقب را برای کل توالی زمانی محاسبه می کند. BlockLSTMGradV2 <T تعداد را گسترش می دهد> انتشار سلول LSTM به عقب را برای کل توالی زمانی محاسبه می کند. BlockLSTMV2 <T تعداد را گسترش می دهد> انتشار سلول LSTM به جلو را برای تمام مراحل زمانی محاسبه می کند. BoostedTreesAggregateStats خلاصه آمار انباشته شده را برای دسته جمع آوری می کند. BoostedTreesBucketize هر ویژگی را بر اساس مرزهای سطل سطل کنید. BoostedTreesCalculateBestFeatureSplit سود هر ویژگی را محاسبه می کند و بهترین اطلاعات تقسیم ممکن را برای ویژگی برمی گرداند. BoostedTreesCalculateBestFeatureSplitV2 سود هر ویژگی را محاسبه می کند و بهترین اطلاعات تقسیم ممکن را برای هر گره برمی گرداند. BoostedTreesCalculateBestGainsPerFeature سود هر ویژگی را محاسبه می کند و بهترین اطلاعات تقسیم ممکن را برای ویژگی برمی گرداند. BoostedTreesCenterBias پیشین را از داده های آموزشی محاسبه می کند (بایاس) و اولین گره را با پیشین logits پر می کند. BoostedTreesCreateEnsemble یک مدل مجموعه درختی ایجاد می کند و یک دسته را به آن برمی گرداند. BoostedTreesCreateQuantileStreamResource منبع برای Quantile Streams ایجاد کنید. BoostedTreesDeserializeEnsemble پیکربندی مجموعه درختی سریالی را از حالت سریال خارج می کند و درخت فعلی را جایگزین می کند گروه BoostedTreesEnsembleResourceHandleOp یک دسته برای یک BoostedTreesEnsembleResource ایجاد می کند BoostedTreesExampleDebugOutputs اشکال زدایی/خروجی های تفسیرپذیری مدل برای هر مثال. BoostedTreesFlushQuantileSummaries خلاصه‌های چندک را از هر منبع جریان چندک بشویید. BoostedTreesGetEnsembleStates نشانه تمبر منابع مجموعه درختی، تعداد درختان و آمار رشد را بازیابی می کند. BoostedTreesMakeQuantileSummaries خلاصه چندک ها را برای دسته تهیه می کند. BoostedTreesMakeStatsSummary خلاصه ای از آمار انباشته شده را برای دسته ایجاد می کند. BoostedTreesPredict پیش‌بینی‌کننده‌های گروه رگرسیون افزایشی چندگانه را روی نمونه‌های ورودی و لاجیت ها را محاسبه می کند. BoostedTreesQuantileStreamResourceAddSummaries خلاصه‌های کمیت را به هر منبع جریان چندک اضافه کنید. BoostedTreesQuantileStreamResourceDeserialize مرزهای سطل را از حالت سریال خارج کنید و پرچم آماده را در QuantileAccumulator فعلی علامت گذاری کنید. BoostedTreesQuantileStreamResourceFlush خلاصه‌ها را برای یک منبع جریان چندگانه شستشو دهید. BoostedTreesQuantileStreamResourceGetBucketBoundaries بر اساس خلاصه های انباشته شده، مرزهای سطل را برای هر ویژگی ایجاد کنید. BoostedTreesQuantileStreamResourceHandleOp یک دسته برای BoostedTreesQuantileStreamResource ایجاد می کند. BoostedTreesSerializeEnsemble مجموعه درخت را به یک پروتو سریال می کند. BoostedTreesSparseAggregateStats خلاصه آمار انباشته شده را برای دسته جمع آوری می کند. BoostedTreesSparseCalculateBestFeatureSplit سود هر ویژگی را محاسبه می کند و بهترین اطلاعات تقسیم ممکن را برای ویژگی برمی گرداند. BoostedTreesTrainingPredict پیش‌بینی‌کننده‌های گروه رگرسیون افزایشی چندگانه را روی نمونه‌های ورودی و به روز رسانی را به لاجیت های کش محاسبه می کند. BoostedTreesUpdateEnsemble با افزودن یک لایه به آخرین درخت در حال رشد، مجموعه درختی را به روز می کند یا با شروع یک درخت جدید. BoostedTreesUpdateEnsembleV2 با افزودن یک لایه به آخرین درخت در حال رشد، مجموعه درختی را به روز می کند یا با شروع یک درخت جدید. BroadcastDynamicShape <T تعداد را گسترش می دهد> شکل s0 op s1 را با پخش برگردانید. BroadcastGradientArgs <T تعداد را گسترش می دهد> شاخص های کاهش را برای محاسبه گرادیان های s0 op s1 با پخش برگردانید. BroadcastTo <T> پخش یک آرایه برای یک شکل سازگار. سطل کردن "ورودی" را بر اساس "مرزها" سطل می کند. CSRSparseMatrixComponents <T> اجزای CSR را در «شاخص» دسته ای می خواند. CSRSparseMatrixToDense <T> یک CSRSparseMatrix (احتمالا دسته ای) را به متراکم تبدیل کنید. CSRSparseMatrixToSparseTensor <T> یک CSRSparesMatrix (احتمالا دسته‌ای) را به SparseTensor تبدیل می‌کند. CSVDataset CSVDatasetV2 CTCLossV2 CTC Loss (احتمال ورود به سیستم) را برای هر ورودی دسته محاسبه می کند. CacheDatasetV2 CheckNumericsV2 <T extensions Number> یک تانسور را برای مقادیر NaN، -Inf و +Inf بررسی می کند. FastestDataset را انتخاب کنید ClipByValue <T> مقادیر تانسور را به حداقل و حداکثر مشخص می کند. CollectiveGather <T گسترش شماره> متقابل تانسورهای متعدد از نوع و شکل یکسان را جمع می کند. CollectiveGatherV2 <T تعداد را گسترش می دهد> متقابل تانسورهای متعدد از نوع و شکل یکسان را جمع می کند. CollectivePermute <T> عملیاتی برای جابجایی تانسورها در نمونه های تکرار شده TPU. CollectiveReduceV2 <T تعداد را گسترش می دهد> به طور متقابل تانسورهای متعدد از نوع و شکل یکسان را کاهش می دهد. CombinedNonMaxSuppression حریصانه زیرمجموعه ای از جعبه های مرزی را به ترتیب امتیاز نزولی انتخاب می کند، این عملیات non_max_suppression را روی ورودی‌های هر دسته، در همه کلاس‌ها انجام می‌دهد. CompressElement یک عنصر مجموعه داده را فشرده می کند. ComputeBatchSize اندازه دسته ایستا یک مجموعه داده بدون دسته های جزئی را محاسبه می کند. Concat <T> تانسورها را در یک بعد به هم متصل می کند. ConfigureDistributedTPU ساختارهای متمرکز را برای یک سیستم TPU توزیع شده تنظیم می کند. پیکربندی TPUEmbedding TPUEmbedding را در یک سیستم TPU توزیع شده تنظیم می کند. ثابت <T> عملگر که مقدار ثابتی را تولید می کند. ConsumeMutexLock این عملیات یک قفل ایجاد شده توسط "MutexLock" را مصرف می کند. ControlTrigger هیچ کاری نمی کند. <T> را کپی کنید یک تانسور را از CPU به CPU یا GPU به GPU کپی کنید. CopyHost <T> یک تانسور را در میزبان کپی کنید. CountUpTo <T تعداد را گسترش می دهد> "ref" را تا رسیدن به "حد" افزایش می دهد. CrossReplicaSum <T تعداد را گسترش می دهد> یک عملیات جمع‌آوری ورودی‌ها در نمونه‌های تکراری TPU. CudnnRNNBackpropV3 <T تعداد را گسترش می دهد> مرحله پشتیبان CudnnRNNV3. CudnnRNNCanonicalToParamsV2 <T Extends Number> پارامترهای CudnnRNN را از فرم متعارف به فرم قابل استفاده تبدیل می کند. CudnnRNNParamsToCanonicalV2 <T Extends Number> پارامترهای CudnnRNN را به شکل متعارف بازیابی می کند. CudnnRNNV3 <T تعداد را گسترش می دهد> یک RNN با پشتیبانی cuDNN. CumulativeLogsumexp <Textss Number> حاصلضرب تجمعی تانسور x را در امتداد «محور» محاسبه کنید. DataServiceDataset DatasetCardinality اصلی بودن «مجموعه_داده‌های ورودی» را برمی‌گرداند. DatasetFromGraph یک مجموعه داده از «graph_def» داده شده ایجاد می کند. DatasetToGraphV2 یک GraphDef سریالی را که «مجموعه داده‌های ورودی» را نشان می‌دهد، برمی‌گرداند. Dawsn <T تعداد را گسترش می دهد> DebugGradientIdentity <T> قابلیت شناسایی برای اشکال زدایی گرادیان. DebugGradientRefIdentity <T> قابلیت شناسایی برای اشکال زدایی گرادیان. DebugIdentity <T> یک نقشه هویتی از تانسور ورودی نوع غیر Ref برای اشکال زدایی ارائه می دهد. DebugIdentityV2 <T> Debug Identity V2 Op. DebugNanCount Debug NaN Value Counter Op. DebugNumericSummary اشکال زدایی خلاصه عددی عملیات DebugNumericSummaryV2 <U extends Number> اشکال زدایی خلاصه عددی V2 Op. DecodeImage <T تعداد را گسترش می دهد> تابعی برای decode_bmp، decode_gif، decode_jpeg و decode_png. DecodePaddedRaw <T تعداد را گسترش می دهد> بایت های یک رشته را مجدداً به عنوان بردار اعداد تفسیر کنید. رمزگشایی پروتو عملیات، فیلدها را از یک پروتکل سریالی، پیام را به تانسورها استخراج می کند. DeepCopy <T> یک کپی از `x` ایجاد می کند. DeleteIterator ظرفی برای یک منبع تکرارکننده. حذف MemoryCache حذف MultiDeviceIterator ظرفی برای یک منبع تکرارکننده. حذف RandomSeedGenerator حذف SeedGenerator DeleteSessionTensor تانسور مشخص شده توسط دسته آن در جلسه را حذف کنید. DenseBincount <U extends Number> تعداد دفعات هر مقدار را در یک آرایه عدد صحیح می شمارد. DenseCountSparseOutput <U extends Number> شمارش سطل خروجی پراکنده را برای ورودی tf.tensor انجام می دهد. DenseToCSRSparseMatrix یک تانسور متراکم را به یک CSRSparseMatrix (احتمالا دسته‌ای) تبدیل می‌کند. DestroyResourceOp منبع مشخص شده توسط دسته را حذف می کند. DestroyTemporaryVariable <T> متغیر موقت را از بین می برد و مقدار نهایی آن را برمی گرداند. DeviceIndex فهرست دستگاهی را که عملیات اجرا می کند برگردانید. DirectedInterleaveDataset جایگزینی برای «InterleaveDataset» در یک لیست ثابت از مجموعه داده «N». DrawBoundingBoxesV2 <T تعداد را گسترش می دهد> بر روی دسته ای از تصاویر، کادرهای مرزی را رسم کنید. DummyIterationCounter DummyMemoryCache DummySeedGenerator DynamicPartition <T> "داده" را با استفاده از شاخص های "پارتیشن" به تانسورهای "تعداد_پارتیشن" تقسیم می کند. DynamicStitch <T> مقادیر تانسورهای «داده» را در یک تانسور واحد قرار دهید. Edit Distance فاصله ویرایش لوونشتاین (احتمالاً نرمال شده) را محاسبه می کند. Eig <U> تجزیه ویژه یک یا چند ماتریس مربع را محاسبه می کند. Einsum <T> انقباض تانسور طبق قرارداد جمع انیشتین. <T> را خالی کنید با شکل داده شده یک تانسور ایجاد می کند. EmptyTensorList یک لیست تانسور خالی ایجاد و برمی گرداند. EmptyTensorMap یک نقشه تانسور خالی ایجاد و برمی گرداند. EncodeProto عملیات، پیام های پروتوباف ارائه شده در تانسورهای ورودی را سریال می کند. EnqueueTPUEmbeddingIntegerBatch عملیاتی که لیستی از تانسورهای دسته ای ورودی را در TPUEmbedding قرار می دهد. EnqueueTPUEmbeddingRaggedTensorBatch انتقال کدهایی را که از () tf.nn.embedding_lookup استفاده می کند، آسان می کند. EnqueueTPUEmbeddingSparseBatch عملیاتی که شاخص های ورودی TPUEmbedding را از SparseTensor در صف قرار می دهد. EnqueueTPUEmbeddingSparseTensorBatch انتقال کدهایی را که از ()tf.nn.embedding_lookup_sparse استفاده می کند، آسان می کند. EnsureShape <T> اطمینان حاصل می کند که شکل تانسور با شکل مورد انتظار مطابقت دارد. <T> را وارد کنید یک فریم فرزند ایجاد یا پیدا می‌کند و «داده‌ها» را در اختیار فریم فرزند قرار می‌دهد. Erfinv <T گسترش شماره> هنجار اقلیدسی <T> هنجار اقلیدسی عناصر را در ابعاد یک تانسور محاسبه می کند. از <T> خارج شوید از فریم فعلی به فریم اصلی خود خارج می شود. ExpandDims <T> بعد 1 را به شکل تانسور وارد می کند. ExperimentalAutoShardDataset مجموعه داده ای ایجاد می کند که مجموعه داده ورودی را خرد می کند. ExperimentalBytesProducedStatsDataset اندازه بایت هر عنصر «مجموعه_داده‌های ورودی» را در یک StatsAggregator ثبت می‌کند. ExperimentalChooseFastestDataset ExperimentalDatasetCardinality اصلی بودن «مجموعه_داده‌های ورودی» را برمی‌گرداند. ExperimentalDatasetToTFRecord مجموعه داده داده شده را با استفاده از فرمت TFRecord در فایل داده شده می نویسد. ExperimentalDenseToSparseBatchDataset مجموعه داده ای ایجاد می کند که عناصر ورودی را در یک SparseTensor دسته بندی می کند. ExperimentalLatencyStatsDataset تأخیر تولید عناصر «مجموعه داده‌های ورودی» را در StatsAggregator ثبت می‌کند. ExperimentalMatchingFilesDataset ExperimentalMaxIntraOpParallelismDataset مجموعه داده ای ایجاد می کند که حداکثر موازی کاری درون عملیاتی را لغو می کند. ExperimentalParseExampleDataset «مجموعه داده های ورودی» حاوی پروتوهای «نمونه» را به عنوان بردارهای DT_STRING به مجموعه داده ای از اشیاء «Tensor» یا «SparseTensor» تبدیل می کند که نمایانگر ویژگی های تجزیه شده است. ExperimentalPrivateThreadPoolDataset مجموعه داده‌ای ایجاد می‌کند که از یک مجموعه رشته سفارشی برای محاسبه «مجموعه داده‌های ورودی» استفاده می‌کند. ExperimentalRandomDataset مجموعه داده ای ایجاد می کند که اعداد شبه تصادفی را برمی گرداند. ExperimentalRebatchDataset یک مجموعه داده ایجاد می کند که اندازه دسته را تغییر می دهد. ExperimentalSetStatsAggregatorDataset ExperimentalSlidingWindowDataset مجموعه داده ای ایجاد می کند که یک پنجره کشویی را روی «مجموعه داده های ورودی» عبور می دهد. ExperimentalSqlDataset مجموعه داده ای ایجاد می کند که یک پرس و جوی SQL را اجرا می کند و ردیف هایی از مجموعه نتایج را منتشر می کند. ExperimentalStatsAggregatorHandle یک منبع مدیر آمار ایجاد می کند. ExperimentalStatsAggregatorSummary خلاصه ای از هر آمار ثبت شده توسط مدیر آمار داده شده را تولید می کند. ExperimentalUnbatchDataset مجموعه داده ای که عناصر ورودی خود را به چندین عنصر تقسیم می کند. Expint <T extends Number> ExtractGlimpseV2 یک نگاه اجمالی از تانسور ورودی استخراج می کند. ExtractVolumePatches <T extends Number> «وصله‌ها» را از «ورودی» استخراج کرده و در بعد خروجی «عمق» قرار دهید. <U> را پر کنید یک تانسور پر از یک مقدار اسکالر ایجاد می کند. اثر انگشت مقادیر اثر انگشت را ایجاد می کند. FresnelCos <T گسترش شماره> FresnelSin <T تعداد را گسترش می دهد> FusedBatchNormGradV3 <T تعداد را گسترش می دهد، U تعداد را گسترش می دهد> گرادیان برای عادی سازی دسته ای. FusedBatchNormV3 <T تعداد را گسترش می دهد، U تعداد را گسترش می دهد> نرمال سازی دسته ای GRUBlockCell <T تعداد را گسترش می دهد> انتشار سلول GRU را برای 1 مرحله زمانی محاسبه می کند. GRUBlockCellGrad <T تعداد را گسترش می دهد> انتشار مجدد سلول GRU را برای 1 مرحله زمانی محاسبه می کند. جمع آوری <T> برش‌هایی را از محور «پارام‌ها» با توجه به «شاخص‌ها» جمع‌آوری کنید. جمع آوری <T> برش‌ها را از «پارام‌ها» در یک تانسور با شکل مشخص شده با «شاخص‌ها» جمع‌آوری کنید. GenerateBoundingBoxProposals این عملیات منطقه علایق را از جعبه‌های مرزبندی داده شده (bbox_deltas) لنگرهای wrt کدگذاری شده مطابق معادله 2 در arXiv:1506.01497 تولید می‌کند. این عملیات، جعبه‌های امتیازدهی برتر «pre_nms_topn» را انتخاب می‌کند، آن‌ها را با توجه به لنگرها رمزگشایی می‌کند، در جعبه‌های همپوشانی با مقدار تقاطع بیش از «nms_threshold» بالاتر از «nms_threshold»، جعبه‌هایی را که ضلع کوتاه‌تر از «» کمتر است، اعمال می‌کند. min_size`. GetSessionHandle تانسور ورودی را در وضعیت جلسه جاری ذخیره کنید. GetSessionTensor <T> مقدار تانسور مشخص شده توسط دسته آن را بدست آورید. گرادیان ها عملیاتی را برای محاسبه مشتقات جزئی مجموع y s wrt x s اضافه می کند، یعنی d(y_1 + y_2 + ...)/dx_1, d(y_1 + y_2 + ...)/dx_2... اگر مقادیر Options.dx() تنظیم شوند، به عنوان مشتقات جزئی نمادین اولیه برخی از تابع ضرر L wrt هستند. GuaranteeConst <T> به زمان اجرای TF تضمین می دهد که تانسور ورودی ثابت است. جدول هش یک جدول هش غیر اولیه ایجاد می کند. HistogramFixedWidth <U extends Number> هیستوگرام مقادیر را برگردانید. هویت <T> یک تانسور با شکل و محتویات مشابه تانسور یا مقدار ورودی را برگردانید. IdentityN فهرستی از تانسورها را با اشکال و محتویات مشابه ورودی برمی‌گرداند تانسورها IgnoreErrorsDataset مجموعه داده‌ای ایجاد می‌کند که حاوی عناصر «مجموعه داده‌های ورودی» است و خطاها را نادیده می‌گیرد. ImageProjectiveTransformV2 <T تعداد را گسترش می دهد> تبدیل داده شده را برای هر یک از تصاویر اعمال می کند. ImageProjectiveTransformV3 <T تعداد را گسترش می دهد> تبدیل داده شده را برای هر یک از تصاویر اعمال می کند. ImmutableConst <T> تانسور تغییرناپذیر را از ناحیه حافظه برمی‌گرداند. InfeedDequeue <T> یک گزینه نگهدارنده برای مقداری که به محاسبات وارد می شود. InfeedDequeueTuple چندین مقدار را از فید به عنوان یک تاپل XLA واکشی می کند. InfeedEnqueue عملیاتی که یک مقدار Tensor را وارد محاسبات می کند. InfeedEnqueuePrelinearizedBuffer عملیاتی که بافر از پیش خطی شده را در ورودی TPU قرار می دهد. InfeedEnqueueTuple چندین مقدار Tensor را به عنوان یک تاپل XLA وارد محاسبات می کند. InitializeTable آغازگر جدول که به ترتیب دو تانسور برای کلیدها و مقادیر می گیرد. InitializeTableFromDataset InitializeTableFromTextFile یک جدول را از یک فایل متنی مقداردهی اولیه می کند. InplaceAdd <T> v را به ردیف های مشخص شده x اضافه می کند. InplaceSub <T> "v" را به ردیف های مشخص شده "x" تفریق می کند. InplaceUpdate <T> سطرهای مشخص شده "i" را با مقادیر "v" به روز می کند. IsBoostedTreesEnsembleInitialized شده است بررسی می کند که آیا یک مجموعه درختی مقداردهی اولیه شده است یا خیر. IsBoostedTreesQuantileStreamResourceInitialized بررسی می‌کند که آیا یک جریان چندکی مقداردهی اولیه شده است یا خیر. IsVariableInitialized بررسی می کند که آیا یک تانسور مقداردهی اولیه شده است یا خیر. ایزوتونیک رگرسیون <U تعداد را گسترش می دهد> دسته ای از مشکلات رگرسیون ایزوتونیک را حل می کند. IteratorGetDevice نام دستگاهی را که «منبع» روی آن قرار داده شده است، برمی‌گرداند. KMC2ChainInitialization شاخص نقطه داده ای را که باید به مجموعه seed اضافه شود، برمی گرداند. KmeansPlusPlusInitialization num_to_sample ردیف های ورودی را با استفاده از معیار KMeans++ انتخاب می کند. KthOrderStatistic آمار Kth مرتبه یک مجموعه داده را محاسبه می کند. LMDBDataset مجموعه داده ای ایجاد می کند که جفت های کلید-مقدار را در یک یا چند فایل LMDB منتشر می کند. LSTMBlockCell <T تعداد را گسترش می دهد> انتشار سلول LSTM به جلو را برای 1 مرحله زمانی محاسبه می کند. LSTMBlockCellGrad <T تعداد را گسترش می دهد> انتشار سلول LSTM به عقب را برای 1 مرحله زمانی محاسبه می کند. LinSpace <T تعداد را گسترش می دهد> مقادیر را در یک بازه تولید می کند. LoadTPUEmbeddingADAMParameters بارگذاری پارامترهای جاسازی ADAM. LoadTPUEmbeddingADAMParametersGradAccumDebug بارگذاری پارامترهای جاسازی ADAM با پشتیبانی از اشکال زدایی. LoadTPUEmbeddingAdadeltaParameters بارگذاری پارامترهای جاسازی Adadelta. LoadTPUEmbeddingAdadeltaParametersGradAccumDebug بارگذاری پارامترهای Adadelta با پشتیبانی از اشکال زدایی. LoadTPUEmbeddingAdagradParameters بارگذاری پارامترهای جاسازی Adagrad. LoadTPUEmbeddingAdagradParametersGradAccumDebug پارامترهای جاسازی Adagrad را با پشتیبانی از اشکال زدایی بارگیری کنید. LoadTPUEmbeddingCenteredRMSPropParameters بارگذاری محور پارامترهای جاسازی RMSProp. LoadTPUEmbeddingFTRLParameters بارگذاری پارامترهای جاسازی FTRL. LoadTPUEmbeddingFTRLParametersGradAccumDebug بارگذاری پارامترهای جاسازی FTRL با پشتیبانی از اشکال زدایی. LoadTPUEmbeddingMDLAdagradLightParameters بارگذاری پارامترهای تعبیه نور MDL Adagrad. LoadTPUEmbeddingMomentumParameters پارامترهای جاسازی مومنتوم بار. LoadTPUEmbeddingMomentumParametersGradAccumDebug بارگذاری پارامترهای جاسازی Momentum با پشتیبانی از اشکال زدایی. LoadTPUEmbeddingProximalAdagradParameters بارگذاری پارامترهای جاسازی پروگزیمال Adagrad. LoadTPUEmbeddingProximalAdagradParametersGradAccumDebug بارگذاری پارامترهای جاسازی پروگزیمال Adagrad با پشتیبانی از اشکال زدایی. LoadTPUEmbeddingProximalYogiParameters LoadTPUEmbeddingProximalYogiParametersGradAccumDebug LoadTPUEmbeddingRMSPropParameters بارگذاری پارامترهای جاسازی RMSProp. LoadTPUEmbeddingRMSPropParametersGradAccumDebug بارگذاری پارامترهای جاسازی RMSProp با پشتیبانی از اشکال زدایی. LoadTPUEmbeddingStochasticGradientDescentParameters بارگذاری پارامترهای جاسازی SGD. LoadTPUEmbeddingStochasticGradientDescentParametersGradAccumDebug بارگذاری پارامترهای جاسازی SGD. LookupTableExport <T, U> خروجی تمام کلیدها و مقادیر جدول. LookupTable <U> را پیدا کنید کلیدها را در یک جدول جستجو می کند، مقادیر مربوطه را خروجی می کند. LookupTableImport محتویات جدول را با کلیدها و مقادیر مشخص شده جایگزین می کند. LookupTableInsert جدول را به روز می کند تا کلیدها را با مقادیر مرتبط کند. LookupTableRemove کلیدها و مقادیر مرتبط با آن را از جدول حذف می کند. LookupTableSize تعداد عناصر جدول داده شده را محاسبه می کند. LoopCond ورودی را به خروجی فوروارد می کند. LowerBound <U extends Number> پایین_کران (مقادیر_جستجوی_مرتب‌شده، مقادیر) را در امتداد هر ردیف اعمال می‌کند. Lu <T، U تعداد را گسترش می دهد> تجزیه LU یک یا چند ماتریس مربع را محاسبه می کند. MakeUnique همه عناصر در بعد غیر دسته ای را منحصر به فرد کنید، اما \"نزدیک\" به ارزش اولیه آنها MapClear Op تمام عناصر موجود در ظرف زیرین را حذف می کند. MapIncompleteSize Op تعداد عناصر ناقص را در ظرف زیرین برمی گرداند. MapPeek Op به مقادیر موجود در کلید مشخص شده نگاه می کند. اندازه نقشه Op تعداد عناصر موجود در ظرف زیرین را برمی گرداند. MapStage مرحله (کلید، مقادیر) در کانتینر زیرین که مانند یک هشت‌تابل رفتار می‌کند. MapUnstage Op مقادیر مرتبط با کلید را حذف و برمی گرداند از ظرف زیرین MapUnstageNoKey Op یک تصادفی (کلید، مقدار) را حذف و برمی گرداند. از ظرف زیرین MatrixDiagPartV2 <T> قسمت مورب دسته بندی شده یک تانسور دسته ای را برمی گرداند. MatrixDiagPartV3 <T> قسمت مورب دسته بندی شده یک تانسور دسته ای را برمی گرداند. MatrixDiagV2 <T> یک تانسور مورب دسته‌ای را با مقادیر مورب دسته‌ای داده شده برمی‌گرداند. MatrixDiagV3 <T> یک تانسور مورب دسته‌ای را با مقادیر مورب دسته‌ای داده شده برمی‌گرداند. MatrixSetDiagV2 <T> یک تانسور ماتریس دسته‌ای را با مقادیر مورب دسته‌ای جدید برمی‌گرداند. MatrixSetDiagV3 <T> یک تانسور ماتریس دسته‌ای را با مقادیر مورب دسته‌ای جدید برمی‌گرداند. حداکثر <T> حداکثر عناصر را در ابعاد یک تانسور محاسبه می کند. مجموعه داده MaxIntraOpParallelism مجموعه داده ای ایجاد می کند که حداکثر موازی کاری درون عملیاتی را لغو می کند. ادغام <T> مقدار یک تانسور موجود را از "ورودی" به "خروجی" منتقل می کند. حداقل <T> حداقل عناصر را در ابعاد یک تانسور محاسبه می کند. MirrorPad <T> یک تانسور را با مقادیر آینه‌ای قرار می‌دهد. MirrorPadGrad <T> عملیات گرادیان برای «MirrorPad» op. MlirPassthroughOp یک محاسبات دلخواه MLIR را که به صورت یک ماژول با تابع ()main بیان شده است، می پیچد. MulNoNan <T> از نظر عنصر x * y را برمی‌گرداند. MutableDenseHashTable یک جدول هش خالی ایجاد می کند که از تانسورها به عنوان ذخیره پشتیبان استفاده می کند. MutableHashTable یک جدول هش خالی ایجاد می کند. MutableHashTableOfTensors یک جدول هش خالی ایجاد می کند. موتکس یک منبع Mutex ایجاد می کند که می تواند توسط "MutexLock" قفل شود. MutexLock یک منبع mutex را قفل می کند. NcclAllReduce <T extensions Number> خروجی یک تانسور حاوی کاهش در تمام تانسورهای ورودی. NcclBroadcast <T Extends Number> "ورودی" را به همه دستگاه هایی که به خروجی متصل هستند ارسال می کند. NcclReduce <T extends Number> «ورودی» را از «تعداد_دستگاه‌ها» با استفاده از «کاهش» به یک دستگاه کاهش می‌دهد. Ndtri <T تعداد را گسترش می دهد> نزدیکترین همسایه ها K نزدیکترین مرکز را برای هر نقطه انتخاب می کند. بعد از <T گسترش شماره> مقدار قابل نمایش بعدی «x1» را در جهت «x2» از نظر عنصر برمی‌گرداند. تکرار بعدی <T> ورودی خود را برای تکرار بعدی در دسترس قرار می دهد. NoOp هیچ کاری نمی کند. NonDeterministicInts <U> به صورت غیر قطعی تعدادی اعداد صحیح تولید می کند. NonMaxSuppressionV5 <T تعداد را گسترش می دهد> حریصانه زیرمجموعه ای از جعبه های مرزی را به ترتیب امتیاز نزولی انتخاب می کند، هرس کردن جعبه هایی که دارای تقاطع بالای اتحاد (IOU) هستند با جعبه های انتخاب شده قبلی همپوشانی دارند. مجموعه داده های غیر سریالی OneHot <U> یک تانسور یک داغ را برمی‌گرداند. OnesLike <T> تانسور یکهایی را با شکل و نوع x برمی‌گرداند. OptimizeDatasetV2 با اعمال بهینه‌سازی‌های مرتبط در «مجموعه داده‌های ورودی»، یک مجموعه داده ایجاد می‌کند. OrderedMapClear Op تمام عناصر موجود در ظرف زیرین را حذف می کند. OrderedMapIncompleteSize Op تعداد عناصر ناقص را در ظرف زیرین برمی گرداند. سفارش داده شده MapPeek Op به مقادیر موجود در کلید مشخص شده نگاه می کند. OrderedMapSize Op تعداد عناصر موجود در ظرف زیرین را برمی گرداند. سفارش داده شده MapStage مرحله (کلید، مقادیر) در ظرف زیرین که مانند یک مرتبه رفتار می کند ظرف انجمنی OrderedMapUnstage Op مقادیر مرتبط با کلید را حذف و برمی گرداند از ظرف زیرین OrderedMapUnstageNoKey Op عنصر (کلید، مقدار) را با کوچکترین حذف می کند و برمی گرداند کلید از ظرف زیرین OutfeedDequeue <T> یک تانسور واحد را از خروجی محاسباتی بازیابی می کند. OutfeedDequeueTuple چندین مقدار را از فید محاسباتی بازیابی کنید. OutfeedDequeueTupleV2 چندین مقدار را از فید محاسباتی بازیابی کنید. OutfeedDequeueV2 <T> یک تانسور واحد را از خروجی محاسباتی بازیابی می کند. OutfeedEnqueue یک تانسور را در خروجی محاسباتی در صف قرار دهید. OutfeedEnqueueTuple چندین مقدار Tensor را روی فید محاسباتی قرار دهید. پد <T> یک تانسور را چسبانده است. ParallelConcat <T> فهرستی از تانسورهای «N» را در امتداد بعد اول به هم پیوند می‌دهد. ParallelDynamicStitch <T> مقادیر تانسورهای «داده» را در یک تانسور واحد قرار دهید. ParseExampleDatasetV2 «مجموعه داده های ورودی» حاوی پروتوهای «نمونه» را به عنوان بردارهای DT_STRING به مجموعه داده ای از اشیاء «Tensor» یا «SparseTensor» تبدیل می کند که نمایانگر ویژگی های تجزیه شده است. ParseExampleV2 بردار tf. نمونه پروتوها (به عنوان رشته ها) را به تانسورهای تایپ شده تبدیل می کند. ParseSequenceExampleV2 بردار پروتوهای tf.io.SequenceExample (به عنوان رشته) را به تانسورهای تایپ شده تبدیل می کند. جای جای <T> یک گزینه نگهدارنده برای مقداری که به محاسبات وارد می شود. PlaceholderWithDefault <T> یک عملیات نگهدارنده مکان که وقتی خروجی آن تغذیه نمی شود از «ورودی» می گذرد. از قبل خطی کنید عملیاتی که یک مقدار تانسور را به یک تانسور نوع مات خطی می کند. PrelinearizeTuple عملیاتی که چندین مقدار تانسور را به یک تانسور نوع مات خطی می کند. PrimitiveOp یک کلاس پایه برای پیاده سازی های Op که توسط یک Operation پشتیبانی می شوند. چاپ کنید یک اسکالر رشته ای را چاپ می کند. PrivateThreadPoolDataset مجموعه داده‌ای ایجاد می‌کند که از یک مجموعه رشته سفارشی برای محاسبه «مجموعه داده‌های ورودی» استفاده می‌کند. تولید <T> حاصل ضرب عناصر در ابعاد یک تانسور را محاسبه می کند. QuantizeAndDequantizeV4 <T extensions Number> گرادیان «QuantizeAndDequantizeV4» را برمی‌گرداند. QuantizeAndDequantizeV4Grad <T Extends Number> گرادیان «QuantizeAndDequantizeV4» را برمی‌گرداند. QuantizedConcat <T> تانسورهای کوانتیزه را در امتداد یک بعد به هم متصل می کند. QuantizedConv2DAndRelu <V> QuantizedConv2DAndReluAndRequantize <V> QuantizedConv2DAndRequantize <V> QuantizedConv2DPerChannel <V> محاسبه QuantizedConv2D در هر کانال. QuantizedConv2DWithBias <V> QuantizedConv2DWithBiasAndRelu <V> QuantizedConv2DWithBiasAndReluAndRequantize <W> QuantizedConv2DWithBiasAndRequantize <W> QuantizedConv2DWithBiasSignedSumAndReluAndRequantize <X> QuantizedConv2DWithBiasSumAndRelu <V> QuantizedConv2DWithBiasSumAndReluAndRequantize <X> QuantizedDepthwiseConv2D <V> Conv2D را به صورت عمقی کوانتیزه می کند. QuantizedDepthwiseConv2DWithBias <V> Conv2D را به صورت عمقی کوانتیزه شده با Bias محاسبه می کند. QuantizedDepthwiseConv2DWithBiasAndRelu <V> Conv2D را با Bias و Relu محاسبه می کند. QuantizedDepthwiseConv2DWithBiasAndReluAndRequantize <W> Conv2D را به صورت عمقی با Bias، Relu و Requantize محاسبه می کند. QuantizedMatMulWithBias <W> ضرب ماتریس کوانتیزه «a» در ماتریس «b» را با بایاس جمع انجام می دهد. QuantizedMatMulWithBiasAndDequantize <W extends Number> QuantizedMatMulWithBiasAndRelu <V> یک ضرب ماتریس کوانتیزه «a» در ماتریس «b» با بایاس جمع و همجوشی relu انجام دهید. QuantizedMatMulWithBiasAndReluAndRequantize <W> یک ضرب ماتریس کوانتیزه «a» در ماتریس «b» را با بایاس جمع و relu انجام دهید و همجوشی را دوباره کوانتیزه کنید. QuantizedMatMulWithBiasAndRequantize <W> QuantizedReshape <T> یک تانسور کوانتیزه را طبق دستور Reshape تغییر شکل می دهد. RaggedBincount <U extends Number> تعداد دفعات هر مقدار را در یک آرایه عدد صحیح می شمارد. RaggedCountSparseOutput <U extends Number> شمارش سطل خروجی پراکنده را برای ورودی تانسور ناهموار انجام می دهد. RaggedCross <T, U extensions Number> یک متقاطع ویژگی از لیستی از تانسورها ایجاد می کند و آن را به عنوان RaggedTensor برمی گرداند. RaggedGather <T تعداد، U> را گسترش می دهد برش های ناهموار را از محور «params» «0» بر اساس «شاخص ها» جمع آوری کنید. RaggedRange <U عدد را گسترش می دهد، T عدد را گسترش می دهد> یک "RaggedTensor" حاوی دنباله های مشخص شده از اعداد را برمی گرداند. RaggedTensorFromVariant <U تعداد، T را گسترش می دهد یک تانسور «نوعی» را به «تنسور Ragged» رمزگشایی می‌کند. RaggedTensorToSparse <U> یک 'RaggedTensor' را به 'SparseTensor' با مقادیر یکسان تبدیل می کند. RaggedTensorToTensor <U> یک تانسور متراکم از یک تانسور ناهموار ایجاد کنید، احتمالاً شکل آن را تغییر دهید. RaggedTensorToVariant یک "RaggedTensor" را به یک "Variant" Tensor رمزگذاری می کند. RaggedTensorToVariantGradient <U> Helper برای محاسبه گرادیان «RaggedTensorToVariant» استفاده می‌کرد. محدوده <T تعداد را گسترش می دهد> دنباله ای از اعداد ایجاد می کند. رتبه رتبه یک تانسور را برمی‌گرداند. ReadVariableOp <T> مقدار یک متغیر را می خواند. RebatchDataset یک مجموعه داده ایجاد می کند که اندازه دسته را تغییر می دهد. RebatchDatasetV2 یک مجموعه داده ایجاد می کند که اندازه دسته را تغییر می دهد. Recv <T> تانسور نامگذاری شده را از send_device در recv_device دریافت می کند. RecvTPUEmbeddingActivations عملیاتی که فعال‌سازی‌های تعبیه‌شده را روی TPU دریافت می‌کند. ReduceAll "منطقی و" عناصر را در ابعاد یک تانسور محاسبه می کند. ReduceAny "منطقی یا" عناصر را در ابعاد یک تانسور محاسبه می کند. ReduceMax <T> حداکثر عناصر را در ابعاد یک تانسور محاسبه می کند. ReduceMin <T> حداقل عناصر را در ابعاد یک تانسور محاسبه می کند. ReduceProd <T> حاصل ضرب عناصر در ابعاد یک تانسور را محاسبه می کند. ReduceSum <T> مجموع عناصر را در ابعاد یک تانسور محاسبه می کند. RefEnter <T> یک فریم فرزند ایجاد یا پیدا می‌کند و «داده‌ها» را در اختیار فریم فرزند قرار می‌دهد. RefExit <T> از فریم فعلی به فریم اصلی خود خارج می شود. RefIdentity <T> همان تانسور ref تانسور ورودی را برگردانید. RefMerge <T> مقدار یک تانسور موجود را از "ورودی" به "خروجی" منتقل می کند. RefNextIteration <T> ورودی خود را برای تکرار بعدی در دسترس قرار می دهد. RefSelect <T> عنصر 'نمایه' 'inputs' را به 'output' منتقل می کند. RefSwitch <T> «داده» تانسور رف را به درگاه خروجی که توسط «pred» تعیین می‌شود، ارسال می‌کند. RegisterDataset یک مجموعه داده را با سرویس tf.data ثبت می کند. RemoteFusedGraphExecute یک نمودار فرعی را روی یک پردازنده از راه دور اجرا کنید. RequantizationRangePerChannel محدوده کوانتیزاسیون مجدد را در هر کانال محاسبه می کند. RequantizePerChannel <U> ورودی را با مقادیر حداقل و حداکثر شناخته شده در هر کانال مجدداً تعیین می کند. شکل <T> را تغییر دهید یک تانسور را تغییر شکل می دهد. ResourceAccumulatorApplyGradient یک گرادیان را به یک انباشتگر معین اعمال می کند. ResourceAccumulatorNumAccumulated تعداد گرادیان های جمع شده در انباشته های داده شده را برمی گرداند. ResourceAccumulatorSetGlobalStep Acumulator را با یک مقدار جدید برای global_step به روز می کند. ResourceAccumulatorTakeGradient <T> گرادیان متوسط ​​را در ConditionalAccumulator داده شده استخراج می کند. ResourceApplyAdagradV2 "*var" را طبق طرح adagrad به روز کنید. ResourceApplyAdamWithAmsgrad "*var" را طبق الگوریتم Adam به روز کنید. ResourceApplyKerasMomentum "*var" را مطابق طرح حرکت به روز کنید. منبع Conditional Accumulator یک انباشته شرطی برای تجمیع گرادیان ها. ResourceCountUpTo <T تعداد را گسترش می دهد> متغیری که توسط "منبع" به آن اشاره شده است را افزایش می دهد تا زمانی که به "حد" برسد. ResourceGather <U> برش‌هایی را از متغیری که «منبع» به آن اشاره می‌کند با توجه به «شاخص‌ها» جمع‌آوری کنید. ResourceGatherNd <U> ResourceScatterAdd به‌روزرسانی‌های پراکنده را به متغیر مرجع «منبع» اضافه می‌کند. ResourceScatterDiv به‌روزرسانی‌های پراکنده را به متغیری که «منبع» به آن ارجاع می‌دهد، تقسیم می‌کند. ResourceScatterMax با استفاده از عملیات «حداکثر»، به‌روزرسانی‌های پراکنده را در متغیر مرجع «منبع» کاهش می‌دهد. ResourceScatterMin با استفاده از عملیات «min»، به‌روزرسانی‌های پراکنده را در متغیر مرجع «منبع» کاهش می‌دهد. ResourceScatterMul به‌روزرسانی‌های پراکنده را در متغیری که «منبع» به آن ارجاع می‌دهد ضرب می‌کند. ResourceScatterNdAdd اضافه کردن پراکنده را به مقادیر یا برش های فردی در یک متغیر اعمال می کند. ResourceScatterNdMax ResourceScatterNdMin ResourceScatterNdSub تفریق پراکنده را برای مقادیر یا برش های فردی در یک متغیر اعمال می کند. با استفاده از منابع به روزرسانی های پراکنده را برای مقادیر یا برش های فردی در یک داده شده اعمال می کند متغیر با توجه به "شاخص". منبع به روزرسانی های پراکنده از متغیر ارجاع شده توسط "منبع" را تفریق می کند. منبع به روزرسانی های پراکنده را به متغیر ارجاع شده توسط "منبع" اختصاص می دهد. ResourceseParseApplyAdagradv2 با توجه به طرح ADAGRAD ، ورودی های مربوطه را در "*var" و "*Accum" به روز کنید. ResourceseApplyKerasmentum با توجه به طرح حرکت ، ورودی های مربوطه را در "*var" و "*Accum" به روز کنید. رفیق "مقدار" را به مرجع مقدار l-مقدار "Ref" اختصاص دهید. بازیابی بازیابی پارامترهای تعبیه شده آدم. بازیابی پارامترهای تعبیه شده آدم را با پشتیبانی اشکال زدایی بازیابی کنید. بازیابی بازیابی پارامترهای تعبیه شده adadelta. بازیابی بازیابی پارامترهای جاسازی Adadelta با پشتیبانی اشکال زدایی. بازیابی بازیابی پارامترهای تعبیه شده ADAGRAD. بازیابی بازیابی پارامترهای تعبیه شده ADAGRAD با پشتیبانی اشکال زدایی. بازیابی puembeddingcenteredrmspropparameters بازیابی پارامترهای تعبیه شده RMSProp. بازیابی پارامترهای تعبیه شده FTRL را بازیابی کنید. بازیابی بازیابی پارامترهای تعبیه شده FTRL با پشتیبانی اشکال زدایی. بازیابی بازیابی پارامترهای تعبیه شده نور MDL ADAGRAD. بازیابی پارامترهای تعبیه کننده حرکت را بازیابی کنید. بازیابی بازیابی پارامترهای تعبیه شده با پشتیبانی اشکال زدایی. بازیابی PuembeddingProximalAdagradParameters بازیابی پارامترهای تعبیه شده adagrad پروگزیمال. بازیابی puembeddingproximaladagradgarametersgradactrgradecumdebug بازیابی پارامترهای تعبیه شده پروگزیمال با پشتیبانی اشکال زدایی. بازیابی puembeddingproximalyogiparameters بازیابی بازیابی بازیابی پارامترهای تعبیه شده RMSProp. بازیابی بازیابی پارامترهای تعبیه شده RMSProp با پشتیبانی اشکال زدایی. بازیابی PuembeddingStoChasticAngrationientDescentsParameters بازیابی پارامترهای جاسازی SGD. بازیابی بازیابی پارامترهای جاسازی SGD با پشتیبانی اشکال زدایی. معکوس <t> ابعاد خاص یک تانسور را معکوس می کند. معکوس <t> برش های طول متغیر را معکوس می کند. aregreadandskip پیشخوان RNG مبتنی بر پیشخوان را پیش ببرید. RNGSKIP پیشخوان RNG مبتنی بر پیشخوان را پیش ببرید. رول <t> عناصر یک تانسور را در امتداد یک محور می چرخاند. RPC دسته های درخواست RPC را انجام دهید. نمونهنگداتاس یک مجموعه داده ایجاد می کند که یک نمونه برنولی از محتوای مجموعه داده دیگر را می گیرد. از بین بردن ScaleAndTranslategrad <t تعداد بیشتری را گسترش می دهد> scatteradd <t> به روزرسانی های پراکنده را به یک مرجع متغیر اضافه می کند. scatterdiv <t> یک مرجع متغیر را با به روزرسانی های پراکنده تقسیم می کند. scattermax <t تعداد بیشتری را گسترش می دهد> به روزرسانی های پراکنده را با استفاده از عملکرد "MAX" به یک مرجع متغیر کاهش می دهد. scattermin <t گسترش می یابد> به روزرسانی های پراکنده را با استفاده از عملیات "min" به یک مرجع متغیر کاهش می دهد. scattermul <t> به روزرسانی های پراکنده را در یک مرجع متغیر ضرب می کند. scatternd <u> به روزرسانی ها را در یک تانسور جدید با توجه به "شاخص ها" پراکنده کنید. scatterndadd <t> علاوه بر پراکنده مقادیر یا برش های فردی در یک متغیر اعمال می شود. scatterndmax <t> حداکثر عنصر را محاسبه می کند. scatterndmin <t> حداقل عناصر عاقلانه را محاسبه می کند. scatterndnonaliasingadd <t> علاوه بر پراکنده با استفاده از مقادیر یا برش های فردی ، اضافه می کند از "به روزرسانی ها" با توجه به شاخص ها "شاخص ها". scatterndsub <t> تفریق پراکنده را برای مقادیر یا برش های فردی در یک متغیر اعمال می کند. scatterndupdate <t> به روزرسانی های پراکنده را برای مقادیر یا برش های فردی در یک داده شده اعمال می کند متغیر با توجه به "شاخص". ScatterSub <t> به روزرسانی های پراکنده را به یک مرجع متغیر تفریق می کند. scatterupdate <t> به روزرسانی های پراکنده را در یک مرجع متغیر اعمال می کند. SelectV2 <T> ارسال کنید تانسور نامگذاری شده را از send_device به recv_device ارسال می کند. sendtpuembeddinggents به روزرسانی های شیب جداول تعبیه را انجام می دهد. setDiff1d <t ، U Number> تفاوت بین دو لیست اعداد یا رشته ها را محاسبه می کند. تنظیم کردن تعداد عناصر منحصر به فرد در طول آخرین ابعاد ورودی "مجموعه". شکل <u number> شکل تانسور را برمی گرداند. Shapen <U Number> شکل تانسور را برمی گرداند. شارداتاس یک مجموعه داده ایجاد می کند که فقط شامل 1/`num_shards این مجموعه داده است. shuffleandrepeatdatasetv2 shuffledatasetv2 shuffledatasetv3 sutdowndistributeDtpu سیستم TPU توزیع شده در حال اجرا را خاموش می کند. اندازه <U Number> اندازه تانسور را برمی گرداند. پرخاشگام یک فایل متنی را تجزیه می کند و نمونه ای از نمونه ها را ایجاد می کند. Sleepdataset برش <t> یک برش را از "ورودی" برگردانید. کشویی WindowDataset یک مجموعه داده ایجاد می کند که از یک پنجره کشویی از طریق `input_dataset" عبور می کند. عکس فوری <t> یک نسخه از تانسور ورودی را برمی گرداند. عکس فوری یک مجموعه داده ایجاد می کند که از عکس فوری برای نوشتن / خوانده می شود. sobolsample <t تعداد بیشتری را گسترش می دهد> از دنباله SOBOL امتیازاتی ایجاد می کند. spacetobatchnd <t> SpacetObatch برای تانسرهای ND از نوع T. sparseapplyadagradv2 <t> با توجه به طرح ADAGRAD ، ورودی های مربوطه را در "*var" و "*Accum" به روز کنید. پراکنده <u تعداد شماره> تعداد وقایع هر مقدار را در یک آرایه عدد صحیح شمارش می کند. parcountsparseoutput <u number> سطل پراکنده خروجی را برای ورودی تانسور پراکنده انجام می دهد. شکافته صلیب پراکنده را از لیستی از تنسورهای پراکنده و متراکم تولید می کند. sparsecrossv2 صلیب پراکنده را از لیستی از تنسورهای پراکنده و متراکم تولید می کند. sparmematrixadd افزودن پراکنده از دو ماتریس CSR ، C = Alpha * A + Beta * B. sparsematrixmatmul <t> ماتریس-ماتریس یک ماتریس پراکنده با یک ماتریس متراکم. پراکنده ضرب عناصر عاقلانه یک ماتریس پراکنده با تانسور متراکم. پراکنده تعداد غیرزروهای `پراکنده_ماتریکس را برمی گرداند. psarmematrixorderingamd حداقل درجه تقریبی (AMD) سفارش "ورودی" را محاسبه می کند. sparmematrixsoftmax Softmax یک CSRSparsematrix را محاسبه می کند. sparmatrixsoftmaxgrad شیب SparsematrixSoftMax op را محاسبه می کند. sparmematrixsparsecholesky تجزیه پراکنده cholesky "ورودی" را محاسبه می کند. parsematrixsparsematmul ماتریس پراکنده دو ماتریس CSR `A` و` B`. parsematrixtranspun ابعاد داخلی (ماتریس) یک CSRSParsematrix را انتقال می دهد. پراکنده یک csrsparsematrix all-Zeros با شکل `متراکم_شپه" ایجاد می کند. sparsetensortocsrsparsparsmatrix یک اسپارستنسور را به یک CSRSParsematrix (احتمالاً دسته دار) تبدیل می کند. spence <t تعداد بیشتری را گسترش می دهد> تقسیم <t> یک تانسور را به تانسرهای `num_split` در یک بعد تقسیم می کند. Splitv <t> یک تانسور را به تانسرهای `num_split` در یک بعد تقسیم می کند. فشار <T> ابعاد اندازه 1 را از شکل تانسور حذف می کند. پشته <t> لیستی از تانسرهای `` رتبه-`را به یک رتبه رده (R+1)` Tensor بسته بندی می کند. مرحله مقادیر مرحله ای شبیه به یک Enqueue سبک وزن. رکاب دار OP تمام عناصر موجود در ظرف زیرین را از بین می برد. صفحه نمایش OP در مقادیر موجود در شاخص مشخص شده است. مرحله بندی کردن OP تعداد عناصر موجود در ظرف زیرین را برمی گرداند. stayfulrandombinomial <v تعداد بیشتری را گسترش می دهد> statefulstardardnormal <u> مقادیر تصادفی را از یک توزیع عادی خروجی می کند. StateStandardArnormalv2 <u> مقادیر تصادفی را از یک توزیع عادی خروجی می کند. StatefultruncatedNormal <u> مقادیر تصادفی را از یک توزیع عادی کوتاه می کند. فرمولون فرم <u> مقادیر تصادفی را از توزیع یکنواخت خارج می کند. stayfuluniformfullint <u> عدد صحیح تصادفی را از توزیع یکنواخت خارج می کند. stayfuluniformint <u> عدد صحیح تصادفی را از توزیع یکنواخت خارج می کند. NOUMBERS PARESTARAMETERIEDTRUNEDNORMAL <V تعداد بیشتری را گسترش می دهد Numbersrandomombinomial <W تعداد> خروجی اعداد تصادفی pseudorandom قطعی از توزیع دوتایی. NOUMBERSANDRANDOMGAMMAV2 شماره> خروجی اعداد تصادفی شبه قطعی از توزیع گاما. بدون استفاده بهترین الگوریتم را بر اساس دستگاه انتخاب می کند و دانه را به کلید و پیشخوان می رساند. NOUMBERS -STATELDESSRANDOMNORMALV2 خروجی مقادیر شبه و قطعی از توزیع عادی. Numbersrandomompoisson <w تعداد> را گسترش می دهد> خروجی اعداد تصادفی pseudorandom قطعی از توزیع پواسون. NOUMBLESTRESSRANDOMUNIFIEMFULLINT <V تعداد> خروجی اعداد صحیح شبه قطعی شبه از توزیع یکنواخت. بدون استفاده خروجی اعداد صحیح شبه قطعی شبه از توزیع یکنواخت. NumbersrandRandomUniformintv2 <u number> خروجی اعداد صحیح شبه قطعی شبه از توزیع یکنواخت. بدون استفاده خروجی مقادیر تصادفی شبه قطعی از توزیع یکنواخت. بدون استفاده یک جعبه محدودیت به طور تصادفی تحریف شده برای یک تصویر به طور قطعی ایجاد کنید. NOUMBERSTRUCATEDNORMALV2 <u شماره> خروجی مقادیر شبه و قطعی از یک توزیع عادی کوتاه. statsaggregatorhandlev2 statsagegratoratoresetmarywriter برای ضبط آمار با استفاده از stats_aggregator یک خلاصه summary_writer_interface تنظیم کنید. توقف <T> محاسبه شیب را متوقف می کند. Stridedslice <T> یک برش قدم را از "ورودی" برگردانید. StridedsliceAssign <t> "مقدار" را به مرجع مقدار l-مقدار "Ref" اختصاص دهید. Stridedslicegrad <u> شیب «StrideSlice» را برمی گرداند. رگ تمام شخصیت های بزرگ را به تعویض های کوچک مربوطه تبدیل می کند. stringNgrams <t تعداد بیشتری را گسترش می دهد> ngrams را از داده های رشته ای خاردار ایجاد می کند. رنده تمام شخصیت های کوچک را به تعویض بزرگ مربوطه تبدیل می کند. جمع <t> جمع عناصر را در ابعاد یک تانسور محاسبه می کند. سوئیچ <T> "داده ها" را به درگاه خروجی که توسط "Pred" تعیین می شود ، ارسال کنید. tpucompilationresult نتیجه یک مجموعه TPU را برمی گرداند. tpucompilesucpetedassert ادعا می کند که تالیف موفق شده است. tpuembeddingactivations تمایز OP از تعبیه TPU. tpuexecute OP که یک برنامه TPU را در یک دستگاه TPU بارگیری و اجرا می کند. tpuexecteandupdatevariables OP که برنامه ای را با به روزرسانی های متغیر در مکان اختیاری اجرا می کند. tpuordineSelector OP انتخاب کننده هسته TPU. tpupartitionedInput <T> OP که لیستی از ورودی های تقسیم شده را با هم گروه بندی می کند. tpupartitionedOutput <T> OP که یک تانسور را که توسط XLA به لیستی از تقسیم شده تبدیل می شود خروجی های خارج از محاسبه XLA. tpurecplicatemetadata ابرداده نشان می دهد که چگونه محاسبه TPU باید تکثیر شود. tpureplateTinput <T> ورودی های N را به محاسبات TPU تکرار شده N متصل می کند. tpureplatedOutput <T> خروجی های N را از محاسبه TPU تکرار شده N- واژگون می کند. موقت متغیر <t> یک تانسور را برمی گرداند که ممکن است جهش یابد ، اما فقط در یک مرحله واحد ادامه دارد. تنشور مجموعه ای از تنسورها به اندازه داده شده. تانسوریاکلوس TensorArray را از ظرف منبع آن حذف کنید. TensorArrayConcat <t> عناصر را از TensorArray به مقدار «مقدار» جمع کنید. TensorArrayGather <T> عناصر خاص را از TensorArray در "مقدار" جمع کنید. تنشور برای ذخیره شیب مقادیر در دسته داده شده ، یک تانسوررای ایجاد می کند. tensoraraygradwithshape برای ذخیره چندین شیب مقادیر در دسته داده شده ، یک Tensoray ایجاد می کند. TensorArrayPack <T> TensorArrayread <T> یک عنصر از tensorarray را به مقدار خروجی بخوانید. کاردستی داده ها را از مقدار ورودی به عناصر خاص tensorarray پراکنده کنید. تنشور اندازه فعلی TensorArray را دریافت کنید. TensorarySplit داده ها را از مقدار ورودی به عناصر TensorArray تقسیم کنید. Tensorarrayunpack تنشور یک عنصر را روی tensor_array فشار دهید. tensorforestcreateetreevarable یک منبع درخت ایجاد می کند و یک دسته را به آن باز می گرداند. tensorforesttreedeserialize یک پروتئین را درون دسته درخت deserialized می کند tensorforesttreeisinitialized بررسی می کند که آیا یک درخت اولیه شده است یا خیر. TensorforestTreePredict ورود به سیستم برای داده های ورودی داده شده tensorforesttreeresourcehandleop دسته ای را به یک tensorforesttreeresource ایجاد می کند tensorforesttreeserialize دسته درخت را به یک پروتئین سریال می کند tensorforestreesize تعداد گره ها را در یک درخت بدست آورید TensorListConcat <t> تمام تنسورها را در لیست در طول 0th قرار می دهد. tensorlistconcatlists TensorListConcatv2 <u> تمام تنسورها را در لیست در طول 0th قرار می دهد. tensorlistelementshape <t گسترش می یابد> شکل عناصر لیست داده شده ، به عنوان تانسور. tensorlistensor یک tensorlist ایجاد می کند که هنگام جمع شدن ، ارزش "تنسور" را دارد. tensorlistgather <t> با نمایه سازی در tensorlist یک تانسور ایجاد می کند. TensorListgetItem <T> طول تانسور لیست تعداد تانسور را در لیست تانسور ورودی برمی گرداند. tensorlistpopback <t> آخرین عنصر لیست ورودی و همچنین لیستی را با همه آن عنصر برمی گرداند. TensorListPushback لیستی را که دارای "Tensor" به عنوان آخرین عنصر و سایر عناصر لیست داده شده در "input_handle" است ، برمی گرداند. tensorlistpushbackbatch تناسور لیست اندازه داده شده با عناصر خالی. تانسور کردن لیست را تغییر می دهد. tensorlistscatter با نمایه سازی در تانسور ، یک tensorlist ایجاد می کند. لیست tensorlistscatterintoexistinglist تانسور را در شاخص ها در یک لیست ورودی پراکنده می کند. tensorlistscatterv2 با نمایه سازی در تانسور ، یک tensorlist ایجاد می کند. TensorListSetitem tensorlistsplit یک تانسور را به یک لیست تقسیم می کند. TensorListStack <T> تمام تنسورها را در لیست جمع می کند. تنارمپراز نقشه تانسور را با مورد از کلید داده شده برگشتی می کند. Tensormaphaskey باز می گردد که آیا کلید داده شده در نقشه وجود دارد یا خیر. Tensormapinsert نقشه ای را که "input_handle" با جفت ارزش کلید درج شده است ، برمی گرداند. Tensormaplookup <u> مقدار را از یک کلید معین در نقشه تانسور برمی گرداند. تنشور کردن تعداد تانسور را در نقشه تانسور ورودی برمی گرداند. TensormapStackKeys <T> یک پشته تانسور از تمام کلیدها را در نقشه تانسور برمی گرداند. Tensorscatteradd <t> به روزرسانی های پراکنده را به یک تانسور موجود با توجه به «شاخص ها» اضافه می کند. TensorscatterMax <T> tensorscattermin <t> Tensorscattersub <t> به روزرسانی های پراکنده از یک تانسور موجود با توجه به «شاخص ها» را کم می کند. tensorscatterupdate <t> به روزرسانی ها را در یک تانسور موجود با توجه به "شاخص ها" پراکنده کنید. TensorStridedsliceUpdate <T> "مقدار" را به مرجع مقدار l-مقدار ورودی "ورودی" اختصاص دهید. نخود یک مجموعه داده ایجاد می کند که از یک استخر موضوع سفارشی برای محاسبه "input_dataset" استفاده می کند. Threadpoolhandle یک مجموعه داده ایجاد می کند که از یک استخر موضوع سفارشی برای محاسبه "input_dataset" استفاده می کند. کاشی <t> با کاشی کاری یک تانسور معین ، یک تانسور ایجاد می کند. مهر زمان زمان را از زمان دوره در ثانیه فراهم می کند. توبون کردن یک تانسور را به یک محمول مقیاس تبدیل می کند. قصبه مقادیر منحصر به فرد Topk را در آرایه به ترتیب مرتب شده برمی گرداند. رفیق مقادیر TOPK را در آرایه به ترتیب مرتب شده برمی گرداند. tridiagonalmatmul <t> محصول را با ماتریس tridiagonal محاسبه کنید. tridiagonalsolve <t> سیستم های tridiagonal معادلات را حل می کند. tryrpc دسته های درخواست RPC را انجام دهید. UNBATCH <t> عملکرد دسته ای را برای یک تانسور خروجی واحد معکوس می کند. unbatchgrad <t> گرادیان UNBATCH. عدم فشار یک عنصر مجموعه داده فشرده را از بین می برد. uniCodedEcode <t تعداد بیشتری را گسترش می دهد> هر رشته را در «ورودی» به دنباله ای از نقاط کد یونیکد رمزگشایی می کند. کد یکپارچه یک تانسور از INTS را در رشته های یونیکد رمزگذاری کنید. منحصر به فرد <t ، v شماره را گسترش می دهد> عناصر منحصر به فرد را در امتداد محور یک تانسور پیدا می کند. منحصر یک مجموعه داده ایجاد می کند که حاوی عناصر منحصر به فرد "input_dataset" باشد. Uniquewithcounts <t ، v تعداد بیشتری را گسترش می دهد عناصر منحصر به فرد را در امتداد محور یک تانسور پیدا می کند. UnraveLeindex <t تعداد بیشتری را گسترش می دهد> مجموعه ای از شاخص های مسطح را به یک قطعه آرایه های مختصات تبدیل می کند. رفیق غیرقانونی بر اساس "Segment_ids" به عناصر "ورودی" می پیوندد. Upstack <t> ابعاد مشخصی از یک تانسور رتبه-r` را به "تعداد شماره" (R-1) "باز می کند. بی ثبات OP شبیه به یک Dequeue سبک وزن است. بی نظمی بالا در طول هر سطر upper_bound (sorted_search_values ​​، مقادیر) را اعمال می کند. دلهره دسته ای را به یک منبع متغیر ایجاد می کند. متقاطع بررسی می کند که آیا یک متغیر مبتنی بر دسته منبع اولیه شده است یا خیر. متغیر <t> دولت را به شکل تانسور نگه می دارد که در پله ها همچنان ادامه دارد. variableshape <t تعداد بیشتری را گسترش می دهد> شکل متغیر اشاره شده توسط "منبع" را برمی گرداند. کجا مکانهای مقادیر غیرزرو / واقعی را در یک تانسور باز می گرداند. جایی که 3 <t> بسته به "شرایط" عناصر را از "x" یا `y` انتخاب می کند. کارگران قلب ضربان قلب کارگر OP. بسته بندی نویسنده خلاصه پروتئین سریال را می نویسد. xlarecvfromhost <t> OP برای دریافت تانسور از میزبان. xlasendtohost OP برای ارسال تانسور به میزبان. xlog1py <t> اگر x == 0 و x * log1p (y) در غیر این صورت ، Elementwise را برمی گرداند. صفر <t> یک اپراتور که یک ثابت با صفحات شکل داده شده توسط "Dims" ایجاد می کند. Zeroslike <t> تانسور صفر را با همان شکل و نوع x باز می گرداند.

یک رابط نشانگر برای همه بسته بندی های عملیاتی.

بسته بندی های عملیاتی رابط های به شدت تایپ شده برای عملیات ساختمان و اجرای بدون استفاده از لفظ و شاخص ها ، همانطور که در کلاس های اصلی مورد نیاز است ، فراهم می کنند.

این رابط اجازه می دهد تا با استفاده از یک نوع مشترک ، به هرگونه بسته بندی عملیات مراجعه کنید.

 // 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);
 

    
    

    

،

رابط عمومی OP

زیر کلاسهای غیرمستقیم شناخته شده abort ، all ، alltoall <t> ، anonymousiteratorv2 ، anonymousmemorycache ، anonymousmultideviceiter ، ناشناسندرندومسیزرژنتور ، هر ، ApplyDagradv2 <T> ، AssertCardinalityDataset ، AssertNextDataset ، AssixtThat ، AssertThat ، AssertnextSataset ، AssertCardinalitydatase. سقط یک استثنا را برای سقط جنین در صورت فراخوانی مطرح کنید. همه عناصر "منطقی و" را در ابعاد تانسور محاسبه می کند. Alltoall <t> OP برای تبادل داده ها از طریق ماکت TPU. Anynymousiteratorv2 یک کانتینر برای یک منبع تکرار شونده. ناشناس ناشناس ناشناس یک کانتینر برای یک منبع تکرار کننده چند دستگاه. ناشناس ناشناس هر عناصر "منطقی یا" را در ابعاد تانسور محاسبه می کند. Applyadagradv2 <t> مطابق طرح ADAGRAD "*var" را به روز کنید. assertcardinalitydataset assertnextsataset تحولی که ادعا می کند کدام تحولات بعدی اتفاق می افتد. ادعا ادعا می کند که شرط داده شده درست است. اختصاص <t> "Ref" را با اختصاص "مقدار" به آن به روز کنید. Assignadd <t> "Ref" را با افزودن "مقدار" به آن به روز کنید. Assignaddvarableop یک مقدار به مقدار فعلی یک متغیر اضافه می کند. Assignsub <t> "Ref" را با کم کردن "مقدار" از آن به روز کنید. AssignsUbarableOp مقدار از مقدار فعلی یک متغیر را کم می کند. اختصاص متغیر مقدار جدیدی را به یک متغیر اختصاص می دهد. عکسبرداری یک مجموعه داده ایجاد می کند که مجموعه داده های ورودی را می بخشد. bandedtriangularsolve <t> مانع مانعی را تعریف می کند که در اعدام های مختلف نمودار باقی می ماند. موانع مانع داده شده را می بندد. مانع در مورد انسجام تعداد عناصر ناقص را در سد داده شده محاسبه می کند. سد برای هر کلید ، مقدار مربوطه را به مؤلفه مشخص شده اختصاص می دهد. سد مجدد تعداد عناصر کامل را در سد داده شده محاسبه می کند. باریرتاکمی تعداد مشخصی از عناصر تکمیل شده را از یک سد می گیرد. دسته ای دسته ای از تانسرهای ورودی به صورت غیر تعیین کننده. batchmatmulv2 <t> برش های دو تنش در دسته ها را ضرب می کند. batchtospace <t> Batchtospace برای تانسرهای 4 بعدی از نوع T. batchtospacend <t> Batchtospace برای تنشور ND از نوع T. Besseli0 <t تعداد بیشتری را گسترش می دهد> BESSELI1 شماره را گسترش می دهد> Besselj0 <t تعداد بیشتری را گسترش می دهد> BESSELJ1 <T تعداد بیشتری را گسترش می دهد> Besselk0 <t تعداد بیشتری را گسترش می دهد> Besselk0e <t تعداد بیشتری را گسترش می دهد> BESSELK1 شماره را گسترش می دهد> Besselk1e <t تعداد بیشتری را گسترش می دهد> Bessely0 <t تعداد بیشتری را گسترش می دهد> Bessely1 <t تعداد بیشتری را گسترش می دهد> Bitcast <u> Bitcasts یک تانسور از یک نوع به نوع دیگر بدون کپی کردن داده ها. blocklstm <t گسترش می یابد> انتشار سلول LSTM را برای تمام مراحل زمانی محاسبه می کند. blocklstmgrad <t تعداد بیشتری را گسترش می دهد> تکثیر سلول LSTM را برای کل دنباله زمانی محاسبه می کند. blocklstmgradv2 <t تعداد بیشتری را گسترش می دهد> تکثیر سلول LSTM را برای کل دنباله زمانی محاسبه می کند. blocklstmv2 <t تعداد بیشتری را گسترش می دهد> انتشار سلول LSTM را برای تمام مراحل زمانی محاسبه می کند. BoostedtreesaggregateStats خلاصه ای از آمار انباشته شده برای دسته را جمع می کند. boostedtreesbucketize هر ویژگی را بر اساس مرزهای سطل سطحی کنید. boostedtreesccalulatebestfeaturesplit سود هر ویژگی را محاسبه می کند و بهترین اطلاعات تقسیم ممکن را برای این ویژگی باز می گرداند. BoostEdtreescoluteBestfeaturesPlitv2 سود هر ویژگی را محاسبه می کند و بهترین اطلاعات تقسیم ممکن را برای هر گره باز می گرداند. boostedtreesccalulatebestgainsperfeature سود هر ویژگی را محاسبه می کند و بهترین اطلاعات تقسیم ممکن را برای این ویژگی باز می گرداند. BoostedTrecenterBias داده های قبلی را از داده های آموزش (تعصب) محاسبه می کند و گره اول را با قبل از ورود به سیستم پر می کند. BoostedTreesCreateEsmble یک مدل گروه درخت ایجاد می کند و یک دسته را به آن باز می گرداند. BoosteDreaseCreatequantIlestreamResource منبع را برای جریان های کمی ایجاد کنید. BoostedTreesDeserializeEnsemble پیکربندی گروه سریال درختی سریال را رها کرده و جایگزین درخت فعلی می شود گروه BoostedTreesEsEsemblerEsourceHandleop دسته ای را برای BoostedTreesEnsEmblerEsource ایجاد می کند BoostedTreesexAmpledeBugoutputs خروجی های تفسیر اشکال زدایی/مدل برای هر مثال. Boostedtreesflushquantilesummaries خلاصه های کمی را از هر منبع جریان کمی شستشو دهید. BoostedTreesgetEssemblestates بازیابی نشانه های TREE ENSEMBLE TOMK TOKEN ، تعداد درختان و آمار در حال رشد. BoostedTreesMakeQuantilesummaries خلاصه ای از مقادیر دسته ای را ایجاد می کند. boostedtreesmakestatssummary خلاصه آمار انباشته شده برای دسته را ایجاد می کند. پیش بینی پیش بینی کننده های چندین گروه رگرسیون افزودنی را در موارد ورودی اجرا می کند و ورود به سیستم را محاسبه می کند. BoostEdtreesquantilestreamResourCeadSummaries خلاصه های کمی را به هر منبع جریان کمی اضافه کنید. BoosteDtreesquantilestreamResourcedeserialize مرزهای سطل و پرچم آماده را به QuantileLeaccumulator فعلی Deserialize کنید. BoosteDreesquantilestreamResourceFlush خلاصه ها را برای یک منبع جریان کمی شستشو دهید. BoostEdtreesquantilestreamResourcegetBucketBoundaries مرزهای سطل را برای هر ویژگی بر اساس خلاصه های انباشته ایجاد کنید. BoosteDreesquantilestreamResourceHandleop دسته ای را به یک BoostedTreesquantilestreamResource ایجاد می کند. boostedtreesserializeensemble مجموعه درخت را به یک پروتئین سریال می کند. BoostedTreessParseageGregateStats خلاصه ای از آمار انباشته شده برای دسته را جمع می کند. boostedtreessparseccalulatebestfeaturesplit سود هر ویژگی را محاسبه می کند و بهترین اطلاعات تقسیم ممکن را برای این ویژگی باز می گرداند. BoostedTreaStrainingPredict پیش بینی کننده های چندین گروه رگرسیون افزودنی را در موارد ورودی اجرا می کند و به روزرسانی را به ورود به سیستم ذخیره شده محاسبه می کند. BoostedTreeSupDateEnsemble گروه درخت را با اضافه کردن یک لایه به آخرین درخت رشد می کند یا با شروع یک درخت جدید. BoostedTreeSupDateEnsemblev2 گروه درخت را با اضافه کردن یک لایه به آخرین درخت رشد می کند یا با شروع یک درخت جدید. BroadcastDynamicShape <t تعداد بیشتری را گسترش می دهد> شکل S0 OP S1 را با پخش برگردانید. BroadcastGradientargs <t تعداد بیشتری را گسترش می دهد> شاخص های کاهش را برای محاسبات شیب S0 OP S1 با پخش برگردانید. Broadcastto <t> یک آرایه را برای یک شکل سازگار پخش کنید. با سطل دادن "ورودی" را بر اساس "مرزها" بریزید. csrsparsmatrixcomponents <t> اجزای CSR را در «فهرست` index »می خواند. csrsparsmatrixtodense <T> Csrsparsematrix (احتمالاً جمع شده) را به متراکم تبدیل کنید. csrsparspamematrixtosparsetensor <t> Csrsparesmatrix (احتمالاً جمع شده) را به یک Sparsetensor تبدیل می کند. csvdataset csvdatasetv2 ctclossv2 از دست دادن CTC (احتمال ورود به سیستم) برای هر ورودی دسته ای محاسبه می کند. cachedatasetv2 checkNumericsv2 <t تعداد بیشتری را گسترش می دهد> یک تانسور را برای مقادیر NAN ، -INF و +INF بررسی می کند. انتخاب fastestdataset ClipbyValue <t> مقادیر تانسور را به یک حداقل و حداکثر مشخص کنید. جمع آوری تعداد شماره> چندین تنسورهای مختلف از نوع و شکل یکسان جمع می شود. CollectiveGatherv2 <t تعداد بیشتری را گسترش می دهد> چندین تنسورهای مختلف از نوع و شکل یکسان جمع می شود. CollectivePermute <T> OP برای مجاز بودن تنش در موارد TPU تکرار شده. CollectiveDucev2 <t گسترش می یابد> به طور متقابل چندین تنش از نوع و شکل یکسان را کاهش می دهد. سرکوب ترکیبی حریص زیر مجموعه ای از جعبه های محدود را به ترتیب نزولی نمره انتخاب می کند ، این عملیات سرکوب غیر_مکس_س را در ورودی های هر دسته ، در تمام کلاس ها انجام می دهد. فشرده سازی یک عنصر مجموعه داده را فشرده می کند. محاسبه کردن اندازه دسته استاتیک یک مجموعه داده را بدون دسته های جزئی sans محاسبه می کند. concat <t> تانسورس را در یک بعد جمع می کند. پیکربندی IStributeDtpu ساختارهای متمرکز را برای یک سیستم TPU توزیع شده تنظیم می کند. پیکربندی شده TPuembedding را در یک سیستم TPU توزیع شده تنظیم می کند. ثابت <t> یک اپراتور که یک مقدار ثابت تولید می کند. ConsumeMutexlock این OP قفل ایجاد شده توسط "Mutexlock" را مصرف می کند. کنترل کننده هیچ کاری نمی کند کپی <t> یک تانسور را از CPU به CPU یا GPU به GPU کپی کنید. copyhost <t> یک تانسور را برای میزبانی کپی کنید. countupto <t تعداد بیشتری را گسترش می دهد> افزایش "Ref" تا رسیدن به "حد". crossreplicasum <t گسترش می یابد> OP TO SUM ورودی ها در موارد TPU تکرار شده. cudnnrnnnbackpropv3 <t تعداد بیشتری را گسترش می دهد> مرحله Backprop از Cudnnnnnv3. cudnnnnnonicaltoparamsv2 <t تعداد بیشتری را گسترش می دهد> پارامترهای cudnnrnn را از فرم متعارف به فرم قابل استفاده تبدیل می کند. cudnnrnnparamstocanicalv2 بازیابی پارامترهای cudnnrnn به شکل متعارف. cudnnrnnv3 <t گسترش می یابد> RNN با حمایت Cudnn. cumulativelogsumexp <t گسترش می یابد> محصول تجمعی تانسور `x` را در امتداد" محور "محاسبه کنید. مجموعه داده مجموعه داده کاردینال بودن `input_dataset` را برمی گرداند. مجموعه داده ها یک مجموعه داده از "Graph_def" داده شده ایجاد می کند. dataStographvv2 یک GraphDef سریالی را به نمایندگی از `input_dataset" باز می گرداند. DAWSN شماره را گسترش می دهد> debuggradigientity <t> هویت OP برای اشکال زدایی شیب. DebuggradientRefidentity <T> هویت OP برای اشکال زدایی شیب. Debugitentity <t> نقشه برداری هویت از تانسور ورودی نوع غیر Ref برای اشکال زدایی فراهم می کند. debugigentityv2 <t> Debug Identity v2 op. دلهره Debug Nan Value Counter Op. دلهره خلاصه عددی اشکال زدایی op. debugnumericsummaryv2 <u number> خلاصه عددی اشکال زدایی v2 op. DecodeImage <t Number> عملکرد برای decode_bmp ، decode_gif ، decode_jpeg و decode_png. decodepaddedRaw <t گسترش می یابد> بایت های یک رشته را به عنوان بردار اعداد مجدداً تفسیر کنید. رمزگشایی OP فیلدهای مربوط به پیام بافر پروتکل سریالی را به تانسور منتقل می کند. DeepCopy <t> یک نسخه از `x` تهیه می کند. حذف کننده یک کانتینر برای یک منبع تکرار شونده. DeletMemoryCache حذف کننده یک کانتینر برای یک منبع تکرار شونده. DeleterAndomSeedGenerator DeleteseDgenerator حذف کننده تانسور مشخص شده توسط دسته آن را در جلسه حذف کنید. DenseBincount <U Number> تعداد وقایع هر مقدار را در یک آرایه عدد صحیح شمارش می کند. DensecountSparseOutput <u number> شمارش سطل پراکنده خروجی را برای ورودی tf.tensor انجام می دهد. densetocsrsparsmatrix یک تانسور متراکم را به یک CSRSparsematrix (احتمالاً دسته دار) تبدیل می کند. DestroyResourceOp منبع مشخص شده توسط دسته را حذف می کند. DestroytemporaryVariable <t> متغیر موقت را از بین می برد و مقدار نهایی خود را برمی گرداند. دستگاه شاخص دستگاه را بازگرداند. کارگردانی جایگزینی برای «Interleavedataset» در لیست ثابت از مجموعه داده های `n. drawboundingboxesv2 <t تعداد بیشتری را گسترش می دهد> جعبه های محدود را روی یک دسته از تصاویر بکشید. ساختگی Dummymemorycache ساختگی DynamicPartition <t> پارتیشن ها `data" به تانسرهای "num_partitions" با استفاده از شاخص های "پارتیشن ها". DynamicStitch <T> مقادیر را از تانسرهای "داده" به یک تانسور واحد واگذار کنید. ویرایش فاصله ویرایش Levenshtein (احتمالاً عادی) را محاسبه می کند. eig <u> تجزیه Eigen یک یا چند ماتریس مربع را محاسبه می کند. einsum <t> انقباض تانسور مطابق کنوانسیون جمع بندی انیشتین. خالی <t> یک تانسور با شکل داده شده ایجاد می کند. خالی کردن لیست یک لیست تانسور خالی را ایجاد و برمی گرداند. SPENSTENMAP نقشه تانسور خالی را ایجاد و برمی گرداند. رمز OP پیام های ProtoBUF ارائه شده در تنش های ورودی را سریال می کند. enqueuetPuembeddingIntegerBatch OP که لیستی از تنش های دسته ای ورودی را به TPuembedding می دهد. enqueuetpuembeddingraggedtensorbatch حمل و نقل کدی را که از tf.nn.embedding_lookup استفاده می کند () کاهش می دهد. enqueuetpuembeddingsparsebatch OP که شاخص های ورودی TPuembedding را از یک اسپارستنسور استفاده می کند. enqueuetpuembeddingsparsetensorbatch حمل و نقل کدی را که از tf.nn.embedding_lookup_sparse () استفاده می کند ، کاهش می دهد. تضمین شده <t> تضمین می کند که شکل تانسور با شکل مورد انتظار مطابقت دارد. وارد <t> یک قاب کودک را ایجاد یا پیدا می کند ، و "داده ها" را در دسترس قاب کودک قرار می دهد. erfinv <t تعداد بیشتری را گسترش می دهد> EuclideAnnorm <t> هنجار اقلیدسی عناصر را در ابعاد یک تانسور محاسبه می کند. خروج <t> از قاب فعلی به قاب والدین خود خارج می شود. expanddims <t> ابعاد 1 را به شکل تانسور وارد می کند. آزمایشی یک مجموعه داده ایجاد می کند که مجموعه داده های ورودی را می بخشد. آزمایشی اندازه بایت هر عنصر "input_dataset" را در یک statsaggregator ثبت می کند. ExperimentalChooseFastestSataset ExperimentalDatasetCardinality کاردینال بودن `input_dataset` را برمی گرداند. ExperimentalDataSettotfrecord مجموعه داده های داده شده را با استفاده از فرمت tfrecord به پرونده داده شده می نویسد. ExperimentEldensetosparseBatchDataset یک مجموعه داده ایجاد می کند که عناصر ورودی را به یک اسپارستنسور دسته بندی می کند. ExperimentAlatencyStatsDataset تأخیر تولید عناصر `input_dataset" را در یک statsaggregator ثبت می کند. ExperimalalMatchingFilesDataset ExperimalalMaxIntraopparalalismDataset یک مجموعه داده ایجاد می کند که بر حداکثر موازی بودن داخل عمل غلبه می کند. ExperimentalParseExampledataset `input_dataset` حاوی" مثال "به عنوان بردارهای dt_string را به مجموعه داده های اشیاء" tensor "یا` sparsetensor "نشان می دهد که ویژگی های تجزیه شده را نشان می دهد ، تبدیل می کند. ExperimentalPrivateThreadPooldataset یک مجموعه داده ایجاد می کند که از یک استخر موضوع سفارشی برای محاسبه "input_dataset" استفاده می کند. آزمایشگاه یک مجموعه داده ایجاد می کند که شماره های شبه ورد را برمی گرداند. آزمایشگاههای آزمایشی یک مجموعه داده ایجاد می کند که اندازه دسته را تغییر می دهد. آزمایش ExperimentalsLidingWindowDataset یک مجموعه داده ایجاد می کند که از یک پنجره کشویی از طریق `input_dataset" عبور می کند. ExperimentalSqldataset یک مجموعه داده ایجاد می کند که یک پرس و جو SQL را اجرا می کند و ردیف های مجموعه نتیجه را ساطع می کند. ExperimentalStatsaggregatorHandle یک منبع مدیر آمار ایجاد می کند. تجربی statsaggregatoratormary خلاصه ای از هر آماری که توسط مدیر آمار داده شده ثبت شده است. تجربی مجموعه ای که عناصر ورودی آن را به چندین عنصر تقسیم می کند. EXPINT <t تعداد بیشتری را گسترش می دهد> Extractglimpsev2 نگاهی اجمالی از تانسور ورودی استخراج می کند. ExtractVolumePatches <t گسترش می یابد> "تکه ها" را از "ورودی" استخراج کرده و آنها را در بعد خروجی "عمق" قرار دهید. پر کردن <u> یک تانسور پر از مقدار مقیاس ایجاد می کند. اثر انگشت مقادیر اثر انگشت ایجاد می کند. Fresnelcos <t تعداد بیشتری را گسترش می دهد> Fresnelsin <t تعداد بیشتری را گسترش می دهد> fusebatchnormgradv3 <t تعداد را گسترش می دهد ، شما شماره را گسترش می دهد> شیب برای عادی سازی دسته ای. fusebatchnormv3 <t تعداد را گسترش می دهد ، شماره را گسترش می دهد> عادی سازی دسته ای. GrublockCell <t گسترش می یابد> Computes the GRU cell forward propagation for 1 time step. GRUBlockCellGrad <T extends Number> Computes the GRU cell back-propagation for 1 time step. Gather <T> Gather slices from `params` axis `axis` according to `indices`. GatherNd <T> Gather slices from `params` into a Tensor with shape specified by `indices`. GenerateBoundingBoxProposals This op produces Region of Interests from given bounding boxes(bbox_deltas) encoded wrt anchors according to eq.2 in arXiv:1506.01497 The op selects top `pre_nms_topn` scoring boxes, decodes them with respect to anchors, applies non-maximal suppression on overlapping boxes with higher than `nms_threshold` intersection-over-union (iou) value, discarding boxes where shorter side is less than `min_size`. GetSessionHandle Store the input tensor in the state of the current session. GetSessionTensor <T> Get the value of the tensor specified by its handle. گرادیان ها Adds operations to compute the partial derivatives of sum of y s wrt x s, ie, d(y_1 + y_2 + ...)/dx_1, d(y_1 + y_2 + ...)/dx_2... If Options.dx() values are set, they are as the initial symbolic partial derivatives of some loss function L wrt GuaranteeConst <T> Gives a guarantee to the TF runtime that the input tensor is a constant. جدول هش Creates a non-initialized hash table. HistogramFixedWidth <U extends Number> Return histogram of values. Identity <T> Return a tensor with the same shape and contents as the input tensor or value. IdentityN Returns a list of tensors with the same shapes and contents as the input tensors. IgnoreErrorsDataset Creates a dataset that contains the elements of `input_dataset` ignoring errors. ImageProjectiveTransformV2 <T extends Number> Applies the given transform to each of the images. ImageProjectiveTransformV3 <T extends Number> Applies the given transform to each of the images. ImmutableConst <T> Returns immutable tensor from memory region. InfeedDequeue <T> A placeholder op for a value that will be fed into the computation. InfeedDequeueTuple Fetches multiple values from infeed as an XLA tuple. InfeedEnqueue An op which feeds a single Tensor value into the computation. InfeedEnqueuePrelinearizedBuffer An op which enqueues prelinearized buffer into TPU infeed. InfeedEnqueueTuple Feeds multiple Tensor values into the computation as an XLA tuple. InitializeTable Table initializer that takes two tensors for keys and values respectively. InitializeTableFromDataset InitializeTableFromTextFile Initializes a table from a text file. InplaceAdd <T> Adds v into specified rows of x. InplaceSub <T> Subtracts `v` into specified rows of `x`. InplaceUpdate <T> Updates specified rows 'i' with values 'v'. IsBoostedTreesEnsembleInitialized Checks whether a tree ensemble has been initialized. IsBoostedTreesQuantileStreamResourceInitialized Checks whether a quantile stream has been initialized. IsVariableInitialized Checks whether a tensor has been initialized. IsotonicRegression <U extends Number> Solves a batch of isotonic regression problems. IteratorGetDevice Returns the name of the device on which `resource` has been placed. KMC2ChainInitialization Returns the index of a data point that should be added to the seed set. KmeansPlusPlusInitialization Selects num_to_sample rows of input using the KMeans++ criterion. KthOrderStatistic Computes the Kth order statistic of a data set. LMDBDataset Creates a dataset that emits the key-value pairs in one or more LMDB files. LSTMBlockCell <T extends Number> Computes the LSTM cell forward propagation for 1 time step. LSTMBlockCellGrad <T extends Number> Computes the LSTM cell backward propagation for 1 timestep. LinSpace <T extends Number> Generates values in an interval. LoadTPUEmbeddingADAMParameters Load ADAM embedding parameters. LoadTPUEmbeddingADAMParametersGradAccumDebug Load ADAM embedding parameters with debug support. LoadTPUEmbeddingAdadeltaParameters Load Adadelta embedding parameters. LoadTPUEmbeddingAdadeltaParametersGradAccumDebug Load Adadelta parameters with debug support. LoadTPUEmbeddingAdagradParameters Load Adagrad embedding parameters. LoadTPUEmbeddingAdagradParametersGradAccumDebug Load Adagrad embedding parameters with debug support. LoadTPUEmbeddingCenteredRMSPropParameters Load centered RMSProp embedding parameters. LoadTPUEmbeddingFTRLParameters Load FTRL embedding parameters. LoadTPUEmbeddingFTRLParametersGradAccumDebug Load FTRL embedding parameters with debug support. LoadTPUEmbeddingMDLAdagradLightParameters Load MDL Adagrad Light embedding parameters. LoadTPUEmbeddingMomentumParameters Load Momentum embedding parameters. LoadTPUEmbeddingMomentumParametersGradAccumDebug Load Momentum embedding parameters with debug support. LoadTPUEmbeddingProximalAdagradParameters Load proximal Adagrad embedding parameters. LoadTPUEmbeddingProximalAdagradParametersGradAccumDebug Load proximal Adagrad embedding parameters with debug support. LoadTPUEmbeddingProximalYogiParameters LoadTPUEmbeddingProximalYogiParametersGradAccumDebug LoadTPUEmbeddingRMSPropParameters Load RMSProp embedding parameters. LoadTPUEmbeddingRMSPropParametersGradAccumDebug Load RMSProp embedding parameters with debug support. LoadTPUEmbeddingStochasticGradientDescentParameters Load SGD embedding parameters. LoadTPUEmbeddingStochasticGradientDescentParametersGradAccumDebug Load SGD embedding parameters. LookupTableExport <T, U> Outputs all keys and values in the table. LookupTableFind <U> Looks up keys in a table, outputs the corresponding values. LookupTableImport Replaces the contents of the table with the specified keys and values. LookupTableInsert Updates the table to associates keys with values. LookupTableRemove Removes keys and its associated values from a table. LookupTableSize Computes the number of elements in the given table. LoopCond Forwards the input to the output. LowerBound <U extends Number> Applies lower_bound(sorted_search_values, values) along each row. Lu <T, U extends Number> Computes the LU decomposition of one or more square matrices. MakeUnique Make all elements in the non-Batch dimension unique, but \"close\" to ارزش اولیه آنها MapClear Op removes all elements in the underlying container. MapIncompleteSize Op returns the number of incomplete elements in the underlying container. MapPeek Op peeks at the values at the specified key. MapSize Op returns the number of elements in the underlying container. MapStage Stage (key, values) in the underlying container which behaves like a hashtable. MapUnstage Op removes and returns the values associated with the key from the underlying container. MapUnstageNoKey Op removes and returns a random (key, value) from the underlying container. MatrixDiagPartV2 <T> Returns the batched diagonal part of a batched tensor. MatrixDiagPartV3 <T> Returns the batched diagonal part of a batched tensor. MatrixDiagV2 <T> Returns a batched diagonal tensor with given batched diagonal values. MatrixDiagV3 <T> Returns a batched diagonal tensor with given batched diagonal values. MatrixSetDiagV2 <T> Returns a batched matrix tensor with new batched diagonal values. MatrixSetDiagV3 <T> Returns a batched matrix tensor with new batched diagonal values. Max <T> Computes the maximum of elements across dimensions of a tensor. MaxIntraOpParallelismDataset Creates a dataset that overrides the maximum intra-op parallelism. Merge <T> Forwards the value of an available tensor from `inputs` to `output`. Min <T> Computes the minimum of elements across dimensions of a tensor. MirrorPad <T> Pads a tensor with mirrored values. MirrorPadGrad <T> Gradient op for `MirrorPad` op. MlirPassthroughOp Wraps an arbitrary MLIR computation expressed as a module with a main() function. MulNoNan <T> Returns x * y element-wise. MutableDenseHashTable Creates an empty hash table that uses tensors as the backing store. MutableHashTable Creates an empty hash table. MutableHashTableOfTensors Creates an empty hash table. موتکس Creates a Mutex resource that can be locked by `MutexLock`. MutexLock Locks a mutex resource. NcclAllReduce <T extends Number> Outputs a tensor containing the reduction across all input tensors. NcclBroadcast <T extends Number> Sends `input` to all devices that are connected to the output. NcclReduce <T extends Number> Reduces `input` from `num_devices` using `reduction` to a single device. Ndtri <T extends Number> NearestNeighbors Selects the k nearest centers for each point. NextAfter <T extends Number> Returns the next representable value of `x1` in the direction of `x2`, element-wise. NextIteration <T> Makes its input available to the next iteration. NoOp Does nothing. NonDeterministicInts <U> Non-deterministically generates some integers. NonMaxSuppressionV5 <T extends Number> Greedily selects a subset of bounding boxes in descending order of score, pruning away boxes that have high intersection-over-union (IOU) overlap with previously selected boxes. NonSerializableDataset OneHot <U> Returns a one-hot tensor. OnesLike <T> Returns a tensor of ones with the same shape and type as x. OptimizeDatasetV2 Creates a dataset by applying related optimizations to `input_dataset`. OrderedMapClear Op removes all elements in the underlying container. OrderedMapIncompleteSize Op returns the number of incomplete elements in the underlying container. OrderedMapPeek Op peeks at the values at the specified key. OrderedMapSize Op returns the number of elements in the underlying container. OrderedMapStage Stage (key, values) in the underlying container which behaves like a ordered associative container. OrderedMapUnstage Op removes and returns the values associated with the key from the underlying container. OrderedMapUnstageNoKey Op removes and returns the (key, value) element with the smallest key from the underlying container. OutfeedDequeue <T> Retrieves a single tensor from the computation outfeed. OutfeedDequeueTuple Retrieve multiple values from the computation outfeed. OutfeedDequeueTupleV2 Retrieve multiple values from the computation outfeed. OutfeedDequeueV2 <T> Retrieves a single tensor from the computation outfeed. OutfeedEnqueue Enqueue a Tensor on the computation outfeed. OutfeedEnqueueTuple Enqueue multiple Tensor values on the computation outfeed. Pad <T> Pads a tensor. ParallelConcat <T> Concatenates a list of `N` tensors along the first dimension. ParallelDynamicStitch <T> Interleave the values from the `data` tensors into a single tensor. ParseExampleDatasetV2 Transforms `input_dataset` containing `Example` protos as vectors of DT_STRING into a dataset of `Tensor` or `SparseTensor` objects representing the parsed features. ParseExampleV2 Transforms a vector of tf.Example protos (as strings) into typed tensors. ParseSequenceExampleV2 Transforms a vector of tf.io.SequenceExample protos (as strings) into typed tensors. Placeholder <T> A placeholder op for a value that will be fed into the computation. PlaceholderWithDefault <T> A placeholder op that passes through `input` when its output is not fed. Prelinearize An op which linearizes one Tensor value to an opaque variant tensor. PrelinearizeTuple An op which linearizes multiple Tensor values to an opaque variant tensor. PrimitiveOp A base class for Op implementations that are backed by a single Operation . چاپ کنید Prints a string scalar. PrivateThreadPoolDataset Creates a dataset that uses a custom thread pool to compute `input_dataset`. Prod <T> Computes the product of elements across dimensions of a tensor. QuantizeAndDequantizeV4 <T extends Number> Returns the gradient of `QuantizeAndDequantizeV4`. QuantizeAndDequantizeV4Grad <T extends Number> Returns the gradient of `QuantizeAndDequantizeV4`. QuantizedConcat <T> Concatenates quantized tensors along one dimension. QuantizedConv2DAndRelu <V> QuantizedConv2DAndReluAndRequantize <V> QuantizedConv2DAndRequantize <V> QuantizedConv2DPerChannel <V> Computes QuantizedConv2D per channel. QuantizedConv2DWithBias <V> QuantizedConv2DWithBiasAndRelu <V> QuantizedConv2DWithBiasAndReluAndRequantize <W> QuantizedConv2DWithBiasAndRequantize <W> QuantizedConv2DWithBiasSignedSumAndReluAndRequantize <X> QuantizedConv2DWithBiasSumAndRelu <V> QuantizedConv2DWithBiasSumAndReluAndRequantize <X> QuantizedDepthwiseConv2D <V> Computes quantized depthwise Conv2D. QuantizedDepthwiseConv2DWithBias <V> Computes quantized depthwise Conv2D with Bias. QuantizedDepthwiseConv2DWithBiasAndRelu <V> Computes quantized depthwise Conv2D with Bias and Relu. QuantizedDepthwiseConv2DWithBiasAndReluAndRequantize <W> Computes quantized depthwise Conv2D with Bias, Relu and Requantize. QuantizedMatMulWithBias <W> Performs a quantized matrix multiplication of `a` by the matrix `b` with bias add. QuantizedMatMulWithBiasAndDequantize <W extends Number> QuantizedMatMulWithBiasAndRelu <V> Perform a quantized matrix multiplication of `a` by the matrix `b` with bias add and relu fusion. QuantizedMatMulWithBiasAndReluAndRequantize <W> Perform a quantized matrix multiplication of `a` by the matrix `b` with bias add and relu and requantize fusion. QuantizedMatMulWithBiasAndRequantize <W> QuantizedReshape <T> Reshapes a quantized tensor as per the Reshape op. RaggedBincount <U extends Number> Counts the number of occurrences of each value in an integer array. RaggedCountSparseOutput <U extends Number> Performs sparse-output bin counting for a ragged tensor input. RaggedCross <T, U extends Number> Generates a feature cross from a list of tensors, and returns it as a RaggedTensor. RaggedGather <T extends Number, U> Gather ragged slices from `params` axis `0` according to `indices`. RaggedRange <U extends Number, T extends Number> Returns a `RaggedTensor` containing the specified sequences of numbers. RaggedTensorFromVariant <U extends Number, T> Decodes a `variant` Tensor into a `RaggedTensor`. RaggedTensorToSparse <U> Converts a `RaggedTensor` into a `SparseTensor` with the same values. RaggedTensorToTensor <U> Create a dense tensor from a ragged tensor, possibly altering its shape. RaggedTensorToVariant Encodes a `RaggedTensor` into a `variant` Tensor. RaggedTensorToVariantGradient <U> Helper used to compute the gradient for `RaggedTensorToVariant`. Range <T extends Number> Creates a sequence of numbers. رتبه Returns the rank of a tensor. ReadVariableOp <T> Reads the value of a variable. RebatchDataset Creates a dataset that changes the batch size. RebatchDatasetV2 Creates a dataset that changes the batch size. Recv <T> Receives the named tensor from send_device on recv_device. RecvTPUEmbeddingActivations An op that receives embedding activations on the TPU. ReduceAll Computes the "logical and" of elements across dimensions of a tensor. ReduceAny Computes the "logical or" of elements across dimensions of a tensor. ReduceMax <T> Computes the maximum of elements across dimensions of a tensor. ReduceMin <T> Computes the minimum of elements across dimensions of a tensor. ReduceProd <T> Computes the product of elements across dimensions of a tensor. ReduceSum <T> Computes the sum of elements across dimensions of a tensor. RefEnter <T> Creates or finds a child frame, and makes `data` available to the child frame. RefExit <T> Exits the current frame to its parent frame. RefIdentity <T> Return the same ref tensor as the input ref tensor. RefMerge <T> Forwards the value of an available tensor from `inputs` to `output`. RefNextIteration <T> Makes its input available to the next iteration. RefSelect <T> Forwards the `index`th element of `inputs` to `output`. RefSwitch <T> Forwards the ref tensor `data` to the output port determined by `pred`. RegisterDataset Registers a dataset with the tf.data service. RemoteFusedGraphExecute Execute a sub graph on a remote processor. RequantizationRangePerChannel Computes requantization range per channel. RequantizePerChannel <U> Requantizes input with min and max values known per channel. Reshape <T> Reshapes a tensor. ResourceAccumulatorApplyGradient Applies a gradient to a given accumulator. ResourceAccumulatorNumAccumulated Returns the number of gradients aggregated in the given accumulators. ResourceAccumulatorSetGlobalStep Updates the accumulator with a new value for global_step. ResourceAccumulatorTakeGradient <T> Extracts the average gradient in the given ConditionalAccumulator. ResourceApplyAdagradV2 Update '*var' according to the adagrad scheme. ResourceApplyAdamWithAmsgrad "*var" را طبق الگوریتم Adam به روز کنید. ResourceApplyKerasMomentum Update '*var' according to the momentum scheme. ResourceConditionalAccumulator A conditional accumulator for aggregating gradients. ResourceCountUpTo <T extends Number> Increments variable pointed to by 'resource' until it reaches 'limit'. ResourceGather <U> Gather slices from the variable pointed to by `resource` according to `indices`. ResourceGatherNd <U> ResourceScatterAdd Adds sparse updates to the variable referenced by `resource`. ResourceScatterDiv Divides sparse updates into the variable referenced by `resource`. ResourceScatterMax Reduces sparse updates into the variable referenced by `resource` using the `max` operation. ResourceScatterMin Reduces sparse updates into the variable referenced by `resource` using the `min` operation. ResourceScatterMul Multiplies sparse updates into the variable referenced by `resource`. ResourceScatterNdAdd Applies sparse addition to individual values or slices in a Variable. ResourceScatterNdMax ResourceScatterNdMin ResourceScatterNdSub Applies sparse subtraction to individual values or slices in a Variable. ResourceScatterNdUpdate Applies sparse `updates` to individual values or slices within a given variable according to `indices`. ResourceScatterSub Subtracts sparse updates from the variable referenced by `resource`. ResourceScatterUpdate Assigns sparse updates to the variable referenced by `resource`. ResourceSparseApplyAdagradV2 Update relevant entries in '*var' and '*accum' according to the adagrad scheme. ResourceSparseApplyKerasMomentum Update relevant entries in '*var' and '*accum' according to the momentum scheme. ResourceStridedSliceAssign Assign `value` to the sliced l-value reference of `ref`. RetrieveTPUEmbeddingADAMParameters Retrieve ADAM embedding parameters. RetrieveTPUEmbeddingADAMParametersGradAccumDebug Retrieve ADAM embedding parameters with debug support. RetrieveTPUEmbeddingAdadeltaParameters Retrieve Adadelta embedding parameters. RetrieveTPUEmbeddingAdadeltaParametersGradAccumDebug Retrieve Adadelta embedding parameters with debug support. RetrieveTPUEmbeddingAdagradParameters Retrieve Adagrad embedding parameters. RetrieveTPUEmbeddingAdagradParametersGradAccumDebug Retrieve Adagrad embedding parameters with debug support. RetrieveTPUEmbeddingCenteredRMSPropParameters Retrieve centered RMSProp embedding parameters. RetrieveTPUEmbeddingFTRLParameters Retrieve FTRL embedding parameters. RetrieveTPUEmbeddingFTRLParametersGradAccumDebug Retrieve FTRL embedding parameters with debug support. RetrieveTPUEmbeddingMDLAdagradLightParameters Retrieve MDL Adagrad Light embedding parameters. RetrieveTPUEmbeddingMomentumParameters Retrieve Momentum embedding parameters. RetrieveTPUEmbeddingMomentumParametersGradAccumDebug Retrieve Momentum embedding parameters with debug support. RetrieveTPUEmbeddingProximalAdagradParameters Retrieve proximal Adagrad embedding parameters. RetrieveTPUEmbeddingProximalAdagradParametersGradAccumDebug Retrieve proximal Adagrad embedding parameters with debug support. RetrieveTPUEmbeddingProximalYogiParameters RetrieveTPUEmbeddingProximalYogiParametersGradAccumDebug RetrieveTPUEmbeddingRMSPropParameters Retrieve RMSProp embedding parameters. RetrieveTPUEmbeddingRMSPropParametersGradAccumDebug Retrieve RMSProp embedding parameters with debug support. RetrieveTPUEmbeddingStochasticGradientDescentParameters Retrieve SGD embedding parameters. RetrieveTPUEmbeddingStochasticGradientDescentParametersGradAccumDebug Retrieve SGD embedding parameters with debug support. Reverse <T> Reverses specific dimensions of a tensor. ReverseSequence <T> Reverses variable length slices. RngReadAndSkip Advance the counter of a counter-based RNG. RngSkip Advance the counter of a counter-based RNG. Roll <T> Rolls the elements of a tensor along an axis. Rpc Perform batches of RPC requests. SamplingDataset Creates a dataset that takes a Bernoulli sample of the contents of another dataset. ScaleAndTranslate ScaleAndTranslateGrad <T extends Number> ScatterAdd <T> Adds sparse updates to a variable reference. ScatterDiv <T> Divides a variable reference by sparse updates. ScatterMax <T extends Number> Reduces sparse updates into a variable reference using the `max` operation. ScatterMin <T extends Number> Reduces sparse updates into a variable reference using the `min` operation. ScatterMul <T> Multiplies sparse updates into a variable reference. ScatterNd <U> Scatter `updates` into a new tensor according to `indices`. ScatterNdAdd <T> Applies sparse addition to individual values or slices in a Variable. ScatterNdMax <T> Computes element-wise maximum. ScatterNdMin <T> Computes element-wise minimum. ScatterNdNonAliasingAdd <T> Applies sparse addition to `input` using individual values or slices from `updates` according to indices `indices`. ScatterNdSub <T> Applies sparse subtraction to individual values or slices in a Variable. ScatterNdUpdate <T> Applies sparse `updates` to individual values or slices within a given variable according to `indices`. ScatterSub <T> Subtracts sparse updates to a variable reference. ScatterUpdate <T> Applies sparse updates to a variable reference. SelectV2 <T> ارسال کنید Sends the named tensor from send_device to recv_device. SendTPUEmbeddingGradients Performs gradient updates of embedding tables. SetDiff1d <T, U extends Number> Computes the difference between two lists of numbers or strings. SetSize Number of unique elements along last dimension of input `set`. Shape <U extends Number> Returns the shape of a tensor. ShapeN <U extends Number> Returns shape of tensors. ShardDataset Creates a `Dataset` that includes only 1/`num_shards` of this dataset. ShuffleAndRepeatDatasetV2 ShuffleDatasetV2 ShuffleDatasetV3 ShutdownDistributedTPU Shuts down a running distributed TPU system. Size <U extends Number> Returns the size of a tensor. Skipgram Parses a text file and creates a batch of examples. SleepDataset Slice <T> Return a slice from 'input'. SlidingWindowDataset Creates a dataset that passes a sliding window over `input_dataset`. Snapshot <T> Returns a copy of the input tensor. SnapshotDataset Creates a dataset that will write to / read from a snapshot. SobolSample <T extends Number> Generates points from the Sobol sequence. SpaceToBatchNd <T> SpaceToBatch for ND tensors of type T. SparseApplyAdagradV2 <T> Update relevant entries in '*var' and '*accum' according to the adagrad scheme. SparseBincount <U extends Number> Counts the number of occurrences of each value in an integer array. SparseCountSparseOutput <U extends Number> Performs sparse-output bin counting for a sparse tensor input. SparseCrossHashed Generates sparse cross from a list of sparse and dense tensors. SparseCrossV2 Generates sparse cross from a list of sparse and dense tensors. SparseMatrixAdd Sparse addition of two CSR matrices, C = alpha * A + beta * B. SparseMatrixMatMul <T> Matrix-multiplies a sparse matrix with a dense matrix. SparseMatrixMul Element-wise multiplication of a sparse matrix with a dense tensor. SparseMatrixNNZ Returns the number of nonzeroes of `sparse_matrix`. SparseMatrixOrderingAMD Computes the Approximate Minimum Degree (AMD) ordering of `input`. SparseMatrixSoftmax Calculates the softmax of a CSRSparseMatrix. SparseMatrixSoftmaxGrad Calculates the gradient of the SparseMatrixSoftmax op. SparseMatrixSparseCholesky Computes the sparse Cholesky decomposition of `input`. SparseMatrixSparseMatMul Sparse-matrix-multiplies two CSR matrices `a` and `b`. SparseMatrixTranspose Transposes the inner (matrix) dimensions of a CSRSparseMatrix. SparseMatrixZeros Creates an all-zeros CSRSparseMatrix with shape `dense_shape`. SparseTensorToCSRSparseMatrix Converts a SparseTensor to a (possibly batched) CSRSparseMatrix. Spence <T extends Number> Split <T> Splits a tensor into `num_split` tensors along one dimension. SplitV <T> Splits a tensor into `num_split` tensors along one dimension. Squeeze <T> Removes dimensions of size 1 from the shape of a tensor. Stack <T> Packs a list of `N` rank-`R` tensors into one rank-`(R+1)` tensor. مرحله Stage values similar to a lightweight Enqueue. StageClear Op removes all elements in the underlying container. StagePeek Op peeks at the values at the specified index. StageSize Op returns the number of elements in the underlying container. StatefulRandomBinomial <V extends Number> StatefulStandardNormal <U> Outputs random values from a normal distribution. StatefulStandardNormalV2 <U> Outputs random values from a normal distribution. StatefulTruncatedNormal <U> Outputs random values from a truncated normal distribution. StatefulUniform <U> Outputs random values from a uniform distribution. StatefulUniformFullInt <U> Outputs random integers from a uniform distribution. StatefulUniformInt <U> Outputs random integers from a uniform distribution. StatelessParameterizedTruncatedNormal <V extends Number> StatelessRandomBinomial <W extends Number> Outputs deterministic pseudorandom random numbers from a binomial distribution. StatelessRandomGammaV2 <V extends Number> Outputs deterministic pseudorandom random numbers from a gamma distribution. StatelessRandomGetKeyCounterAlg Picks the best algorithm based on device, and scrambles seed into key and counter. StatelessRandomNormalV2 <U extends Number> Outputs deterministic pseudorandom values from a normal distribution. StatelessRandomPoisson <W extends Number> Outputs deterministic pseudorandom random numbers from a Poisson distribution. StatelessRandomUniformFullInt <V extends Number> Outputs deterministic pseudorandom random integers from a uniform distribution. StatelessRandomUniformFullIntV2 <U extends Number> Outputs deterministic pseudorandom random integers from a uniform distribution. StatelessRandomUniformIntV2 <U extends Number> Outputs deterministic pseudorandom random integers from a uniform distribution. StatelessRandomUniformV2 <U extends Number> Outputs deterministic pseudorandom random values from a uniform distribution. StatelessSampleDistortedBoundingBox <T extends Number> Generate a randomly distorted bounding box for an image deterministically. StatelessTruncatedNormalV2 <U extends Number> Outputs deterministic pseudorandom values from a truncated normal distribution. StatsAggregatorHandleV2 StatsAggregatorSetSummaryWriter Set a summary_writer_interface to record statistics using given stats_aggregator. StopGradient <T> Stops gradient computation. StridedSlice <T> Return a strided slice from `input`. StridedSliceAssign <T> Assign `value` to the sliced l-value reference of `ref`. StridedSliceGrad <U> Returns the gradient of `StridedSlice`. StringLower Converts all uppercase characters into their respective lowercase replacements. StringNGrams <T extends Number> Creates ngrams from ragged string data. StringUpper Converts all lowercase characters into their respective uppercase replacements. Sum <T> Computes the sum of elements across dimensions of a tensor. SwitchCond <T> Forwards `data` to the output port determined by `pred`. TPUCompilationResult Returns the result of a TPU compilation. TPUCompileSucceededAssert Asserts that compilation succeeded. TPUEmbeddingActivations An op enabling differentiation of TPU Embeddings. TPUExecute Op that loads and executes a TPU program on a TPU device. TPUExecuteAndUpdateVariables Op that executes a program with optional in-place variable updates. TPUOrdinalSelector A TPU core selector Op. TPUPartitionedInput <T> An op that groups a list of partitioned inputs together. TPUPartitionedOutput <T> An op that demultiplexes a tensor to be sharded by XLA to a list of partitioned outputs outside the XLA computation. TPUReplicateMetadata Metadata indicating how the TPU computation should be replicated. TPUReplicatedInput <T> Connects N inputs to an N-way replicated TPU computation. TPUReplicatedOutput <T> Connects N outputs from an N-way replicated TPU computation. TemporaryVariable <T> Returns a tensor that may be mutated, but only persists within a single step. TensorArray An array of Tensors of given size. TensorArrayClose Delete the TensorArray from its resource container. TensorArrayConcat <T> Concat the elements from the TensorArray into value `value`. TensorArrayGather <T> Gather specific elements from the TensorArray into output `value`. TensorArrayGrad Creates a TensorArray for storing the gradients of values in the given handle. TensorArrayGradWithShape Creates a TensorArray for storing multiple gradients of values in the given handle. TensorArrayPack <T> TensorArrayRead <T> Read an element from the TensorArray into output `value`. TensorArrayScatter Scatter the data from the input value into specific TensorArray elements. TensorArraySize Get the current size of the TensorArray. TensorArraySplit Split the data from the input value into TensorArray elements. TensorArrayUnpack TensorArrayWrite Push an element onto the tensor_array. TensorForestCreateTreeVariable Creates a tree resource and returns a handle to it. TensorForestTreeDeserialize Deserializes a proto into the tree handle TensorForestTreeIsInitializedOp Checks whether a tree has been initialized. TensorForestTreePredict Output the logits for the given input data TensorForestTreeResourceHandleOp Creates a handle to a TensorForestTreeResource TensorForestTreeSerialize Serializes the tree handle to a proto TensorForestTreeSize Get the number of nodes in a tree TensorListConcat <T> Concats all tensors in the list along the 0th dimension. TensorListConcatLists TensorListConcatV2 <U> Concats all tensors in the list along the 0th dimension. TensorListElementShape <T extends Number> The shape of the elements of the given list, as a tensor. TensorListFromTensor Creates a TensorList which, when stacked, has the value of `tensor`. TensorListGather <T> Creates a Tensor by indexing into the TensorList. TensorListGetItem <T> TensorListLength Returns the number of tensors in the input tensor list. TensorListPopBack <T> Returns the last element of the input list as well as a list with all but that element. TensorListPushBack Returns a list which has the passed-in `Tensor` as last element and the other elements of the given list in `input_handle`. TensorListPushBackBatch TensorListReserve List of the given size with empty elements. TensorListResize Resizes the list. TensorListScatter Creates a TensorList by indexing into a Tensor. TensorListScatterIntoExistingList Scatters tensor at indices in an input list. TensorListScatterV2 Creates a TensorList by indexing into a Tensor. TensorListSetItem TensorListSplit Splits a tensor into a list. TensorListStack <T> Stacks all tensors in the list. TensorMapErase Returns a tensor map with item from given key erased. TensorMapHasKey Returns whether the given key exists in the map. TensorMapInsert Returns a map that is the 'input_handle' with the given key-value pair inserted. TensorMapLookup <U> Returns the value from a given key in a tensor map. TensorMapSize Returns the number of tensors in the input tensor map. TensorMapStackKeys <T> Returns a Tensor stack of all keys in a tensor map. TensorScatterAdd <T> Adds sparse `updates` to an existing tensor according to `indices`. TensorScatterMax <T> TensorScatterMin <T> TensorScatterSub <T> Subtracts sparse `updates` from an existing tensor according to `indices`. TensorScatterUpdate <T> Scatter `updates` into an existing tensor according to `indices`. TensorStridedSliceUpdate <T> Assign `value` to the sliced l-value reference of `input`. ThreadPoolDataset Creates a dataset that uses a custom thread pool to compute `input_dataset`. ThreadPoolHandle Creates a dataset that uses a custom thread pool to compute `input_dataset`. Tile <T> Constructs a tensor by tiling a given tensor. مهر زمان Provides the time since epoch in seconds. ToBool Converts a tensor to a scalar predicate. TopKUnique Returns the TopK unique values in the array in sorted order. TopKWithUnique Returns the TopK values in the array in sorted order. TridiagonalMatMul <T> Calculate product with tridiagonal matrix. TridiagonalSolve <T> Solves tridiagonal systems of equations. TryRpc Perform batches of RPC requests. Unbatch <T> Reverses the operation of Batch for a single output Tensor. UnbatchGrad <T> Gradient of Unbatch. UncompressElement Uncompresses a compressed dataset element. UnicodeDecode <T extends Number> Decodes each string in `input` into a sequence of Unicode code points. UnicodeEncode Encode a tensor of ints into unicode strings. Unique <T, V extends Number> Finds unique elements along an axis of a tensor. UniqueDataset Creates a dataset that contains the unique elements of `input_dataset`. UniqueWithCounts <T, V extends Number> Finds unique elements along an axis of a tensor. UnravelIndex <T extends Number> Converts an array of flat indices into a tuple of coordinate arrays. UnsortedSegmentJoin Joins the elements of `inputs` based on `segment_ids`. Unstack <T> Unpacks a given dimension of a rank-`R` tensor into `num` rank-`(R-1)` tensors. Unstage Op is similar to a lightweight Dequeue. UnwrapDatasetVariant UpperBound <U extends Number> Applies upper_bound(sorted_search_values, values) along each row. VarHandleOp Creates a handle to a Variable resource. VarIsInitializedOp Checks whether a resource handle-based variable has been initialized. Variable <T> Holds state in the form of a tensor that persists across steps. VariableShape <T extends Number> Returns the shape of the variable pointed to by `resource`. کجا Returns locations of nonzero / true values in a tensor. Where3 <T> Selects elements from `x` or `y`, depending on `condition`. WorkerHeartbeat Worker heartbeat op. WrapDatasetVariant WriteRawProtoSummary Writes a serialized proto summary. XlaRecvFromHost <T> An op to receive a tensor from the host. XlaSendToHost An op to send a tensor to the host. Xlog1py <T> Returns 0 if x == 0, and x * log1p(y) otherwise, elementwise. Zeros <T> An operator creating a constant initialized with zeros of the shape given by `dims`. ZerosLike <T> Returns a tensor of zeros with the same shape and type as x.

A marker interface for all operation wrappers.

Operation wrappers provide strongly typed interfaces for building and execution operations without the use of literals and indexes, as required in the core classes.

This interface allows keeping references to any operation wrapper using a common type.

 // 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);