PrimitiveOp

คลาสนามธรรมสาธารณะ PrimitiveOp

คลาสย่อยโดยตรงที่รู้จัก การ ยกเลิก , ทั้งหมด , alltoall <t> , anonymousiteratorv2 , anonymousmomorycache , anonymousmultideviceiterator , anonymousrandomseedgenerator , anonymousseedgenerator , aplaadaGradv2 <t> , assertcardinalityDataSet ยกเลิก ยกข้อยกเว้นเพื่อยกเลิกกระบวนการเมื่อถูกเรียก ทั้งหมด คำนวณ "ตรรกะและ" ขององค์ประกอบในมิติต่างๆ ของเทนเซอร์ ออลทูออล <T> Op เพื่อแลกเปลี่ยนข้อมูลระหว่างแบบจำลอง TPU AnonymousIteratorV2 คอนเทนเนอร์สำหรับทรัพยากรตัววนซ้ำ หน่วยความจำแคชที่ไม่ระบุชื่อ AnonymousMultiDeviceIterator คอนเทนเนอร์สำหรับทรัพยากรตัววนซ้ำหลายอุปกรณ์ เครื่องกำเนิดเมล็ดพันธุ์แบบสุ่มที่ไม่เปิดเผยตัวตน เครื่องกำเนิดเมล็ดพันธุ์ที่ไม่เปิดเผยตัวตน ใดๆ คำนวณ "ตรรกะหรือ" ขององค์ประกอบในมิติต่างๆ ของเทนเซอร์ ApplyAdagradV2 <T> อัปเดต '*var' ตามรูปแบบ adagrad AssertCardinalityชุดข้อมูล AssertNextชุดข้อมูล การเปลี่ยนแปลงที่ยืนยันว่าการเปลี่ยนแปลงใดจะเกิดขึ้นต่อไป ยืนยันสิ่งนั้น ยืนยันว่าเงื่อนไขที่กำหนดเป็นจริง กำหนด <T> อัปเดต 'ref' โดยกำหนด 'value' ให้กับมัน มอบหมายเพิ่ม <T> อัปเดต 'ref' โดยเพิ่ม 'value' เข้าไป AssignAddVariableOp เพิ่มค่าให้กับค่าปัจจุบันของตัวแปร มอบหมายย่อย <T> อัปเดต 'ref' โดยลบ 'value' ออกจากมัน กำหนด SubVariableOp ลบค่าออกจากค่าปัจจุบันของตัวแปร กำหนดตัวแปรOp กำหนดค่าใหม่ให้กับตัวแปร ชุดข้อมูล AutoShard สร้างชุดข้อมูลที่แบ่งส่วนชุดข้อมูลอินพุต BandedTriangleSolve <T> สิ่งกีดขวาง กำหนดอุปสรรคที่ยังคงมีอยู่ในการประมวลผลกราฟต่างๆ สิ่งกีดขวางปิด ปิดสิ่งกีดขวางที่กำหนด สิ่งกีดขวางขนาดไม่สมบูรณ์ คำนวณจำนวนองค์ประกอบที่ไม่สมบูรณ์ในแผงกั้นที่กำหนด สิ่งกีดขวางแทรกมากมาย สำหรับแต่ละคีย์ ให้กำหนดค่าตามลำดับให้กับส่วนประกอบที่ระบุ Barrier ReadySize คำนวณจำนวนองค์ประกอบที่สมบูรณ์ในแผงกั้นที่กำหนด BarrierTakeMany นำองค์ประกอบที่เสร็จสมบูรณ์ตามจำนวนที่กำหนดจากสิ่งกีดขวาง แบทช์ แบทช์เทนเซอร์อินพุตทั้งหมดโดยไม่กำหนดไว้ BatchMatMulV2 <T> คูณเทนเซอร์สองตัวเป็นชุด แบทช์ทูสเปซ <T> BatchToSpace สำหรับเทนเซอร์ 4 มิติประเภท T BatchToSpaceNd <T> BatchToSpace สำหรับเทนเซอร์ ND ประเภท T BesselI0 <T ขยายหมายเลข> BesselI1 <T ขยายจำนวน> BesselJ0 <T ขยายจำนวน> BesselJ1 <T ขยายจำนวน> BesselK0 <T ขยายหมายเลข> BesselK0e <T ขยายหมายเลข> BesselK1 <T ขยายหมายเลข> BesselK1e <T ขยายหมายเลข> BesselY0 <T ขยายจำนวน> BesselY1 <T ขยายจำนวน> บิตคาสต์ <U> Bitcasts เทนเซอร์จากประเภทหนึ่งไปยังอีกประเภทหนึ่งโดยไม่ต้องคัดลอกข้อมูล BlockLSTM <T ขยายหมายเลข> คำนวณการแพร่กระจายเซลล์ไปข้างหน้าของ LSTM สำหรับขั้นตอนเวลาทั้งหมด BlockLSTMGrad <T ขยายหมายเลข> คำนวณการแพร่กระจายเซลล์ LSTM ย้อนหลังสำหรับลำดับเวลาทั้งหมด BlockLSTMGradV2 <T ขยายหมายเลข> คำนวณการแพร่กระจายเซลล์ LSTM ย้อนหลังสำหรับลำดับเวลาทั้งหมด BlockLSTMV2 <T ขยายหมายเลข> คำนวณการแพร่กระจายเซลล์ไปข้างหน้าของ LSTM สำหรับขั้นตอนเวลาทั้งหมด BoostedTreesAggregateStats รวมสรุปสถิติสะสมสำหรับแบตช์ BoostedTreesBucketize เก็บข้อมูลแต่ละฟีเจอร์ตามขอบเขตของบัคเก็ต BoostedTreesคำนวณคุณสมบัติที่ดีที่สุดแยก คำนวณกำไรสำหรับแต่ละคุณสมบัติและส่งกลับข้อมูลการแยกที่ดีที่สุดเท่าที่เป็นไปได้สำหรับคุณสมบัตินั้น BoostedTreesคำนวณคุณสมบัติที่ดีที่สุดSplitV2 คำนวณกำไรสำหรับแต่ละคุณสมบัติและส่งกลับข้อมูลการแยกที่ดีที่สุดที่เป็นไปได้สำหรับแต่ละโหนด BoostedTrees คำนวณสิ่งที่ดีที่สุดกำไรต่อคุณสมบัติ คำนวณกำไรสำหรับแต่ละคุณสมบัติและส่งกลับข้อมูลการแยกที่ดีที่สุดเท่าที่เป็นไปได้สำหรับคุณสมบัตินั้น BoostedTreesCenterBias คำนวณค่าก่อนหน้าจากข้อมูลการฝึก (อคติ) และเติมค่าก่อนหน้าของการบันทึกในโหนดแรก BoostedTreesCreateEnsemble สร้างแบบจำลองทั้งมวลของแผนภูมิและส่งกลับหมายเลขอ้างอิง BoostedTreesCreateQuantileStreamResource สร้างทรัพยากรสำหรับสตรีม Quantile BoostedTreesDeserializeEnsemble ดีซีเรียลไลซ์การกำหนดค่า Tree Ensemble ที่เป็นอนุกรมและแทนที่แผนผังปัจจุบัน ทั้งมวล BoostedTreesEnsembleResourceHandleOp สร้างหมายเลขอ้างอิงให้กับ BoostedTreesEnsembleResource BoostedTreesExampleDebugOutputs เอาต์พุตการตีความการดีบัก/โมเดลสำหรับแต่ละตัวอย่าง BoostedTreesFlushQuantileสรุป ล้างข้อมูลสรุปควอนไทล์จากทรัพยากรสตรีมควอนไทล์แต่ละรายการ BoostedTreesGetEnsembleStates เรียกข้อมูลโทเค็นการประทับทรัพยากรชุดต้นไม้ จำนวนต้นไม้ และสถิติการเติบโต BoostedTreesMakeQuantileSummaries จัดทำข้อมูลสรุปของปริมาณสำหรับแบทช์ BoostedTreesMakeStatsSummary ทำการสรุปสถิติสะสมสำหรับแบตช์ BoostedTreesทำนาย รันตัวทำนายชุดการถดถอยแบบบวกหลายตัวบนอินสแตนซ์อินพุตและ คำนวณบันทึก BoostedTreesQuantileStreamResourceAddSummary เพิ่มข้อมูลสรุปควอนไทล์ให้กับทรัพยากรสตรีมควอนไทล์แต่ละรายการ BoostedTreesQuantileStreamResourceDeserialize ดีซีเรียลไลซ์ขอบเขตบัคเก็ตและตั้งค่าสถานะพร้อมลงใน QuantileAccumulator ปัจจุบัน BoostedTreesQuantileStreamResourceFlush ล้างข้อมูลสรุปสำหรับทรัพยากรสตรีมแบบควอนไทล์ BoostedTreesQuantileStreamResourceGetBucketBoundaries สร้างขอบเขตบัคเก็ตสำหรับแต่ละฟีเจอร์ตามข้อมูลสรุปที่สะสม BoostedTreesQuantileStreamResourceHandleOp สร้างหมายเลขอ้างอิงให้กับ BoostedTreesQuantileStreamResource BoostedTreesSerializeEnsemble ทำให้ชุดต้นไม้เป็นอนุกรมเป็นโปรโต BoostedTreesSparseAggregateStats รวมสรุปสถิติสะสมสำหรับแบตช์ BoostedTreesSparseCalculateBestFeatureSplit คำนวณกำไรสำหรับแต่ละคุณสมบัติและส่งกลับข้อมูลการแยกที่ดีที่สุดเท่าที่เป็นไปได้สำหรับคุณสมบัตินั้น BoostedTreesTrainingทำนาย รันตัวทำนายชุดการถดถอยแบบบวกหลายตัวบนอินสแตนซ์อินพุตและ คำนวณการอัปเดตเป็นบันทึกที่แคชไว้ BoostedTreesUpdateEnsemble อัปเดตชุดต้นไม้โดยการเพิ่มเลเยอร์ให้กับต้นไม้ต้นสุดท้ายที่กำลังปลูก หรือโดยการเริ่มต้นไม้ใหม่ BoostedTreesUpdateEnsembleV2 อัปเดตชุดต้นไม้โดยการเพิ่มเลเยอร์ให้กับต้นไม้ต้นสุดท้ายที่กำลังเติบโต หรือโดยการเริ่มต้นไม้ใหม่ BroadcastDynamicShape <T ขยายหมายเลข> คืนรูปร่างของ s0 op s1 พร้อมการออกอากาศ BroadcastGradientArgs <T ขยายหมายเลข> ส่งกลับดัชนีการลดสำหรับการคำนวณการไล่ระดับสีของ s0 op s1 พร้อมการออกอากาศ ออกอากาศถึง <T> ออกอากาศอาร์เรย์สำหรับรูปร่างที่เข้ากันได้ ถัง Bucketizes 'อินพุต' ตาม 'ขอบเขต' CSRSparseMatrixComponents <T> อ่านส่วนประกอบ CSR ที่แบทช์ `ดัชนี` CSRSparseMatrixToDense <T> แปลง CSRSparseMatrix (อาจเป็นแบตช์) เป็นหนาแน่น CSRSparseMatrixToSparseTensor <T> แปลง CSRSparesMatrix (อาจเป็นชุด) เป็น SparseTensor ชุดข้อมูล CSV CSVDatasetV2 CTCLossV2 คำนวณการสูญเสีย CTC (ความน่าจะเป็นของบันทึก) สำหรับรายการแบตช์แต่ละรายการ ชุดข้อมูลแคชV2 CheckNumericsV2 <T ขยายหมายเลข> ตรวจสอบเทนเซอร์สำหรับค่า NaN, -Inf และ +Inf เลือกชุดข้อมูลที่เร็วที่สุด ClipByValue <T> ตัดค่าเทนเซอร์ให้เป็นค่าต่ำสุดและสูงสุดที่ระบุ CollectiveBcastRecvV2 <U> รับค่าเทนเซอร์ที่ถ่ายทอดจากอุปกรณ์อื่น CollectiveBcastSendV2 <T> ออกอากาศค่าเทนเซอร์ไปยังอุปกรณ์อื่นอย่างน้อยหนึ่งเครื่อง CollectiveGather <T ขยายหมายเลข> สะสมเทนเซอร์หลายตัวที่มีประเภทและรูปร่างเหมือนกันร่วมกัน CollectiveGatherV2 <T ขยายหมายเลข> สะสมเทนเซอร์หลายตัวที่มีประเภทและรูปร่างเหมือนกันร่วมกัน CollectivePermute <T> Op เพื่อเปลี่ยนเทนเซอร์ข้ามอินสแตนซ์ TPU ที่จำลองแบบ CollectiveReduceV2 <T ขยายหมายเลข> ลดเทนเซอร์หลายตัวที่มีประเภทและรูปร่างเหมือนกันร่วมกัน รวม NonMaxSuppression เลือกชุดย่อยของกรอบขอบเขตอย่างตะกละตะกลามโดยเรียงลำดับคะแนนจากมากไปหาน้อย การดำเนินการนี้ดำเนินการ non_max_suppression บนอินพุตต่อแบตช์ ในทุกคลาส บีบอัดองค์ประกอบ บีบอัดองค์ประกอบชุดข้อมูล ComputeBatchSize คำนวณขนาดแบตช์แบบคงที่ของชุดข้อมูลโดยไม่ใช้แบตช์บางส่วน เชื่อมต่อ <T> เชื่อมต่อเทนเซอร์ตามมิติเดียว กำหนดค่า DistributedTPU ตั้งค่าโครงสร้างแบบรวมศูนย์สำหรับระบบ TPU แบบกระจาย กำหนดค่าการฝัง TPU ตั้งค่า TPUEmbedding ในระบบ TPU แบบกระจาย ค่าคงที่ <T> ตัวดำเนินการที่สร้างค่าคงที่ ใช้ MutexLock การดำเนินการนี้ใช้การล็อกที่สร้างโดย `MutexLock` ทริกเกอร์ควบคุม ไม่ทำอะไรเลย คัดลอก <ท> คัดลอกเทนเซอร์จาก CPU-to-CPU หรือ GPU-to-GPU คัดลอกโฮสต์ <T> คัดลอกเทนเซอร์ไปยังโฮสต์ CountUpTo <T ขยายหมายเลข> เพิ่ม 'การอ้างอิง' จนกว่าจะถึง 'ขีดจำกัด' CrossReplicaSum <T ขยายหมายเลข> อินพุต Op to sum ในอินสแตนซ์ TPU ที่จำลองแบบ CudnnRNNBackpropV3 <T ขยายหมายเลข> ขั้นบันไดหลัง CudnnRNNV3. CudnnRNNCanonicalToParamsV2 <T ขยายหมายเลข> แปลงพารามิเตอร์ CudnnRNN จากรูปแบบมาตรฐานเป็นรูปแบบที่ใช้งานได้ CudnnRNNParamsToCanonicalV2 <T ขยายหมายเลข> ดึงข้อมูลพารามิเตอร์ CudnnRNN ในรูปแบบมาตรฐาน CudnnRNNV3 <T ขยายหมายเลข> RNN ที่สนับสนุนโดย cuDNN CumulativeLogsumexp <T ขยายหมายเลข> คำนวณผลคูณสะสมของเทนเซอร์ `x` ตามแนว 'แกน' DataServiceชุดข้อมูล สร้างชุดข้อมูลที่อ่านข้อมูลจากบริการ tf.data DataServiceDatasetV2 สร้างชุดข้อมูลที่อ่านข้อมูลจากบริการ tf.data ชุดข้อมูลCardinality ส่งกลับจำนวนสมาชิกของ `input_dataset` ชุดข้อมูลFromGraph สร้างชุดข้อมูลจาก `graph_def` ที่กำหนด ชุดข้อมูล ToGraphV2 ส่งกลับ GraphDef ที่เป็นอนุกรมซึ่งเป็นตัวแทนของ `input_dataset` Dawsn <T ขยายจำนวน> DebugGradientIdentity <T> การระบุตัวตนสำหรับการดีบักการไล่ระดับสี DebugGradientRefIdentity <T> การระบุตัวตนสำหรับการดีบักการไล่ระดับสี ตรวจแก้จุดบกพร่อง <T> จัดเตรียมการแมปข้อมูลประจำตัวของเทนเซอร์อินพุตประเภทที่ไม่ใช่การอ้างอิงสำหรับการดีบัก DebugIdentityV2 <T> การแก้ไขข้อบกพร่อง Identity V2 Op. ดีบักNanCount ดีบักตัวนับค่า NaN Op. ดีบักสรุปตัวเลข การแก้ปัญหาสรุปตัวเลข DebugNumericSummaryV2 <U ขยายหมายเลข> ดีบักสรุปตัวเลข V2 Op. DecodeImage <T ขยายหมายเลข> ฟังก์ชันสำหรับ decode_bmp, decode_gif, decode_jpeg และ decode_png DecodePaddedRaw <T ขยายหมายเลข> ตีความไบต์ของสตริงใหม่เป็นเวกเตอร์ของตัวเลข ถอดรหัสโปรโต สหกรณ์แยกฟิลด์จากข้อความบัฟเฟอร์โปรโตคอลแบบซีเรียลไลซ์เป็นเทนเซอร์ ดีพคัดลอก <T> สร้างสำเนาของ `x` ลบIterator คอนเทนเนอร์สำหรับทรัพยากรตัววนซ้ำ ลบ MemoryCache ลบ MultiDeviceIterator คอนเทนเนอร์สำหรับทรัพยากรตัววนซ้ำ ลบ RandomSeedGenerator ลบSeedGenerator ลบเซสชัน Tensor ลบเทนเซอร์ที่ระบุโดยตัวจัดการในเซสชัน DenseBincount <U ขยายหมายเลข> นับจำนวนครั้งของแต่ละค่าในอาร์เรย์จำนวนเต็ม DenseCountSparseOutput <U ขยายหมายเลข> ดำเนินการนับถังเอาท์พุตแบบกระจัดกระจายสำหรับอินพุต tf.tensor DenseToCSRSparseMatrix แปลงเทนเซอร์หนาแน่นเป็น CSRSparseMatrix (อาจเป็นแบตช์) ทำลายทรัพยากรOp ลบทรัพยากรที่ระบุโดยหมายเลขอ้างอิง ทำลายตัวแปรชั่วคราว <T> ทำลายตัวแปรชั่วคราวและส่งกลับค่าสุดท้าย ดัชนีอุปกรณ์ ส่งคืนดัชนีของอุปกรณ์ที่ op ทำงาน ชุดข้อมูล DirectedInterleave ใช้แทน `InterleaveDataset` ในรายการชุดข้อมูล `N` ที่คงที่ DrawBoundingBoxesV2 <T ขยายหมายเลข> วาดกรอบขอบบนชุดรูปภาพ DummyIterationCounter DummyMemoryCache เครื่องกำเนิด DummySeed พาร์ติชันไดนามิก <T> แบ่งพาร์ติชัน `data` เป็นเทนเซอร์ `num_partitions` โดยใช้ดัชนีจาก `partitions` ไดนามิกสติทช์ <T> แทรกค่าจากเทนเซอร์ "ข้อมูล" ลงในเทนเซอร์ตัวเดียว แก้ไขระยะทาง คำนวณระยะทางแก้ไขของ Levenshtein (อาจเป็นมาตรฐาน) อิ๊ก <U> คำนวณการสลายตัวแบบลักษณะเฉพาะของเมทริกซ์จตุรัสตั้งแต่หนึ่งเมทริกซ์ขึ้นไป ไอน์ซุม <T> การหดตัวของเทนเซอร์ตามแบบแผนการรวมของไอน์สไตน์ ว่างเปล่า <T> สร้างเทนเซอร์ตามรูปร่างที่กำหนด ว่างเปล่า TensorList สร้างและส่งกลับรายการเทนเซอร์ที่ว่างเปล่า แผนที่ Tensor ว่างเปล่า สร้างและส่งกลับแผนที่เทนเซอร์ว่างเปล่า เข้ารหัสโปรโต op ทำให้ข้อความ protobuf อยู่ในเทนเซอร์อินพุต เข้าคิว TPUembedingIntegerBatch การดำเนินการที่จัดคิวรายการเทนเซอร์แบทช์อินพุตเป็น TPUEmbedding เข้าคิว TPUembedRaggedTensorBatch ทำให้การย้ายโค้ดที่ใช้ tf.nn.embedding_lookup() ง่ายขึ้น เข้าคิวTPUmbeddingSparseBatch การดำเนินการที่จัดคิวดัชนีอินพุต TPUEmbedding จาก SparseTensor จัดคิว TPUembedSparseTensorBatch ทำให้การย้ายโค้ดที่ใช้ tf.nn.embedding_lookup_sparse() ง่ายขึ้น ตรวจสอบรูปร่าง <T> ตรวจสอบให้แน่ใจว่ารูปร่างของเทนเซอร์ตรงกับรูปร่างที่คาดหวัง ป้อน <T> สร้างหรือค้นหาเฟรมย่อย และทำให้ 'ข้อมูล' พร้อมใช้งานสำหรับเฟรมย่อย Erfinv <T ขยายหมายเลข> ยูคลิดนอร์ม <T> คำนวณบรรทัดฐานยุคคลิดขององค์ประกอบในมิติของเมตริกซ์ ออกจาก <T> ออกจากเฟรมปัจจุบันไปยังเฟรมหลัก ขยาย Dims <T> แทรกมิติ 1 ลงในรูปร่างของเทนเซอร์ ชุดข้อมูล AutoShard แบบทดลอง สร้างชุดข้อมูลที่แบ่งส่วนชุดข้อมูลอินพุต ชุดข้อมูล ExperimentalBytesProducedStats บันทึกขนาดไบต์ของแต่ละองค์ประกอบของ `input_dataset` ใน StatsAggregator ชุดข้อมูลแบบทดลองเลือกเร็วที่สุด ชุดข้อมูลเชิงทดลอง Cardinality ส่งกลับจำนวนสมาชิกของ `input_dataset` ชุดข้อมูลทดลองToTFRecord เขียนชุดข้อมูลที่กำหนดลงในไฟล์ที่กำหนดโดยใช้รูปแบบ TFRecord ชุดข้อมูล DenseToSparseBatch แบบทดลอง สร้างชุดข้อมูลที่จัดกลุ่มองค์ประกอบอินพุตลงใน SparseTensor ชุดข้อมูล LatencyStats แบบทดลอง บันทึกเวลาแฝงของการสร้างองค์ประกอบ `input_dataset` ใน StatsAggregator ชุดข้อมูลการจับคู่ไฟล์แบบทดลอง ชุดข้อมูลการทดลองMaxIntraOpParallelism สร้างชุดข้อมูลที่แทนที่ความขนานภายในปฏิบัติการสูงสุด ชุดข้อมูลตัวอย่างแยกวิเคราะห์เชิงทดลอง แปลง `input_dataset` ที่มีโปรโต 'ตัวอย่าง' เป็นเวกเตอร์ของ DT_STRING ให้เป็นชุดข้อมูลของวัตถุ 'Tensor' หรือ 'SparseTensor' ที่แสดงถึงคุณลักษณะที่แยกวิเคราะห์ ชุดข้อมูล PrivateThreadPool แบบทดลอง สร้างชุดข้อมูลที่ใช้พูลเธรดที่กำหนดเองเพื่อคำนวณ `input_dataset` ชุดข้อมูลสุ่มทดลอง สร้างชุดข้อมูลที่ส่งคืนตัวเลขสุ่มเทียม ชุดข้อมูลรีแบทช์แบบทดลอง สร้างชุดข้อมูลที่เปลี่ยนขนาดแบตช์ ชุดข้อมูล ExperimentalSetStatsAggregator ชุดข้อมูลหน้าต่างเลื่อนแบบทดลอง สร้างชุดข้อมูลที่ส่งผ่านหน้าต่างแบบเลื่อนเหนือ `input_dataset` ชุดข้อมูล ExperimentalSql สร้างชุดข้อมูลที่ดำเนินการแบบสอบถาม SQL และส่งเสียงแถวของชุดผลลัพธ์ ExperimentalStatsAggregatorHandle สร้างทรัพยากรตัวจัดการสถิติ ExperimentalStatsAggregatorสรุป สร้างข้อมูลสรุปของสถิติใดๆ ที่บันทึกโดยผู้จัดการสถิติที่กำหนด ชุดข้อมูล Unbatch แบบทดลอง ชุดข้อมูลที่แบ่งองค์ประกอบของอินพุตออกเป็นหลายองค์ประกอบ Expint <T ขยายหมายเลข> แยกGlimpseV2 แยกข้อมูลเหลือบจากเทนเซอร์อินพุต ExtractVolumePatches <T ขยายหมายเลข> แยก "แพตช์" ออกจาก "อินพุต" และวางไว้ในมิติเอาต์พุต "ความลึก" เติม <U> สร้างเมตริกซ์ที่เต็มไปด้วยค่าสเกลาร์ สรุปชุดข้อมูล สร้างชุดข้อมูลโดยใช้ `tf.data.Options` กับ `input_dataset` ลายนิ้วมือ สร้างค่าลายนิ้วมือ FresnelCos <T ขยายหมายเลข> FresnelSin <T ขยายหมายเลข> FusedBatchNormGradV3 <T ขยายหมายเลข U ขยายหมายเลข> การไล่ระดับสีสำหรับการทำให้เป็นมาตรฐานแบบแบทช์ FusedBatchNormV3 <T ขยายหมายเลข U ขยายหมายเลข> การทำให้เป็นมาตรฐานแบบแบตช์ GRUBlockCell <T ขยายหมายเลข> คำนวณการแพร่กระจายไปข้างหน้าของเซลล์ GRU เป็นเวลา 1 ขั้นตอน GRUBlockCellGrad <T ขยายหมายเลข> คำนวณการแพร่กระจายกลับของเซลล์ GRU เป็นเวลา 1 ขั้นตอน รวบรวม <T> รวบรวมชิ้นส่วนจากแกน 'params' 'axis' ตาม 'ดัชนี' รวบรวม <T> รวบรวมชิ้นส่วนจาก 'params' ลงในเทนเซอร์ที่มีรูปร่างที่ระบุโดย 'ดัชนี' สร้าง BoundingBoxProposals การดำเนินการนี้สร้างภูมิภาคที่สนใจจากกล่องขอบเขตที่กำหนด (bbox_deltas) พุก wrt ที่เข้ารหัสตาม eq.2 ใน arXiv:1506.01497 op เลือกกล่องให้คะแนน `pre_nms_topn` อันดับต้นๆ ถอดรหัสด้วยความเคารพต่อจุดยึด ใช้การปราบปรามที่ไม่สูงสุดบนกล่องที่ทับซ้อนกันที่มีค่ามากกว่า `nms_threshold` ค่าทางแยก-over-union (iou) ทิ้งกล่องที่ด้านสั้นกว่าน้อยกว่า ` ขั้นต่ำ_ขนาด`. รับตัวเลือก ส่งคืน `tf.data.Options` ที่แนบมากับ `input_dataset` รับ SessionHandle เก็บเทนเซอร์อินพุตไว้ในสถานะของเซสชันปัจจุบัน GetSessionTensor <T> รับค่าของเทนเซอร์ที่ระบุโดยที่จับ รับประกันConst <T> รับประกันรันไทม์ TF ว่าเทนเซอร์อินพุตมีค่าคงที่ แฮชเทเบิล สร้างตารางแฮชที่ไม่ได้เตรียมใช้งาน HistogramFixedWidth <U ขยายตัวเลข> ส่งกลับฮิสโตแกรมของค่า ตัวตน <T> ส่งกลับเทนเซอร์ที่มีรูปร่างและเนื้อหาเหมือนกับเทนเซอร์หรือค่าอินพุต อัตลักษณ์N ส่งคืนรายการเทนเซอร์ที่มีรูปร่างและเนื้อหาเหมือนกับอินพุต เทนเซอร์ ละเว้นชุดข้อมูลข้อผิดพลาด สร้างชุดข้อมูลที่มีองค์ประกอบของ `input_dataset` โดยไม่สนใจข้อผิดพลาด ImageProjectiveTransformV2 <T ขยายหมายเลข> ใช้การแปลงที่กำหนดกับแต่ละภาพ ImageProjectiveTransformV3 <T ขยายจำนวน> ใช้การแปลงที่กำหนดกับแต่ละภาพ Const ที่ไม่เปลี่ยนรูป <T> ส่งกลับเทนเซอร์ที่ไม่เปลี่ยนรูปจากขอบเขตหน่วยความจำ InfeedDequeue <T> ตัวยึดตำแหน่งใช้สำหรับค่าที่จะป้อนเข้าสู่การคำนวณ InfeedDequeueTuple ดึงค่าหลายค่าจากการป้อนเข้าเป็นทูเพิล XLA ป้อนเข้าคิว op ที่ป้อนค่า Tensor เดียวในการคำนวณ InfeedEnqueuePrelinearizedBuffer การดำเนินการที่จัดคิวบัฟเฟอร์ที่กำหนดไว้ล่วงหน้าลงในอินพุต TPU InfeedEnqueueTuple ฟีดค่าเทนเซอร์หลายค่าลงในการคำนวณเป็นทูเพิล XLA เตรียมใช้งานตาราง เครื่องมือเริ่มต้นตารางที่รับเทนเซอร์สองตัวสำหรับคีย์และค่าตามลำดับ เตรียมใช้งานTableFromDataset เตรียมใช้งาน TableFromTextFile เตรียมข้อมูลเบื้องต้นให้กับตารางจากไฟล์ข้อความ แทนที่เพิ่ม <T> เพิ่ม v ลงในแถวที่ระบุของ x InplaceSub <T> ลบ `v` ลงในแถวที่ระบุของ `x` แทนที่การอัปเดต <T> อัพเดตแถวที่ระบุ 'i' ด้วยค่า 'v' IsBoostedTreesEnsemble เริ่มต้นแล้ว ตรวจสอบว่า Tree Ensemble ได้รับการเตรียมใช้งานแล้วหรือไม่ IsBoostedTreesQuantileStreamResourceเริ่มต้นแล้ว ตรวจสอบว่าสตรีมควอนไทล์ได้รับการเริ่มต้นแล้วหรือไม่ เป็นตัวแปรเริ่มต้น ตรวจสอบว่าได้เตรียมใช้งานเทนเซอร์แล้วหรือไม่ IsotonicRegression <U ขยายจำนวน> แก้ปัญหาการถดถอยไอโซโทนิกชุดหนึ่ง IteratorGetDevice ส่งกลับชื่อของอุปกรณ์ที่ได้วาง "ทรัพยากร" ไว้ การเริ่มต้น KMC2Chain ส่งกลับดัชนีของจุดข้อมูลที่ควรเพิ่มลงในชุดเริ่มต้น การเริ่มต้น KmeansPlusPlus เลือกแถวอินพุต num_to_sample โดยใช้เกณฑ์ KMeans++ KthOrderStatistic คำนวณสถิติลำดับ K ของชุดข้อมูล ชุดข้อมูล LMDB สร้างชุดข้อมูลที่ปล่อยคู่คีย์-ค่าในไฟล์ LMDB อย่างน้อย 1 ไฟล์ LSTMBlockCell <T ขยายหมายเลข> คำนวณการแพร่กระจายเซลล์ไปข้างหน้า LSTM สำหรับขั้นตอน 1 ครั้ง LSTMBlockCellGrad <T ขยายหมายเลข> คำนวณการแพร่กระจายเซลล์ LSTM ย้อนหลังเป็นเวลา 1 ครั้ง LinSpace <T ขยายหมายเลข> สร้างค่าในช่วงเวลา โหลดTPUEmbeddingADAMพารามิเตอร์ โหลดพารามิเตอร์การฝัง ADAM โหลด TPU การฝัง ADAMP พารามิเตอร์ GradAccum Debug โหลดพารามิเตอร์การฝัง ADAM พร้อมการสนับสนุนการแก้ไขข้อบกพร่อง โหลดTPUEmbeddingAdadeltaParameters โหลดพารามิเตอร์การฝัง Adadelta โหลด TPU การฝัง AdadeltaParametersGradAccumDebug โหลดพารามิเตอร์ Adadelta พร้อมการสนับสนุนการดีบัก โหลดTPUEmbeddingAdagradParameters โหลดพารามิเตอร์การฝัง Adagrad โหลด TPU การฝัง AdagradParametersGradAccumDebug โหลดพารามิเตอร์การฝัง Adagrad ด้วยการสนับสนุนการแก้ไขข้อบกพร่อง โหลดTPUEmbeddingCenteredRMSPropParameters โหลดพารามิเตอร์การฝัง RMSProp ที่กึ่งกลาง โหลดTPUEmbeddingFTRLParameters โหลดพารามิเตอร์การฝัง FTRL โหลด TPU การฝัง FTRLParametersGradAccumDebug โหลดพารามิเตอร์การฝัง FTRL พร้อมการสนับสนุนการแก้ไขข้อบกพร่อง โหลดTPUEmbeddingFrequencyEstimatorพารามิเตอร์ โหลดพารามิเตอร์การประมาณค่าความถี่ที่ฝังอยู่ โหลด TPU การฝังตัวประมาณความถี่พารามิเตอร์ GradAccum Debug โหลดตัวประมาณความถี่ที่ฝังพารามิเตอร์พร้อมการสนับสนุนการแก้ไขข้อบกพร่อง โหลดTPUEmbeddingMDLAdagradLightParameters โหลดพารามิเตอร์การฝัง MDL Adagrad Light โหลดพารามิเตอร์ TPU การฝังโมเมนตัม โหลดพารามิเตอร์การฝังโมเมนตัม โหลด TPU การฝังโมเมนตัมพารามิเตอร์ GradAccum Debug โหลดพารามิเตอร์การฝังโมเมนตัมพร้อมการสนับสนุนการแก้ไขข้อบกพร่อง โหลดTPUEmbeddingProximalAdagradParameters โหลดพารามิเตอร์การฝัง Adagrad ใกล้เคียง โหลด TPUmbeddingProximalAdagradParametersGradAccumDebug โหลดพารามิเตอร์การฝัง Adagrad ใกล้เคียงพร้อมการสนับสนุนการแก้ไขข้อบกพร่อง โหลดพารามิเตอร์ TPUUEmbeddingProximalYogi โหลดTPUEการฝังProximalYogiParametersGradAccumDebug โหลดTPUEmbeddingRMSPropParameters โหลดพารามิเตอร์การฝัง RMSProp โหลดTPUEmbeddingRMSPropParametersGradAccumDebug โหลดพารามิเตอร์การฝัง RMSProp ด้วยการสนับสนุนการดีบัก โหลดTPUEการฝังพารามิเตอร์ StochasticGradientDescent โหลดพารามิเตอร์การฝัง SGD โหลดTPUการฝังStochasticGradientDescentParametersGradAccumDebug โหลดพารามิเตอร์การฝัง SGD LookupTableExport <T, U> ส่งออกคีย์และค่าทั้งหมดในตาราง LookupTableFind <U> ค้นหาคีย์ในตาราง ส่งออกค่าที่เกี่ยวข้อง LookupTableนำเข้า แทนที่เนื้อหาของตารางด้วยคีย์และค่าที่ระบุ LookupTableInsert อัพเดตตารางเพื่อเชื่อมโยงคีย์กับค่า LookupTable ลบ ลบคีย์และค่าที่เกี่ยวข้องออกจากตาราง LookupTableSize คำนวณจำนวนองค์ประกอบในตารางที่กำหนด ห่วงCond ส่งต่ออินพุตไปยังเอาต์พุต LowerBound <U ขยายตัวเลข> ใช้ lower_bound(sorted_search_values, ค่า) ในแต่ละแถว Lu <T, U ขยายจำนวน> คำนวณการสลายตัวของ LU ของเมทริกซ์จตุรัสตั้งแต่หนึ่งเมทริกซ์ขึ้นไป ทำให้ไม่ซ้ำใคร ทำให้องค์ประกอบทั้งหมดในมิติที่ไม่ใช่แบทช์ไม่ซ้ำกัน แต่ \"ปิด\" ค่าเริ่มต้นของพวกเขา แผนที่เคลียร์ Op จะลบองค์ประกอบทั้งหมดในคอนเทนเนอร์ที่อยู่ด้านล่าง แผนที่ขนาดไม่สมบูรณ์ Op ส่งคืนจำนวนองค์ประกอบที่ไม่สมบูรณ์ในคอนเทนเนอร์ต้นแบบ MapPeek Op ดูค่าที่คีย์ที่ระบุ ขนาดแผนที่ Op ส่งคืนจำนวนองค์ประกอบในคอนเทนเนอร์ต้นแบบ แผนที่Stage สเตจ (คีย์, ค่า) ในคอนเทนเนอร์ที่ซ่อนอยู่ซึ่งทำงานเหมือนกับแฮชเทเบิล แผนที่Unstage Op ลบและส่งกลับค่าที่เกี่ยวข้องกับคีย์ จากภาชนะที่อยู่ด้านล่าง แผนที่UnstageNoKey Op ลบและส่งกลับการสุ่ม (คีย์, ค่า) จากภาชนะที่อยู่ด้านล่าง MatrixDiagPartV2 <T> ส่งกลับส่วนเส้นทแยงมุมแบบแบทช์ของเทนเซอร์แบบแบทช์ MatrixDiagPartV3 <T> ส่งกลับส่วนเส้นทแยงมุมแบบแบทช์ของเทนเซอร์แบบแบทช์ MatrixDiagV2 <T> ส่งกลับเทนเซอร์แนวทแยงแบบแบทช์พร้อมค่าแนวทแยงแบบแบทช์ที่กำหนด MatrixDiagV3 <T> ส่งกลับเทนเซอร์แนวทแยงแบบแบทช์พร้อมค่าแนวทแยงแบบแบทช์ที่กำหนด MatrixSetDiagV2 <T> ส่งกลับเมทริกซ์เทนเซอร์แบบแบทช์พร้อมค่าแนวทแยงแบบแบทช์ใหม่ MatrixSetDiagV3 <T> ส่งกลับเมทริกซ์เทนเซอร์แบบแบทช์พร้อมค่าแนวทแยงแบบแบทช์ใหม่ สูงสุด <T> คำนวณองค์ประกอบสูงสุดในมิติต่างๆ ของเทนเซอร์ ชุดข้อมูล MaxIntraOpParallelism สร้างชุดข้อมูลที่แทนที่ความขนานภายในปฏิบัติการสูงสุด ผสาน <T> ส่งต่อค่าของเทนเซอร์ที่มีอยู่จาก "อินพุต" ไปยัง "เอาต์พุต" ขั้นต่ำ <T> คำนวณองค์ประกอบขั้นต่ำในมิติของเทนเซอร์ มิเรอร์แพด <T> แพดเทนเซอร์ด้วยค่าที่มิเรอร์ MirrorPadGrad <T> การไล่ระดับสีสำหรับ `MirrorPad` op MlirPassthroughOp ล้อมการคำนวณ MLIR ตามอำเภอใจที่แสดงเป็นโมดูลด้วยฟังก์ชัน main() มุลโนแนน <T> ส่งคืนองค์ประกอบ x * y ตาราง DenseHashTable ที่เปลี่ยนแปลงได้ สร้างตารางแฮชว่างที่ใช้เทนเซอร์เป็นที่เก็บสำรอง ตารางแฮชที่ไม่แน่นอน สร้างตารางแฮชที่ว่างเปล่า ตารางแฮชที่ผันแปรได้ของเทนเซอร์ สร้างตารางแฮชที่ว่างเปล่า มูเท็กซ์ สร้างทรัพยากร Mutex ที่สามารถล็อกได้โดย `MutexLock` MutexLock ล็อกทรัพยากร mutex NcclAllReduce <T ขยายหมายเลข> เอาท์พุตเทนเซอร์ที่มีการลดลงในเทนเซอร์อินพุตทั้งหมด NcclBroadcast <T ขยายหมายเลข> ส่ง 'อินพุต' ไปยังอุปกรณ์ทั้งหมดที่เชื่อมต่อกับเอาต์พุต NcclReduce <T ขยายหมายเลข> ลด "อินพุต" จาก "num_devices" โดยใช้ "การลด" ลงในอุปกรณ์เครื่องเดียว Ndtri <T ขยายจำนวน> เพื่อนบ้านที่ใกล้ที่สุด เลือก k ศูนย์กลางที่ใกล้ที่สุดสำหรับแต่ละจุด ถัดไปหลังจาก <T ขยายหมายเลข> ส่งคืนค่าตัวแทนถัดไปของ "x1" ไปในทิศทางของ "x2" ตามองค์ประกอบ การวนซ้ำครั้งถัดไป <T> ทำให้อินพุตพร้อมใช้งานในการวนซ้ำครั้งถัดไป ไม่อป ไม่ทำอะไรเลย NonDetermisticInts <U> สร้างจำนวนเต็มบางส่วนโดยไม่ได้กำหนดไว้ NonMaxSuppressionV5 <T ขยายหมายเลข> เลือกชุดย่อยของกรอบขอบเขตอย่างตะกละตะกลามโดยเรียงลำดับคะแนนจากมากไปหาน้อย การตัดกล่องที่มีจุดตัดกันเกินสหภาพ (IOU) สูงซ้อนทับกับกล่องที่เลือกไว้ก่อนหน้านี้ ชุดข้อมูลที่ไม่สามารถซีเรียลไลซ์ได้ วันฮอต <U> ส่งกลับเทนเซอร์แบบร้อนเดียว คนอย่าง <T> ส่งกลับเทนเซอร์ของวัตถุที่มีรูปร่างและประเภทเดียวกันกับ x OptimizeDatasetV2 สร้างชุดข้อมูลโดยใช้การเพิ่มประสิทธิภาพที่เกี่ยวข้องกับ `input_dataset` ตัวเลือกชุดข้อมูล สร้างชุดข้อมูลโดยการแนบ tf.data.Options กับ `input_dataset` สั่งซื้อMapClear Op จะลบองค์ประกอบทั้งหมดในคอนเทนเนอร์ที่อยู่ด้านล่าง สั่งซื้อแผนที่ขนาดไม่สมบูรณ์ Op ส่งคืนจำนวนองค์ประกอบที่ไม่สมบูรณ์ในคอนเทนเนอร์ต้นแบบ สั่งซื้อMapPeek Op ดูค่าที่คีย์ที่ระบุ สั่งซื้อMapSize Op ส่งคืนจำนวนองค์ประกอบในคอนเทนเนอร์ต้นแบบ สั่งซื้อMapStage สเตจ (คีย์, ค่า) ในคอนเทนเนอร์ที่ซ่อนอยู่ซึ่งทำงานเหมือนได้รับคำสั่ง คอนเทนเนอร์ที่เกี่ยวข้อง สั่งซื้อแผนที่Unstage Op ลบและส่งกลับค่าที่เกี่ยวข้องกับคีย์ จากภาชนะที่อยู่ด้านล่าง สั่งซื้อMapUnstageNoKey Op ลบและส่งกลับองค์ประกอบ (key, value) ที่มีขนาดเล็กที่สุด คีย์จากคอนเทนเนอร์ที่ซ่อนอยู่ OutfeedDequeue <T> ดึงข้อมูลเทนเซอร์ตัวเดียวจากเอาท์พุตการคำนวณ OutfeedDequeueTuple ดึงค่าหลายค่าจากเอาท์พุตการคำนวณ OutfeedDequeueTupleV2 ดึงค่าหลายค่าจากเอาท์พุตการคำนวณ OutfeedDequeueV2 <T> ดึงข้อมูลเทนเซอร์ตัวเดียวจากเอาท์พุตการคำนวณ OutfeedEnqueue จัดคิวเทนเซอร์บนเอาท์พุตการคำนวณ OutfeedEnqueueTuple จัดคิวค่า Tensor หลายค่าบนเอาท์พุตการคำนวณ แพด <T> แผ่นรองเทนเซอร์ ชุดข้อมูลแบบขนาน ParallelConcat <T> เชื่อมต่อรายการเทนเซอร์ `N` เข้ากับมิติแรก ParallelDynamicStitch <T> แทรกค่าจากเทนเซอร์ "ข้อมูล" ลงในเทนเซอร์ตัวเดียว แยกตัวอย่าง DatasetV2 แปลง `input_dataset` ที่มีโปรโต 'ตัวอย่าง' เป็นเวกเตอร์ของ DT_STRING ให้เป็นชุดข้อมูลของวัตถุ 'Tensor' หรือ 'SparseTensor' ที่แสดงถึงคุณลักษณะที่แยกวิเคราะห์ แยกตัวอย่างV2 แปลงเวกเตอร์ของโปรโต tf.Example (เป็นสตริง) เป็นเทนเซอร์ที่พิมพ์ ParseSequenceตัวอย่างV2 แปลงเวกเตอร์ของโปรโตส tf.io.SequenceExample (เป็นสตริง) เป็นเทนเซอร์ที่พิมพ์ ตัวยึดตำแหน่ง <T> ตัวยึดตำแหน่งใช้สำหรับค่าที่จะป้อนเข้าสู่การคำนวณ ตัวยึดตำแหน่งด้วยค่าเริ่มต้น <T> ตัวยึดตำแหน่งที่ส่งผ่าน "อินพุต" เมื่อไม่ได้ป้อนเอาต์พุต พรีลิเนียร์ op ที่ทำให้ค่าเทนเซอร์หนึ่งค่าเป็นเส้นตรงไปจนถึงเทนเซอร์ตัวแปรทึบแสง พรีลิเนียร์ไรซ์Tuple op ที่ทำให้ค่าเทนเซอร์หลายค่าเป็นเส้นตรงให้เป็นเทนเซอร์ตัวแปรทึบแสง พิมพ์ พิมพ์สเกลาร์สตริง ชุดข้อมูล ThreadPool ส่วนตัว สร้างชุดข้อมูลที่ใช้พูลเธรดที่กำหนดเองเพื่อคำนวณ `input_dataset` ผลิตภัณฑ์ <T> คำนวณผลคูณขององค์ประกอบตามมิติของเทนเซอร์ QuantizeAndDequantizeV4 <T ขยายหมายเลข> ส่งกลับค่าการไล่ระดับสีของ `QuantizeAndDequantizeV4` QuantizeAndDequantizeV4Grad <T ขยายหมายเลข> ส่งกลับค่าการไล่ระดับสีของ `QuantizeAndDequantizeV4` QuantizedConcat <T> เชื่อมต่อเทนเซอร์เชิงปริมาณเข้าด้วยกันในมิติเดียว QuantizedConcatV2 <T> QuantizedConv2DAndRelu <V> QuantizedConv2DAndReluAndRequantize <V> QuantizedConv2DAndRequantize <V> QuantizedConv2DPerChannel <V> คำนวณ QuantizedConv2D ต่อช่องสัญญาณ QuantizedConv2Dด้วยอคติ <V> QuantizedConv2DWithBiasAndRelu <V> QuantizedConv2DWithBiasAndReluAndRequantize <W> QuantizedConv2DWithBiasAndRequantize <W> QuantizedConv2DWithBiasSignedSumAndReluAndRequantize <X> QuantizedConv2DWithBiasSumAndRelu <V> QuantizedConv2DWithBiasSumAndReluAndRequantize <X> QuantizedDepthwiseConv2D <V> คำนวณ Conv2D ในเชิงลึกเชิงปริมาณ QuantizedDepthwiseConv2DWithBias <V> คำนวณ Conv2D ในเชิงลึกเชิงปริมาณด้วย Bias QuantizedDepthwiseConv2DWithBiasAndRelu <V> คำนวณ Conv2D ในเชิงลึกเชิงปริมาณด้วย Bias และ Relu QuantizedDepthwiseConv2DWithBiasAndReluAndRequantize <W> คำนวณ Conv2D ในเชิงลึกเชิงปริมาณด้วย Bias, Relu และ Requantize QuantizedMatMulWithBias <W> ดำเนินการคูณเมทริกซ์เชิงปริมาณของ `a` ด้วยเมทริกซ์ `b` พร้อมบวกอคติ QuantizedMatMulWithBiasAndDequantize <W ขยายหมายเลข> QuantizedMatMulWithBiasAndRelu <V> ทำการคูณเมทริกซ์เชิงปริมาณของ `a` ด้วยเมทริกซ์ `b` โดยมีการรวมอคติบวกและรีลู QuantizedMatMulWithBiasAndReluAndRequantize <W> ดำเนินการคูณเมทริกซ์เชิงปริมาณของ `a` ด้วยเมทริกซ์ `b` โดยมีอคติบวกและ relu และกำหนดปริมาณฟิวชั่นใหม่ QuantizedMatMulWithBiasAndRequantize <W> QuantizedReshape <T> ปรับรูปร่างเทนเซอร์เชิงปริมาณตามตัวเลือก Reshape RaggedBincount <U ขยายหมายเลข> นับจำนวนครั้งของแต่ละค่าในอาร์เรย์จำนวนเต็ม RaggedCountSparseOutput <U ขยายหมายเลข> ดำเนินการนับถังเอาท์พุตแบบกระจัดกระจายสำหรับอินพุตเทนเซอร์ที่ขาดหาย RaggedCross <T, U ขยายหมายเลข> สร้างคุณลักษณะที่ตัดกันจากรายการเทนเซอร์ และส่งกลับเป็น RaggedTensor RaggedGather <T ขยายหมายเลข U> รวบรวมส่วนที่ขาดจากแกน `params` `0` ตาม `ดัชนี` RaggedRange <U ขยายหมายเลข T ขยายหมายเลข> ส่งกลับ `RaggedTensor` ที่มีลำดับตัวเลขที่ระบุ RaggedTensorFromVariant <U ขยายหมายเลข T> ถอดรหัสเทนเซอร์ "ตัวแปร" เป็น "RaggedTensor" RaggedTensorToSparse <U> แปลง `RaggedTensor` ให้เป็น `SparseTensor` ที่มีค่าเดียวกัน RaggedTensorToTensor <U> สร้างเทนเซอร์ที่มีความหนาแน่นสูงจากเทนเซอร์ที่ขาดๆ หายๆ ซึ่งอาจมีการเปลี่ยนแปลงรูปร่างได้ RaggedTensorToVariant เข้ารหัส `RaggedTensor` ให้เป็นเทนเซอร์ 'ตัวแปร' RaggedTensorToVariantGradient <U> ตัวช่วยใช้ในการคำนวณการไล่ระดับสีสำหรับ `RaggedTensorToVariant` ช่วง <T ขยายหมายเลข> สร้างลำดับของตัวเลข อันดับ ส่งกลับอันดับของเทนเซอร์ ReadVariableOp <T> อ่านค่าของตัวแปร รีแบทช์ชุดข้อมูล สร้างชุดข้อมูลที่เปลี่ยนขนาดแบตช์ รีแบทช์ DatasetV2 สร้างชุดข้อมูลที่เปลี่ยนขนาดแบตช์ รับ <T> รับเทนเซอร์ที่มีชื่อจาก send_device บน recv_device RecvTPUEmbeddingActivations ปฏิบัติการที่ได้รับการเปิดใช้งานการฝังบน TPU ลดทั้งหมด คำนวณ "ตรรกะและ" ขององค์ประกอบในมิติต่างๆ ของเทนเซอร์ ลดใดๆ คำนวณ "ตรรกะหรือ" ขององค์ประกอบในมิติต่างๆ ของเทนเซอร์ ลดสูงสุด <T> คำนวณองค์ประกอบสูงสุดในมิติต่างๆ ของเทนเซอร์ ลดขั้นต่ำ <T> คำนวณองค์ประกอบขั้นต่ำในมิติของเทนเซอร์ ลดผลผลิต <T> คำนวณผลคูณขององค์ประกอบตามมิติของเทนเซอร์ ลดผลรวม <T> คำนวณผลรวมขององค์ประกอบในมิติของเทนเซอร์ อ้างอิง <T> สร้างหรือค้นหาเฟรมย่อย และทำให้ 'ข้อมูล' พร้อมใช้งานสำหรับเฟรมย่อย อ้างอิงทางออก <T> ออกจากเฟรมปัจจุบันไปยังเฟรมหลัก การระบุตัวตน <T> ส่งคืนค่าเทนเซอร์อ้างอิงเดียวกันกับเทนเซอร์อ้างอิงอินพุต อ้างอิงการรวม <T> ส่งต่อค่าของเทนเซอร์ที่มีอยู่จาก "อินพุต" ไปยัง "เอาต์พุต" RefNextIteration <T> ทำให้อินพุตพร้อมใช้งานในการวนซ้ำครั้งถัดไป อ้างอิงเลือก <T> ส่งต่อ "องค์ประกอบดัชนี" ของ "อินพุต" ไปยัง "เอาต์พุต" RefSwitch <T> ส่งต่อเทนเซอร์อ้างอิง `data` ไปยังพอร์ตเอาต์พุตที่กำหนดโดย `pred` ลงทะเบียนชุดข้อมูล ลงทะเบียนชุดข้อมูลกับบริการ tf.data RequantizationRangePerChannel คำนวณช่วงการจัดสรรใหม่ต่อช่องสัญญาณ RequantizePerChannel <U> จัดปริมาณอินพุตใหม่ด้วยค่าต่ำสุดและสูงสุดที่ทราบต่อช่องสัญญาณ ปรับรูปร่างใหม่ <T> เปลี่ยนรูปร่างเทนเซอร์ ResourceAccumulatorApplyGradient ใช้การไล่ระดับสีกับตัวสะสมที่กำหนด ResourceAccumulatorNumสะสม ส่งกลับจำนวนการไล่ระดับสีที่รวมอยู่ในตัวสะสมที่กำหนด ResourceAccumulatorSetGlobalStep อัพเดตตัวสะสมด้วยค่าใหม่สำหรับ global_step ResourceAccumulatorTakeGradient <T> แยกการไล่ระดับสีเฉลี่ยใน ConditionalAccumulator ที่กำหนด ResourceApplyAdagradV2 อัปเดต '*var' ตามรูปแบบ adagrad ResourceApplyAdamWithAmsgrad อัปเดต '*var' ตามอัลกอริทึมของ Adam ทรัพยากรใช้KerasMomentum อัปเดต '*var' ตามรูปแบบโมเมนตัม ทรัพยากรแบบมีเงื่อนไขสะสม ตัวสะสมแบบมีเงื่อนไขสำหรับการรวมการไล่ระดับสี ResourceCountUpTo <T ขยายหมายเลข> เพิ่มตัวแปรที่ชี้ตาม 'ทรัพยากร' จนกว่าจะถึง 'ขีดจำกัด' ResourceGather <U> รวบรวมชิ้นส่วนจากตัวแปรที่ชี้ไปตาม 'ทรัพยากร' ตาม 'ดัชนี' ResourceGatherNd <U> ResourceScatterAdd เพิ่มการอัปเดตแบบกระจัดกระจายให้กับตัวแปรที่อ้างอิงโดย "ทรัพยากร" ResourceScatterDiv แบ่งการอัปเดตแบบกระจัดกระจายออกเป็นตัวแปรที่อ้างอิงโดย "ทรัพยากร" ResourceScatterMax ลดการอัปเดตแบบกระจัดกระจายลงในตัวแปรที่อ้างอิงโดย "ทรัพยากร" โดยใช้การดำเนินการ "สูงสุด" ResourceScatterMin ลดการอัปเดตแบบกระจัดกระจายลงในตัวแปรที่อ้างอิงโดย "ทรัพยากร" โดยใช้การดำเนินการ "ขั้นต่ำ" ResourceScatterMul คูณการอัปเดตแบบกระจัดกระจายลงในตัวแปรที่อ้างอิงโดย "ทรัพยากร" ResourceScatterNdAdd ใช้การเพิ่มเติมแบบกระจายกับแต่ละค่าหรือส่วนต่างๆ ในตัวแปร ResourceScatterNdMax ResourceScatterNdMin ResourceScatterNdSub ใช้การลบแบบกระจายกับแต่ละค่าหรือส่วนต่างๆ ในตัวแปร ResourceScatterNdอัปเดต ใช้ "การอัปเดต" แบบกระจัดกระจายกับแต่ละค่าหรือส่วนต่างๆ ภายในที่กำหนด แปรผันตาม 'ดัชนี' ResourceScatterย่อย ลบการอัปเดตแบบกระจัดกระจายออกจากตัวแปรที่อ้างอิงโดย "ทรัพยากร" ResourceScatterอัปเดต กำหนดการอัปเดตแบบกระจัดกระจายให้กับตัวแปรที่อ้างอิงโดย "ทรัพยากร" ทรัพยากรSparseApplyAdagradV2 อัปเดตรายการที่เกี่ยวข้องใน '*var' และ '*accum' ตามรูปแบบ adagrad ทรัพยากรSparseApplyKerasMomentum อัปเดตรายการที่เกี่ยวข้องใน '*var' และ '*accum' ตามรูปแบบโมเมนตัม ResourceStridedSliceAssign กำหนด `value` ให้กับการอ้างอิงค่า l ที่แบ่งส่วนของ `ref` ดึงTPUEmbeddingADAMพารามิเตอร์ ดึงข้อมูลพารามิเตอร์การฝัง ADAM ดึงข้อมูล TPU การฝัง ADAMParametersGradAccumDebug ดึงพารามิเตอร์การฝัง ADAM พร้อมการสนับสนุนการแก้ไขข้อบกพร่อง ดึงข้อมูล TPUembedAdadeltaParameters ดึงข้อมูลพารามิเตอร์การฝัง Adadelta ดึงข้อมูล TPU การฝัง AdadeltaParametersGradAccumDebug ดึงข้อมูลพารามิเตอร์การฝัง Adadelta ด้วยการสนับสนุนการดีบัก ดึงข้อมูล TPUembedAdagradParameters ดึงข้อมูลพารามิเตอร์การฝัง Adagrad ดึงข้อมูล TPU การฝัง AdagradParametersGradAccumDebug เรียกข้อมูลพารามิเตอร์การฝัง Adagrad ด้วยการสนับสนุนการดีบัก ดึงTPUEmbeddingCenteredRMSPropParameters ดึงข้อมูลพารามิเตอร์การฝัง RMSProp ที่กึ่งกลาง ดึงTPUEmbeddingFTRLParameters รับพารามิเตอร์การฝัง FTRL ดึงข้อมูล TPU การฝัง FTRLParametersGradAccumDebug รับพารามิเตอร์การฝัง FTRL ด้วยการสนับสนุนการแก้ไขข้อบกพร่อง ดึงพารามิเตอร์การฝัง TPUEstimatorFrequencyEstimator เรียกข้อมูลพารามิเตอร์ที่ฝังตัวประมาณความถี่ ดึงข้อมูล TPU การฝังตัวประมาณความถี่พารามิเตอร์ GradAccum Debug เรียกข้อมูลพารามิเตอร์ที่ฝังตัวประมาณความถี่ด้วยการสนับสนุนการแก้ไขข้อบกพร่อง ดึงข้อมูล TPUembedMDLAdagradLightParameters เรียกข้อมูลพารามิเตอร์การฝัง MDL Adagrad Light ดึงพารามิเตอร์การฝัง TPUUE โมเมนตัม รับพารามิเตอร์การฝังโมเมนตัม ดึงข้อมูล TPU การฝังโมเมนตัมพารามิเตอร์ GradAccum Debug ดึงข้อมูลพารามิเตอร์การฝังโมเมนตัมด้วยการสนับสนุนการแก้ไขข้อบกพร่อง เรียกข้อมูลพารามิเตอร์ TPUUEmbeddingProximalAdagrad ดึงข้อมูลพารามิเตอร์การฝัง Adagrad ที่ใกล้เคียง ดึงข้อมูล TPUUEmbeddingProximalAdagradParametersGradAccumDebug ดึงพารามิเตอร์การฝัง Adagrad ใกล้เคียงพร้อมการสนับสนุนการแก้ไขจุดบกพร่อง ดึงข้อมูล TPUUEmbeddingProximalYogiParameters ดึงข้อมูล TPUEmbeddingProximalYogiParametersGradAccumDebug เรียกข้อมูล TPUUEmbeddingRMSPropParameters เรียกพารามิเตอร์การฝัง RMSProp เรียกข้อมูล TPUUEmbeddingRMSPropParametersGradAccumDebug ดึงข้อมูลพารามิเตอร์การฝัง RMSProp ด้วยการสนับสนุนการดีบัก ดึงข้อมูล TPU การฝัง StochasticGradientDescentParameters รับพารามิเตอร์การฝัง SGD ดึงข้อมูล TPUE การฝัง StochasticGradientDescentParametersGradAccumDebug รับพารามิเตอร์การฝัง SGD พร้อมการสนับสนุนการแก้ไขข้อบกพร่อง ย้อนกลับ <T> กลับมิติเฉพาะของเทนเซอร์ ลำดับย้อนกลับ <T> ย้อนกลับส่วนที่มีความยาวผันแปรได้ RiscAbs <T ขยายหมายเลข> RiscAdd <T ขยายหมายเลข> ส่งกลับองค์ประกอบ x + y RiscBinaryArithmetic <T ขยายตัวเลข> การเปรียบเทียบ RiscBinary RiscBitcast <U> RiscBroadcast <T> RiscCast <U> RiscCeil <T ขยายหมายเลข> RiscCholesky <T ขยายหมายเลข> ริสก์คอนแคท <T> RiscConv <T ขยายหมายเลข> RiscCos <T ขยายหมายเลข> RiscDiv <T ขยายหมายเลข> RiscDot <T ขยายจำนวน> RiscExp <T ขยายหมายเลข> RiscFft <T> RiscFloor <T ขยายหมายเลข> RiscGather <T> RiscImag <U ขยายหมายเลข> ความเสี่ยงมีจำกัด RiscLog <T ขยายหมายเลข> RiscLogicalAnd RiscLogicalไม่ใช่ RiscLogicalOr RiscMax <T ขยายหมายเลข> ส่งคืนองค์ประกอบสูงสุด(x, y) RiscMin <T ขยายหมายเลข> RiscMul <T ขยายหมายเลข> RiscNeg <T ขยายหมายเลข> RiscPad <T ขยายหมายเลข> RiscPool <T ขยายหมายเลข> RiscPow <T ขยายหมายเลข> RiscRandomUniform RiscReal <U ขยายหมายเลข> RiscReduce <T ขยายหมายเลข> RiscRem <T ขยายหมายเลข> RiscReshape <T ขยายหมายเลข> RiscReverse <T ขยายหมายเลข> RiscScatter <U ขยายหมายเลข> RiscShape <U ขยายตัวเลข> RiscSign <T ขยายหมายเลข> RiscSlice <T ขยายหมายเลข> RiscSort <T ขยายหมายเลข> RiscSqueeze <T> RiscSub <T ขยายหมายเลข> ริสก์ทรานสโพส <T> RiscTriangleSolve <T ขยายตัวเลข> RiscUnary <T ขยายหมายเลข> Rngอ่านและข้าม เลื่อนเคาน์เตอร์ของ RNG แบบเคาน์เตอร์ RngSkip เลื่อนเคาน์เตอร์ของ RNG แบบเคาน์เตอร์ ม้วน <T> ม้วนองค์ประกอบของเทนเซอร์ไปตามแกน ชุดข้อมูลสุ่มตัวอย่าง สร้างชุดข้อมูลที่รับตัวอย่าง Bernoulli ของเนื้อหาของชุดข้อมูลอื่น สเกลและแปล ScaleAndTranslateGrad <T ขยายหมายเลข> กระจายเพิ่ม <T> เพิ่มการอัพเดตแบบกระจัดกระจายให้กับการอ้างอิงตัวแปร กระจายDiv <T> แบ่งการอ้างอิงตัวแปรด้วยการอัพเดตแบบกระจัดกระจาย ScatterMax <T ขยายหมายเลข> ลดการอัปเดตแบบกระจัดกระจายลงในการอ้างอิงตัวแปรโดยใช้การดำเนินการ "สูงสุด" ScatterMin <T ขยายหมายเลข> ลดการอัปเดตแบบกระจัดกระจายในการอ้างอิงตัวแปรโดยใช้การดำเนินการ "min" กระจายมัล <T> คูณการอัพเดตแบบกระจัดกระจายเป็นการอ้างอิงตัวแปร กระจายNd <U> กระจาย 'อัปเดต' เป็นเทนเซอร์ใหม่ตาม 'ดัชนี' กระจายNdAdd <T> ใช้การเพิ่มเติมแบบกระจายกับแต่ละค่าหรือส่วนต่างๆ ในตัวแปร กระจายNdMax <T> คำนวณค่าสูงสุดตามองค์ประกอบ กระจายNdMin <T> คำนวณขั้นต่ำตามองค์ประกอบ ScatterNdNonAliasingAdd <T> ใช้การเพิ่มเติมแบบกระจายกับ "อินพุต" โดยใช้ค่าเดี่ยวๆ หรือการแบ่งส่วน จาก `อัปเดต` ตามดัชนี `ดัชนี` กระจายNdSub <T> ใช้การลบแบบกระจายกับแต่ละค่าหรือส่วนต่างๆ ในตัวแปร ScatterNdUpdate <T> ใช้ "การอัปเดต" แบบกระจัดกระจายกับแต่ละค่าหรือส่วนต่างๆ ภายในที่กำหนด แปรผันตาม 'ดัชนี' กระจายย่อย <T> ลบการอัพเดตแบบกระจัดกระจายไปยังการอ้างอิงตัวแปร กระจายอัปเดต <T> ใช้การอัพเดตแบบกระจัดกระจายกับการอ้างอิงตัวแปร เลือกV2 <T> ส่ง ส่งเทนเซอร์ที่มีชื่อจาก send_device ไปยัง recv_device SendTPUการฝังการไล่ระดับสี ดำเนินการอัปเดตการไล่ระดับสีของตารางที่ฝัง SetDiff1d <T, U ขยายหมายเลข> คำนวณความแตกต่างระหว่างสองรายการตัวเลขหรือสตริง กำหนดขนาด จำนวนองค์ประกอบที่ไม่ซ้ำกันในมิติสุดท้ายของอินพุต `set` รูปร่าง <U ขยายตัวเลข> ส่งกลับรูปร่างของเทนเซอร์ ShapeN <U ขยายตัวเลข> ส่งกลับรูปร่างของเทนเซอร์ ShardDataset สร้าง "ชุดข้อมูล" ที่รวมเพียง 1/`num_shards` ของชุดข้อมูลนี้ สลับและทำซ้ำชุดข้อมูล V2 สับเปลี่ยนชุดข้อมูลV2 สับเปลี่ยนชุดข้อมูลV3 ปิดระบบกระจายTPU ปิดระบบ TPU แบบกระจายที่ทำงานอยู่ ขนาด <U ขยายตัวเลข> ส่งกลับขนาดของเทนเซอร์ ข้ามแกรม แยกวิเคราะห์ไฟล์ข้อความและสร้างชุดตัวอย่าง ชุดข้อมูลการนอนหลับ ชิ้น <T> กลับชิ้นจาก 'อินพุต' ชุดข้อมูลหน้าต่างบานเลื่อน สร้างชุดข้อมูลที่ส่งผ่านหน้าต่างแบบเลื่อนเหนือ `input_dataset` สแนปช็อต <T> ส่งกลับสำเนาของเทนเซอร์อินพุต ชุดข้อมูลสแนปชอต สร้างชุดข้อมูลที่จะเขียนถึง/อ่านจากสแนปช็อต SobolSample <T ขยายหมายเลข> สร้างคะแนนจากลำดับ Sobol SpaceToBatchNd <T> SpaceToBatch สำหรับเทนเซอร์ ND ประเภท T SparseApplyAdagradV2 <T> อัปเดตรายการที่เกี่ยวข้องใน '*var' และ '*accum' ตามรูปแบบ adagrad SparseBincount <U ขยายหมายเลข> นับจำนวนครั้งของแต่ละค่าในอาร์เรย์จำนวนเต็ม SparseCountSparseOutput <U ขยายหมายเลข> ดำเนินการนับถังเอาท์พุตแบบกระจายสำหรับอินพุตเทนเซอร์แบบกระจาย เบาบางCrossHashed สร้าง crosse cross จากรายการเทนเซอร์แบบกระจัดกระจายและหนาแน่น เบาบางCrossV2 สร้าง crosse cross จากรายการเทนเซอร์แบบกระจัดกระจายและหนาแน่น เบาบางเมทริกซ์บวก การบวกเมทริกซ์ CSR สองตัวแบบกระจัดกระจาย C = อัลฟา * A + เบต้า * B เบาบางMatrixMatMul <T> เมทริกซ์คูณเมทริกซ์กระจัดกระจายด้วยเมทริกซ์หนาแน่น เบาบางเมทริกซ์Mul การคูณเมทริกซ์กระจัดกระจายอย่างชาญฉลาดด้วยเทนเซอร์หนาแน่น เบาเมทริกซ์NNZ ส่งกลับจำนวนที่ไม่ใช่ศูนย์ของ `sparse_matrix` SparseMatrixการสั่งซื้อAMD คำนวณลำดับขั้นต่ำโดยประมาณ (AMD) ของ "อินพุต" SparseMatrixSoftmax คำนวณ softmax ของ CSRSparseMatrix SparseMatrixSoftmaxGrad คำนวณการไล่ระดับสีของ SparseMatrixSoftmax op SparseMatrixSparseCholesky คำนวณการสลายตัวของ Cholesky แบบกระจัดกระจายของ `อินพุต` SparseMatrixSparseMatMul เมทริกซ์แบบกระจายจะคูณเมทริกซ์ CSR สองตัว `a` และ `b` SparseMatrixTranspose ย้ายขนาดภายใน (เมทริกซ์) ของ CSRSparseMatrix เบาบางเมทริกซ์ศูนย์ สร้าง CSRSparseMatrix ที่เป็นศูนย์ทั้งหมดที่มีรูปร่าง `dense_shape` SparseTensorToCSRSparseMatrix แปลง SparseTensor เป็น CSRSparseMatrix (อาจเป็นชุด) สเปนซ์ <T ขยายจำนวน> แยก <T> แยกเทนเซอร์ออกเป็นเทนเซอร์ "num_split" ตามมิติเดียว สปลิทวี <T> แยกเทนเซอร์ออกเป็นเทนเซอร์ "num_split" ตามมิติเดียว บีบ <T> ลบขนาดขนาด 1 ออกจากรูปทรงของเทนเซอร์ สแต็ค <T> รวบรวมรายการเทนเซอร์ "อันดับ N" - "R" ไว้ในเทนเซอร์ระดับเดียว - "(R+1)" เวที ค่าสเตจคล้ายกับ Enqueue แบบไลท์เวท สเตจเคลียร์ Op จะลบองค์ประกอบทั้งหมดในคอนเทนเนอร์ที่อยู่ด้านล่าง StagePeek Op ดูค่าที่ดัชนีที่ระบุ ขนาดเวที Op ส่งคืนจำนวนองค์ประกอบในคอนเทนเนอร์ต้นแบบ StatefulRandomBinomial <V ขยายหมายเลข> statefulStandardNormal <U> ส่งออกค่าสุ่มจากการแจกแจงแบบปกติ สถานะ StandardNormalV2 <U> ส่งออกค่าสุ่มจากการแจกแจงแบบปกติ StatefulTruncatedNormal <U> ส่งออกค่าสุ่มจากการแจกแจงแบบปกติที่ถูกตัดทอน เครื่องแบบของรัฐ <U> ส่งออกค่าสุ่มจากการแจกแจงแบบสม่ำเสมอ StatefulUniformFullInt <U> ส่งออกจำนวนเต็มสุ่มจากการแจกแจงแบบสม่ำเสมอ StatefulUniformInt <U> ส่งออกจำนวนเต็มสุ่มจากการแจกแจงแบบสม่ำเสมอ StatelessParameterizedTruncatedNormal <V ขยายหมายเลข> StatelessRandomBinomial <W ขยายจำนวน> ส่งออกตัวเลขสุ่มเทียมที่กำหนดขึ้นจากการแจกแจงแบบทวินาม StatelessRandomGammaV2 <V ขยายจำนวน> ส่งออกตัวเลขสุ่มเทียมที่กำหนดขึ้นจากการแจกแจงแกมมา ไร้สัญชาติ RandomGetAlg เลือกอัลกอริธึม RNG แบบเคาน์เตอร์ที่ดีที่สุดตามอุปกรณ์ StatelessRandomGetKeyCounter แย่งเมล็ดลงในคีย์และตัวนับโดยใช้อัลกอริธึมที่ดีที่สุดตามอุปกรณ์ ไร้สัญชาติ RandomGetKeyCounterAlg เลือกอัลกอริธึมที่ดีที่สุดตามอุปกรณ์ และแย่งชิงเมล็ดลงในคีย์และตัวนับ StatelessRandomNormalV2 <U ขยายหมายเลข> ส่งออกค่าสุ่มเทียมที่กำหนดขึ้นจากการแจกแจงแบบปกติ StatelessRandomPoisson <W ขยายหมายเลข> ส่งออกตัวเลขสุ่มเทียมที่กำหนดขึ้นจากการแจกแจงแบบปัวซอง StatelessRandomUniformFullInt <V ขยายหมายเลข> ส่งออกจำนวนเต็มสุ่มเทียมที่กำหนดขึ้นจากการแจกแจงแบบสม่ำเสมอ StatelessRandomUniformFullIntV2 <U ขยายหมายเลข> ส่งออกจำนวนเต็มสุ่มเทียมที่กำหนดขึ้นจากการแจกแจงแบบสม่ำเสมอ StatelessRandomUniformIntV2 <U ขยายหมายเลข> ส่งออกจำนวนเต็มสุ่มเทียมที่กำหนดขึ้นจากการแจกแจงแบบสม่ำเสมอ StatelessRandomUniformV2 <U ขยายหมายเลข> ส่งออกค่าสุ่มเทียมที่กำหนดขึ้นจากการแจกแจงแบบสม่ำเสมอ StatelessSampleDistortedBoundingBox <T ขยายหมายเลข> สร้างกรอบขอบที่บิดเบี้ยวแบบสุ่มสำหรับรูปภาพตามที่กำหนด StatelessTruncatedNormalV2 <U ขยายหมายเลข> ส่งออกค่าสุ่มเทียมที่กำหนดขึ้นจากการแจกแจงแบบปกติที่ถูกตัดทอน StatsAggregatorHandleV2 StatsAggregatorSetSummaryWriter ตั้งค่า summary_writer_interface เพื่อบันทึกสถิติโดยใช้ stats_aggregator ที่กำหนด หยุดการไล่ระดับสี <T> หยุดการคำนวณการไล่ระดับสี สตริดสไลซ์ <T> ส่งกลับส่วนที่เป็นลายเส้นจาก "อินพุต" StridedSliceกำหนด <T> กำหนด `value` ให้กับการอ้างอิงค่า l ที่แบ่งส่วนของ `ref` StridedSliceGrad <U> ส่งกลับค่าการไล่ระดับสีของ "StridedSlice" สตริงล่าง แปลงอักขระตัวพิมพ์ใหญ่ทั้งหมดเป็นการแทนที่ตัวพิมพ์เล็กตามลำดับ StringNGrams <T ขยายหมายเลข> สร้าง ngrams จากข้อมูลสตริงที่ขาดหายไป สตริงUpper แปลงอักขระตัวพิมพ์เล็กทั้งหมดเป็นการแทนที่ตัวพิมพ์ใหญ่ตามลำดับ ผลรวม <T> คำนวณผลรวมขององค์ประกอบในมิติของเทนเซอร์ สวิตช์คอนดิชัน <T> ส่งต่อ 'data' ไปยังพอร์ตเอาต์พุตที่กำหนดโดย 'pred' ผลการรวบรวม TPU ส่งกลับผลลัพธ์ของการคอมไพล์ TPU TPUCompile ยืนยันสำเร็จแล้ว ยืนยันว่าการรวบรวมสำเร็จ การเปิดใช้งานการฝัง TPU การดำเนินการที่ทำให้เกิดความแตกต่างของ TPU Embeddings TPUดำเนินการ Op ที่โหลดและรันโปรแกรม TPU บนอุปกรณ์ TPU TPUExecuteAndUpdateVariables Op ที่รันโปรแกรมด้วยการอัพเดตตัวแปรแบบแทนที่ซึ่งเป็นตัวเลือก TPUOrdinalSelector ตัวเลือกแกน TPU Op TPUPartitionedInput <T> สหกรณ์ที่จัดกลุ่มรายการอินพุตที่แบ่งพาร์ติชันไว้ด้วยกัน TPUPartitionedOutput <T> สหกรณ์ที่แยกเมตริกซ์เทนเซอร์ที่จะแบ่งส่วนโดย XLA ไปยังรายการพาร์ติชัน เอาต์พุตนอกการคำนวณ XLA TPUReplicateMetadata ข้อมูลเมตาที่ระบุว่าควรจำลองการคำนวณ TPU อย่างไร TPUReplicatedInput <T> เชื่อมต่ออินพุต N กับการคำนวณ TPU ที่จำลองแบบ N-way TPUReplicatedOutput <T> เชื่อมต่อเอาต์พุต N จากการคำนวณ TPU ที่จำลองแบบ N-way TPUReshardตัวแปร ปฏิบัติการที่แบ่งตัวแปร TPU บนอุปกรณ์ใหม่เป็นสถานะที่ระบุ ตัวแปรชั่วคราว <T> ส่งกลับเทนเซอร์ที่อาจกลายพันธุ์ แต่คงอยู่ในขั้นตอนเดียวเท่านั้น TensorArray อาร์เรย์ของเทนเซอร์ที่มีขนาดที่กำหนด TensorArrayปิด ลบ TensorArray ออกจากที่เก็บทรัพยากร TensorArrayConcat <T> เชื่อมต่อองค์ประกอบจาก TensorArray ให้เป็นค่า `value` TensorArrayGather <T> รวบรวมองค์ประกอบเฉพาะจาก TensorArray ลงในเอาต์พุต `value` TensorArrayGrad สร้าง TensorArray สำหรับจัดเก็บการไล่ระดับสีของค่าในแฮนเดิลที่กำหนด TensorArrayGradWithShape สร้าง TensorArray สำหรับจัดเก็บค่าการไล่ระดับสีหลายค่าในแฮนเดิลที่กำหนด TensorArrayPack <T> TensorArrayRead <T> อ่านองค์ประกอบจาก TensorArray ลงในเอาต์พุต `value` TensorArrayScatter กระจายข้อมูลจากค่าอินพุตไปยังองค์ประกอบ TensorArray ที่เฉพาะเจาะจง ขนาดเทนเซอร์อาร์เรย์ รับขนาดปัจจุบันของ TensorArray เทนเซอร์อาร์เรย์แยก แยกข้อมูลจากค่าอินพุตออกเป็นองค์ประกอบ TensorArray TensorArrayแกะออก TensorArrayWrite ผลักองค์ประกอบไปที่ tensor_array TensorListConcat <T> เชื่อมต่อเทนเซอร์ทั้งหมดในรายการตามมิติที่ 0 TensorListConcatLists TensorListConcatV2 <U> เชื่อมต่อเทนเซอร์ทั้งหมดในรายการตามมิติที่ 0 TensorListElementShape <T ขยายหมายเลข> รูปร่างขององค์ประกอบของรายการที่ระบุเป็นเทนเซอร์ TensorListFromTensor สร้าง TensorList ซึ่งเมื่อซ้อนกันแล้วจะมีค่าเป็น "tensor" TensorListGather <T> สร้าง Tensor โดยการจัดทำดัชนีลงใน TensorList TensorListGetItem <T> TensorListLength ส่งกลับจำนวนเทนเซอร์ในรายการเทนเซอร์อินพุต TensorListPopBack <T> ส่งคืนองค์ประกอบสุดท้ายของรายการอินพุตและรายการที่มีทั้งหมดยกเว้นองค์ประกอบนั้น TensorListPushBack ส่งคืนรายการที่มีการส่งผ่าน "Tensor" เป็นองค์ประกอบสุดท้ายและองค์ประกอบอื่นๆ ของรายการที่กำหนดใน "input_handle" TensorListPushBackBatch TensorListReserve รายการขนาดที่กำหนดซึ่งมีองค์ประกอบว่าง TensorListResize ปรับขนาดรายการ TensorListScatter สร้าง TensorList โดยการจัดทำดัชนีลงใน Tensor TensorListScatter เข้าสู่รายการที่มีอยู่ กระจายเมตริกซ์ที่ดัชนีในรายการอินพุต TensorListScatterV2 สร้าง TensorList โดยการจัดทำดัชนีลงใน Tensor TensorListSetItem TensorListSplit แยกเมตริกซ์ออกเป็นรายการ TensorListStack <T> ซ้อนเทนเซอร์ทั้งหมดในรายการ TensorMapErase ส่งคืนแผนที่เทนเซอร์โดยลบรายการจากคีย์ที่กำหนด TensorMapHasKey ส่งคืนว่ามีรหัสที่กำหนดอยู่ในแผนที่หรือไม่ เทนเซอร์แมปแทรก ส่งกลับแผนที่ที่เป็น 'input_handle' โดยใส่คู่คีย์-ค่าที่กำหนด TensorMapLookup <U> ส่งกลับค่าจากคีย์ที่กำหนดในแผนที่เทนเซอร์ TensorMapSize ส่งกลับจำนวนเทนเซอร์ในแผนที่เทนเซอร์อินพุต TensorMapStackKeys <T> ส่งกลับสแต็กเทนเซอร์ของคีย์ทั้งหมดในแมปเทนเซอร์ TensorScatter เพิ่ม <T> เพิ่ม "การอัปเดต" แบบกระจัดกระจายให้กับเทนเซอร์ที่มีอยู่ตาม "ดัชนี" TensorScatterMax <T> TensorScatterMin <T> TensorScatterSub <T> ลบ "การอัปเดต" แบบกระจายออกจากเทนเซอร์ที่มีอยู่ตาม "ดัชนี" TensorScatter อัปเดต <T> กระจาย 'อัปเดต' ไปยังเทนเซอร์ที่มีอยู่ตาม 'ดัชนี' TensorStridedSliceอัปเดต <T> กำหนด "value" ให้กับการอ้างอิงค่า l ที่แบ่งส่วนของ "input" ThreadPoolชุดข้อมูล สร้างชุดข้อมูลที่ใช้พูลเธรดที่กำหนดเองเพื่อคำนวณ `input_dataset` ThreadPoolHandle สร้างชุดข้อมูลที่ใช้พูลเธรดที่กำหนดเองเพื่อคำนวณ `input_dataset` ไทล์ <T> สร้างเทนเซอร์โดยการปูกระเบื้องเทนเซอร์ที่กำหนด การประทับเวลา ระบุเวลาตั้งแต่ยุคในหน่วยวินาที ทูบูล แปลงเทนเซอร์เป็นเพรดิเคตสเกลาร์ TopKUnique ส่งกลับค่าที่ไม่ซ้ำกัน TopK ในอาร์เรย์ตามลำดับที่จัดเรียง TopKWithUnique ส่งกลับค่า TopK ในอาร์เรย์ตามลำดับที่จัดเรียง ตรีทแยงมุมMatMul <T> คำนวณผลคูณด้วยเมทริกซ์สามเหลี่ยม แก้โจทย์สามเหลี่ยม <T> แก้ระบบสมการตรีโกณมิติ เลิกแบทช์ <T> ย้อนกลับการทำงานของ Batch สำหรับเทนเซอร์เอาต์พุตเดี่ยว ยกเลิกแบทช์ Grad <T> การไล่ระดับสีของ Unbatch คลายการบีบอัดองค์ประกอบ คลายการบีบอัดองค์ประกอบชุดข้อมูลที่บีบอัด UnicodeDecode <T ขยายตัวเลข> ถอดรหัสแต่ละสตริงใน "อินพุต" ให้เป็นลำดับของจุดโค้ด Unicode UnicodeEncode เข้ารหัสเทนเซอร์ของ ints ลงในสตริงยูนิโค้ด เฉพาะ <T, V ขยายหมายเลข> ค้นหาองค์ประกอบที่ไม่ซ้ำกันตามแกนของเทนเซอร์ ชุดข้อมูลที่ไม่ซ้ำ สร้างชุดข้อมูลที่มีองค์ประกอบเฉพาะของ `input_dataset` UniqueWithCounts <T, V ขยายหมายเลข> ค้นหาองค์ประกอบที่ไม่ซ้ำกันตามแกนของเทนเซอร์ UnravelIndex <T ขยายหมายเลข> แปลงอาร์เรย์ของดัชนีแบบแบนให้เป็นทูเพิลของอาร์เรย์พิกัด ไม่มีการเรียงลำดับเซ็กเมนต์เข้าร่วม รวมองค์ประกอบของ `อินพุต` ตาม `segment_ids` คลายสแต็ก <T> คลายมิติที่กำหนดของเทนเซอร์อันดับ-`R` ออกเป็นเทนเซอร์อันดับ `num`-`(R-1)` ไม่อยู่บนเวที Op คล้ายกับ Dequeue ที่มีน้ำหนักเบา แกะ DatasetVariant UpperBound <U ขยายตัวเลข> ใช้ upper_bound(sorted_search_values, ค่า) ในแต่ละแถว VarHandleOp สร้างหมายเลขอ้างอิงให้กับทรัพยากรตัวแปร VarIsInitializedOp ตรวจสอบว่ามีการเตรียมใช้งานตัวแปรตามตัวจัดการทรัพยากรหรือไม่ ตัวแปร <T> คงสถานะไว้ในรูปแบบของเทนเซอร์ที่คงอยู่ข้ามขั้นตอน VariableShape <T ขยายตัวเลข> ส่งกลับรูปร่างของตัวแปรที่ชี้ไปตาม "ทรัพยากร" ที่ไหน ส่งกลับตำแหน่งของค่าที่ไม่ใช่ศูนย์ / ค่าจริงในเทนเซอร์ โดยที่3 <T> เลือกองค์ประกอบจาก "x" หรือ "y" ขึ้นอยู่กับ "เงื่อนไข" คนงานการเต้นของหัวใจ คนงาน heartbeat สหกรณ์ WrapDatasetVariant เขียนสรุป RawProto เขียนสรุปโปรโตแบบอนุกรม XlaRecvFromHost <T> การดำเนินการเพื่อรับเทนเซอร์จากโฮสต์ XlaSendToHost การดำเนินการเพื่อส่งเทนเซอร์ไปยังโฮสต์ Xlog1py <T> ส่งคืน 0 ถ้า x == 0 และ x * log1p(y) มิฉะนั้น จะเป็นองค์ประกอบ ศูนย์ไลค์ <T> ส่งกลับเทนเซอร์ของศูนย์ที่มีรูปร่างและประเภทเดียวกันกับ x

คลาสพื้นฐานสำหรับการใช้งาน Op ที่ได้รับการสนับสนุนโดย Operation เดียว

การดำเนินการแต่ละรายการที่ลงทะเบียนในแกน TensorFlow นั้นเป็นการดำเนินการแบบดั้งเดิมและจัดให้มีเป็น PrimitiveOp การดำเนินการแบบกำหนดเองที่ทำงานกับพื้นฐานเดียวเท่านั้นอาจได้มาจากคลาสนี้เช่นกัน

วิธีการสาธารณะ

บูลีนสุดท้าย	เท่ากับ (วัตถุ obj)
int สุดท้าย	แฮชโค้ด ()
การดำเนินการ	สหกรณ์ () ส่งคืน Operation พื้นฐาน
สตริงสุดท้าย	toString ()

วิธีการสืบทอด

จากคลาส java.lang.Object

บูลีน	เท่ากับ (วัตถุ arg0)
คลาสสุดท้าย<?>	รับคลาส ()
ภายใน	แฮชโค้ด ()
โมฆะสุดท้าย	แจ้ง ()
โมฆะสุดท้าย	แจ้งทั้งหมด ()
สตริง	toString ()
โมฆะสุดท้าย	รอสักครู่ (ยาว arg0, int arg1)
โมฆะสุดท้าย	รอ (ยาว arg0)
โมฆะสุดท้าย	รอ ()

วิธีการสาธารณะ

บูลีนสุดท้ายสาธารณะ เท่ากับ (Object obj)

hashCode int สุดท้ายสาธารณะ ()

ปฏิบัติการ สาธารณะ ( )

ส่งคืน Operation พื้นฐาน

สาธารณะสุดท้ายสตริง toString ()