Модуль: tf.compat.v1.raw_ops
Общедоступный API для пространства имён tf._api.v2.raw_ops
Функции
Abort(...): Вызывает исключение для прерывания процесса при вызове.
Abs(...): Вычисляет абсолютное значение тензора.
AccumulateNV2(...): Возвращает поэлементную сумму списка тензоров.
AccumulatorApplyGradient(...): Применяет градиент к заданному аккумулятору.
AccumulatorNumAccumulated(...): Возвращает количество градиентов, агрегированных в заданных аккумуляторах.
AccumulatorSetGlobalStep(...): Обновляет аккумулятор новым значением для global_step.
AccumulatorTakeGradient(...): Извлекает средний градиент в заданном ConditionalAccumulator.
Acos(...): Вычисляет acos от x поэлементно.
Acosh(...): Вычисляет обратную гиперболическую косинусу от x поэлементно.
Add(...): Возвращает x + y поэлементно.
AddManySparseToTensorsMap(...): Добавляет N-минимальную партию SparseTensor в SparseTensorsMap, возвращает N-дескрипторы.
AddN(...): Складывает все входные тензоры поэлементно.
AddSparseToTensorsMap(...): Добавляет SparseTensor в SparseTensorsMap, возвращает его дескриптор.
AddV2(...): Возвращает x + y поэлементно.
AdjustContrast(...): Устаревшее. Не разрешено в версии GraphDef >= 2.
AdjustContrastv2(...): Регулирует контрастность одного или нескольких изображений.
AdjustHue(...): Регулирует оттенок одного или нескольких изображений.
AdjustSaturation(...): Регулирует насыщенность одного или нескольких изображений.
All(...): Вычисляет логическое «И» элементов по всем измерениям тензора.
AllCandidateSampler(...): Генерирует метки для отбора кандидатов с помощью обученной униграмной распределения.
AllToAll(...): Операция для обмена данными между репликами TPU.
Angle(...): Возвращает аргумент комплексного числа.
AnonymousHashTable(...): Создаёт неинициализированную анонимную таблицу хеширования.
AnonymousIterator(...): Контейнер для ресурса итератора.
AnonymousIteratorV2(...): Контейнер для ресурса итератора.
AnonymousIteratorV3(...): Контейнер для ресурса итератора.
AnonymousMultiDeviceIterator(...): Контейнер для ресурса итератора нескольких устройств.
AnonymousMultiDeviceIteratorV3(...): Контейнер для ресурса итератора нескольких устройств.
AnonymousMutableDenseHashTable(...): Создаёт пустую анонимную изменяемую таблицу хеширования, использующую тензоры в качестве подложки.
AnonymousMutableHashTable(...): Создаёт пустую анонимную изменяемую таблицу хеширования.
AnonymousMutableHashTableOfTensors(...): Создаёт пустую анонимную изменяемую таблицу хеширования векторов.
AnonymousRandomSeedGenerator(...)
Any(...): Вычисляет логическое «ИЛИ» элементов по всем измерениям тензора.
ApplyAdaMax(...): Обновляет '*var' в соответствии с алгоритмом AdaMax.
ApplyAdadelta(...): Обновляет '*var' в соответствии со схемой adadelta.
ApplyAdagrad(...): Обновляет '*var' в соответствии со схемой adagrad.
ApplyAdagradDA(...): Обновляет '*var' в соответствии с приближённой схемой adagrad.
ApplyAdagradV2(...): Обновляет '*var' в соответствии со схемой adagrad.
ApplyAdam(...): Обновляет '*var' в соответствии с алгоритмом Adam.
ApplyAddSign(...): Обновляет '*var' в соответствии с обновлением AddSign.
ApplyCenteredRMSProp(...): Обновляет '*var' в соответствии с алгоритмом centered RMSProp.
ApplyFtrl(...): Обновляет '*var' в соответствии со схемой Ftrl-proximal.
ApplyFtrlV2(...): Обновляет '*var' в соответствии со схемой Ftrl-proximal.
ApplyGradientDescent(...): Обновляет '*var', вычитая 'alpha' * 'delta' из него.
ApplyMomentum(...): Обновляет '*var' в соответствии со схемой импульса.
ApplyPowerSign(...): Обновляет '*var' в соответствии с обновлением AddSign.
ApplyProximalAdagrad(...): Обновляет 'var' и 'accum' в соответствии с FOBOS с AdaGrad скоростью обучения.
ApplyProximalGradientDescent(...): Обновляет '*var' как алгоритм FOBOS с фиксированной скоростью обучения.
ApplyRMSProp(...): Обновляет '*var' в соответствии с алгоритмом RMSProp.
ApproxTopK(...): Возвращает k минимальных/максимальных значений и их индексов входного операнда приближённым способом.
ApproximateEqual(...): Возвращает булево значение abs(x-y) < tolerance поэлементно.
ArgMax(...): Возвращает индекс с наибольшим значением по измерениям тензора.
ArgMin(...): Возвращает индекс с наименьшим значением по измерениям тензора.
AsString(...): Преобразует каждый элемент в заданном тензоре в строки.
Asin(...): Вычисляет тригонометрический обратный синус от x поэлементно.
Asinh(...): Вычисляет обратный гиперболический синус от x поэлементно.
Assert(...): Утверждает, что данное условие истинно.
AssertNextDataset(...): Преобразование, которое утверждает, какие преобразования произойдут следующим.
AssertPrevDataset(...): Преобразование, которое утверждает, какие преобразования произошли ранее.
Assign(...): Обновляет 'ref', присваивая ему 'value'.
AssignAdd(...): Обновляет 'ref', прибавляя к нему 'value'.
AssignAddVariableOp(...): Добавляет значение к текущему значению переменной.
AssignSub(...): Обновляет 'ref', вычитая из него 'value'.
AssignSubVariableOp(...): Вычитает значение из текущего значения переменной.
AssignVariableOp(...): Присваивает новое значение переменной.
AssignVariableXlaConcatND(...): Склеивает входной тензор по всем измерениям.
Atan(...): Вычисляет тригонометрический обратный тангенс от x поэлементно.
Atan2(...): Вычисляет арктангенс от y/x поэлементно, учитывая знаки аргументов.
Atanh(...): Вычисляет обратный гиперболический тангенс от x поэлементно.
AudioSpectrogram(...): Создаёт визуализацию аудиоданных во времени.
AudioSummary(...): Выводит протокол Summary с аудиоданными.
AudioSummaryV2(...): Выводит протокол Summary с аудиоданными.
AutoShardDataset(...): Создаёт набор данных, фрагментирующий входной набор данных.
AvgPool(...): Выполняет усредняющее пулинговое объединение над входом.
AvgPool3D(...): Выполняет усредняющее пулинговое объединение в 3D над входом.
AvgPool3DGrad(...): Вычисляет градиенты функции усредняющего пулингового объединения.
AvgPoolGrad(...): Вычисляет градиенты функции усредняющего пулингового объединения.
Barrier(...): Определяет барьер, который сохраняется между различными исполнениями графа.
BarrierClose(...): Закрывает заданный барьер.
BarrierIncompleteSize(...): Вычисляет количество неполных элементов в заданном барьере.
BarrierInsertMany(...): Для каждого ключа присваивает соответствующее значение указанному компоненту.
BarrierReadySize(...): Вычисляет количество полных элементов в заданном барьере.
BarrierTakeMany(...): Извлекает заданное количество завершенных элементов из барьера.
Batch(...): Недетерминированно объединяет все входные тензоры.
BatchDataset(...): Создаёт набор данных, который объединяет batch_size элементов из input_dataset.
BatchDatasetV2(...): Создаёт набор данных, который объединяет batch_size элементов из input_dataset.
BatchFunction(...): Объединяет все входные тензоры для вычислений, выполняемых функцией.
BatchMatMul(...): Умножает слайсы двух тензоров в наборах.
BatchMatMulV2(...): Умножает слайсы двух тензоров в наборах.
BatchMatMulV3(...): Умножает слайсы двух тензоров в наборах.
BatchMatrixTriangularSolve(...)
BatchNormWithGlobalNormalization(...): Нормализация по набору.
BatchNormWithGlobalNormalizationGrad(...): Градиенты для нормализации по набору.
BatchToSpace(...): BatchToSpace для 4-мерных тензоров типа T.
BatchToSpaceND(...): BatchToSpace для N-мерных тензоров типа T.
Betainc(...): Вычисление регулируемого неполного бета-интеграла \(I_x(a, b)\).
BiasAdd(...): Добавляет bias к value.
BiasAddGrad(...): Обратная операция для "BiasAdd" относительно тензора "bias".
BiasAddV1(...): Добавляет bias к value.
Bincount(...): Подсчитывает количество вхождений каждого значения в целочисленном массиве.
Bitcast(...): Преобразует биты тензора из одного типа в другой без копирования данных.
BitwiseAnd(...): Элементное вычисление побитового И для x и y.
BitwiseOr(...): Элементное вычисление побитового ИЛИ для x и y.
BitwiseXor(...): Элементное вычисление побитового ИСКЛЮЧАЮЩЕГО ИЛИ для x и y.
BlockLSTM(...): Вычисляет прямое распространение ячейки LSTM для всех временных шагов.
BlockLSTMGrad(...): Вычисляет обратное распространение ячейки LSTM для всей временной последовательности.
BlockLSTMGradV2(...): Вычисляет обратное распространение ячейки LSTM для всей временной последовательности.
BlockLSTMV2(...): Вычисляет прямое распространение ячейки LSTM для всех временных шагов.
BoostedTreesAggregateStats(...): Объединяет сводку накопленных статистик для набора.
BoostedTreesBucketize(...): Разбивает каждое значение признака на интервалы, основанные на границах интервалов.
BoostedTreesCalculateBestFeatureSplit(...): Вычисляет прирост для каждого признака и возвращает информацию о лучшем возможном разбиении для признака.
BoostedTreesCalculateBestFeatureSplitV2(...): Вычисляет прирост для каждого признака и возвращает информацию о лучшем возможном разбиении для каждого узла. Однако, если разбиение не найдено, то информация о разбиении для этого узла не возвращается.
BoostedTreesCalculateBestGainsPerFeature(...): Вычисляет прирост для каждого признака и возвращает информацию о лучшем возможном разбиении для признака.
BoostedTreesCenterBias(...): Вычисляет предварительный процент из обучающих данных (смещение) и заполняет первый узел предварительным значением логарифмов. Возвращает булево значение, указывающее, следует ли продолжать центрирование.
BoostedTreesCreateEnsemble(...): Создаёт модель ансамбля деревьев и возвращает её дескриптор.
BoostedTreesCreateQuantileStreamResource(...): Создаёт ресурс для потоков квантилей.
BoostedTreesDeserializeEnsemble(...): Десериализует сериализованную конфигурацию ансамбля деревьев и заменяет текущее дерево
BoostedTreesEnsembleResourceHandleOp(...): Создаёт дескриптор ресурса BoostedTreesEnsembleResource
BoostedTreesExampleDebugOutputs(...): Выходные данные для отладки/интерпретации модели для каждого примера.
BoostedTreesFlushQuantileSummaries(...): Очищает сводку квантилей из каждого ресурса потока квантилей.
BoostedTreesGetEnsembleStates(...): Извлекает маркер состояния ресурса ансамбля деревьев, количество деревьев и статистику роста.
BoostedTreesMakeQuantileSummaries(...): Создаёт сводку квантилей для набора.
BoostedTreesMakeStatsSummary(...): Создаёт сводку накопленных статистик для набора.
BoostedTreesPredict(...): Запускает несколько предсказателей ансамбля аддитивной регрессии на входных экземплярах и
BoostedTreesQuantileStreamResourceAddSummaries(...): Добавляет сводку квантилей к каждому ресурсу потока квантилей.
BoostedTreesQuantileStreamResourceDeserialize(...): Десериализует границы интервалов и флаг готовности в текущий QuantileAccumulator.
BoostedTreesQuantileStreamResourceFlush(...): Очищает сводки для ресурса потока квантилей.
BoostedTreesQuantileStreamResourceGetBucketBoundaries(...): Генерирует границы интервалов для каждого признака на основе накопленных сводок.
BoostedTreesQuantileStreamResourceHandleOp(...): Создаёт дескриптор ресурса BoostedTreesQuantileStreamResource.
BoostedTreesSerializeEnsemble(...): Сериализует ансамбль деревьев в протокол.
BoostedTreesSparseAggregateStats(...): Объединяет сводку накопленных статистик для набора.
BoostedTreesSparseCalculateBestFeatureSplit(...): Вычисляет прирост для каждого признака и возвращает информацию о лучшем возможном разбиении для признака.
BoostedTreesTrainingPredict(...): Запускает несколько предсказателей ансамбля аддитивной регрессии на входных экземплярах и
BoostedTreesUpdateEnsemble(...): Обновляет ансамбль деревьев, либо добавляя слой к последнему растущему дереву
BoostedTreesUpdateEnsembleV2(...): Обновляет ансамбль деревьев, добавляя слой к последнему растущему дереву
BroadcastArgs(...): Возвращает форму s0 op s1 с трансляцией.
BroadcastGradientArgs(...): Возвращает индексы уменьшения для вычисления градиентов s0 op s1 с трансляцией.
BroadcastTo(...): Транслирует массив для совместимой формы.
Bucketize(...): Разбивает 'input' на интервалы на основе 'boundaries'.
BytesProducedStatsDataset(...): Записывает размер байтов каждого элемента input_dataset в StatsAggregator.
CSRSparseMatrixComponents(...): Читает компоненты CSRSparseMatrix в наборе index.
CSRSparseMatrixToDense(...): Преобразует (возможно, объединённую) CSRSparseMatrix в плотную.
CSRSparseMatrixToSparseTensor(...): Преобразует (возможно, объединённую) CSRSparseMatrix в SparseTensor.
CTCBeamSearchDecoder(...): Выполняет декодирование по лучам на логарифмах, заданных на входе.
CTCGreedyDecoder(...): Выполняет жадное декодирование на логах, заданных вводами.
CTCLoss(...): Вычисляет потерю CTC (логарифм вероятности) для каждой записи пакета.
CTCLossV2(...): Вычисляет потерю CTC (логарифм вероятности) для каждой записи пакета.
CacheDataset(...): Создаёт набор данных, кэширующий элементы из input_dataset.
Case(...): Условное оператор выбора (n-вариантный), который вызывает функцию единственного ветвления.
Cast(...): Преобразовать x типа SrcT в y типа DstT.
Ceil(...): Возвращает наименьшее целое число, не меньшее x, поэлементно.
CheckNumerics(...): Проверяет тензор на значения NaN и Inf.
CheckNumericsV2(...): Проверяет тензор на значения NaN, -Inf и +Inf.
Cholesky(...): Вычисляет разложение Холецкого для одной или нескольких квадратных матриц.
CholeskyGrad(...): Вычисляет градиент обратного распространения для алгоритма Холецкого.
ChooseFastestBranchDataset(...)
ClipByValue(...): Обрезает значения тензора до заданного минимума и максимума.
CollectiveAllToAllV2(...): Взаимный обмен несколькими тензорами одинакового типа и формы.
CollectiveAllToAllV3(...): Взаимный обмен несколькими тензорами одинакового типа и формы.
CollectiveAssignGroupV2(...): Назначение ключей группы на основе присваивания групп.
CollectiveBcastRecv(...): Приём значения тензора, транслируемого с другого устройства.
CollectiveBcastRecvV2(...): Приём значения тензора, транслируемого с другого устройства.
CollectiveBcastSend(...): Трансляция значения тензора на одно или несколько других устройств.
CollectiveBcastSendV2(...): Трансляция значения тензора на одно или несколько других устройств.
CollectiveGather(...): Взаимное накопление нескольких тензоров одинакового типа и формы.
CollectiveGatherV2(...): Взаимное накопление нескольких тензоров одинакового типа и формы.
CollectiveInitializeCommunicator(...): Инициализация группы для коллективных операций.
CollectivePermute(...): Операция перестановки тензоров между дублированными экземплярами TPU.
CollectiveReduce(...): Взаимное сокращение нескольких тензоров одинакового типа и формы.
CollectiveReduceScatterV2(...): Взаимное сокращение нескольких тензоров одинакового типа и формы и распределение результата.
CollectiveReduceV2(...): Взаимное сокращение нескольких тензоров одинакового типа и формы.
CollectiveReduceV3(...): Взаимное сокращение нескольких тензоров одинакового типа и формы.
CombinedNonMaxSuppression(...): Жадно выбирает подмножество прямоугольников с наибольшим значением оценки,
Complex(...): Преобразует две вещественные числа в комплексное число.
ComplexAbs(...): Вычисляет модуль комплексного числа тензора.
CompositeTensorVariantFromComponents(...): Кодирует значение ExtensionType в скалярный тензор типа variant.
CompositeTensorVariantToComponents(...): Декодирует скалярный тензор типа variant в значение ExtensionType.
CompressElement(...): Сжимает элемент набора данных.
ComputeAccidentalHits(...): Вычисляет id позиций в sampled_candidates, которые соответствуют true_labels.
ComputeBatchSize(...): Вычисляет статический размер пакета набора данных без частичных пакетов.
Concat(...): Объединяет тензоры по одному измерению.
ConcatOffset(...): Вычисляет смещения ввода concat внутри его вывода.
ConcatV2(...): Объединяет тензоры по одному измерению.
ConcatenateDataset(...): Создаёт набор данных, который объединяет input_dataset с another_dataset.
ConditionalAccumulator(...): Условный аккумулятор для агрегации градиентов.
ConfigureDistributedTPU(...): Настраивает централизованные структуры для распределённой системы TPU.
ConfigureTPUEmbedding(...): Настраивает TPUEmbedding в распределённой системе TPU.
Conj(...): Возвращает комплексное сопряжение комплексного числа.
ConjugateTranspose(...): Переставляет измерения x в соответствии с перестановкой и сопрягает результат.
Const(...): Возвращает тензор константы.
ConsumeMutexLock(...): Эта операция потребляет блокировку, созданную MutexLock.
ControlTrigger(...): Ничего не делает. Служит как триггер управления для планирования.
Conv(...): Вычисляет N-мерную свёртку, учитывая (N+1+batch_dims)-мерные input и (N+2)-мерные filter тензоры.
Conv2D(...): Вычисляет 2-мерную свёртку, учитывая 4-мерные input и filter тензоры.
Conv2DBackpropFilter(...): Вычисляет градиенты свёртки по отношению к фильтру.
Conv2DBackpropFilterV2(...): Вычисляет градиенты свёртки по отношению к фильтру.
Conv2DBackpropInput(...): Вычисляет градиенты свёртки по отношению к вводу.
Conv2DBackpropInputV2(...): Вычисляет градиенты свёртки по отношению к вводу.
Conv3D(...): Вычисляет 3-мерную свёртку, учитывая 5-мерные input и filter тензоры.
Conv3DBackpropFilter(...): Вычисляет градиенты 3-мерной свёртки по отношению к фильтру.
Conv3DBackpropFilterV2(...): Вычисляет градиенты 3-мерной свёртки по отношению к фильтру.
Conv3DBackpropInput(...): Вычисляет градиенты 3-мерной свёртки по отношению к вводу.
Conv3DBackpropInputV2(...): Вычисляет градиенты 3-мерной свёртки по отношению к вводу.
Copy(...): Копирование тензора с CPU на CPU или с GPU на GPU.
CopyHost(...): Копирование тензора на хост.
Cos(...): Вычисляет косинус x поэлементно.
Cosh(...): Вычисляет гиперболический косинус x поэлементно.
CountUpTo(...): Увеличивает 'ref' до тех пор, пока не достигнет 'limit'.
CropAndResize(...): Извлекает фрагменты из тензора изображения и изменяет их размер.
CropAndResizeGradBoxes(...): Вычисляет градиент операции crop_and_resize относительно тензора входных прямоугольников.
CropAndResizeGradImage(...): Вычисляет градиент операции crop_and_resize относительно тензора входного изображения.
Cross(...): Вычисляет попарное векторное произведение.
CrossReplicaSum(...): Операция суммирования входных данных по дублированным экземплярам TPU.
CudnnRNN(...): RNN, поддерживаемый cuDNN.
CudnnRNNBackprop(...): Этап обратного распространения для CudnnRNN.
CudnnRNNBackpropV2(...): Этап обратного распространения для CudnnRNN.
CudnnRNNBackpropV3(...): Этап обратного распространения для CudnnRNNV3.
CudnnRNNCanonicalToParams(...): Преобразует параметры CudnnRNN из канонической формы в применимую.
CudnnRNNCanonicalToParamsV2(...): Преобразует параметры CudnnRNN из канонической формы в применимую. Поддерживает проекцию в LSTM.
CudnnRNNParamsSize(...): Вычисляет размер весов, которые можно использовать для модели Cudnn RNN.
CudnnRNNParamsToCanonical(...): Возвращает параметры CudnnRNN в канонической форме.
CudnnRNNParamsToCanonicalV2(...): Возвращает параметры CudnnRNN в канонической форме. Поддерживает проекцию в LSTM.
CudnnRNNV2(...): RNN, поддерживаемый cuDNN.
CudnnRNNV3(...): RNN, поддерживаемый cuDNN.
Cumprod(...): Вычисляет кумулятивное произведение тензора x по axis.
Cumsum(...): Вычисляет кумулятивную сумму тензора x по axis.
CumulativeLogsumexp(...): Вычисляет кумулятивное произведение тензора x по axis.
DataFormatDimMap(...): Возвращает индекс измерения в формате выходных данных назначения, заданный значением в
DataFormatVecPermute(...): Переупорядочивает входной тензор из src_format в dst_format.
DataServiceDataset(...): Создаёт набор данных, который считывает данные из сервиса tf.data.
DataServiceDatasetV2(...): Создаёт набор данных, который считывает данные из сервиса tf.data.
DataServiceDatasetV3(...): Создаёт набор данных, который считывает данные из сервиса tf.data.
DataServiceDatasetV4(...): Создаёт набор данных, который считывает данные из сервиса tf.data.
DatasetCardinality(...): Возвращает мощность input_dataset.
DatasetFingerprint(...): Возвращает отпечаток input_dataset.
DatasetFromGraph(...): Создаёт набор данных из данного graph_def.
DatasetToGraph(...): Возвращает сериализованную GraphDef, представляющую input_dataset.
DatasetToGraphV2(...): Возвращает сериализованную GraphDef, представляющую input_dataset.
DatasetToSingleElement(...): Выводит единственный элемент из заданного набора данных.
DatasetToTFRecord(...): Записывает заданный набор данных в указанный файл в формате TFRecord.
DebugGradientIdentity(...): Операция идентичности для отладки градиента.
DebugGradientRefIdentity(...): Операция идентичности для отладки градиента.
DebugIdentity(...): Предоставляет отображение по идентичности входного тензора типа не-Ref для отладки.
DebugIdentityV2(...): Операция Debug Identity V2.
DebugIdentityV3(...): Предоставляет отображение по идентичности входного тензора типа не-Ref для отладки.
DebugNanCount(...): Операция подсчёта NaN значений в отладке.
DebugNumericSummary(...): Операция отладки числового сводного описания.
DebugNumericSummaryV2(...): Операция Debug Numeric Summary V2.
DecodeAndCropJpeg(...): Декодирование и обрезка JPEG-изображения в тензор uint8.
DecodeBase64(...): Декодирование web-безопасных строк, закодированных в base64.
DecodeBmp(...): Декодирование первого кадра BMP-изображения в тензор uint8.
DecodeCSV(...): Преобразование записей CSV в тензоры. Каждый столбец соответствует одному тензору.
DecodeCompressed(...): Декомпрессия строк.
DecodeGif(...): Декодирование кадра(ов) GIF-изображения в тензор uint8.
DecodeImage(...): Функция для decode_bmp, decode_gif, decode_jpeg и decode_png.
DecodeJSONExample(...): Преобразование JSON-закодированных записей Example в двоичные строки протокольных буферов.
DecodeJpeg(...): Декодирование JPEG-изображения в тензор uint8.
DecodePaddedRaw(...): Переинтерпретация байтов строки как вектора чисел.
DecodePng(...): Декодирование PNG-изображения в тензор uint8 или uint16.
DecodeProtoV2(...): Операция извлекает поля из сериализованного сообщения протокольного буфера в тензоры.
DecodeRaw(...): Переинтерпретация байтов строки как вектора чисел.
DecodeWav(...): Декодирование 16-битного PCM WAV файла в тензор с плавающей точкой.
DeepCopy(...): Создаёт копию x.
DeleteIterator(...): Контейнер для ресурса итератора.
DeleteMultiDeviceIterator(...): Контейнер для ресурса итератора.
DeleteRandomSeedGenerator(...)
DeleteSessionTensor(...): Удаляет тензор, указанный его дескриптором в сессии.
DenseBincount(...): Подсчитывает количество вхождений каждого значения в целочисленном массиве.
DenseCountSparseOutput(...): Выполняет подсчёт бинов с разреженным выходом для входного tf.тензора.
DenseToCSRSparseMatrix(...): Преобразует плотный тензор в (возможно, объединённый) CSRSparseMatrix.
DenseToDenseSetOperation(...): Применяет операцию множества по последнему измерению 2 Tensor входных данных.
DenseToSparseBatchDataset(...): Создаёт набор данных, который группирует входные элементы в SparseTensor.
DenseToSparseSetOperation(...): Применяет операцию множества по последнему измерению Tensor и SparseTensor.
DepthToSpace(...): DepthToSpace для тензоров типа T.
DepthwiseConv2dNative(...): Вычисляет 2-D свёртку в глубину, учитывая 4-мерный input и filter тензоры.
DepthwiseConv2dNativeBackpropFilter(...): Вычисляет градиенты свёртки в глубину по фильтру.
DepthwiseConv2dNativeBackpropInput(...): Вычисляет градиенты свёртки в глубину по входу.
Dequantize(...): Деквантизует тензор 'input' в тензор с плавающей точкой или bfloat16.
DeserializeIterator(...): Преобразует данный тензор variant в итератор и хранит его в заданном ресурсе.
DeserializeManySparse(...): Десериализует и конкатенирует SparseTensors из сериализованной минипачки.
DeserializeSparse(...): Десериализация объектов SparseTensor.
DestroyResourceOp(...): Удаляет ресурс, указанный дескриптором.
DestroyTemporaryVariable(...): Уничтожает временную переменную и возвращает её конечное значение.
DeviceIndex(...): Возвращает индекс устройства, на котором выполняется операция.
Diag(...): Возвращает диагональный тензор с заданными значениями диагонали.
DiagPart(...): Возвращает диагональную часть тензора.
Digamma(...): Вычисляет Psi, производную от Lgamma (логарифма абсолютного значения
Dilation2D(...): Вычисляет градацию серого 4-мерного input и 3-мерного filter тензоров.
Dilation2DBackpropFilter(...): Вычисляет градиент морфологического 2-D расширения относительно фильтра.
Dilation2DBackpropInput(...): Вычисляет градиент морфологического 2-D расширения относительно входа.
DirectedInterleaveDataset(...): Замена для InterleaveDataset на фиксированном списке N наборов данных.
DisableCopyOnRead(...): Отключает режим copy-on-read.
Div(...): Возвращает x / y поэлементно.
DivNoNan(...): Возвращает 0, если знаменатель равен нулю.
DrawBoundingBoxes(...): Рисует рамки обнаружения на серии изображений.
DrawBoundingBoxesV2(...): Рисует рамки обнаружения на серии изображений.
DynamicEnqueueTPUEmbeddingArbitraryTensorBatch(...): Упрощает портирование кода, использующего tf.nn.embedding_lookup_sparse().
DynamicEnqueueTPUEmbeddingRaggedTensorBatch(...)
DynamicPartition(...): Разделяет data на num_partitions тензоров с использованием индексов из partitions.
DynamicStitch(...): Объединяет значения из data тензоров в один тензор.
EagerPyFunc(...): Усердно выполняет python функцию для вычисления func(input)->output.
EditDistance(...): Вычисляет (возможно нормализованное) расстояние Левенштейна.
Eig(...): Вычисляет собственное разложение одной или нескольких квадратных матриц.
Einsum(...): Контракция тензоров в соответствии с соглашением Эйнштейна о суммировании.
Elu(...): Вычисляет экспоненциальную линейную функцию.
EluGrad(...): Вычисляет градиенты для экспоненциально-линейной (Elu) операции.
Empty(...): Создаёт тензор с заданной формой.
EmptyTensorList(...): Создаёт и возвращает пустой список тензоров.
EmptyTensorMap(...): Создаёт и возвращает пустую карту тензоров.
EncodeBase64(...): Кодирование строк в web-безопасный формат base64.
EncodeJpeg(...): Кодирование изображения в формате JPEG.
EncodeJpegVariableQuality(...): Кодирование входного изображения в формате JPEG с заданным качеством сжатия.
EncodePng(...): Кодирование изображения в формате PNG.
EncodeProto(...): Операция сериализует сообщения protobuf, предоставленные во входных тензорах.
EncodeWav(...): Кодирование аудиоданных в формате WAV.
EnqueueTPUEmbeddingArbitraryTensorBatch(...): Упрощает портирование кода, использующего tf.nn.embedding_lookup_sparse().
EnqueueTPUEmbeddingIntegerBatch(...): Операция, которая вставляет в очередь список входных пакетных тензоров в TPUEmbedding.
EnqueueTPUEmbeddingRaggedTensorBatch(...): Упрощает портирование кода, использующего tf.nn.embedding_lookup().
EnqueueTPUEmbeddingSparseBatch(...): Операция, которая вставляет в очередь входные индексы TPUEmbedding из SparseTensor.
EnqueueTPUEmbeddingSparseTensorBatch(...): Упрощает портирование кода, использующего tf.nn.embedding_lookup_sparse().
EnsureShape(...): Обеспечивает, что форма тензора соответствует ожидаемой форме.
Enter(...): Создаёт или находит дочерний фрейм и делает data доступным для дочернего фрейма.
Equal(...): Возвращает логическое значение (x == y) поэлементно.
Erf(...): Вычисляет функцию ошибок Гаусса для x поэлементно. В статистике для неотрицательных значений \(x\) функция ошибок имеет следующее толкование: для случайной величины \(Y\), которая распределена нормально со средним значением 0 и дисперсией \(1/\sqrt{2}\), \(erf(x)\) является вероятностью того, что \(Y\) попадает в диапазон \([−x, x]\).
Erfc(...): Вычисляет дополнительную функцию ошибок для x поэлементно.
EuclideanNorm(...): Вычисляет евклидову норму элементов по измерениям тензора.
Exit(...): Выходит из текущего фрейма в родительский фрейм.
Exp(...): Вычисляет экспоненту от x поэлементно. \(y = e^x\).
ExpandDims(...): Вставляет измерение 1 в форму тензора.
ExperimentalAssertNextDataset(...)
ExperimentalAutoShardDataset(...): Создаёт набор данных, который фрагментирует входной набор данных.
ExperimentalBytesProducedStatsDataset(...): Записывает размер каждого элемента input_dataset в StatsAggregator.
ExperimentalChooseFastestDataset(...)
ExperimentalDatasetCardinality(...): Возвращает мощность input_dataset.
ExperimentalDatasetToTFRecord(...): Записывает указанный набор данных в указанный файл в формате TFRecord.
ExperimentalDenseToSparseBatchDataset(...): Создаёт набор данных, который объединяет входные элементы в SparseTensor.
ExperimentalDirectedInterleaveDataset(...): Замена InterleaveDataset для фиксированного списка N наборов данных.
ExperimentalGroupByReducerDataset(...): Создаёт набор данных, который вычисляет группировку по input_dataset.
ExperimentalGroupByWindowDataset(...): Создаёт набор данных, который вычисляет группировку с окнами по input_dataset.
ExperimentalIgnoreErrorsDataset(...): Создаёт набор данных, содержащий элементы input_dataset, игнорируя ошибки.
ExperimentalIteratorGetDevice(...): Возвращает имя устройства, на котором resource было размещено.
ExperimentalLatencyStatsDataset(...): Записывает задержку производства элементов input_dataset в StatsAggregator.
ExperimentalMapAndBatchDataset(...): Создаёт набор данных, который объединяет отображение с пакетной обработкой.
ExperimentalMapDataset(...): Создаёт набор данных, который применяет f к выходам input_dataset.
ExperimentalMatchingFilesDataset(...)
ExperimentalMaxIntraOpParallelismDataset(...): Создаёт набор данных, который переопределяет максимальную внутриоперационную параллельность.
ExperimentalNonSerializableDataset(...)
ExperimentalParallelInterleaveDataset(...): Создаёт набор данных, который применяет f к выходам input_dataset.
ExperimentalParseExampleDataset(...): Преобразует input_dataset, содержащий Example протоколы как векторы DT_STRING, в набор данных из Tensor или SparseTensor объектов, представляющих распарсенные признаки.
ExperimentalPrivateThreadPoolDataset(...): Создаёт набор данных, использующий пользовательский пул потоков для вычисления input_dataset.
ExperimentalRandomDataset(...): Создаёт набор данных, который возвращает псевдослучайные числа.
ExperimentalRebatchDataset(...): Создаёт набор данных, который изменяет размер пакета.
ExperimentalScanDataset(...): Создаёт набор данных, который последовательно уменьшает f по элементам input_dataset.
ExperimentalSetStatsAggregatorDataset(...)
ExperimentalSlidingWindowDataset(...): Создаёт набор данных, который протаскивает скользящее окно над input_dataset.
ExperimentalSqlDataset(...): Создаёт набор данных, который выполняет SQL-запрос и выводит строки набора результатов.
ExperimentalStatsAggregatorHandle(...): Создаёт ресурс менеджера статистики.
ExperimentalStatsAggregatorSummary(...): Производит сводку любой статистики, записанной данным менеджером статистики.
ExperimentalTakeWhileDataset(...): Создаёт набор данных, который останавливает итерацию, когда предикат становится ложным.
ExperimentalThreadPoolDataset(...): Создаёт набор данных, использующий пользовательский пул потоков для вычисления input_dataset.
ExperimentalThreadPoolHandle(...): Создаёт набор данных, использующий пользовательский пул потоков для вычисления input_dataset.
ExperimentalUnbatchDataset(...): Набор данных, который разделяет элементы своего входа на несколько элементов.
ExperimentalUniqueDataset(...): Создаёт набор данных, содержащий уникальные элементы input_dataset.
Expm1(...): Вычисляет exp(x) - 1 поэлементно.
ExtractGlimpse(...): Извлекает фрагмент из входного тензора.
ExtractGlimpseV2(...): Извлекает фрагмент из входного тензора.
ExtractImagePatches(...): Извлекает patches из images и помещает их в измерение "глубина" вывода.
ExtractJpegShape(...): Извлекает информацию о форме JPEG-кодированного изображения.
ExtractVolumePatches(...): Извлекает patches из input и помещает их в измерение "depth" вывода. 3D расширение extract_image_patches.
FFT(...): Быстрое преобразование Фурье.
FFT2D(...): 2D быстрое преобразование Фурье.
FFT3D(...): 3D быстрое преобразование Фурье.
FFTND(...): ND быстрое преобразование Фурье.
FIFOQueue(...): Очередь, которая производит элементы в порядке FIFO.
FIFOQueueV2(...): Очередь, которая производит элементы в порядке FIFO.
Fact(...): Вывод факта о факториалах.
FakeParam(...): Эта операция используется в качестве заглушки в функциях ветвления If.
FakeQuantWithMinMaxArgs(...): Моделирование квантования 'inputs' тензора, типа float в 'outputs' тензор той же формы и типа.
FakeQuantWithMinMaxArgsGradient(...): Вычисление градиентов для операции FakeQuantWithMinMaxArgs.
FakeQuantWithMinMaxVars(...): Моделирование квантования 'inputs' тензора типа float с помощью глобальных скаляров float.
FakeQuantWithMinMaxVarsGradient(...): Вычисление градиентов для операции FakeQuantWithMinMaxVars.
FakeQuantWithMinMaxVarsPerChannel(...): Моделирование квантования 'inputs' тензора типа float с помощью чисел с плавающей точкой по каналам.
FakeQuantWithMinMaxVarsPerChannelGradient(...): Вычисление градиентов для операции FakeQuantWithMinMaxVarsPerChannel.
FakeQueue(...): Устарело. Не использовать.
FileSystemSetConfiguration(...): Установка конфигурации файловой системы.
Fill(...): Создаёт тензор, заполненный скалярным значением.
FilterByLastComponentDataset(...): Создаёт набор данных, содержащий элементы первой компоненты input_dataset, имеющие значение true в последней компоненте.
FilterDataset(...): Создаёт набор данных, содержащий элементы input_dataset, соответствующие predicate.
FinalizeDataset(...): Создаёт набор данных путём применения tf.data.Options к input_dataset.
Fingerprint(...): Генерирует значения отпечатков.
FixedLengthRecordDataset(...): Создаёт набор данных, который испускает записи из одного или нескольких бинарных файлов.
FixedLengthRecordDatasetV2(...)
FixedLengthRecordReader(...): Чтец, который выводит записи фиксированной длины из файла.
FixedLengthRecordReaderV2(...): Чтец, который выводит записи фиксированной длины из файла.
FixedUnigramCandidateSampler(...): Генерирует метки для выборки кандидатов с помощью выученной униграмной распределения.
FlatMapDataset(...): Создаёт набор данных, который применяет f к выводам input_dataset.
Floor(...): Возвращает наибольшее целое число, не большее x.
FloorDiv(...): Возвращает x // y поэлементно.
FloorMod(...): Возвращает остаток от деления поэлементно.
For(...): Применяет цикл for.
FractionalAvgPool(...): Выполняет дробное усреднённое пуллинг на входе.
FractionalAvgPoolGrad(...): Вычисляет градиент функции FractionalAvgPool.
FractionalMaxPool(...): Выполняет дробный максимальный пуллинг на входе.
FractionalMaxPoolGrad(...): Вычисляет градиент функции FractionalMaxPool.
FusedBatchNorm(...): Батч-нормализация.
FusedBatchNormGrad(...): Градиент для батч-нормализации.
FusedBatchNormGradV2(...): Градиент для батч-нормализации.
FusedBatchNormGradV3(...): Градиент для батч-нормализации.
FusedBatchNormV2(...): Батч-нормализация.
FusedBatchNormV3(...): Батч-нормализация.
FusedPadConv2D(...): Выполняет дополнение как предобработку во время свёртки.
FusedResizeAndPadConv2D(...): Выполняет изменение размера и дополнение как предобработку во время свёртки.
GRUBlockCell(...): Вычисляет прямое распространение ячейки GRU на 1 шаг во времени.
GRUBlockCellGrad(...): Вычисляет обратное распространение ячейки GRU на 1 шаг во времени.
Gather(...): Сбор срезов из params по значениям indices.
GatherNd(...): Сбор срезов из params в тензор с формой, заданной indices.
GatherV2(...): Сбор срезов из params по оси axis по значениям indices.
GenerateBoundingBoxProposals(...): Этот оператор генерирует области интереса из заданных bounding boxes (bbox_deltas), закодированных относительно якорей в соответствии с уравнением 2 в arXiv:1506.01497.
GenerateVocabRemapping(...): При заданном пути к новым и старым файлам словарей возвращает тензор переназначения.
GeneratorDataset(...): Создаёт набор данных, который вызывает функцию для генерации элементов.
GetElementAtIndex(...): Получает элемент по указанному индексу в наборе данных.
GetMinibatchSplitsWithPhysicalReplica(...)
GetMinibatchesInCsrWithPhysicalReplica(...)
GetOptions(...): Возвращает tf.data.Options, прикреплённые к input_dataset.
GetSessionHandle(...): Хранит входной тензор в состоянии текущего сеанса.
GetSessionHandleV2(...): Хранит входной тензор в состоянии текущего сеанса.
GetSessionTensor(...): Получает значение тензора, указанного по его дескриптору.
Greater(...): Возвращает логическое значение (x > y) поэлементно.
GreaterEqual(...): Возвращает логическое значение (x >= y) поэлементно.
GroupByReducerDataset(...): Создаёт набор данных, который вычисляет группировку по input_dataset.
GroupByWindowDataset(...): Создаёт набор данных, который вычисляет оконную группировку по input_dataset.
GuaranteeConst(...): Даёт гарантию TF runtime, что входной тензор является константой.
HSVToRGB(...): Преобразует одну или несколько изображений из HSV в RGB.
HashTable(...): Создаёт неинициализированную таблицу хешей.
HashTableV2(...): Создаёт неинициализированную таблицу хешей.
HistogramFixedWidth(...): Возвращает гистограмму значений.
HistogramSummary(...): Выводит протокол Summary с гистограммой.
IFFT(...): Обратное быстрое преобразование Фурье.
IFFT2D(...): Обратное 2D быстрое преобразование Фурье.
IFFT3D(...): Обратное 3D быстрое преобразование Фурье.
IFFTND(...): ND обратное быстрое преобразование Фурье.
IRFFT(...): Обратное быстрое преобразование Фурье для вещественных значений.
IRFFT2D(...): Обратное 2D быстрое преобразование Фурье для вещественных значений.
IRFFT3D(...): Обратное 3D быстрое преобразование Фурье для вещественных значений.
IRFFTND(...): ND обратное быстрое преобразование Фурье для вещественных значений.
Identity(...): Возвращает тензор с той же формой и содержимым, что и входной тензор или значение.
IdentityN(...): Возвращает список тензоров с той же формой и содержимым, что и входные
IdentityReader(...): Чтец, который выводит очереди работы как ключ, так и значение.
IdentityReaderV2(...): Чтец, который выводит очереди работы как ключ, так и значение.
If(...): output = cond ? then_branch(input) : else_branch(input)
Igamma(...): Вычислить нижнюю регулированную неполную гамма-функцию P(a, x).
IgammaGradA(...): Вычисляет градиент igamma(a, x) по отношению к a.
Igammac(...): Вычислить верхнюю регулированную неполную гамма-функцию Q(a, x).
IgnoreErrorsDataset(...): Создаёт набор данных, содержащий элементы input_dataset, игнорируя ошибки.
Imag(...): Возвращает мнимую часть комплексного числа.
ImageProjectiveTransformV2(...): Применяет заданное преобразование к каждому из изображений.
ImageProjectiveTransformV3(...): Применяет заданное преобразование к каждому из изображений.
ImageSummary(...): Выводит протокол Summary с изображениями.
ImmutableConst(...): Возвращает неизменяемый тензор из области памяти.
InTopK(...): Указывает, находятся ли целевые значения в числе K лучших предсказаний.
InTopKV2(...): Указывает, находятся ли целевые значения в числе K лучших предсказаний.
InfeedDequeue(...): Заполнительный оператор для значения, которое будет подано в вычисление.
InfeedDequeueTuple(...): Извлекает несколько значений из infeed в виде кортежа XLA.
InfeedEnqueue(...): Оператор, который подаёт одно значение тензора в вычисление.
InfeedEnqueuePrelinearizedBuffer(...): Оператор, который вставляет предварительно линейно скомпонованный буфер в TPU infeed.
InfeedEnqueueTuple(...): Подает несколько значений тензоров в вычисление в виде кортежа XLA.
InitializeTable(...): Инициализатор таблицы, который принимает два тензора для ключей и значений соответственно.
InitializeTableFromDataset(...)
InitializeTableFromTextFile(...): Инициализирует таблицу из текстового файла.
InitializeTableFromTextFileV2(...): Инициализирует таблицу из текстового файла.
InitializeTableV2(...): Инициализатор таблицы, принимающий два тензора для ключей и значений соответственно.
InplaceAdd(...): Добавляет v в указанные строки x.
InplaceSub(...): Вычитает v из указанных строк x.
InplaceUpdate(...): Обновляет указанные строки 'i' значениями 'v'.
InterleaveDataset(...): Создает набор данных, который применяет f к результатам input_dataset.
Inv(...): Вычисляет обратную величину x поэлементно.
InvGrad(...): Вычисляет градиент для обратной величины x относительно его входных данных.
Invert(...): Инвертирует (переворачивает) каждый бит поддерживаемых типов; например, значение типа uint8 01010101 становится 10101010.
InvertPermutation(...): Вычисляет обратную перестановку тензора.
IsBoostedTreesEnsembleInitialized(...): Проверяет, был ли ансамбль деревьев инициирован.
IsBoostedTreesQuantileStreamResourceInitialized(...): Проверяет, был ли инициализирован поток квантилей.
IsFinite(...): Возвращает, какие элементы x являются конечными.
IsInf(...): Возвращает, какие элементы x равны Inf.
IsNan(...): Возвращает, какие элементы x равны NaN.
IsTPUEmbeddingInitialized(...): Является ли вложение TPU инициализированным в распределенной системе TPU.
IsVariableInitialized(...): Проверяет, был ли тензор инициализирован.
IsotonicRegression(...): Решает пакет задач изотонической регрессии.
Iterator(...): Контейнер для ресурса итератора.
IteratorFromStringHandle(...): Преобразует заданную строку, представляющую дескриптор итератора, в ресурс.
IteratorFromStringHandleV2(...)
IteratorGetDevice(...): Возвращает имя устройства, на котором resource был размещен.
IteratorGetNext(...): Получает следующий результат из заданного итератора.
IteratorGetNextAsOptional(...): Получает следующий результат из заданного итератора в виде варианта Optional.
IteratorGetNextSync(...): Получает следующий результат из заданного итератора.
IteratorToStringHandle(...): Преобразует заданный resource_handle, представляющий итератор, в строку.
KMC2ChainInitialization(...): Возвращает индекс точки данных, которая должна быть добавлена в набор семян.
KmeansPlusPlusInitialization(...): Выбирает num_to_sample строк из входных данных с использованием критерия KMeans++.
L2Loss(...): L2 потеря.
LMDBDataset(...): Создает набор данных, который излучает пары ключ-значение в одном или нескольких файлах LMDB.
LMDBReader(...): Чтец, который выводит записи из файла LMDB.
LRN(...): Локальная нормализация отклика.
LRNGrad(...): Градиенты для локальной нормализации отклика.
LSTMBlockCell(...): Вычисляет прямое распространение ячейки LSTM для 1 шага времени.
LSTMBlockCellGrad(...): Вычисляет обратное распространение ячейки LSTM для 1 шага времени.
LatencyStatsDataset(...): Записывает задержку создания input_dataset элементов в StatsAggregator.
LeakyRelu(...): Вычисляет выпрямленный линейный: max(features, features * alpha).
LeakyReluGrad(...): Вычисляет градиенты выпрямленного линейного для операции LeakyRelu.
LearnedUnigramCandidateSampler(...): Генерирует метки для выборки кандидатов с распределением частот единиц, изученных методом машинного обучения.
LeftShift(...): Поэлементно вычисляет сдвиг влево битов x и y.
LegacyParallelInterleaveDatasetV2(...): Создает набор данных, который применяет f к выходам input_dataset.
Less(...): Возвращает истинное значение (x < y) поэлементно.
LessEqual(...): Возвращает истинное значение (x <= y) поэлементно.
Lgamma(...): Вычисляет логарифм абсолютного значения Gamma(x) поэлементно.
LinSpace(...): Генерирует значения в интервале.
ListDataset(...): Создает набор данных, который излучает каждый из tensors по одному разу.
ListDiff(...): Вычисляет разность между двумя списками чисел или строк.
ListSnapshotChunksDataset(...)
LoadAndRemapMatrix(...): Загружает 2-мерный (матричный) Tensor с именем old_tensor_name из контрольной точки
LoadTPUEmbeddingADAMParameters(...): Загрузить параметры вложения ADAM.
LoadTPUEmbeddingAdadeltaParameters(...): Загрузить параметры Adadelta вложения.
LoadTPUEmbeddingAdagradMomentumParameters(...): Загрузить параметры Adagrad Momentum вложения.
LoadTPUEmbeddingAdagradParameters(...): Загрузить параметры Adagrad вложения.
LoadTPUEmbeddingCenteredRMSPropParameters(...): Загрузить параметры вложения centered RMSProp.
LoadTPUEmbeddingFTRLParameters(...): Загрузить параметры вложения FTRL.
LoadTPUEmbeddingFrequencyEstimatorParameters(...): Загрузить параметры вложения частотного оценщика.
LoadTPUEmbeddingMDLAdagradLightParameters(...): Загрузить параметры вложения MDL Adagrad Light.
LoadTPUEmbeddingMomentumParameters(...): Загрузить параметры вложения Momentum.
LoadTPUEmbeddingProximalAdagradParameters(...): Загрузить параметры вложения proximal Adagrad.
LoadTPUEmbeddingProximalYogiParameters(...)
LoadTPUEmbeddingRMSPropParameters(...): Загрузить параметры вложения RMSProp.
LoadTPUEmbeddingStochasticGradientDescentParameters(...): Загрузить параметры вложения SGD.
Log(...): Вычисляет натуральный логарифм x поэлементно.
Log1p(...): Вычисляет натуральный логарифм (1 + x) поэлементно.
LogMatrixDeterminant(...): Вычисляет знак и логарифм абсолютного значения определителя
LogSoftmax(...): Вычисляет логарифмированные активации softmax.
LogUniformCandidateSampler(...): Генерирует метки для выборки кандидатов с логарифмически равномерным распределением.
LogicalAnd(...): Возвращает истинное значение x AND y поэлементно.
LogicalNot(...): Возвращает истинное значение NOT x поэлементно.
LogicalOr(...): Возвращает истинное значение x OR y поэлементно.
LookupTableExport(...): Выводит все ключи и значения в таблице.
LookupTableExportV2(...): Выводит все ключи и значения в таблице.
LookupTableFind(...): Ищет ключи в таблице, выводит соответствующие значения.
LookupTableFindV2(...): Ищет ключи в таблице, выводит соответствующие значения.
LookupTableImport(...): Заменяет содержимое таблицы указанными ключами и значениями.
LookupTableImportV2(...): Заменяет содержимое таблицы указанными ключами и значениями.
LookupTableInsert(...): Обновляет таблицу, чтобы сопоставить ключи со значениями.
LookupTableInsertV2(...): Обновляет таблицу, чтобы сопоставить ключи со значениями.
LookupTableRemoveV2(...): Удаляет ключи и связанные с ними значения из таблицы.
LookupTableSize(...): Вычисляет количество элементов в данной таблице.
LookupTableSizeV2(...): Вычисляет количество элементов в данной таблице.
LoopCond(...): Передает входной параметр на выход.
LowerBound(...): Применяет lower_bound(sorted_search_values, values) по каждой строке.
Lu(...): Вычисляет LU-разложение одной или нескольких квадратных матриц.
MakeIterator(...): Создает новый итератор из заданного dataset и сохраняет его в iterator.
MapAndBatchDataset(...): Создает набор данных, который объединяет отображение с группировкой по партиям.
MapClear(...): Операция удаляет все элементы в базовом контейнере.
MapDataset(...): Создаёт набор данных, который применяет f к выходам input_dataset.
MapDefun(...): Применяет функцию к списку тензоров, распакованных из аргументов по размерности 0.
MapIncompleteSize(...): Операция возвращает количество неполных элементов в базовом контейнере.
MapPeek(...): Операция получает значения по указанному ключу.
MapSize(...): Операция возвращает количество элементов в базовом контейнере.
MapStage(...): Размещает (ключ, значения) в базовом контейнере, который ведёт себя как хеш-таблица.
MapUnstage(...): Операция удаляет и возвращает значения, связанные с ключом.
MapUnstageNoKey(...): Операция удаляет и возвращает случайную пару (ключ, значение).
MatMul(...): Перемножает матрицу "a" на матрицу "b".
MatchingFiles(...): Возвращает набор файлов, соответствующих одному или нескольким шаблонам glob.
MatrixBandPart(...): Копирует тензор, обнуляя все элементы вне центральной полосы в каждой внутренней матрице.
MatrixDeterminant(...): Вычисляет определитель одной или нескольких квадратных матриц.
MatrixDiag(...): Возвращает диагональную тензорную матрицу с заданными значениями диагоналей.
MatrixDiagPart(...): Возвращает диагональную часть тензора.
MatrixDiagPartV2(...): Возвращает диагональную часть тензора.
MatrixDiagPartV3(...): Возвращает диагональную часть тензора.
MatrixDiagV2(...): Возвращает диагональную тензорную матрицу с заданными значениями диагоналей.
MatrixDiagV3(...): Возвращает диагональную тензорную матрицу с заданными значениями диагоналей.
MatrixExponential(...): Устаревшее, используйте python-реализацию tf.linalg.matrix_exponential.
MatrixInverse(...): Вычисляет обратную матрицу одной или нескольких квадратных обратимых матриц или их сопряжённых транспонированных.
MatrixLogarithm(...): Вычисляет матричный логарифм одной или нескольких квадратных матриц:
MatrixSetDiag(...): Возвращает тензорную матрицу с новыми значениями диагоналей.
MatrixSetDiagV2(...): Возвращает тензорную матрицу с новыми значениями диагоналей.
MatrixSetDiagV3(...): Возвращает тензорную матрицу с новыми значениями диагоналей.
MatrixSolve(...): Решает системы линейных уравнений.
MatrixSolveLs(...): Решает одну или несколько задач линейной наименьших квадратов.
MatrixSquareRoot(...): Вычисляет квадратный корень матрицы одной или нескольких квадратных матриц:
MatrixTriangularSolve(...): Решает системы линейных уравнений с верхними или нижними треугольными матрицами путём обратной подстановки.
Max(...): Вычисляет максимальное значение элементов по размерностям тензора.
MaxIntraOpParallelismDataset(...): Создаёт набор данных, который переопределяет максимальную внутриоперационную параллельность.
MaxPool(...): Выполняет операцию максимального пулинга над входом.
MaxPool3D(...): Выполняет 3D максимальный пулинг над входом.
MaxPool3DGrad(...): Вычисляет градиенты функции 3D максимального пулинга.
MaxPool3DGradGrad(...): Вычисляет градиенты второго порядка функции максимального пулинга.
MaxPoolGrad(...): Вычисляет градиенты функции максимального пулинга.
MaxPoolGradGrad(...): Вычисляет градиенты второго порядка функции максимального пулинга.
MaxPoolGradGradV2(...): Вычисляет градиенты второго порядка функции максимального пулинга.
MaxPoolGradGradWithArgmax(...): Вычисляет градиенты второго порядка функции максимального пулинга.
MaxPoolGradV2(...): Вычисляет градиенты функции максимального пулинга.
MaxPoolGradWithArgmax(...): Выполняет максимальный пулинг над входом и возвращает максимальные значения и индексы.
MaxPoolV2(...): Выполняет операцию максимального пулинга над входом.
MaxPoolWithArgmax(...): Выполняет максимальный пулинг над входом и возвращает максимальные значения и индексы.
Maximum(...): Возвращает максимальное значение из x и y (т.е. x > y ? x : y) поэлементно.
Mean(...): Вычисляет среднее значение элементов по размерностям тензора.
Merge(...): Пересылает значение доступного тензора от inputs к output.
MergeSummary(...): Объединяет сводки.
MergeV2Checkpoints(...): Специфичные для формата V2: объединяет метаданные файлов фрагментированных контрольных точек.
Mfcc(...): Преобразует спектрограмму в форму, полезную для распознавания речи.
Min(...): Вычисляет минимальное значение элементов по размерностям тензора.
Minimum(...): Возвращает минимальное значение из x и y (т.е. x < y ? x : y) поэлементно.
MirrorPad(...): Добавляет padding к тензору с зеркальными значениями.
MirrorPadGrad(...): Операция градиента для операции MirrorPad. Эта операция складывает зеркально-падированный тензор.
Mod(...): Возвращает поэлементный остаток от деления.
ModelDataset(...): Тождественное преобразование, моделирующее производительность.
Mul(...): Возвращает x * y поэлементно.
MulNoNan(...): Возвращает x * y поэлементно. Возвращает ноль, если y равно нулю, даже если x бесконечен или NaN.
MultiDeviceIterator(...): Создаёт ресурс MultiDeviceIterator.
MultiDeviceIteratorFromStringHandle(...): Создаёт ресурс MultiDeviceIterator из предоставленного строкового дескриптора.
MultiDeviceIteratorGetNextFromShard(...): Получает следующий элемент для заданного номера фрагмента.
MultiDeviceIteratorInit(...): Инициализирует итератор нескольких устройств заданным набором данных.
MultiDeviceIteratorToStringHandle(...): Создаёт строковой дескриптор для данного MultiDeviceIterator.
Multinomial(...): Извлекает выборки из многономиального распределения.
MutableDenseHashTable(...): Создаёт пустую хеш-таблицу, использующую тензоры в качестве хранилища.
MutableDenseHashTableV2(...): Создаёт пустую хеш-таблицу, использующую тензоры в качестве хранилища.
MutableHashTable(...): Создаёт пустую хеш-таблицу.
MutableHashTableOfTensors(...): Создаёт пустую хеш-таблицу.
MutableHashTableOfTensorsV2(...): Создаёт пустую хеш-таблицу.
MutableHashTableV2(...): Создаёт пустую хеш-таблицу.
MutexLock(...): Блокирует ресурс мьютекса.
MutexV2(...): Создаёт ресурс мьютекса, который может быть заблокирован MutexLock.
NcclAllReduce(...): Выводит тензор, содержащий результат редукции по всем входным тензорам.
NcclBroadcast(...): Отправляет input на все устройства, подключенные к выходу.
NcclReduce(...): Редуцирует input из num_devices с использованием reduction до одного устройства.
NearestNeighbors(...): Выбирает k ближайших центров для каждой точки.
Neg(...): Вычисляет численное отрицательное значение поэлементно.
NextAfter(...): Возвращает следующее представимое значение x1 в направлении x2 поэлементно.
NextIteration(...): Делает свой вход доступным для следующей итерации.
NoOp(...): Не делает ничего. Полезно только в качестве плейсхолдера для управляющих рёбер.
NonDeterministicInts(...): Недетерминированно генерирует некоторые целые числа.
NonMaxSuppression(...): Жадно выбирает подмножество прямоугольников с наибольшим значением баллов,
NonMaxSuppressionV2(...): Жадно выбирает подмножество прямоугольников с наибольшим значением баллов,
NonMaxSuppressionV3(...): Жадно выбирает подмножество прямоугольников с наибольшим значением баллов,
NonMaxSuppressionV4(...): Жадно выбирает подмножество прямоугольников с наибольшим значением баллов,
NonMaxSuppressionV5(...): Жадно выбирает подмножество прямоугольников с наибольшим значением баллов,
NonMaxSuppressionWithOverlaps(...): Жадно выбирает подмножество прямоугольников с наибольшим значением баллов,
NotEqual(...): Возвращает истинное значение (x != y) поэлементно.
NthElement(...): Находит значения n-го порядкового статистического значения для последнего измерения.
OneHot(...): Возвращает тензор one-hot.
OneShotIterator(...): Создаёт итератор "one-shot", который можно перебрать только один раз.
OnesLike(...): Возвращает тензор единиц с той же формой и типом, что и x.
OptimizeDataset(...): Создаёт набор данных, применяя оптимизации к input_dataset.
OptimizeDatasetV2(...): Создаёт набор данных, применяя связанные оптимизации к input_dataset.
OptionalFromValue(...): Строит вариант Optional из кортежа тензоров.
OptionalGetValue(...): Возвращает значение, хранящееся в варианте Optional, или вызывает ошибку, если значения нет.
OptionalHasValue(...): Возвращает true, если и только если данный вариант Optional имеет значение.
OptionalNone(...): Создаёт вариант Optional без значения.
OptionsDataset(...): Создаёт набор данных, присоединяя tf.data.Options к input_dataset.
OrderedMapClear(...): Операция удаляет все элементы в базовом контейнере.
OrderedMapIncompleteSize(...): Операция возвращает количество неполных элементов в базовом контейнере.
OrderedMapPeek(...): Операция подглядывает за значениями по указанному ключу.
OrderedMapSize(...): Операция возвращает количество элементов в базовом контейнере.
OrderedMapStage(...): Добавляет (ключ, значения) в базовый контейнер, который ведёт себя как упорядоченный
OrderedMapUnstage(...): Операция удаляет и возвращает значения, связанные с ключом.
OrderedMapUnstageNoKey(...): Операция удаляет и возвращает элемент (ключ, значение) с наименьшим
OutfeedDequeue(...): Извлекает один тензор из вычислительного канала outfeed.
OutfeedDequeueTuple(...): Извлекает несколько значений из вычислительного канала outfeed.
OutfeedDequeueTupleV2(...): Извлекает несколько значений из вычислительного канала outfeed.
OutfeedDequeueV2(...): Извлекает один тензор из вычислительного канала outfeed.
OutfeedEnqueue(...): Добавляет тензор в вычислительный канал outfeed.
OutfeedEnqueueTuple(...): Добавляет несколько значений тензора в вычислительный канал outfeed.
Pack(...): Упаковывает список тензоров ранга R в один тензор ранга (R+1).
Pad(...): Заполняет тензор нулями.
PadV2(...): Заполняет тензор.
PaddedBatchDataset(...): Создаёт набор данных, который группирует и заполняет batch_size элементов из входных данных.
PaddedBatchDatasetV2(...): Создаёт набор данных, который группирует и заполняет batch_size элементов из входных данных.
PaddingFIFOQueue(...): Очередь, которая производит элементы в порядке FIFO.
PaddingFIFOQueueV2(...): Очередь, которая производит элементы в порядке FIFO.
ParallelConcat(...): Объединяет список тензоров вдоль первого измерения.
ParallelDynamicStitch(...): Объединяет значения из тензоров data в один тензор.
ParallelFilterDataset(...): Создаёт набор данных, содержащий элементы input_dataset, соответствующие predicate.
ParallelInterleaveDataset(...): Создаёт набор данных, который применяет f к выходам input_dataset.
ParallelInterleaveDatasetV2(...): Создаёт набор данных, который применяет f к выходам input_dataset.
ParallelInterleaveDatasetV3(...): Создаёт набор данных, который применяет f к выходам input_dataset.
ParallelInterleaveDatasetV4(...): Создаёт набор данных, который применяет f к выходам input_dataset.
ParallelMapDataset(...): Создаёт набор данных, который применяет f к выходам input_dataset.
ParallelMapDatasetV2(...): Создаёт набор данных, который применяет f к выходам input_dataset.
ParameterizedTruncatedNormal(...): Выводит случайные значения из нормального распределения.
ParseExample(...): Преобразует вектор протоколов brain.Example (в виде строк) в типизированные тензоры.
ParseExampleDataset(...): Преобразует input_dataset, содержащие Example протоколы в качестве векторов DT_STRING, в набор данных Tensor или SparseTensor объектов, представляющих разобранные особенности.
ParseExampleDatasetV2(...): Преобразует input_dataset, содержащие Example протоколы в качестве векторов DT_STRING, в набор данных Tensor или SparseTensor объектов, представляющих разобранные особенности.
ParseExampleV2(...): Преобразует вектор протоколов tf.Example (в виде строк) в типизированные тензоры.
ParseSequenceExample(...): Преобразует вектор протоколов brain.SequenceExample (в виде строк) в типизированные тензоры.
ParseSequenceExampleV2(...): Преобразует вектор протоколов tf.io.SequenceExample (в виде строк) в типизированные тензоры.
ParseSingleExample(...): Преобразует протокол tf.Example (в виде строки) в типизированные тензоры.
ParseSingleSequenceExample(...): Преобразует скалярный протокол brain.SequenceExample (в виде строк) в типизированные тензоры.
ParseTensor(...): Преобразует сериализованный протокол tensorflow.TensorProto в тензор.
PartitionedCall(...): Возвращает f(inputs), где тело f размещается и разделяется.
Placeholder(...): Оператор-заполнитель для значения, которое будет подано в вычисление.
PlaceholderV2(...): Оператор-заполнитель для значения, которое будет подано в вычисление.
PlaceholderWithDefault(...): Оператор-заполнитель, который пропускает input, когда его выход не подаётся.
Polygamma(...): Вычисляет полигамма-функцию \(\psi^{(n)}(x)\).
PopulationCount(...): Вычисляет побитовое количество единиц (популяция, popcount, bitsum, bitcount).
Pow(...): Вычисляет степень одного значения по другому.
PrefetchDataset(...): Создаёт набор данных, который асинхронно извлекает элементы из input_dataset.
Prelinearize(...): Операция, которая линеаризует одно значение Tensor в неявный вариант тензора.
PrelinearizeTuple(...): Операция, которая линеаризует несколько значений Tensor в неявный вариант тензора.
PreventGradient(...): Операция тождества, которая вызывает ошибку, если запрашивается градиент.
Print(...): Выводит список тензоров.
PrintV2(...): Выводит скалярную строку.
PriorityQueue(...): Очередь, которая производит элементы, отсортированные по значению первого компонента.
PriorityQueueV2(...): Очередь, которая производит элементы, отсортированные по значению первого компонента.
PrivateThreadPoolDataset(...): Создаёт набор данных, который использует пользовательский пул потоков для вычисления input_dataset.
Prod(...): Вычисляет произведение элементов по измерениям тензора.
PyFunc(...): Вызывает функцию Python для вычисления func(input)->output.
PyFuncStateless(...): Бессостояние версия PyFunc.
Qr(...): Вычисляет QR-разложения одной или нескольких матриц.
QuantizeAndDequantize(...): Используйте QuantizeAndDequantizeV2 вместо этого.
QuantizeAndDequantizeV2(...): Квантует, а затем деквантует тензор.
QuantizeAndDequantizeV3(...): Квантует, а затем деквантует тензор.
QuantizeAndDequantizeV4(...): Квантует, а затем деквантует тензор.
QuantizeAndDequantizeV4Grad(...): Возвращает градиент QuantizeAndDequantizeV4.
QuantizeDownAndShrinkRange(...): Преобразует квантованный тензор 'input' в тензор 'output' с меньшей точностью, используя
QuantizeV2(...): Квантует тензор 'input' типа float в тензор 'output' типа 'T'.
QuantizedAdd(...): Возвращает x + y поэлементно, работая с квантованными буферами.
QuantizedAvgPool(...): Производит усреднённый пул входного тензора для квантованных типов.
QuantizedBatchNormWithGlobalNormalization(...): Квантованная нормализация по батчам.
QuantizedBiasAdd(...): Добавляет тензор 'bias' к тензору 'input' для квантованных типов.
QuantizedConcat(...): Объединяет квантованные тензоры по одному измерению.
QuantizedConv2D(...): Вычисляет 2D свёртку, используя квантованные 4D входной и фильтры тензоры.
QuantizedConv2DAndReluAndRequantize(...)
QuantizedConv2DAndRequantize(...)
QuantizedConv2DPerChannel(...): Вычисляет QuantizedConv2D по каналу.
QuantizedConv2DWithBiasAndRelu(...)
QuantizedConv2DWithBiasAndReluAndRequantize(...)
QuantizedConv2DWithBiasAndRequantize(...)
QuantizedConv2DWithBiasSignedSumAndReluAndRequantize(...)
QuantizedConv2DWithBiasSumAndRelu(...)
QuantizedConv2DWithBiasSumAndReluAndRequantize(...)
QuantizedDepthwiseConv2D(...): Вычисляет квантованную свёртку depthwise Conv2D.
QuantizedDepthwiseConv2DWithBias(...): Вычисляет квантованную свёртку depthwise Conv2D с Bias.
QuantizedDepthwiseConv2DWithBiasAndRelu(...): Вычисляет квантованную свёртку depthwise Conv2D с Bias и Relu.
QuantizedDepthwiseConv2DWithBiasAndReluAndRequantize(...): Вычисляет квантованную свёртку depthwise Conv2D с Bias, Relu и Requantize.
QuantizedInstanceNorm(...): Квантованная нормализация по экземплярам.
QuantizedMatMul(...): Выполняет квантованное матричное умножение a на матрицу b.
QuantizedMatMulWithBias(...): Выполняет квантованное матричное умножение a на матрицу b с добавлением смещения.
QuantizedMatMulWithBiasAndDequantize(...)
QuantizedMatMulWithBiasAndRelu(...): Выполняет квантованное матричное умножение a на матрицу b со смещением и объединением с relu.
QuantizedMatMulWithBiasAndReluAndRequantize(...): Выполняет квантованное матричное умножение a на матрицу b со смещением, relu и объединением с requantize.
QuantizedMatMulWithBiasAndRequantize(...)
QuantizedMaxPool(...): Производит максимальный пул входного тензора для квантованных типов.
QuantizedMul(...): Возвращает x * y поэлементно, работая с квантованными буферами.
QuantizedRelu(...): Вычисляет квантованное выпрямленное линейное преобразование: max(features, 0)
QuantizedRelu6(...): Вычисляет квантованное выпрямленное линейное преобразование 6: min(max(features, 0), 6)
QuantizedReluX(...): Вычисляет квантованное выпрямленное линейное преобразование X: min(max(features, 0), max_value)
QuantizedReshape(...): Изменяет форму квантованного тензора в соответствии с операцией Reshape.
QuantizedResizeBilinear(...): Изменяет размер квантованного images на size, используя квантованную билинейную интерполяцию.
QueueClose(...): Закрывает заданную очередь.
QueueCloseV2(...): Закрывает заданную очередь.
QueueDequeue(...): Извлекает кортеж из одного или нескольких тензоров из заданной очереди.
QueueDequeueMany(...): Извлекает n кортежей из одного или нескольких тензоров из заданной очереди.
QueueDequeueManyV2(...): Извлекает n кортежей из одного или нескольких тензоров из заданной очереди.
QueueDequeueUpTo(...): Извлекает n кортежей из одного или нескольких тензоров из заданной очереди.
QueueDequeueUpToV2(...): Извлекает n кортежей из одного или нескольких тензоров из заданной очереди.
QueueDequeueV2(...): Извлекает кортеж из одного или нескольких тензоров из заданной очереди.
QueueEnqueue(...): Добавляет кортеж из одного или нескольких тензоров в заданную очередь.
QueueEnqueueMany(...): Добавляет ноль или более кортежей из одного или нескольких тензоров в заданную очередь.
QueueEnqueueManyV2(...): Добавляет ноль или более кортежей из одного или нескольких тензоров в заданную очередь.
QueueEnqueueV2(...): Добавляет кортеж из одного или нескольких тензоров в заданную очередь.
QueueIsClosed(...): Возвращает true, если очередь закрыта.
QueueIsClosedV2(...): Возвращает true, если очередь закрыта.
QueueSize(...): Вычисляет количество элементов в заданной очереди.
QueueSizeV2(...): Вычисляет количество элементов в заданной очереди.
RFFT(...): Вещественное быстрое преобразование Фурье.
RFFT2D(...): 2D вещественное быстрое преобразование Фурье.
RFFT3D(...): 3D вещественное быстрое преобразование Фурье.
RFFTND(...): ND быстрое вещественное преобразование Фурье.
RGBToHSV(...): Преобразует один или несколько изображений из RGB в HSV.
RaggedBincount(...): Подсчитывает количество вхождений каждого значения в целочисленном массиве.
RaggedCountSparseOutput(...): Выполняет подсчёт вхождений с разреженной выходной информацией для входного разреженного тензора.
RaggedCross(...): Генерирует перекрёстную характеристику из списка тензоров и возвращает её как RaggedTensor.
RaggedGather(...): Извлекает разреженные срезы из params оси 0 в соответствии с indices.
RaggedRange(...): Возвращает RaggedTensor, содержащий указанные последовательности чисел.
RaggedTensorFromVariant(...): Декодирует variant тензор в RaggedTensor.
RaggedTensorToSparse(...): Преобразует RaggedTensor в SparseTensor с теми же значениями.
RaggedTensorToTensor(...): Создаёт плотный тензор из разреженного тензора, возможно изменив его форму.
RaggedTensorToVariant(...): Кодирует RaggedTensor в variant тензор.
RaggedTensorToVariantGradient(...): Помощник, используемый для вычисления градиента для RaggedTensorToVariant.
RandomCrop(...): Случайное обрезание image.
RandomDataset(...): Создаёт набор данных, возвращающий псевдослучайные числа.
RandomDatasetV2(...): Создаёт набор данных, возвращающий псевдослучайные числа.
RandomGamma(...): Выводит случайные значения из распределения Гамма, описываемого alpha.
RandomGammaGrad(...): Вычисляет производную случайной выборки Гамма по отношению к alpha.
RandomIndexShuffle(...): Выводит позицию value в перестановке [0, ..., max_index].
RandomPoisson(...): Используйте RandomPoissonV2 вместо этого.
RandomPoissonV2(...): Выводит случайные значения из распределения Пуассона, описываемого скоростью.
RandomShuffle(...): Случайным образом перемешивает тензор по первому измерению.
RandomShuffleQueue(...): Очередь, которая случайным образом изменяет порядок элементов.
RandomShuffleQueueV2(...): Очередь, которая случайным образом изменяет порядок элементов.
RandomStandardNormal(...): Выводит случайные значения из нормального распределения.
RandomUniform(...): Выводит случайные значения из равномерного распределения.
RandomUniformInt(...): Выводит случайные целые числа из равномерного распределения.
Range(...): Создаёт последовательность чисел.
RangeDataset(...): Создаёт набор данных с диапазоном значений. Соответствует xrange в Python.
Rank(...): Возвращает ранг тензора.
ReadFile(...): Читает и выводит всё содержимое входного файла.
ReadVariableOp(...): Читает значение переменной.
ReadVariableXlaSplitND(...): Разделяет входной тензор переменной ресурса по всем измерениям.
ReaderNumRecordsProduced(...): Возвращает количество записей, сгенерированных этим чтецом.
ReaderNumRecordsProducedV2(...): Возвращает количество записей, сгенерированных этим чтецом.
ReaderNumWorkUnitsCompleted(...): Возвращает количество завершенных блоков работы этим чтецом.
ReaderNumWorkUnitsCompletedV2(...): Возвращает количество завершенных блоков работы этим чтецом.
ReaderRead(...): Возвращает следующую запись (пару ключ-значение), сгенерированную чтецом.
ReaderReadUpTo(...): Возвращает до num_records пар (ключ, значение), сгенерированных чтецом.
ReaderReadUpToV2(...): Возвращает до num_records пар (ключ, значение), сгенерированных чтецом.
ReaderReadV2(...): Возвращает следующую запись (пару ключ-значение), сгенерированную чтецом.
ReaderReset(...): Сбрасывает чтец в начальное чистое состояние.
ReaderResetV2(...): Сбрасывает чтец в начальное чистое состояние.
ReaderRestoreState(...): Восстанавливает состояние чтеца из ранее сохраненного состояния.
ReaderRestoreStateV2(...): Восстанавливает состояние чтеца из ранее сохраненного состояния.
ReaderSerializeState(...): Создает строковый тензор, кодирующий состояние чтеца.
ReaderSerializeStateV2(...): Создает строковый тензор, кодирующий состояние чтеца.
Real(...): Возвращает действительную часть комплексного числа.
RealDiv(...): Возвращает x / y поэлементно для вещественных типов.
RebatchDataset(...): Создаёт набор данных, изменяющий размер пакета.
RebatchDatasetV2(...): Создаёт набор данных, изменяющий размер пакета.
Reciprocal(...): Вычисляет обратную величину элемента x.
ReciprocalGrad(...): Вычисляет градиент для обратной величины x по отношению к его входу.
RecordInput(...): Выпускает случайные записи.
Recv(...): Получает именованный тензор с send_device на recv_device.
RecvTPUEmbeddingActivations(...): Операция получения активаций встраивания на TPU.
ReduceDataset(...): Сводит набор данных к одному элементу с помощью функции сокращения.
ReduceJoin(...): Объединяет тензор строк по заданным измерениям.
RefEnter(...): Создаёт или находит фрейм-потомок и делает data доступным для фрейма-потомка.
RefExit(...): Выходит из текущего фрейма в родительский фрейм.
RefIdentity(...): Возвращает тот же тензор ссылок, что и входной тензор ссылок.
RefMerge(...): Передаёт значение доступного тензора от inputs до output.
RefNextIteration(...): Делает свой вход доступным для следующей итерации.
RefSelect(...): Передаёт index-й элемент inputs в output.
RefSwitch(...): Передаёт тензор ссылок data на выходной порт, определяемый pred.
RegexFullMatch(...): Проверка, соответствует ли вход шаблону регулярного выражения.
RegexReplace(...): Заменяет совпадения регулярного выражения pattern в input строкой замены, указанной в rewrite.
RegisterDataset(...): Регистрирует набор данных в службе tf.data.
RegisterDatasetV2(...): Регистрирует набор данных в службе tf.data.
Relu(...): Вычисляет выпрямлённую линейную функцию: max(features, 0).
Relu6(...): Вычисляет выпрямлённую линейную функцию 6: min(max(features, 0), 6).
Relu6Grad(...): Вычисляет градиенты для функции Relu6.
ReluGrad(...): Вычисляет градиенты для функции Relu.
RemoteCall(...): Выполняет функцию f на удалённом устройстве, указанном target.
RepeatDataset(...): Создаёт набор данных, который повторяет выходные данные input_dataset count раз.
RequantizationRange(...): Вычисляет диапазон, охватывающий фактические значения, присутствующие в квантованном тензоре.
RequantizationRangePerChannel(...): Вычисляет диапазон переквантования на канал.
Requantize(...): Преобразует квантованный input тензор в тензор с меньшей точностью output.
RequantizePerChannel(...): Переквантует вход с известными значениями минимума и максимума на канал.
Reshape(...): Изменяет форму тензора.
ResizeArea(...): Изменяет размер images на size с использованием интерполяции по площади.
ResizeBicubic(...): Изменяет размер images на size с использованием бикубической интерполяции.
ResizeBicubicGrad(...): Вычисляет градиент бикубической интерполяции.
ResizeBilinear(...): Изменяет размер images на size с использованием билинейной интерполяции.
ResizeBilinearGrad(...): Вычисляет градиент билинейной интерполяции.
ResizeNearestNeighbor(...): Изменяет размер images на size с использованием интерполяции ближайшего соседа.
ResizeNearestNeighborGrad(...): Вычисляет градиент интерполяции ближайшего соседа.
ResourceAccumulatorApplyGradient(...): Применяет градиент к заданному аккумулятору.
ResourceAccumulatorNumAccumulated(...): Возвращает количество агрегированных градиентов в заданных аккумуляторах.
ResourceAccumulatorSetGlobalStep(...): Обновляет аккумулятор с новым значением для global_step.
ResourceAccumulatorTakeGradient(...): Извлекает средний градиент в данном ConditionalAccumulator.
ResourceApplyAdaMax(...): Обновляет '*var' по алгоритму AdaMax.
ResourceApplyAdadelta(...): Обновляет '*var' по схеме adadelta.
ResourceApplyAdagrad(...): Обновляет '*var' по схеме adagrad.
ResourceApplyAdagradDA(...): Обновляет '*var' по схеме приближённого adagrad.
ResourceApplyAdagradV2(...): Обновляет '*var' по схеме adagrad.
ResourceApplyAdam(...): Обновляет '*var' по алгоритму Adam.
ResourceApplyAdamWithAmsgrad(...): Обновляет '*var' по алгоритму Adam.
ResourceApplyAddSign(...): Обновляет '*var' по обновлению AddSign.
ResourceApplyCenteredRMSProp(...): Обновляет '*var' по алгоритму centered RMSProp.
ResourceApplyFtrl(...): Обновляет '*var' по схеме Ftrl-proximal.
ResourceApplyFtrlV2(...): Обновляет '*var' по схеме Ftrl-proximal.
ResourceApplyGradientDescent(...): Обновляет '*var', вычитая 'alpha' * 'delta' из него.
ResourceApplyKerasMomentum(...): Обновляет '*var' по схеме импульса.
ResourceApplyMomentum(...): Обновляет '*var' по схеме импульса.
ResourceApplyPowerSign(...): Обновляет '*var' по обновлению AddSign.
ResourceApplyProximalAdagrad(...): Обновляет 'var' и 'accum' по алгоритму FOBOS с обучающей скоростью Adagrad.
ResourceApplyProximalGradientDescent(...): Обновляет '*var' как алгоритм FOBOS с фиксированной скоростью обучения.
ResourceApplyRMSProp(...): Обновляет '*var' по алгоритму RMSProp.
ResourceConditionalAccumulator(...): Условный аккумулятор для агрегирования градиентов.
ResourceCountUpTo(...): Увеличивает переменную, на которую указывает 'resource', пока она не достигнет 'limit'.
ResourceGather(...): Сбор срезов из переменной, на которую указывает resource, по указаниям indices.
ResourceScatterAdd(...): Добавляет разреженные обновления к переменной, на которую ссылается resource.
ResourceScatterDiv(...): Делит разреженные обновления на переменную, на которую ссылается resource.
ResourceScatterMax(...): Снижает разреженные обновления в переменную, на которую ссылается resource, используя операцию max.
ResourceScatterMin(...): Снижает разреженные обновления в переменную, на которую ссылается resource, используя операцию min.
ResourceScatterMul(...): Умножает разреженные обновления в переменную, на которую ссылается resource.
ResourceScatterNdAdd(...): Применяет разреженное сложение к отдельным значениям или срезам в переменной.
ResourceScatterNdSub(...): Применяет разреженное вычитание к отдельным значениям или срезам в переменной.
ResourceScatterNdUpdate(...): Применяет разреженное updates к отдельным значениям или срезам в заданной
ResourceScatterSub(...): Вычитает разреженные обновления из переменной, на которую ссылается resource.
ResourceScatterUpdate(...): Присваивает разреженные обновления переменной, на которую ссылается resource.
ResourceSparseApplyAdadelta(...): var: Должно быть из Variable().
ResourceSparseApplyAdagrad(...): Обновить соответствующие записи в «var» и «accum» в соответствии со схемой adagrad.
ResourceSparseApplyAdagradDA(...): Обновить записи в «var» и «accum» в соответствии с схемой приближенного adagrad.
ResourceSparseApplyAdagradV2(...): Обновить соответствующие записи в «var» и «accum» в соответствии со схемой adagrad.
ResourceSparseApplyCenteredRMSProp(...): Обновить «*var» в соответствии с алгоритмом centered RMSProp.
ResourceSparseApplyFtrl(...): Обновить соответствующие записи в «*var» в соответствии со схемой Ftrl-proximal.
ResourceSparseApplyFtrlV2(...): Обновить соответствующие записи в «*var» в соответствии со схемой Ftrl-proximal.
ResourceSparseApplyKerasMomentum(...): Обновить соответствующие записи в «var» и «accum» в соответствии со схемой импульса.
ResourceSparseApplyMomentum(...): Обновить соответствующие записи в «var» и «accum» в соответствии со схемой импульса.
ResourceSparseApplyProximalAdagrad(...): Разреженное обновление записей в «var» и «accum» в соответствии с алгоритмом FOBOS.
ResourceSparseApplyProximalGradientDescent(...): Разреженное обновление «*var» как алгоритм FOBOS с фиксированной скоростью обучения.
ResourceSparseApplyRMSProp(...): Обновить «*var» в соответствии с алгоритмом RMSProp.
ResourceStridedSliceAssign(...): Присвоить value срезу l-значения ссылки ref.
Restore(...): Восстанавливает тензор из файлов контрольных точек.
RestoreSlice(...): Восстанавливает тензор из файлов контрольных точек.
RestoreV2(...): Восстанавливает тензоры из контрольной точки V2.
RetrieveTPUEmbeddingADAMParameters(...): Получить параметры ADAM встраивания.
RetrieveTPUEmbeddingAdadeltaParameters(...): Получить параметры Adadelta встраивания.
RetrieveTPUEmbeddingAdagradMomentumParameters(...): Получить параметры Adagrad Momentum встраивания.
RetrieveTPUEmbeddingAdagradParameters(...): Получить параметры Adagrad встраивания.
RetrieveTPUEmbeddingCenteredRMSPropParameters(...): Получить параметры встраивания centered RMSProp.
RetrieveTPUEmbeddingFTRLParameters(...): Получить параметры встраивания FTRL.
RetrieveTPUEmbeddingFrequencyEstimatorParameters(...): Получить параметры встраивания оценщика частоты.
RetrieveTPUEmbeddingMDLAdagradLightParameters(...): Получить параметры встраивания MDL Adagrad Light.
RetrieveTPUEmbeddingMomentumParameters(...): Получить параметры встраивания импульса.
RetrieveTPUEmbeddingProximalAdagradParameters(...): Получить параметры встраивания приближенного Adagrad.
RetrieveTPUEmbeddingProximalYogiParameters(...)
RetrieveTPUEmbeddingRMSPropParameters(...): Получить параметры встраивания RMSProp.
RetrieveTPUEmbeddingStochasticGradientDescentParameters(...): Получить параметры встраивания SGD.
Reverse(...): Инвертирует определённые измерения тензора.
ReverseSequence(...): Инвертирует срезы переменной длины.
ReverseV2(...): Инвертирует определённые измерения тензора.
RightShift(...): Элемент-поэлементное вычисляет побитовый сдвиг вправо x и y.
Rint(...): Возвращает элемент-поэлементное целое число, наиболее близкое к x.
RngReadAndSkip(...): Увеличить счётчик RNG на основе счётчика.
RngSkip(...): Увеличить счётчик RNG на основе счётчика.
Roll(...): Сдвигает элементы тензора вдоль оси.
Round(...): Округляет значения тензора до ближайшего целого числа, поэлементно.
Rsqrt(...): Вычисляет обратное значение квадратного корня из x поэлементно.
RsqrtGrad(...): Вычисляет градиент для rsqrt от x по отношению к его входу.
SampleDistortedBoundingBox(...): Создаёт одно случайное искажённое ограничивающее прямоугольник для изображения.
SampleDistortedBoundingBoxV2(...): Создаёт одно случайное искажённое ограничивающее прямоугольник для изображения.
SamplingDataset(...): Создаёт набор данных, который берёт выборку Бернулли из содержимого другого набора данных.
Save(...): Сохраняет входные тензоры на диск.
SaveSlices(...): Сохраняет срезы входных тензоров на диск.
SaveV2(...): Сохраняет тензоры в формате контрольной точки V2.
ScalarSummary(...): Выводит протокол-буфер Summary со скалярными значениями.
ScanDataset(...): Создаёт набор данных, последовательно уменьшает f по элементам input_dataset.
ScatterAdd(...): Добавляет разреженные обновления к ссылке на переменную.
ScatterDiv(...): Делит ссылку на переменную на разреженные обновления.
ScatterMax(...): Снижает разреженные обновления в ссылку на переменную, используя операцию max.
ScatterMin(...): Снижает разреженные обновления в ссылку на переменную, используя операцию min.
ScatterMul(...): Умножает разреженные обновления на ссылку на переменную.
ScatterNd(...): Разбрасывает updates в тензор формы shape в соответствии с indices.
ScatterNdAdd(...): Применяет разреженное сложение к отдельным значениям или срезам в переменной.
ScatterNdMax(...): Вычисляет поэлементный максимум.
ScatterNdMin(...): Вычисляет поэлементный минимум.
ScatterNdNonAliasingAdd(...): Применяет разреженное сложение к input, используя отдельные значения или срезы
ScatterNdSub(...): Применяет разреженное вычитание к отдельным значениям или срезам в переменной.
ScatterNdUpdate(...): Применяет разреженное updates к отдельным значениям или срезам в заданной
ScatterSub(...): Вычитает разреженные обновления из ссылки на переменную.
ScatterUpdate(...): Применяет разреженные обновления к ссылке на переменную.
SdcaFprint(...): Вычисляет отпечатки входных строк.
SdcaOptimizer(...): Распределённая версия оптимизатора стохастического двойственного координатного восхождения (SDCA) для
SdcaOptimizerV2(...): Распределённая версия оптимизатора стохастического двойственного координатного восхождения (SDCA) для
SdcaShrinkL1(...): Применяет L1 регуляризацию shrink шаг к параметрам.
SegmentMax(...): Вычисляет максимальное значение по сегментам тензора.
SegmentMaxV2(...): Вычисляет максимальное значение по сегментам тензора.
SegmentMean(...): Вычисляет среднее значение по сегментам тензора.
SegmentMin(...): Вычисляет минимальное значение по сегментам тензора.
SegmentMinV2(...): Вычисляет минимум по сегментам тензора.
SegmentProd(...): Вычисляет произведение по сегментам тензора.
SegmentProdV2(...): Вычисляет произведение по сегментам тензора.
SegmentSum(...): Вычисляет сумму по сегментам тензора.
SegmentSumV2(...): Вычисляет сумму по сегментам тензора.
Select(...): Выбирает элементы из x или y, в зависимости от condition.
SelfAdjointEig(...): Вычисляет собственное разложение пакета квадратных самосопряжённых матриц.
SelfAdjointEigV2(...): Вычисляет собственное разложение одной или нескольких квадратных самосопряжённых матриц.
Selu(...): Вычисляет масштабированную экспоненциальную линейную функцию: scale * alpha * (exp(features) - 1)
SeluGrad(...): Вычисляет градиенты для масштабированной экспоненциальной линейной функции (Selu).
Send(...): Отправляет именованный тензор из send_device в recv_device.
SendTPUEmbeddingGradients(...): Выполняет обновление градиентов таблиц встраивания.
SerializeIterator(...): Преобразует заданный resource_handle, представляющий итератор, в тензор типа variant.
SerializeManySparse(...): Сериализует N-минимальную партию SparseTensor в объект [N, 3] Tensor.
SerializeSparse(...): Сериализует SparseTensor в объект [3] Tensor.
SerializeTensor(...): Преобразует тензор в сериализованный протокол TensorProto.
SetSize(...): Количество уникальных элементов по последнему измерению входного set.
SetStatsAggregatorDataset(...)
Shape(...): Возвращает форму тензора.
ShapeN(...): Возвращает форму тензоров.
ShardDataset(...): Создает Dataset, который включает только 1/num_shards данного набора данных.
ShardedFilename(...): Генерирует имя фрагментированного файла.
ShardedFilespec(...): Генерирует шаблон соответствия всем именам фрагментированных файлов.
ShuffleAndRepeatDataset(...): Создает набор данных, который перемешивает и повторяет элементы из input_dataset.
ShuffleAndRepeatDatasetV2(...)
ShuffleDataset(...): Создает набор данных, который случайным образом перемешивает элементы из input_dataset.
ShutdownDistributedTPU(...): Останавливает работающую распределённую систему TPU.
Sigmoid(...): Вычисляет сигмоиду от x поэлементно.
SigmoidGrad(...): Вычисляет градиент сигмоиды от x по отношению к её входному значению.
Sign(...): Возвращает поэлементное указание знака числа.
Sin(...): Вычисляет синус от x поэлементно.
Sinh(...): Вычисляет гиперболический синус от x поэлементно.
Size(...): Возвращает размер тензора.
SkipDataset(...): Создает набор данных, пропускающий count элементов из input_dataset.
Slice(...): Возвращает срез из 'input'.
SlidingWindowDataset(...): Создает набор данных, который проходит скользящим окном по input_dataset.
Snapshot(...): Возвращает копию входного тензора.
SnapshotDataset(...): Создает набор данных, который будет записывать/читать из снимка.
SnapshotDatasetV2(...): Создает набор данных, который будет записывать/читать из снимка.
SnapshotNestedDatasetReader(...)
SobolSample(...): Генерирует точки из последовательности Соболя.
Softmax(...): Вычисляет активации softmax.
SoftmaxCrossEntropyWithLogits(...): Вычисляет затраты перекрёстной энтропии softmax и градиенты для обратного распространения.
SoftplusGrad(...): Вычисляет градиенты softplus для операции softplus.
Softsign(...): Вычисляет softsign: features / (abs(features) + 1).
SoftsignGrad(...): Вычисляет градиенты softsign для операции softsign.
SpaceToBatch(...): SpaceToBatch для 4-мерных тензоров типа T.
SpaceToBatchND(...): SpaceToBatch для N-мерных тензоров типа T.
SpaceToDepth(...): SpaceToDepth для тензоров типа T.
SparseAccumulatorApplyGradient(...): Применяет разреженный градиент к заданному аккумулятору.
SparseAccumulatorTakeGradient(...): Извлекает средний разреженный градиент в SparseConditionalAccumulator.
SparseAdd(...): Складывает два SparseTensor объекта, чтобы получить другой SparseTensor.
SparseAddGrad(...): Оператор градиента для операции SparseAdd.
SparseApplyAdadelta(...): var: Должен быть получен из Variable().
SparseApplyAdagrad(...): Обновляет соответствующие записи в 'var' и 'accum' в соответствии со схемой adagrad.
SparseApplyAdagradDA(...): Обновляет записи в 'var' и 'accum' в соответствии с приближенной схемой adagrad.
SparseApplyAdagradV2(...): Обновляет соответствующие записи в 'var' и 'accum' в соответствии со схемой adagrad.
SparseApplyCenteredRMSProp(...): Обновляет '*var' в соответствии с алгоритмом centered RMSProp.
SparseApplyFtrl(...): Обновляет соответствующие записи в '*var' в соответствии с приближенной схемой Ftrl.
SparseApplyFtrlV2(...): Обновляет соответствующие записи в '*var' в соответствии с приближенной схемой Ftrl.
SparseApplyMomentum(...): Обновляет соответствующие записи в 'var' и 'accum' в соответствии со схемой momentum.
SparseApplyProximalAdagrad(...): Разреженные обновления записей в 'var' и 'accum' в соответствии с алгоритмом FOBOS.
SparseApplyProximalGradientDescent(...): Разреженное обновление '*var' как алгоритм FOBOS с фиксированной скоростью обучения.
SparseApplyRMSProp(...): Обновляет '*var' в соответствии с алгоритмом RMSProp.
SparseBincount(...): Подсчитывает количество вхождений каждого значения в целочисленном массиве.
SparseConcat(...): Объединяет список SparseTensor вдоль указанного измерения.
SparseConditionalAccumulator(...): Условный аккумулятор для агрегирования разреженных градиентов.
SparseCountSparseOutput(...): Выполняет подсчет разреженных выходов для разреженного тензора-входа.
SparseCross(...): Генерирует разреженное перекрещивание из списка разреженных и плотных тензоров.
SparseCrossHashed(...): Генерирует разреженное перекрещивание из списка разреженных и плотных тензоров.
SparseCrossV2(...): Генерирует разреженное перекрещивание из списка разреженных и плотных тензоров.
SparseDenseCwiseAdd(...): Складывает SparseTensor и плотный тензор, используя эти особые правила:
SparseDenseCwiseDiv(...): Покомпонентное деление SparseTensor на плотный тензор.
SparseDenseCwiseMul(...): Покомпонентное умножение SparseTensor на плотный тензор.
SparseFillEmptyRows(...): Заполняет пустые строки в входном 2-мерном SparseTensor значениями по умолчанию.
SparseFillEmptyRowsGrad(...): Градиент для SparseFillEmptyRows.
SparseMatMul(...): Умножение матрицы "a" на матрицу "b".
SparseMatrixAdd(...): Разреженное сложение двух CSR-матриц, C = alpha * A + beta * B.
SparseMatrixMatMul(...): Умножение матрицы разреженной матрицы на плотную матрицу.
SparseMatrixMul(...): Поэлементное умножение разреженной матрицы на плотный тензор.
SparseMatrixNNZ(...): Возвращает количество ненулевых элементов sparse_matrix.
SparseMatrixOrderingAMD(...): Вычисляет порядок приближённой минимальной степени (AMD) для input.
SparseMatrixSoftmax(...): Вычисляет softmax для CSRSparseMatrix.
SparseMatrixSoftmaxGrad(...): Вычисляет градиент операции SparseMatrixSoftmax.
SparseMatrixSparseCholesky(...): Вычисляет разложение Холецкого для input.
SparseMatrixSparseMatMul(...): Умножает две CSR-матрицы a и b.
SparseMatrixTranspose(...): Транспонирует внутренние (матричные) измерения CSRSparseMatrix.
SparseMatrixZeros(...): Создаёт CSRSparseMatrix, заполненную нулями, с формой dense_shape.
SparseReduceMax(...): Вычисляет максимальное значение элементов по измерениям SparseTensor.
SparseReduceMaxSparse(...): Вычисляет максимальное значение элементов по измерениям SparseTensor.
SparseReduceSum(...): Вычисляет сумму элементов по измерениям SparseTensor.
SparseReduceSumSparse(...): Вычисляет сумму элементов по измерениям SparseTensor.
SparseReorder(...): Переупорядочивает SparseTensor в канонический, строчно-главный порядок.
SparseReshape(...): Изменяет форму SparseTensor, чтобы представить значения в новой плотной форме.
SparseSegmentMean(...): Вычисляет среднее значение вдоль разреженных сегментов тензора.
SparseSegmentMeanGrad(...): Вычисляет градиенты для SparseSegmentMean.
SparseSegmentMeanGradV2(...): Вычисляет градиенты для SparseSegmentMean.
SparseSegmentMeanWithNumSegments(...): Вычисляет среднее значение вдоль разреженных сегментов тензора.
SparseSegmentSqrtN(...): Вычисляет сумму вдоль разреженных сегментов тензора, делённую на корень из N.
SparseSegmentSqrtNGrad(...): Вычисляет градиенты для SparseSegmentSqrtN.
SparseSegmentSqrtNGradV2(...): Вычисляет градиенты для SparseSegmentSqrtN.
SparseSegmentSqrtNWithNumSegments(...): Вычисляет сумму вдоль разреженных сегментов тензора, делённую на корень из N.
SparseSegmentSum(...): Вычисляет сумму вдоль разреженных сегментов тензора.
SparseSegmentSumGrad(...): Вычисляет градиенты для SparseSegmentSum.
SparseSegmentSumGradV2(...): Вычисляет градиенты для SparseSegmentSum.
SparseSegmentSumWithNumSegments(...): Вычисляет сумму вдоль разреженных сегментов тензора.
SparseSlice(...): Вырезает срез из SparseTensor, основанный на start и size.
SparseSliceGrad(...): Оператор градиента для операции SparseSlice.
SparseSoftmax(...): Применяет softmax к N-мерному пакету SparseTensor.
SparseSoftmaxCrossEntropyWithLogits(...): Вычисляет стоимость и градиенты кросс-энтропии softmax для обратного распространения.
SparseSparseMaximum(...): Возвращает элементное максимальное значение двух SparseTensor.
SparseSparseMinimum(...): Возвращает элементное минимальное значение двух SparseTensor.
SparseSplit(...): Разделяет SparseTensor на num_split тензоров по одному измерению.
SparseTensorDenseAdd(...): Складывает SparseTensor и плотный Tensor, получая плотный Tensor.
SparseTensorDenseMatMul(...): Умножает SparseTensor (ранга 2) "A" на плотную матрицу "B".
SparseTensorSliceDataset(...): Создаёт набор данных, который разделяет SparseTensor на элементы по строкам.
SparseTensorToCSRSparseMatrix(...): Преобразует SparseTensor в (возможно, пакетный) CSRSparseMatrix.
SparseToDense(...): Преобразует разреженное представление в плотный тензор.
SparseToSparseSetOperation(...): Применяет операцию множества вдоль последнего измерения двух SparseTensor входных данных.
Split(...): Разделяет тензор на num_split тензоров по одному измерению.
SplitV(...): Разделяет тензор на num_split тензоров по одному измерению.
SqlDataset(...): Создаёт набор данных, который выполняет SQL-запрос и излучает строки набора результатов.
Sqrt(...): Вычисляет квадратный корень от x поэлементно.
SqrtGrad(...): Вычисляет градиент квадратного корня из x по отношению к его входу.
Square(...): Вычисляет квадрат x поэлементно.
SquaredDifference(...): Возвращает conj(x - y)(x - y) поэлементно.
Squeeze(...): Удаляет измерения размера 1 из формы тензора.
Stack(...): Устаревшее, используйте StackV2.
StackClose(...): Устаревшее, используйте StackCloseV2.
StackCloseV2(...): Удаляет стек из его контейнера ресурсов.
StackPop(...): Устаревшее, используйте StackPopV2.
StackPopV2(...): Извлекает элемент из вершины стека.
StackPush(...): Устаревшее, используйте StackPushV2.
StackPushV2(...): Добавляет элемент в стек.
StackV2(...): Стек, который производит элементы в порядке LIFO.
Stage(...): Буферизует значения, подобно лёгкому Enqueue.
StageClear(...): Операция удаляет все элементы в базовом контейнере.
StagePeek(...): Операция просматривает значения по указанному индексу.
StageSize(...): Операция возвращает количество элементов в базовом контейнере.
StatefulPartitionedCall(...): Возвращает f(inputs), где тело f размещено и поделено.
StatefulStandardNormal(...): Выводит случайные значения из нормального распределения.
StatefulStandardNormalV2(...): Выводит случайные значения из нормального распределения.
StatefulTruncatedNormal(...): Выводит случайные значения из усеченного нормального распределения.
StatefulUniform(...): Выводит случайные значения из равномерного распределения.
StatefulUniformFullInt(...): Выводит случайные целые числа из равномерного распределения.
StatefulUniformInt(...): Выводит случайные целые числа из равномерного распределения.
StatelessCase(...): n-сторонний оператор выбора, который вызывает функцию одного ветвления.
StatelessIf(...): output = cond ? then_branch(input) : else_branch(input)
StatelessMultinomial(...): Выбирает выборки из многономиального распределения.
StatelessParameterizedTruncatedNormal(...)
StatelessRandomBinomial(...): Выводит детерминированные псевдослучайные числа из биномиального распределения.
StatelessRandomGammaV2(...): Выводит детерминированные псевдослучайные числа из гамма-распределения.
StatelessRandomGammaV3(...): Выводит детерминированные псевдослучайные числа из гамма-распределения.
StatelessRandomGetAlg(...): Выбирает лучший алгоритм RNG на основе счётчика для устройства.
StatelessRandomGetKeyCounter(...): Перемешивает seed в ключ и счётчик, используя лучший алгоритм на основе устройства.
StatelessRandomGetKeyCounterAlg(...): Выбирает лучший алгоритм на основе устройства и перемешивает seed в ключ и счётчик.
StatelessRandomNormal(...): Выводит детерминированные псевдослучайные значения из нормального распределения.
StatelessRandomNormalV2(...): Выводит детерминированные псевдослучайные значения из нормального распределения.
StatelessRandomPoisson(...): Выводит детерминированные псевдослучайные числа из пуассоновского распределения.
StatelessRandomUniform(...): Выводит детерминированные псевдослучайные значения из равномерного распределения.
StatelessRandomUniformFullInt(...): Выводит детерминированные псевдослучайные целые числа из равномерного распределения.
StatelessRandomUniformFullIntV2(...): Выводит детерминированные псевдослучайные целые числа из равномерного распределения.
StatelessRandomUniformInt(...): Выводит детерминированные псевдослучайные целые числа из равномерного распределения.
StatelessRandomUniformIntV2(...): Выводит детерминированные псевдослучайные целые числа из равномерного распределения.
StatelessRandomUniformV2(...): Выводит детерминированные псевдослучайные значения из равномерного распределения.
StatelessSampleDistortedBoundingBox(...): Генерирует случайную искажённую рамку для изображения детерминированным образом.
StatelessShuffle(...): Случайно и детерминированно перемешивает тензор по первому измерению.
StatelessTruncatedNormal(...): Выводит детерминированные псевдослучайные значения из усечённого нормального распределения.
StatelessTruncatedNormalV2(...): Выводит детерминированные псевдослучайные значения из усечённого нормального распределения.
StatelessWhile(...): output = input; Пока (Cond(output)) { output = Body(output) }
StaticRegexFullMatch(...): Проверяет, соответствует ли вход шаблону регулярного выражения.
StaticRegexReplace(...): Заменяет совпадение шаблона в входе на rewrite.
StatsAggregatorHandle(...): Создаёт ресурс менеджера статистики.
StatsAggregatorSetSummaryWriter(...): Устанавливает интерфейс summary_writer_interface для записи статистики, используя данный stats_aggregator.
StatsAggregatorSummary(...): Создаёт сводку любой статистики, записанной данным менеджером статистики.
StopGradient(...): Останавливает вычисление градиента.
StoreMinibatchStatisticsInFdo(...)
StridedSlice(...): Возвращает строенный срез из input.
StridedSliceAssign(...): Присваивает value срезу l-значения ссылки ref.
StridedSliceGrad(...): Возвращает градиент StridedSlice.
StringFormat(...): Форматирует шаблон строки, используя список тензоров.
StringJoin(...): Объединяет строки в заданном списке строковых тензоров в один тензор;
StringLength(...): Длины строк input.
StringLower(...): Преобразует все прописные буквы в их соответствующие строчные.
StringNGrams(...): Создаёт n-граммы из данных строковых данных в формате Ragged.
StringSplit(...): Разделяет элементы input по delimiter в SparseTensor.
StringSplitV2(...): Разделяет элементы source по sep в SparseTensor.
StringStrip(...): Удаляет начальные и конечные пробелы из тензора.
StringToHashBucket(...): Преобразует каждую строку в тензоре в её хэш по модулю числа ведер.
StringToHashBucketFast(...): Преобразует каждую строку в тензоре в её хэш по модулю числа ведер.
StringToHashBucketStrong(...): Преобразует каждую строку в тензоре в её хэш по модулю числа ведер.
StringToNumber(...): Преобразует каждую строку в тензоре в указанный числовой тип.
StringUpper(...): Преобразует все строчные буквы в соответствующие прописные.
Sub(...): Возвращает x - y поэлементно.
Substr(...): Возвращает подстроки из Tensor строк.
Sum(...): Вычисляет сумму элементов по измерениям тензора.
Svd(...): Вычисляет сингулярные разложения одного или нескольких матриц.
Switch(...): Пересылает data на выходной порт, определяемый pred.
SymbolicGradient(...): Вычисляет функцию градиента для функции f с помощью обратного распространения.
SyncDevice(...): Синхронизирует устройство, на котором выполняется данная операция.
TFRecordDataset(...): Создаёт набор данных, который выдаёт записи из одного или нескольких файлов TFRecord.
TFRecordDatasetV2(...): Создаёт набор данных, который выдаёт записи из одного или нескольких файлов TFRecord.
TFRecordReader(...): Чтец, который выводит записи из файла TensorFlow Records.
TFRecordReaderV2(...): Чтец, который выводит записи из файла TensorFlow Records.
TPUAnnotateTensorsWithDynamicShape(...)
TPUCompilationResult(...): Возвращает результат компиляции TPU.
TPUCopyWithDynamicShape(...): Операция, копирующая тензор хоста на устройство с поддержкой динамической формы.
TPUEmbeddingActivations(...): Операция, позволяющая дифференцировать TPU вложения.
TPUOrdinalSelector(...): Операция выбора TPU ядра.
TPUPartitionedCall(...): Вызывает функцию, размещённую на указанном устройстве TPU.
TPUPartitionedInput(...): Операция, объединяющая список разнесённых входных данных.
TPUPartitionedInputV2(...): Операция, объединяющая список разнесённых входных данных. Поддерживает ND фрагментацию.
TPUPartitionedOutput(...): Операция, которая демультиплексирует тензор, который будет фрагментирован XLA, в список разнесённых
TPUPartitionedOutputV2(...): Операция, которая демультиплексирует тензор, который будет фрагментирован XLA, в список разнесённых
TPUReplicateMetadata(...): Метаданные, указывающие, как следует реплицировать вычисления TPU.
TPUReplicatedInput(...): Подключает N входов к N-кратно реплицированному вычислению TPU.
TPUReplicatedOutput(...): Подключает N выходов из N-кратно реплицированного вычисления TPU.
TakeDataset(...): Создаёт набор данных, содержащий count элементов из input_dataset.
TakeManySparseFromTensorsMap(...): Считывает SparseTensors из SparseTensorsMap и конкатенирует их.
TakeWhileDataset(...): Создаёт набор данных, который прекращает итерацию, когда предикат `false`.
Tan(...): Вычисляет tg x поэлементно.
Tanh(...): Вычисляет гиперболический тангенс x поэлементно.
TanhGrad(...): Вычисляет градиент для tg(x) по отношению к его входному значению.
TemporaryVariable(...): Возвращает тензор, который можно изменять, но который сохраняется только в рамках одного шага.
TensorArrayCloseV2(...): Устаревшая функция.
TensorArrayCloseV3(...): Удаляет TensorArray из своего контейнера ресурсов.
TensorArrayConcatV2(...): Устаревшая функция.
TensorArrayConcatV3(...): Конкатенирует элементы из TensorArray в значение value.
TensorArrayGatherV2(...): Устаревшая функция.
TensorArrayGatherV3(...): Собрать определённые элементы из TensorArray в выходной value.
TensorArrayGradV2(...): Устаревшая функция.
TensorArrayGradV3(...): Создаёт TensorArray для хранения градиентов значений в заданном дескрипторе.
TensorArrayGradWithShape(...): Создаёт TensorArray для хранения нескольких градиентов значений в заданном дескрипторе.
TensorArrayReadV2(...): Устаревшая функция.
TensorArrayReadV3(...): Считывает элемент из TensorArray в выходной value.
TensorArrayScatterV2(...): Устаревшая функция.
TensorArrayScatterV3(...): Разброс данных из входного значения в определённые элементы TensorArray.
TensorArraySizeV2(...): Устаревшая функция.
TensorArraySizeV3(...): Получение текущего размера TensorArray.
TensorArraySplitV2(...): Устаревшая функция.
TensorArraySplitV3(...): Разделение данных из входного значения на элементы TensorArray.
TensorArrayV2(...): Устарело.
TensorArrayV3(...): Массив тензоров заданного размера.
TensorArrayWriteV2(...): Устарело.
TensorArrayWriteV3(...): Добавляет элемент в массив тензоров.
TensorDataset(...): Создаёт набор данных, который выводит components как кортеж тензоров один раз.
TensorListConcat(...): Объединяет все тензоры в списке по 0-му измерению.
TensorListConcatV2(...): Объединяет все тензоры в списке по 0-му измерению.
TensorListElementShape(...): Форма элементов данного списка, как тензор.
TensorListFromTensor(...): Создаёт TensorList, который, при объединении, имеет значение tensor.
TensorListGather(...): Создаёт Tensor, индексируя в TensorList.
TensorListGetItem(...): Возвращает элемент в списке с заданным индексом.
TensorListLength(...): Возвращает количество тензоров во входном списке тензоров.
TensorListPopBack(...): Возвращает последний элемент входного списка, а также список без этого элемента.
TensorListPushBack(...): Возвращает список, в котором переданный Tensor является последним элементом, а остальные элементы данного списка в input_handle.
TensorListReserve(...): Список заданного размера с пустыми элементами.
TensorListResize(...): Изменяет размер списка.
TensorListScatter(...): Создаёт TensorList, индексируя в Tensor.
TensorListScatterIntoExistingList(...): Разбрасывает тензор по индексам во входном списке.
TensorListScatterV2(...): Создаёт TensorList, индексируя в Tensor.
TensorListSetItem(...): Устанавливает значение i-ой позиции списка в заданный тензор.
TensorListSplit(...): Разделяет тензор на список.
TensorListStack(...): Объединяет все тензоры в списке.
TensorMapErase(...): Возвращает карту тензоров с удалённым элементом по данному ключу.
TensorMapHasKey(...): Возвращает, существует ли данный ключ в карте.
TensorMapInsert(...): Возвращает карту, являющуюся 'input_handle' с добавленной парой ключ-значение.
TensorMapLookup(...): Возвращает значение по заданному ключу в карте тензоров.
TensorMapSize(...): Возвращает количество тензоров во входной карте тензоров.
TensorMapStackKeys(...): Возвращает стековый тензор всех ключей в карте тензоров.
TensorScatterAdd(...): Добавляет разреженный updates к существующему тензору согласно indices.
TensorScatterMax(...): Применяет разреженное обновление к тензору, беря покомпонентный максимум.
TensorScatterSub(...): Вычитает разреженный updates из существующего тензора согласно indices.
TensorScatterUpdate(...): Разбрасывает updates в существующий тензор согласно indices.
TensorSliceDataset(...): Создаёт набор данных, который выводит каждый срез dim-0 из components один раз.
TensorStridedSliceUpdate(...): Присваивает value срезу l-значения ссылки input.
TensorSummary(...): Выводит протокол Summary с тензором.
TensorSummaryV2(...): Выводит протокол Summary с тензором и данными по плагинам.
TextLineDataset(...): Создаёт набор данных, который выводит строки из одного или нескольких текстовых файлов.
TextLineReader(...): Чтец, который выводит строки из файла, разделитель '\n'.
TextLineReaderV2(...): Чтец, который выводит строки из файла, разделитель '\n'.
ThreadPoolDataset(...): Создаёт набор данных, который использует пользовательский пул потоков для вычисления input_dataset.
ThreadPoolHandle(...): Создаёт набор данных, который использует пользовательский пул потоков для вычисления input_dataset.
ThreadUnsafeUnigramCandidateSampler(...): Генерирует метки для выборки кандидатов с помощью изученной униграмной распределения.
Tile(...): Строит тензор, чередуя заданный тензор.
TileGrad(...): Возвращает градиент Tile.
Timestamp(...): Предоставляет время с эпохи в секундах.
ToBool(...): Преобразует тензор в скалярное предикатное значение.
TopK(...): Находит значения и индексы k наибольших элементов для последнего измерения.
TopKV2(...): Находит значения и индексы k наибольших элементов для последнего измерения.
Transpose(...): Переупорядочивает измерения x в соответствии с перестановкой.
TridiagonalMatMul(...): Вычисляет произведение с треугольной матрицей.
TridiagonalSolve(...): Решает треугольные системы уравнений.
TruncateDiv(...): Возвращает x / y покомпонентно, округляя к нулю.
TruncateMod(...): Возвращает покомпонентный остаток от деления.
TruncatedNormal(...): Выводит случайные значения из усечённого нормального распределения.
Unbatch(...): Обратный оператор Batch для единственного выходного тензора.
UnbatchDataset(...): Набор данных, который разбивает элементы его входа на несколько элементов.
UnbatchGrad(...): Градиент Unbatch.
UncompressElement(...): Разжимает элемент сжатого набора данных.
UnicodeDecode(...): Декодирует каждую строку в input в последовательность кодов Юникода.
UnicodeDecodeWithOffsets(...): Декодирует каждую строку в input в последовательность кодов Юникода.
UnicodeEncode(...): Кодирует тензор целых чисел в строки Юникода.
UnicodeScript(...): Определяет коды шрифтов данного тензора кодов Юникода.
UnicodeTranscode(...): Перекодирует входной текст из исходной кодировки в кодировку назначения.
UniformCandidateSampler(...): Генерирует метки для выборки кандидатов с равномерным распределением.
UniformDequantize(...): Выполняет деквантизацию квантованного тензора input.
UniformQuantize(...): Выполняет квантизацию тензора input.
UniformQuantizedAdd(...): Выполняет квантованное сложение квантованного тензора lhs и квантованного тензора rhs, чтобы получить квантованный output.
UniformQuantizedClipByValue(...): Выполняет обрезку по значению квантованного тензора operand.
UniformQuantizedConvolution(...): Выполняет квантованное свёртывание квантованного тензора lhs и квантованного тензора rhs, чтобы получить квантованный output.
UniformQuantizedConvolutionHybrid(...): Выполняет гибридное квантованное свёртывание плавающего тензора lhs и квантованного тензора rhs.
UniformQuantizedDot(...): Выполняет квантованное скалярное произведение квантованного тензора lhs и квантованного тензора rhs, чтобы получить квантованный output.
UniformQuantizedDotHybrid(...): Выполняет гибридное квантованное скалярное произведение плавающего тензора lhs и квантованного тензора rhs.
UniformRequantize(...): Для квантованного тензора input, переквантует его с новыми параметрами квантования.
Unique(...): Находит уникальные элементы в одномерном тензоре.
UniqueDataset(...): Создаёт набор данных, содержащий уникальные элементы input_dataset.
UniqueV2(...): Находит уникальные элементы вдоль оси тензора.
UniqueWithCounts(...): Находит уникальные элементы в одномерном тензоре.
UniqueWithCountsV2(...): Находит уникальные элементы вдоль оси тензора.
Unpack(...): Распаковывает заданное измерение тензора ранга R в тензоры ранга num (R-1).
UnravelIndex(...): Преобразует массив плоских индексов в кортеж массивов координат.
UnsortedSegmentMax(...): Вычисляет максимум вдоль сегментов тензора.
UnsortedSegmentMin(...): Вычисляет минимум вдоль сегментов тензора.
UnsortedSegmentProd(...): Вычисляет произведение вдоль сегментов тензора.
UnsortedSegmentSum(...): Вычисляет сумму вдоль сегментов тензора.
Unstage(...): Оператор аналогичен лёгкому Dequeue.
UpperBound(...): Применяет upper_bound(sorted_search_values, values) по каждой строке.
VarHandleOp(...): Создаёт указатель на ресурс Variable.
VarIsInitializedOp(...): Проверяет, был ли инициализирован ресурс-указатель переменной.
Variable(...): Используйте VariableV2 вместо этого.
VariableShape(...): Возвращает форму переменной, на которую указывает resource.
VariableV2(...): Хранит состояние в виде тензора, сохраняющегося между шагами.
Where(...): Возвращает позиции ненулевых/истинных значений в тензоре.
While(...): output = input; While (Cond(output)) { output = Body(output) }
WholeFileReader(...): Чтец, который выводит всё содержимое файла в качестве значения.
WholeFileReaderV2(...): Чтец, который выводит всё содержимое файла в качестве значения.
WindowDataset(...): Объединяет элементы входных данных (вложенные) в набор данных (вложенных) окон.
WorkerHeartbeat(...): Оператор определения активности работника.
WriteAudioSummary(...): Записывает аудио-резюме.
WriteFile(...): Записывает contents в файл по адресу filename.
WriteGraphSummary(...): Записывает резюме графа.
WriteHistogramSummary(...): Записывает резюме гистограммы.
WriteImageSummary(...): Записывает резюме изображения.
WriteRawProtoSummary(...): Записывает сериализованное резюме протокола.
WriteScalarSummary(...): Записывает скалярное резюме.
WriteSummary(...): Записывает резюме тензора.
Xdivy(...): Возвращает 0, если x == 0, иначе x / y, поэлементно.
XlaConcatND(...): Объединяет входной тензор по всем измерениям.
XlaSparseCoreAdagradMomentum(...)
XlaSparseDenseMatmulGradWithAdagradAndCsrInput(...)
XlaSparseDenseMatmulGradWithAdagradMomentumAndCsrInput(...)
XlaSparseDenseMatmulGradWithAdamAndCsrInput(...)
XlaSparseDenseMatmulGradWithFtrlAndCsrInput(...)
XlaSparseDenseMatmulGradWithSgdAndCsrInput(...)
XlaSparseDenseMatmulWithCsrInput(...)
XlaSplitND(...): Разделяет входной тензор по всем измерениям.
Xlog1py(...): Возвращает 0, если x == 0, иначе x * log1p(y), поэлементно.
Xlogy(...): Возвращает 0, если x == 0, иначе x * log(y), поэлементно.
ZerosLike(...): Возвращает тензор нулей с той же формой и типом, что и x.
Zeta(...): Вычисляет дзета-функцию Гурвица \(\zeta(x, q)\).
ZipDataset(...): Создаёт набор данных, объединяющий input_datasets.
© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/compat/v1/raw_ops
