Модуль: tf.nn

Публичный API пространства имён tf._api.v2.nn

Модули

experimental модуль: публичный API пространства имён tf._api.v2.nn.experimental

Классы

class RNNCellDeviceWrapper: оператор, обеспечивающий выполнение RNNCell на определённом устройстве. (устарел)

class RNNCellDropoutWrapper: оператор, добавляющий dropout к входам и выходам указанной ячейки. (устарел)

class RNNCellResidualWrapper: оболочка RNNCell, обеспечивающая добавление входов ячейки к выходам. (устарела)

Функции

all_candidate_sampler(...): генерирует набор всех классов.

approx_max_k(...): приблизительно возвращает максимальные k значения и их индексы во входном operand.

approx_min_k(...): приблизительно возвращает минимальные k значения и их индексы во входном operand.

atrous_conv2d(...): атрусная свёртка (также известная как свёртка с отверстиями или дилатированная свёртка).

atrous_conv2d_transpose(...): транспонированная версия atrous_conv2d.

avg_pool(...): выполняет усредняющий пулинг входных данных.

avg_pool1d(...): выполняет усредняющий пулинг входных данных.

avg_pool2d(...): выполняет усредняющий пулинг входных данных.

avg_pool3d(...): выполняет усредняющий пулинг входных данных.

batch_norm_with_global_normalization(...): пакетная нормализация.

batch_normalization(...): пакетная нормализация.

bias_add(...): добавляет bias к value.

collapse_repeated(...): объединяет повторяющиеся метки в одну метку.

compute_accidental_hits(...): вычисляет идентификаторы позиций в sampled_candidates, соответствующие true_classes.

compute_average_loss(...): масштабирует потери для отдельных примеров с помощью sample_weights и вычисляет их среднее значение.

conv1d(...): вычисляет одномерную свёртку для входных тензоров и тензоров фильтра размерности 3.

conv1d_transpose(...): транспонированная версия conv1d.

conv2d(...): вычисляет двумерную свёртку для input и тензоров filters размерности 4.

conv2d_transpose(...): транспонированная версия conv2d.

conv3d(...): вычисляет трёхмерную свёртку для тензоров input и filters размерности 5.

conv3d_transpose(...): транспонированная версия conv3d.

conv_transpose(...): транспонированная версия convolution.

convolution(...): вычисляет суммы N-мерных свёрток (фактически взаимной корреляции).

crelu(...): вычисляет конкатенированную ReLU.

ctc_beam_search_decoder(...): выполняет декодирование методом поиска по лучу для переданных на вход логитов.

ctc_greedy_decoder(...): выполняет жадное декодирование для переданных на вход логитов (наилучший путь).

ctc_loss(...): вычисляет функцию потерь CTC (временная классификация с использованием коннекционистских моделей).

ctc_unique_labels(...): получает уникальные метки и индексы для пакетных меток для tf.nn.ctc_loss.

depth_to_space(...): преобразование DepthToSpace для тензоров типа T.

depthwise_conv2d(...): двумерная глубинная свёртка.

depthwise_conv2d_backprop_filter(...): вычисляет градиенты глубинной свёртки по фильтру.

depthwise_conv2d_backprop_input(...): вычисляет градиенты глубинной свёртки по входным данным.

dilation2d(...): вычисляет серую дилатацию для тензоров input размерности 4 и filters размерности 3.

dropout(...): выполняет dropout: случайным образом обнуляет элементы для предотвращения переобучения.

elu(...): вычисляет экспоненциальную линейную функцию.

embedding_lookup(...): выполняет поиск эмбеддингов для заданного ids в списке тензоров.

embedding_lookup_sparse(...): выполняет поиск эмбеддингов для заданных идентификаторов и весов в списке тензоров.

erosion2d(...): вычисляет серую эрозию для тензоров value размерности 4 и filters размерности 3.

fixed_unigram_candidate_sampler(...): выбирает набор классов, используя заданное (фиксированное) базовое распределение.

fractional_avg_pool(...): выполняет дробный усредняющий пулинг входных данных.

fractional_max_pool(...): выполняет дробный пулинг по максимуму входных данных.

gelu(...): вычисляет функцию активации GELU (гауссову линейную единицу ошибки).

in_top_k(...): возвращает информацию о том, входят ли целевые значения в число K лучших предсказаний.

isotonic_regression(...): решает задачи изотонической регрессии вдоль заданной оси.

l2_loss(...): функция потерь L2.

l2_normalize(...): нормализует вдоль измерения axis с использованием нормы L2. (устаревшие аргументы)

leaky_relu(...): вычисляет функцию активации Leaky ReLU.

learned_unigram_candidate_sampler(...): выбирает набор классов из распределения, изученного в процессе обучения.

local_response_normalization(...): локальная нормализация отклика.

log_poisson_loss(...): вычисляет логарифмическую функцию потерь Пуассона для log_input.

log_softmax(...): вычисляет активации log softmax.

lrn(...): локальная нормализация отклика.

max_pool(...): выполняет пулинг по максимуму входных данных.

max_pool1d(...): выполняет пулинг по максимуму входных данных.

max_pool2d(...): выполняет пулинг по максимуму для двумерных пространственных данных, например изображений.

max_pool3d(...): выполняет пулинг по максимуму входных данных.

max_pool_with_argmax(...): выполняет пулинг по максимуму входных данных и возвращает максимальные значения и их индексы.

moments(...): вычисляет среднее значение и дисперсию x.

nce_loss(...): вычисляет и возвращает функцию потерь обучения с контрастивной оценкой шума.

normalize_moments(...): вычисляет среднее значение и дисперсию на основе достаточной статистики.

pool(...): выполняет N-мерную операцию пулинга.

relu(...): вычисляет линейную функцию с отсечением отрицательных значений: max(features, 0).

relu6(...): вычисляет линейную функцию с отсечением отрицательных значений до 6: min(max(features, 0), 6).

safe_embedding_lookup_sparse(...): выполняет поиск результатов эмбеддингов с учётом недопустимых идентификаторов и пустых признаков.

sampled_softmax_loss(...): вычисляет и возвращает функцию потерь обучения с выборочным softmax.

scale_regularization_loss(...): масштабирует сумму заданных потерь регуляризации на число реплик.

selu(...): вычисляет масштабированную экспоненциальную линейную функцию: scale * alpha * (exp(features) - 1)

separable_conv2d(...): двумерная свёртка с разделимыми фильтрами.

sigmoid(...): поэлементно вычисляет сигмоиду от x.

sigmoid_cross_entropy_with_logits(...): вычисляет перекрёстную энтропию сигмоиды для logits.

silu(...): вычисляет функцию активации SiLU или Swish: x * sigmoid(beta * x).

softmax(...): вычисляет активации softmax.

softmax_cross_entropy_with_logits(...): вычисляет перекрёстную энтропию softmax между logits и labels.

softplus(...): поэлементно вычисляет softplus: softplus(x) = log(exp(x) + 1).

softsign(...): вычисляет softsign: features / (abs(features) + 1).

space_to_batch(...): преобразование SpaceToBatch для N-мерных тензоров типа T.

space_to_depth(...): преобразование SpaceToDepth для тензоров типа T.

sparse_softmax_cross_entropy_with_logits(...): вычисляет разреженную перекрёстную энтропию softmax между logits и labels.

sufficient_statistics(...): вычисляет достаточную статистику для среднего значения и дисперсии x.

swish(...): вычисляет функцию активации SiLU или Swish: x * sigmoid(beta * x).

tanh(...): поэлементно вычисляет гиперболический тангенс от x.

top_k(...): находит значения и индексы k наибольших элементов последнего измерения.

weighted_cross_entropy_with_logits(...): вычисляет взвешенную перекрёстную энтропию.

weighted_moments(...): возвращает среднее значение и дисперсию x, взвешенные по частоте.

with_space_to_batch(...): выполняет op над представлением input в формате space-to-batch.

zero_fraction(...): возвращает долю нулей в value.