Модуль: tf.nn

Общедоступный API для пространства имён tf._api.v2.nn

Модули

experimental модуль: Общедоступный API для пространства имён tf._api.v2.nn.experimental

Классы

class RNNCellDeviceWrapper: Оператор, обеспечивающий выполнение RNNCell на определённом устройстве. (устаревший)

class RNNCellDropoutWrapper: Оператор, добавляющий дропаут к входным и выходным данным заданного ядра. (устаревший)

class RNNCellResidualWrapper: Обёртка RNNCell, гарантирующая, что входные данные ядра добавляются к выходам. (устаревший)

Функции

all_candidate_sampler(...): Сгенерировать множество всех классов.

approx_max_k(...): Возвращает приблизительно максимальные k значения и их индексы входного operand.

approx_min_k(...): Возвращает приблизительно минимальные k значения и их индексы входного operand.

atrous_conv2d(...): Атронное свёртку (также известная как свёртка с отверстиями или раздутая свёртка).

atrous_conv2d_transpose(...): Транспонирование atrous_conv2d.

avg_pool(...): Выполняет усредняющее пуллинг на входе.

avg_pool1d(...): Выполняет усредняющее пуллинг на входе.

avg_pool2d(...): Выполняет усредняющее пуллинг на входе.

avg_pool3d(...): Выполняет усредняющее пуллинг на входе.

batch_norm_with_global_normalization(...): Нормализация по батчам.

batch_normalization(...): Нормализация по батчам.

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

collapse_repeated(...): Объединить повторяющиеся метки в единые метки.

compute_accidental_hits(...): Вычисление позиционных id в sampled_candidates, совпадающих с true_classes.

compute_average_loss(...): Масштабирует потери на примеры с весами `sample_weights` и вычисляет их среднее.

conv1d(...): Вычисляет 1-мерную свёртку для входных и фильтрующих тензоров размерности 3.

conv1d_transpose(...): Транспонирование conv1d.

conv2d(...): Вычисляет 2-мерную свёртку для input и 4-мерных filters тензоров.

conv2d_transpose(...): Транспонирование conv2d.

conv3d(...): Вычисляет 3-мерную свёртку для 5-мерных input и filters тензоров.

conv3d_transpose(...): Транспонирование conv3d.

conv_transpose(...): Транспонирование convolution.

convolution(...): Вычисляет суммы N-мерных свёртки (на самом деле кросс-корреляции).

crelu(...): Вычисляет Concatenated ReLU.

ctc_beam_search_decoder(...): Выполняет декодирование с использованием лучевого поиска по логам, заданным на входе.

ctc_greedy_decoder(...): Выполняет жадное декодирование по логам, заданным на входе (лучший путь).

ctc_loss(...): Вычисляет CTC (Connectionist Temporal Classification) потерю.

ctc_unique_labels(...): Получить уникальные метки и индексы для меток в наборе tf.nn.ctc_loss.

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

depthwise_conv2d(...): Делительная 2-мерная свёртка.

depthwise_conv2d_backprop_filter(...): Вычисляет градиенты делительной свёртки относительно фильтра.

depthwise_conv2d_backprop_input(...): Вычисляет градиенты делительной свёртки относительно входных данных.

dilation2d(...): Вычисляет градацию серого цвета для 4-мерных input и 3-мерных filters тензоров.

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

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

embedding_lookup(...): Ищет вложения для заданных ids из списка тензоров.

embedding_lookup_sparse(...): Ищет вложения для заданных id и весов из списка тензоров.

erosion2d(...): Вычисляет эрозию серого уровня для 4-мерных value и 3-мерных filters тензоров.

fixed_unigram_candidate_sampler(...): Выборка набора классов с использованием предоставленного (фиксированного) базового распределения.

fractional_avg_pool(...): Выполняет дробное усредняющее пуллинг на входе.

fractional_max_pool(...): Выполняет дробный максимальный пуллинг на входе.

gelu(...): Вычисляет функцию активации GELU (Gaussian Error Linear Unit).

in_top_k(...): Выводит, находятся ли целевые значения в числе K лучших прогнозов.

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

l2_loss(...): Потеря L2.

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

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

learned_unigram_candidate_sampler(...): Выборка набора классов из распределения, обученного в процессе обучения.

local_response_normalization(...): Локальная нормализация отклика.

log_poisson_loss(...): Вычисляет логарифмическую потерю Пуассона, учитывая log_input.

log_softmax(...): Вычисляет логарифмическую активацию softmax.

lrn(...): Локальная нормализация отклика.

max_pool(...): Выполняет пуллинг с максимальным значением на входе.

max_pool1d(...): Выполняет пуллинг с максимальным значением на входе.

max_pool2d(...): Выполняет пуллинг с максимальным значением на двумерных пространственных данных, таких как изображения.

max_pool3d(...): Выполняет пуллинг с максимальным значением на входе.

max_pool_with_argmax(...): Выполняет пуллинг с максимальным значением на входе и выводит как максимальные значения, так и индексы.

moments(...): Вычисляет среднее и дисперсию x.

nce_loss(...): Вычисляет и возвращает потерю обучения с помощью шумового контрастирования.

normalize_moments(...): Вычисление среднего и дисперсии на основе достаточных статистик.

pool(...): Выполняет N-мерную операцию пуллинга.

relu(...): Вычисляет линейную функцию с выпрямлением: max(features, 0).

relu6(...): Вычисляет Rectified Linear 6: min(max(features, 0), 6).

safe_embedding_lookup_sparse(...): Получает результаты поиска вложения, учитывая недействительные id и пустые признаки.

sampled_softmax_loss(...): Вычисляет и возвращает потерю обучения с отбором softmax.

scale_regularization_loss(...): Масштабирует сумму заданных потерь регуляризации по количеству реплик.

selu(...): Вычисляет масштабированную экспоненциально-линейную функцию: scale * alpha * (exp(features) - 1)

separable_conv2d(...): 2-мерная свёртка с разделительными фильтрами.

sigmoid(...): Вычисляет сигмоиду каждого элемента x.

sigmoid_cross_entropy_with_logits(...): Вычисляет сигмоидную кросс-энтропию, учитывая logits.

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

softmax(...): Вычисляет активации softmax.

softmax_cross_entropy_with_logits(...): Вычисляет кросс-энтропию softmax между logits и labels.

softplus(...): Вычисляет элементную функцию softplus: softplus(x) = log(exp(x) + 1).

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

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

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

sparse_softmax_cross_entropy_with_logits(...): Вычисляет разреженную кросс-энтропию softmax между logits и labels.

sufficient_statistics(...): Вычисление достаточных статистик для среднего и дисперсии x.

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

tanh(...): Вычисляет гиперболический тангенс каждого элемента x.

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

weighted_cross_entropy_with_logits(...): Вычисляет взвешенную кросс-энтропию.

weighted_moments(...): Возвращает среднее и дисперсию, взвешенные по частоте, для x.

with_space_to_batch(...): Выполняет op для представления input в формате "пространство к пакету".

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