Модуль: tf.compat.v1.nn

Оборачивающие оболочки для примитивных операций нейронной сети (НС).

Модули

rnn_cell модуль: Модуль для построения ячеек RNN.

Функции

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

atrous_conv2d(...): Атропное свертка (также известная как свертка с отверстиями или расширенная свертка).

atrous_conv2d_transpose(...): Транспонирование atrous_conv2d.

avg_pool(...): Выполняет усреднённое пулингование на входе.

avg_pool1d(...): Выполняет усреднённое пулингование на входе.

avg_pool2d(...): Выполняет усреднённое пулингование на входе.

avg_pool3d(...): Выполняет усреднённое пулингование на входе.

avg_pool_v2(...): Выполняет усреднённое пулингование на входе.

batch_norm_with_global_normalization(...): Нормализация по группам.

batch_normalization(...): Нормализация по группам.

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

bidirectional_dynamic_rnn(...): Создаёт динамическую версию двунаправленной рекуррентной нейронной сети. (устарело)

collapse_repeated(...): Объединяет повторяющиеся метки в одиночные метки.

compute_accidental_hits(...): Вычисляет идентификаторы позиций в sampled_candidates соответствующие true_classes.

compute_average_loss(...): Масштабирует потери по примеру с весами примеров и вычисляет их среднее.

conv1d(...): Вычисляет 1-D свёртку, заданную 3-D тензорами входных данных и фильтра. (устаревшие значения аргументов) (устаревшие значения аргументов)

conv1d_transpose(...): Транспонирование conv1d.

conv2d(...): Вычисляет 2-D свёртку, заданную 4-D input и filter тензорами.

conv2d_backprop_filter(...): Вычисляет градиенты свёртки относительно фильтра.

conv2d_backprop_input(...): Вычисляет градиенты свёртки относительно входных данных.

conv2d_transpose(...): Транспонирование conv2d.

conv3d(...): Вычисляет 3-D свёртку, заданную 5-D input и filter тензорами.

conv3d_backprop_filter(...): Вычисляет градиенты 3-D свёртки относительно фильтра.

conv3d_backprop_filter_v2(...): Вычисляет градиенты 3-D свёртки относительно фильтра.

conv3d_transpose(...): Транспонирование conv3d.

conv_transpose(...): Транспонирование convolution.

convolution(...): Вычисляет суммы N-D свёрток (на самом деле кросс-корреляции).

crelu(...): Вычисляет конкатенированное ReLU.

ctc_beam_search_decoder(...): Выполняет декодирование поиска по путям на логарифмах, заданных на входе.

ctc_beam_search_decoder_v2(...): Выполняет декодирование поиска по путям на логарифмах, заданных на входе.

ctc_greedy_decoder(...): Выполняет жадное декодирование на логарифмах, заданных на входе (лучший путь).

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

ctc_loss_v2(...): Вычисляет потерю CTC (Connectionist Temporal Classification).

ctc_unique_labels(...): Получает уникальные метки и индексы для меток с несколькими партиями для tf.nn.ctc_loss.

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

depthwise_conv2d(...): Глубинная 2-D свёртка.

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

depthwise_conv2d_backprop_input(...): Вычисляет градиенты глубинной свёртки относительно входа.

depthwise_conv2d_native(...): Вычисляет 2-D глубинную свёртку, заданную 4-D input и filter тензорами.

depthwise_conv2d_native_backprop_filter(...): Вычисляет градиенты глубинной свёртки относительно фильтра.

depthwise_conv2d_native_backprop_input(...): Вычисляет градиенты глубинной свёртки относительно входа.

dilation2d(...): Вычисляет градации серого 4-D input и 3-D filter тензоров.

dropout(...): Вычисляет дропаут. (устаревшие аргументы)

dynamic_rnn(...): Создаёт рекуррентную нейронную сеть, заданную RNNCell cell. (устарело)

elu(...): Вычисляет экспоненциально-линейную: exp(features) - 1 если < 0, features в противном случае.

embedding_lookup(...): Ищет ids в списке тензоров встраивания.

embedding_lookup_sparse(...): Вычисляет векторы встраивания для заданных идентификаторов и весов.

erosion2d(...): Вычисляет эрозию серого 4-D value и 3-D kernel тензоров.

fixed_unigram_candidate_sampler(...): Выбирает набор классов, используя предоставленное (фиксированное) базовое распределение.

fractional_avg_pool(...): Выполняет дробное усреднённое пулингование на входе. (устарело)

fractional_max_pool(...): Выполняет дробное максимальное пулингование на входе. (устарело)

fused_batch_norm(...): Нормализация по группам.

in_top_k(...): Указывает, находятся ли цели в верхней K прогнозах.

l2_loss(...): L2 Потери.

l2_normalize(...): Нормализует по размеру axis с помощью L2 нормы. (устаревшие аргументы)

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

learned_unigram_candidate_sampler(...): Выбирает набор классов из распределения, изученного во время обучения.

local_response_normalization(...): Локальная нормализация отклика.

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

log_softmax(...): Вычисляет логарифмические активации softmax. (устаревшие аргументы)

log_uniform_candidate_sampler(...): Выбирает набор классов, используя логарифмически-равномерное (Zipfian) базовое распределение.

lrn(...): Локальная нормализация отклика.

max_pool(...): Выполняет максимальное пулингование на входе.

max_pool1d(...): Выполняет максимальное пулингование на входе.

max_pool2d(...): Выполняет максимальное пулингование на входе.

max_pool3d(...): Выполняет максимальное пулингование на входе.

max_pool_v2(...): Выполняет максимальное пулингование на входе.

max_pool_with_argmax(...): Выполняет максимальное пулингование на входе и выводит как максимальные значения, так и индексы.

moments(...): Вычисляется среднее и дисперсия x.

nce_loss(...): Вычисляет и возвращает обучающие потери оценок шумового контраста.

normalize_moments(...): Вычисляет среднее и дисперсия на основе достаточных статистических данных.

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

quantized_avg_pool(...): Создаёт усреднённый пул входного тензора для квантованных типов.

quantized_conv2d(...): Вычисляет 2D свёртку, заданную квантованными 4D входными и фильтрами.

quantized_max_pool(...): Создаёт максимальный пул входного тензора для квантованных типов.

quantized_relu_x(...): Вычисляет квантованное выпрямленное линейное X: min(max(features, 0), max_value)

raw_rnn(...): Создаёт RNN заданные RNNCell cell и функцией цикла loop_fn.

relu(...): Вычисляет выпрямлённое линейное: max(features, 0).

relu6(...): Вычисляет выпрямлённое линейное 6: min(max(features, 0), 6).

relu_layer(...): Вычисляет Relu(x * weight + biases).

safe_embedding_lookup_sparse(...): Ищет результаты встраивания, учитывая недействительные идентификаторы и пустые признаки.

sampled_softmax_loss(...): Вычисляет и возвращает потери выборочного softmax обучения.

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

selu(...): Вычисляет масштабированное экспоненциально-линейное: scale * alpha * (exp(features) - 1)

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

sigmoid(...): Вычисляет сигмоиду x по элементам.

sigmoid_cross_entropy_with_logits(...): Вычисляет сигмоидальную перекрёстную энтропию, заданную logits.

softmax(...): Вычисляет активации softmax. (устаревшие аргументы)

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

softmax_cross_entropy_with_logits_v2(...): Вычисляет перекрёстную энтропию softmax между logits и labels. (устаревшие аргументы)

softplus(...): Вычисляет softplus: log(exp(features) + 1).

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

space_to_batch(...): SpaceToBatch для 4-мерных тензоров типа T.

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

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

static_bidirectional_rnn(...): Создаёт двунаправленную рекуррентную нейронную сеть. (устарело)

static_rnn(...): Создаёт рекуррентную нейронную сеть, заданную RNNCell cell. (устарело)

static_state_saving_rnn(...): RNN, принимающий сохранитель состояния для вычислений RNN с усечённым временем. (устарело)

sufficient_statistics(...): Вычисляет достаточные статистики для среднего и дисперсии x.

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

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

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

uniform_candidate_sampler(...): Выбирает набор классов с помощью равномерного базового распределения.

weighted_cross_entropy_with_logits(...): Вычисляет взвешенную перекрёстную энтропию. (устаревшие аргументы)

weighted_moments(...): Возвращает среднее и дисперсию x с весами частот.

with_space_to_batch(...): Выполняет op над пространственно-партиционированным представлением input.

xw_plus_b(...): Вычисляет matmul(x, weights) + biases.

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