Модуль: tf.compat.v2.nn

Облегченные оболочки для примитивных операций нейронных сетей (НС).

Классы

class RNNCellDeviceWrapper: Оператор, гарантирующий, что RNNCell выполняется на конкретном устройстве.

class RNNCellDropoutWrapper: Оператор, добавляющий дропаут к входным и выходным данным данного блока.

class RNNCellResidualWrapper: Обёртка RNNCell, которая гарантирует, что входные данные блока добавляются к выходам.

Функции

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

atrous_conv2d(...): Атропное свертывание (также известное как свертка с отверстиями или разбавленная свертка).

atrous_conv2d_transpose(...): Транспонирование atrous_conv2d.

avg_pool(...): Выполняет усредняющее пулинговое преобразование над входом.

avg_pool1d(...): Выполняет усредняющее пулинговое преобразование над входом.

avg_pool2d(...): Выполняет усредняющее пулинговое преобразование над входом.

avg_pool3d(...): Выполняет усредняющее пулинговое преобразование над входом.

batch_norm_with_global_normalization(...): Нормализация по батчам.

batch_normalization(...): Нормализация по батчам.

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

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

compute_accidental_hits(...): Вычисляет идентификаторы позиций в sampled_candidates которые соответствуют true_classes.

compute_average_loss(...): Масштабирует потери на пример с помощью sample_weights и вычисляет их среднее значение.

conv1d(...): Вычисляет 1-мерную свертку с заданными 3-мерными тензорами входных данных и фильтра.

conv1d_transpose(...): Транспонирование conv1d.

conv2d(...): Вычисляет 2-мерную свертку с заданными 4-мерными тензорами входных данных и фильтра.

conv2d_transpose(...): Транспонирование conv2d.

conv3d(...): Вычисляет 3-мерную свертку с заданными 5-мерными тензорами входных данных и фильтра.

conv3d_transpose(...): Транспонирование conv3d.

conv_transpose(...): Транспонирование convolution.

convolution(...): Вычисляет суммы N-мерных сверток (фактически кросс-корреляцию).

crelu(...): Вычисляет конкатенацию ReLU.

ctc_beam_search_decoder(...): Выполняет декодирование с использованием метода beam search по логам, заданным на входе.

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

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

ctc_unique_labels(...): Получение уникальных меток и индексов для пакетных меток для tf.nn.ctc_loss.

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

depthwise_conv2d(...): Глубинная 2-мерная свертка.

depthwise_conv2d_backprop_filter(...): Вычисляет градиенты глубинной свертки по отношению к фильтру.

depthwise_conv2d_backprop_input(...): Вычисляет градиенты глубинной свертки по отношению к входу.

dilation2d(...): Вычисляет градиентное расширение 4-мерных input и 3-мерных filters тензоров.

dropout(...): Вычисляет дропаут.

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

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

embedding_lookup_sparse(...): Вычисляет вложения для заданных идентификаторов и весов.

erosion2d(...): Вычисляет градиентную эрозию 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 пулинговое преобразование над входом.

fractional_max_pool(...): Выполняет дробное максимальное пулинговое преобразование над входом.

in_top_k(...): Указывает, находятся ли целевые значения в числе K лучших предсказаний.

l2_loss(...): Потери L2.

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

leaky_relu(...): Вычисление функции активации Leaky ReLU.

learned_unigram_candidate_sampler(...): Выборка набора классов из распределения, обученного во время обучения.

local_response_normalization(...): Локальная нормализация отклика.

log_poisson_loss(...): Вычисляет логарифмические потери Пуассона, учитывая log_input.

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

lrn(...): Локальная нормализация отклика.

max_pool(...): Выполняет максимальное пулинговое преобразование над входом.

max_pool1d(...): Выполняет максимальное пулинговое преобразование над входом.

max_pool2d(...): Выполняет максимальное пулинговое преобразование над входом.

max_pool3d(...): Выполняет максимальное пулинговое преобразование над входом.

max_pool_with_argmax(...): Выполняет максимальное пулинговое преобразование над входом и выводит как максимальные значения, так и индексы.

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

nce_loss(...): Вычисляет и возвращает обучающие потери оценки шума-контраста.

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

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

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

relu6(...): Вычисляет выпрямленную линейную функцию 6: min(max(features, 0), 6).

safe_embedding_lookup_sparse(...): Выборка результатов вложения, учитывающая недопустимые идентификаторы и пустые характеристики.

sampled_softmax_loss(...): Вычисляет и возвращает потери выборки softmax для обучения.

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 свертка с разделяемыми фильтрами.

sigmoid(...): Вычисляет сигмоид от x поэлементно.

sigmoid_cross_entropy_with_logits(...): Вычисляет сигмоидальную перекрестную энтропию, учитывая logits.

softmax(...): Вычисляет активации softmax.

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

softplus(...): Вычисляет softplus: log(exp(features) + 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 перекрестную энтропию softmax между logits и labels.

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

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

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

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

weighted_cross_entropy_with_logits(...): Вычисляет взвешенную перекрестную энтропию.

weighted_moments(...): Возвращает среднее значение и дисперсию, взвешенные частотой, для x.

with_space_to_batch(...): Выполняет op на представлении space-to-batch для input.

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