Модуль: tf.contrib.layers

Операции для построения слоёв нейронной сети, регуляризаторов, сводок и т. д.

Модули

feature_column модуль: Этот API определяет абстракцию FeatureColumn.

summaries модуль: Утилитарные функции для создания сводок.

Классы

class GDN: Слой обобщенной нормализации разделения.

class RevBlock: Блок обратимых слоёв. См. rev_block.

Функции

apply_regularization(...): Возвращает суммарную штрафную функцию, применяя regularizer к weights_list.

avg_pool2d(...): Добавляет операцию усредняющего 2D пулинга.

avg_pool3d(...): Добавляет операцию усредняющего 3D пулинга.

batch_norm(...): Добавляет слой нормализации по батчам из http://arxiv.org/abs/1502.03167

bias_add(...): Добавляет смещение к входным данным.

bow_encoder(...): Сопоставляет последовательность символов с вектором на пример, усредняя вложения.

bucketized_column(...): Создаёт _BucketizedColumn для дискретизации плотного входа.

check_feature_columns(...): Проверяет корректность набора FeatureColumns.

conv1d(...): Добавляет N-мерное свёрточное преобразование, за которым следует необязательный слой batch_norm.

conv2d(...): Добавляет N-мерное свёрточное преобразование, за которым следует необязательный слой batch_norm.

conv2d_in_plane(...): Выполняет одинаковое преобразование свёртки по каждому каналу независимо.

conv2d_transpose(...): Добавляет транспонированное свёрточное преобразование 2D с необязательным слоем нормализации по батчам.

conv3d(...): Добавляет N-мерное свёрточное преобразование, за которым следует необязательный слой batch_norm.

conv3d_transpose(...): Добавляет транспонированное свёрточное преобразование 3D с необязательным слоем нормализации по батчам.

convolution(...): Добавляет N-мерное свёрточное преобразование, за которым следует необязательный слой batch_norm.

convolution1d(...): Добавляет N-мерное свёрточное преобразование, за которым следует необязательный слой batch_norm.

convolution2d(...): Добавляет N-мерное свёрточное преобразование, за которым следует необязательный слой batch_norm.

convolution2d_in_plane(...): Выполняет одинаковое преобразование свёртки по каждому каналу независимо.

convolution2d_transpose(...): Добавляет транспонированное свёрточное преобразование 2D с необязательным слоем нормализации по батчам.

convolution3d(...): Добавляет N-мерное свёрточное преобразование, за которым следует необязательный слой batch_norm.

convolution3d_transpose(...): Добавляет транспонированное свёрточное преобразование 3D с необязательным слоем нормализации по батчам.

create_feature_spec_for_parsing(...): Функция-помощник для подготовки конфигурации признаков из входных feature_columns.

crossed_column(...): Создаёт _CrossedColumn для выполнения пересечения признаков.

dense_to_sparse(...): Преобразует плотный тензор в разреженный.

dropout(...): Возвращает операцию дропаут, применённую к входу.

elu(...): partial(func, *args, **keywords) - новая функция с частичным применением

embed_sequence(...): Сопоставляет последовательность символов с последовательностью вложений.

embedding_column(...): Создаёт _EmbeddingColumn для подачи разреженных данных в DNN.

embedding_lookup_unique(...): Версия embedding_lookup, которая избегает дублирования запросов.

flatten(...): Сглаживает вход, сохраняя размерность batch_size.

fully_connected(...): Добавляет полносвязный слой.

gdn(...): Функциональный интерфейс для слоя GDN.

group_norm(...): Функциональный интерфейс для слоя групповой нормализации.

images_to_sequence(...): Преобразует пакет изображений в пакет последовательностей.

infer_real_valued_columns(...)

input_from_feature_columns(...): Создатель входного слоя в стиле tf.contrib.layers, основанный на FeatureColumns.

instance_norm(...): Функциональный интерфейс для слоя нормализации по экземплярам.

joint_weighted_sum_from_feature_columns(...): Создатель ограниченного линейного прогнозирования, основанный на FeatureColumns.

l1_l2_regularizer(...): Возвращает функцию для применения регуляризации L1 и L2.

l1_regularizer(...): Возвращает функцию для применения регуляризации L1 к весам.

l2_regularizer(...): Возвращает функцию для применения регуляризации L2 к весам.

layer_norm(...): Добавляет слой нормализации по слоям.

legacy_fully_connected(...): Добавляет параметры для полносвязного слоя и возвращает выход.

legacy_linear(...): partial(func, *args, **keywords) - новая функция с частичным применением

legacy_relu(...): partial(func, *args, **keywords) - новая функция с частичным применением

linear(...): partial(func, *args, **keywords) - новая функция с частичным применением

make_place_holder_tensors_for_base_features(...): Возвращает тензоры-заполнители для вывода.

max_pool2d(...): Добавляет операцию максимального 2D пулинга.

max_pool3d(...): Добавляет операцию максимального 3D пулинга.

maxout(...): Добавляет операцию maxout из https://arxiv.org/abs/1302.4389

multi_class_target(...): Создаёт _TargetColumn для многоклассовой классификации с одним меткой. (устарело)

one_hot_column(...): Создаёт _OneHotColumn для one-hot или multi-hot представления в DNN.

one_hot_encoding(...): Преобразует числовые метки в onehot_labels с использованием tf.one_hot.

optimize_loss(...): При заданной функции потерь и параметрах оптимизатора возвращает операцию обучения.

parse_feature_columns_from_examples(...): Парсит tf.Examples для извлечения тензоров для заданных feature_columns.

parse_feature_columns_from_sequence_examples(...): Парсит tf.SequenceExamples для извлечения тензоров для заданных FeatureColumn.

real_valued_column(...): Создаёт _RealValuedColumn для плотных числовых данных.

recompute_grad(...): Декоратор, который пересчитывает функцию на обратном проходе.

regression_target(...): Создаёт _TargetColumn для линейной регрессии. (устарело)

relu(...): partial(func, *args, **keywords) - новая функция с частичным применением

relu6(...): partial(func, *args, **keywords) - новая функция с частичным применением

repeat(...): Применяет один и тот же слой с теми же аргументами многократно.

rev_block(...): Блок обратимых остаточных слоёв.

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

scale_gradient(...): _OverloadedFunction encapsulates an overloaded function.

scattered_embedding_column(...): Создаёт векторное вложение разреженного признака, используя хеширование параметров.

separable_conv2d(...): Добавляет 2D свёртку с разделением по глубине с необязательным слоем batch_norm.

separable_convolution2d(...): Добавляет 2D свёртку с разделением по глубине с необязательным слоем batch_norm.

sequence_input_from_feature_columns(...): Создаёт входные данные для моделей последовательностей из FeatureColumns. (экспериментально)

sequence_to_images(...): Преобразует пакет последовательностей в пакет изображений.

shared_embedding_columns(...): Создаёт список _EmbeddingColumn с одинаковым вложением.

softmax(...): Выполняет softmax по N-ой размерности N-мерного тензора логарифмов.

sparse_column_with_hash_bucket(...): Создаёт _SparseColumn с хешированной конфигурацией ведёр.

sparse_column_with_integerized_feature(...): Создаёт целочисленный _SparseColumn.

sparse_column_with_keys(...): Создаёт _SparseColumn с ключами.

sparse_column_with_vocabulary_file(...): Создаёт _SparseColumn с конфигурацией файла словаря.

spatial_softmax(...): Вычисляет пространственный softmax свёрточного изображения признаков.

stack(...): Создаёт стек слоёв, применяя слой многократно с помощью stack_args.

sum_regularizer(...): Возвращает функцию, которая применяет сумму нескольких регуляризаторов.

summarize_activation(...): Сводка активации.

summarize_activations(...): Сводка активаций, используя summarize_activation для сводки.

summarize_collection(...): Сводка коллекции тензоров графа, возможно, отфильтрованная по имени.

summarize_tensor(...): Сводка тензора с использованием подходящего типа сводки.

summarize_tensors(...): Сводка набора тензоров.

transform_features(...): Возвращает преобразованные функции на основе столбцов функций, переданных в качестве аргумента.

unit_norm(...): Нормализует заданный ввод по указанному измерению до единичной длины.

variance_scaling_initializer(...): Возвращает инициализатор, генерирующий тензоры без масштабирования дисперсии.

weighted_sparse_column(...): Создаёт _SparseColumn, объединив sparse_id_column со столбцом весов.

weighted_sum_from_feature_columns(...): Построитель линейного прогнозирования в стиле tf.contrib.layers, основанный на FeatureColumn.

xavier_initializer(...): Возвращает инициализатор, выполняющий инициализацию "Xavier" для весов.

xavier_initializer_conv2d(...): Возвращает инициализатор, выполняющий инициализацию "Xavier" для весов.

Другие члены

• OPTIMIZER_CLS_NAMES
• OPTIMIZER_SUMMARIES
• SPARSE_FEATURE_CROSS_DEFAULT_HASH_KEY = 956888297470