Модуль: tf.compat.v1.nn

Облегченные оболочки для примитивных операций нейронной сети (НС).

Модули

rnn_cell модуль: Модуль для создания ячеек RNN.

Функции

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

atrous_conv2d(...): Атронное свёртку (также известное как свёртка с отверстиями или свёртка с расширением).

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(...): Батч-нормализация.

batch_normalization(...): Батч-нормализация.

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

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

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 на пример с весами выборок и вычисляет их среднее значение.

conv1d(...): Вычисляет 1-D свёртку входных данных с рангом >=3 и 3-D фильтром. (устаревшие значения аргументов) (устаревшие значения аргументов)

conv1d_transpose(...): Транспонирование conv1d.

conv2d(...): Вычисляет 2-D свёртку с учётом 4-D input и filter тензоров.

conv2d_backprop_filter(...): Вычисляет градиенты свёртки по отношению к фильтру.

conv2d_backprop_input(...): Вычисляет градиенты свёртки по отношению к входу.

conv2d_transpose(...): Транспонирование conv2d.

conv3d(...): Вычисляет 3-D свёртку с учётом 5-D input и filter тензоров.

conv3d_backprop_filter(...): Вычисляет градиенты 3-D свёртки по отношению к фильтру.

conv3d_backprop_filter_v2(...): Вычисляет градиенты 3-D свёртки по отношению к фильтру.

conv3d_transpose(...): Транспонирование conv3d.

conv_transpose(...): Транспонирование convolution.

convolution(...): Вычисляет суммы N-D свёртки (фактически кросс-корреляция).

crelu(...): Вычисляет конкатенированное ReLU.

ctc_beam_search_decoder(...): Выполняет декодирование поиска по лучшим вариантам на основе логарифмов, предоставленных на входе.

ctc_beam_search_decoder_v2(...): Выполняет декодирование поиска по лучшим вариантам на основе логарифмов, предоставленных на входе.

ctc_greedy_decoder(...): Выполняет жадное декодирование на основе логарифмов, предоставленных на входе (лучший путь).

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

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

ctc_unique_labels(...): Получить уникальные метки и индексы для помеченных данных в пакете для tf.nn.ctc_loss.

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

depthwise_conv2d(...): 2-мерная свёртка по глубине.

depthwise_conv2d_backprop_filter(...): Вычисляет градиенты свёртки по глубине по отношению к фильтру.

depthwise_conv2d_backprop_input(...): Вычисляет градиенты свёртки по глубине по отношению к входу.

depthwise_conv2d_native(...): Вычисляет 2-мерную свёртку по глубине.

depthwise_conv2d_native_backprop_filter(...): Вычисляет градиенты свёртки по глубине по отношению к фильтру.

depthwise_conv2d_native_backprop_input(...): Вычисляет градиенты свёртки по глубине по отношению к входу.

dilation2d(...): Вычисляет градационную дилатацию 4-мерных input и 3-мерных filter тензоров.

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

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

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

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

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

erosion2d(...): Вычисляет градационную эрозию 4-мерных value и 3-мерных 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(...): Батч-нормализация.

in_top_k(...): Указывает, находятся ли целевые значения в топ-K предсказаниях.

l2_loss(...): Потери L2.

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

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

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

local_response_normalization(...): Местная нормализация по ответам.

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

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

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

lrn(...): Местная нормализация по ответам.

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

nce_loss(...): Вычисляет и возвращает потерю обучения с оценкой шума-контраста.

normalize_moments(...): Вычисляет среднее значение и дисперсию, основанные на достаточных статистиках.

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

quantized_avg_pool(...): Производит усреднённое пулингование входного тензора для квантованных типов.

quantized_conv2d(...): Вычисляет 2D свёртку с учётом квантованных 4D входных и фильтрующих тензоров.

quantized_max_pool(...): Производит максимальное пулингование входного тензора для квантованных типов.

quantized_relu_x(...): Вычисляет квантованную линейную функцию с выпрямлением X: min(max(features, 0), max_value)

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

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

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

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

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

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

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

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

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

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

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

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

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

softmax_cross_entropy_with_logits_v2(...): Вычисляет перекрестную энтропию софтмакса 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 тензоров 4-го порядка типа T.

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

sparse_softmax_cross_entropy_with_logits(...): Вычисляет перекрестную энтропию софтмакса 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, принимающая сохранитель состояния для вычисления RNN с усечённым временем. (устарело)

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

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

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

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

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

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

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

with_space_to_batch(...): Выполняет op над представлением пространства в пакет для input.

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

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