Модуль: tf.compat.v1.raw_ops
Общедоступный API для пространства имён tf.raw_ops.
Функции
Abort(...): Вызывает исключение для прерывания процесса при вызове.
Abs(...): Вычисляет абсолютное значение тензора.
AccumulateNV2(...): Возвращает поэлементную сумму списка тензоров.
AccumulatorApplyGradient(...): Применяет градиент к заданному аккумулятору.
AccumulatorNumAccumulated(...): Возвращает количество градиентов, агрегированных в заданных аккумуляторах.
AccumulatorSetGlobalStep(...): Обновляет аккумулятор новым значением для global_step.
AccumulatorTakeGradient(...): Извлекает средний градиент в заданном ConditionalAccumulator.
Acos(...): Вычисляет acos от x поэлементно.
Acosh(...): Вычисляет обратную гиперболическую косинус x поэлементно.
Add(...): Возвращает x + y поэлементно.
AddManySparseToTensorsMap(...): Добавляет N-минимальную SparseTensor к SparseTensorsMap, возвращает N обработчики.
AddN(...): Складывает все входные тензоры поэлементно.
AddSparseToTensorsMap(...): Добавляет SparseTensor к SparseTensorsMap, возвращает его обработчик.
AddV2(...): Возвращает x + y поэлементно.
AdjustContrast(...): Устарело. Запрещено в версии GraphDef >= 2.
AdjustContrastv2(...): Регулирует контрастность одного или нескольких изображений.
AdjustHue(...): Регулирует цветовой тон одного или нескольких изображений.
AdjustSaturation(...): Регулирует насыщенность одного или нескольких изображений.
All(...): Вычисляет логическое "и" элементов по измерениям тензора.
AllCandidateSampler(...): Генерирует метки для выборочного отбора кандидатов с помощью выученной униграммной распределения.
AllToAll(...): Операция для обмена данными между репликами TPU.
Angle(...): Возвращает аргумент комплексного числа.
AnonymousIterator(...): Контейнер для ресурса итератора.
AnonymousIteratorV2(...): Контейнер для ресурса итератора.
AnonymousMultiDeviceIterator(...): Контейнер для ресурса итератора по нескольким устройствам.
AnonymousRandomSeedGenerator(...)
Any(...): Вычисляет логическое "или" элементов по измерениям тензора.
ApplyAdaMax(...): Обновляет '*var' по алгоритму AdaMax.
ApplyAdadelta(...): Обновляет '*var' по схеме adadelta.
ApplyAdagrad(...): Обновляет '*var' по схеме adagrad.
ApplyAdagradDA(...): Обновляет '*var' по схеме приближенного adagrad.
ApplyAdagradV2(...): Обновляет '*var' по схеме adagrad.
ApplyAdam(...): Обновляет '*var' по алгоритму Adam.
ApplyAddSign(...): Обновляет '*var' по обновлению AddSign.
ApplyCenteredRMSProp(...): Обновляет '*var' по алгоритму centered RMSProp.
ApplyFtrl(...): Обновляет '*var' по схеме Ftrl-proximal.
ApplyFtrlV2(...): Обновляет '*var' по схеме Ftrl-proximal.
ApplyGradientDescent(...): Обновляет '*var', вычитая 'alpha' * 'delta' из него.
ApplyMomentum(...): Обновляет '*var' по схеме импульса.
ApplyPowerSign(...): Обновляет '*var' по обновлению AddSign.
ApplyProximalAdagrad(...): Обновляет 'var' и 'accum' по алгоритму FOBOS с learning rate Adagrad.
ApplyProximalGradientDescent(...): Обновляет '*var' по алгоритму FOBOS с фиксированным learning rate.
ApplyRMSProp(...): Обновляет '*var' по алгоритму RMSProp.
ApproximateEqual(...): Возвращает булево значение abs(x-y) < tolerance поэлементно.
ArgMax(...): Возвращает индекс с наибольшим значением по измерениям тензора.
ArgMin(...): Возвращает индекс с наименьшим значением по измерениям тензора.
AsString(...): Преобразует каждое значение в заданном тензоре в строку.
Asin(...): Вычисляет тригонометрический обратный синус x поэлементно.
Asinh(...): Вычисляет обратный гиперболический синус x поэлементно.
Assert(...): Утверждает, что данное условие истинно.
AssertNextDataset(...): Трансформация, которая утверждает, какие трансформации произойдут дальше.
Assign(...): Обновляет 'ref', присваивая ему 'value'.
AssignAdd(...): Обновляет 'ref', добавляя к нему 'value'.
AssignAddVariableOp(...): Добавляет значение к текущему значению переменной.
AssignSub(...): Обновляет 'ref', вычитая из него 'value'.
AssignSubVariableOp(...): Вычитает значение из текущего значения переменной.
AssignVariableOp(...): Присваивает новое значение переменной.
Atan(...): Вычисляет тригонометрический обратный тангенс x поэлементно.
Atan2(...): Вычисляет арктангенс y/x поэлементно, учитывая знаки аргументов.
Atanh(...): Вычисляет обратный гиперболический тангенс x поэлементно.
AudioSpectrogram(...): Создаёт визуализацию аудиоданных во времени.
AudioSummary(...): Выводит протокольный буфер Summary с аудио.
AudioSummaryV2(...): Выводит протокольный буфер Summary с аудио.
AutoShardDataset(...): Создаёт набор данных, фрагментирующий входной набор данных.
AvgPool(...): Выполняет среднее пулинговое преобразование на входе.
AvgPool3D(...): Выполняет среднее пулинговое преобразование 3D на входе.
AvgPool3DGrad(...): Вычисляет градиенты функции среднего пулинга.
AvgPoolGrad(...): Вычисляет градиенты функции среднего пулинга.
Barrier(...): Определяет барьер, который сохраняется при разных запусках графа.
BarrierClose(...): Закрывает заданный барьер.
BarrierIncompleteSize(...): Вычисляет количество неполных элементов в заданном барьере.
BarrierInsertMany(...): Для каждого ключа присваивает соответствующее значение указанному компоненту.
BarrierReadySize(...): Вычисляет количество полных элементов в заданном барьере.
BarrierTakeMany(...): Взятие заданного количества завершённых элементов из барьера.
Batch(...): Недетерминированно объединяет все входные тензоры.
BatchDataset(...): Создаёт набор данных, объединяющий batch_size элементов из input_dataset.
BatchDatasetV2(...): Создаёт набор данных, объединяющий batch_size элементов из input_dataset.
BatchFunction(...): Объединяет все входные тензоры для вычислений, выполняемых функцией.
BatchMatMul(...): Умножает фрагменты двух тензоров в партиях.
BatchMatMulV2(...): Умножает фрагменты двух тензоров в партиях.
BatchMatrixTriangularSolve(...)
BatchNormWithGlobalNormalization(...): Батч-нормализация.
BatchNormWithGlobalNormalizationGrad(...): Градиенты для батч-нормализации.
BatchToSpace(...): BatchToSpace для 4-мерных тензоров типа T.
BatchToSpaceND(...): BatchToSpace для N-мерных тензоров типа T.
Betainc(...): Вычисление регулируемого неполного бета-интеграла \(I_x(a, b)\).
BiasAdd(...): Добавляет bias к value.
BiasAddGrad(...): Обратное вычисление для операции "BiasAdd" для тензора "смещение".
BiasAddV1(...): Добавляет bias к value.
Bincount(...): Подсчитывает количество вхождений каждого значения в целочисленном массиве.
Bitcast(...): Преобразует биты тензора из одного типа в другой без копирования данных.
BitwiseAnd(...): Элементное вычисление битовой операции AND для x и y.
BitwiseOr(...): Элементное вычисление битовой операции OR для x и y.
BitwiseXor(...): Элементное вычисление битовой операции XOR для x и y.
BlockLSTM(...): Вычисляет прямое распространение ячейки LSTM для всех временных шагов.
BlockLSTMGrad(...): Вычисляет обратное распространение ячейки LSTM для всего временного ряда.
BlockLSTMGradV2(...): Вычисляет обратное распространение ячейки LSTM для всего временного ряда.
BlockLSTMV2(...): Вычисляет прямое распространение ячейки LSTM для всех временных шагов.
BoostedTreesAggregateStats(...): Агрегирует сводку накопленных статистик для пакета.
BoostedTreesBucketize(...): Разбивает каждую функцию на корзины, основываясь на границах корзин.
BoostedTreesCalculateBestFeatureSplit(...): Вычисляет выигрыши для каждой функции и возвращает информацию о наилучшем возможном разбиении для функции.
BoostedTreesCalculateBestFeatureSplitV2(...): Вычисляет выигрыши для каждой функции и возвращает информацию о наилучшем возможном разбиении для каждого узла. Однако, если разбиение не найдено, для этого узла не возвращается никакая информация о разбиении.
BoostedTreesCalculateBestGainsPerFeature(...): Вычисляет выигрыши для каждой функции и возвращает информацию о наилучшем возможном разбиении для функции.
BoostedTreesCenterBias(...): Вычисляет априорное значение из обучающих данных (смещение) и заполняет первый узел логами априорного значения. Возвращает булево значение, указывающее на продолжение вычисления центра.
BoostedTreesCreateEnsemble(...): Создает модель ансамбля деревьев и возвращает ее дескриптор.
BoostedTreesCreateQuantileStreamResource(...): Создает ресурс для потоков квантилей.
BoostedTreesDeserializeEnsemble(...): Десериализует сериализованную конфигурацию ансамбля деревьев и заменяет текущее дерево
BoostedTreesEnsembleResourceHandleOp(...): Создает дескриптор ресурса BoostedTreesEnsembleResource
BoostedTreesExampleDebugOutputs(...): Вывод отладки/интерпретируемости модели для каждого примера.
BoostedTreesFlushQuantileSummaries(...): Очищает сводки квантилей из каждого ресурса потока квантилей.
BoostedTreesGetEnsembleStates(...): Получает маркер состояния ресурса ансамбля деревьев, количество деревьев и статистику роста.
BoostedTreesMakeQuantileSummaries(...): Создает сводку квантилей для пакета.
BoostedTreesMakeStatsSummary(...): Создает сводку накопленных статистик для пакета.
BoostedTreesPredict(...): Выполняет несколько предсказателей ансамбля аддитивной регрессии на входных примерах и
BoostedTreesQuantileStreamResourceAddSummaries(...): Добавляет сводки квантилей к каждому ресурсу потока квантилей.
BoostedTreesQuantileStreamResourceDeserialize(...): Десериализует границы корзин и флаг готовности в текущий QuantileAccumulator.
BoostedTreesQuantileStreamResourceFlush(...): Очищает сводки для ресурса потока квантилей.
BoostedTreesQuantileStreamResourceGetBucketBoundaries(...): Генерирует границы корзин для каждой функции на основе накопленных сводок.
BoostedTreesQuantileStreamResourceHandleOp(...): Создаёт дескриптор ресурса BoostedTreesQuantileStreamResource.
BoostedTreesSerializeEnsemble(...): Сериализует ансамбль деревьев в протокол.
BoostedTreesSparseAggregateStats(...): Агрегирует сводку накопленных статистик для пакета.
BoostedTreesSparseCalculateBestFeatureSplit(...): Вычисляет выигрыши для каждой функции и возвращает информацию о наилучшем возможном разбиении для функции.
BoostedTreesTrainingPredict(...): Выполняет несколько предсказателей ансамбля аддитивной регрессии на входных примерах и
BoostedTreesUpdateEnsemble(...): Обновляет ансамбль деревьев, добавив слой к последнему строящемуся дереву
BoostedTreesUpdateEnsembleV2(...): Обновляет ансамбль деревьев, добавив слой к последнему строящемуся дереву
BroadcastArgs(...): Возвращает форму s0 op s1 с трансляцией.
BroadcastGradientArgs(...): Возвращает индексы сокращения для вычисления градиентов s0 op s1 с трансляцией.
BroadcastTo(...): Транслирует массив для совместимой формы.
Bucketize(...): Разбивает 'input' на корзины в соответствии с 'boundaries'.
BytesProducedStatsDataset(...): Записывает размер в байтах каждого элемента input_dataset в StatsAggregator.
CSRSparseMatrixComponents(...): Считывает компоненты CSR в паке index.
CSRSparseMatrixToDense(...): Преобразует (возможно, пакетный) CSRSparseMatrix в плотный.
CSRSparseMatrixToSparseTensor(...): Преобразует (возможно, пакетный) CSRSparseMatrix в SparseTensor.
CTCBeamSearchDecoder(...): Выполняет декодирование с помощью лучевого поиска по логам, указанным в вводе.
CTCGreedyDecoder(...): Выполняет жадное декодирование по логам, указанным во вводе.
CTCLoss(...): Вычисляет потерю CTC (логарифмическая вероятность) для каждой записи пакета. Также вычисляет
CTCLossV2(...): Вычисляет потерю CTC (логарифмическая вероятность) для каждой записи пакета. Также вычисляет
CacheDataset(...): Создает набор данных, кэширующий элементы из input_dataset.
Case(...): Условный оператор с n ветвями, вызывающий функцию одной ветви.
Cast(...): Преобразование x типа SrcT в y типа DstT.
Ceil(...): Возвращает наименьшее целое число, не меньшее x.
CheckNumerics(...): Проверяет тензор на наличие NaN и Inf значений.
CheckNumericsV2(...): Проверяет тензор на наличие NaN, -Inf и +Inf значений.
Cholesky(...): Вычисляет разложение Холецкого для одной или нескольких квадратных матриц.
CholeskyGrad(...): Вычисляет градиент обратного распространения для алгоритма Холецкого.
ChooseFastestBranchDataset(...)
ClipByValue(...): Обрезает значения тензора до указанного минимума и максимума.
CollectiveBcastRecv(...): Получает значение тензора, транслированного с другого устройства.
CollectiveBcastSend(...): Транслирует значение тензора на одно или несколько других устройств.
CollectiveGather(...): Взаимно накапливает несколько тензоров одинакового типа и формы.
CollectivePermute(...): Операция для перестановки тензоров на реплицированных экземплярах TPU.
CollectiveReduce(...): Взаимно уменьшает несколько тензоров одинакового типа и формы.
CombinedNonMaxSuppression(...): Жадно выбирает подмножество ограничивающих прямоугольников в порядке убывания оценки,
CompareAndBitpack(...): Сравнивает значения input с threshold и упаковывает полученные биты в uint8.
Complex(...): Преобразует два вещественных числа в комплексное число.
ComplexAbs(...): Вычисляет модуль комплексного числа тензора.
CompressElement(...): Сжимает элемент набора данных.
ComputeAccidentalHits(...): Вычисляет идентификаторы позиций в sampled_candidates, которые соответствуют true_labels.
Concat(...): Объединяет тензоры по одному измерению.
ConcatOffset(...): Вычисляет смещения входных данных concat в их выходе.
ConcatV2(...): Объединяет тензоры по одному измерению.
ConcatenateDataset(...): Создает набор данных, который объединяет input_dataset с another_dataset.
ConditionalAccumulator(...): Условный накопитель для агрегации градиентов.
ConfigureDistributedTPU(...): Настраивает централизованные структуры для распределенной системы TPU.
ConfigureTPUEmbedding(...): Настраивает TPUEmbedding в распределенной системе TPU.
Conj(...): Возвращает комплексно-сопряжённое число.
ConjugateTranspose(...): Переупорядочивает измерения x в соответствии с перестановкой и сопрягает результат.
Const(...): Возвращает тензор-константу.
ConsumeMutexLock(...): Эта операция потребляет блокировку, созданную MutexLock.
ControlTrigger(...): Не делает ничего. Служит триггером управления для планирования.
Conv2D(...): Вычисляет двумерную свертку, заданную 4-мерными тензорами input и filter.
Conv2DBackpropFilter(...): Вычисляет градиенты свертки по отношению к фильтру.
Conv2DBackpropInput(...): Вычисляет градиенты свертки по отношению к входным данным.
Conv3D(...): Вычисляет трехмерную свертку, заданную 5-мерными тензорами input и filter.
Conv3DBackpropFilter(...): Вычисляет градиенты трехмерной свертки по отношению к фильтру.
Conv3DBackpropFilterV2(...): Вычисляет градиенты трехмерной свертки по отношению к фильтру.
Conv3DBackpropInput(...): Вычисляет градиенты трехмерной свертки по отношению к входным данным.
Conv3DBackpropInputV2(...): Вычисляет градиенты трехмерной свертки по отношению к входным данным.
Copy(...): Копирует тензор с CPU на CPU или с GPU на GPU.
CopyHost(...): Копирует тензор на хост.
Cos(...): Вычисляет косинус x поэлементно.
Cosh(...): Вычисляет гиперболический косинус x поэлементно.
CountUpTo(...): Увеличивает 'ref' до тех пор, пока не достигнет 'limit'.
CropAndResize(...): Извлекает фрагменты из входного тензора изображения и изменяет их размер.
CropAndResizeGradBoxes(...): Вычисляет градиент операции crop_and_resize по отношению к тензору входных прямоугольников.
CropAndResizeGradImage(...): Вычисляет градиент операции crop_and_resize по отношению к тензору входного изображения.
Cross(...): Вычисляет попарное векторное произведение.
CrossReplicaSum(...): Операция для суммирования входов по реплицированным экземплярам TPU.
CudnnRNN(...): RNN, поддерживаемый cuDNN.
CudnnRNNBackprop(...): Шаг обратного распространения ошибки для CudnnRNN.
CudnnRNNBackpropV2(...): Шаг обратного распространения ошибки для CudnnRNN.
CudnnRNNBackpropV3(...): Шаг обратного распространения ошибки для CudnnRNNV3.
CudnnRNNCanonicalToParams(...): Преобразует параметры CudnnRNN из канонической формы в используемую форму.
CudnnRNNCanonicalToParamsV2(...): Преобразует параметры CudnnRNN из канонической формы в используемую форму. Поддерживает проекцию в LSTM.
CudnnRNNParamsSize(...): Вычисляет размер весов, которые могут быть использованы моделью Cudnn RNN.
CudnnRNNParamsToCanonical(...): Возвращает параметры CudnnRNN в канонической форме.
CudnnRNNParamsToCanonicalV2(...): Возвращает параметры CudnnRNN в канонической форме. Поддерживает проекцию в LSTM.
CudnnRNNV2(...): RNN, поддерживаемый cuDNN.
CudnnRNNV3(...): RNN, поддерживаемый cuDNN.
Cumprod(...): Вычислить кумулятивное произведение тензора x вдоль axis.
Cumsum(...): Вычислить кумулятивную сумму тензора x вдоль axis.
CumulativeLogsumexp(...): Вычислить кумулятивное произведение тензора x вдоль axis.
DataFormatDimMap(...): Возвращает индекс измерения в целевом формате данных, заданный в
DataFormatVecPermute(...): Возвращает переупорядоченный вектор/тензор в целевом формате данных, заданном
DataServiceDataset(...): Создает набор данных, который считывает данные из службы tf.data.
DatasetCardinality(...): Возвращает мощность input_dataset.
DatasetFromGraph(...): Создает набор данных из заданного graph_def.
DatasetToGraph(...): Возвращает сериализованную GraphDef, представляющую input_dataset.
DatasetToGraphV2(...): Возвращает сериализованную GraphDef, представляющую input_dataset.
DatasetToSingleElement(...): Выводит единственный элемент из заданного набора данных.
DatasetToTFRecord(...): Записывает заданный набор данных в заданный файл с использованием формата TFRecord.
DebugGradientIdentity(...): Операция идентичности для отладки градиента.
DebugGradientRefIdentity(...): Операция идентичности для отладки градиента.
DebugIdentity(...): Обеспечивает отображение типа входного тензора, отличного от Ref, для отладки.
DebugIdentityV2(...): Операция отладки Идентичность V2.
DebugNanCount(...): Операция подсчета NaN-значений.
DebugNumericSummary(...): Операция числового сводного отчёта.
DebugNumericSummaryV2(...): Операция числового сводного отчёта V2.
DecodeAndCropJpeg(...): Декодирование и обрезка JPEG-изображения в тензор uint8.
DecodeBase64(...): Декодирование веб-безопасных строк, закодированных в base64.
DecodeBmp(...): Декодирование первого кадра BMP-изображения в тензор uint8.
DecodeCSV(...): Преобразование записей CSV в тензоры. Каждый столбец соответствует одному тензору.
DecodeCompressed(...): Декомпрессия строк.
DecodeGif(...): Декодирование кадра(ов) GIF-изображения в тензор uint8.
DecodeJSONExample(...): Преобразование записей Example, закодированных в JSON, в двоичные строки протокольных буферов.
DecodeJpeg(...): Декодирование JPEG-изображения в тензор uint8.
DecodePaddedRaw(...): Переинтерпретация байтов строки как вектора чисел.
DecodePng(...): Декодирование PNG-изображения в тензор uint8 или uint16.
DecodeProtoV2(...): Операция извлекает поля из сериализованного сообщения протокольного буфера в тензоры.
DecodeRaw(...): Переинтерпретация байтов строки как вектора чисел.
DecodeWav(...): Декодирование 16-битного WAV-файла PCM в тензор float.
DeepCopy(...): Создаёт копию x.
DeleteIterator(...): Контейнер для ресурса итератора.
DeleteMultiDeviceIterator(...): Контейнер для ресурса итератора.
DeleteRandomSeedGenerator(...)
DeleteSessionTensor(...): Удалить тензор, указанный по его дескриптору в сессии.
DenseBincount(...): Подсчитывает количество вхождений каждого значения в целочисленном массиве.
DenseCountSparseOutput(...): Выполняет подсчёт бинов для разреженного вывода для входного tf.tensor.
DenseToCSRSparseMatrix(...): Преобразует плотный тензор в (возможно, пакетный) CSRSparseMatrix.
DenseToDenseSetOperation(...): Применяет операцию над множествами по последнему измерению 2 Tensor входов.
DenseToSparseBatchDataset(...): Создаёт набор данных, который группирует входные элементы в SparseTensor.
DenseToSparseSetOperation(...): Применяет операцию над множествами по последнему измерению Tensor и SparseTensor.
DepthToSpace(...): DepthToSpace для тензоров типа T.
DepthwiseConv2dNative(...): Вычисляет двумерное свертку по глубине, заданную 4-мерными input и filter тензорами.
DepthwiseConv2dNativeBackpropFilter(...): Вычисляет градиенты двумерной свертки по глубине относительно фильтра.
DepthwiseConv2dNativeBackpropInput(...): Вычисляет градиенты двумерной свертки по глубине относительно входных данных.
Dequantize(...): Деквантует тензор 'input' в тензор типа float или bfloat16.
DeserializeIterator(...): Преобразует данный тензор типа variant в итератор и сохраняет его в указанном ресурсе.
DeserializeManySparse(...): Десериализует и конкатенирует SparseTensors из сериализованной мини-пачки.
DeserializeSparse(...): Десериализует SparseTensor объекты.
DestroyResourceOp(...): Удаляет ресурс, указанный по дескриптору.
DestroyTemporaryVariable(...): Уничтожает временную переменную и возвращает её конечное значение.
DeviceIndex(...): Возвращает индекс устройства, на котором выполняется операция.
Diag(...): Возвращает диагональный тензор с заданными значениями диагонали.
DiagPart(...): Возвращает диагональную часть тензора.
Digamma(...): Вычисляет функцию Psi, производную от Lgamma (логарифма абсолютного значения
Dilation2D(...): Вычисляет градацию по серому для 4-мерных input и 3-мерных filter тензоров.
Dilation2DBackpropFilter(...): Вычисляет градиент морфологической 2D-дилатации по отношению к фильтру.
Dilation2DBackpropInput(...): Вычисляет градиент морфологической 2D-дилатации по отношению к входным данным.
DirectedInterleaveDataset(...): Замена для InterleaveDataset для фиксированного списка N наборов данных.
Div(...): Возвращает x / y поэлементно.
DivNoNan(...): Возвращает 0, если знаменатель равен нулю.
DrawBoundingBoxes(...): Рисует прямоугольники вокруг объектов на наборе изображений.
DrawBoundingBoxesV2(...): Рисует прямоугольники вокруг объектов на наборе изображений.
DynamicPartition(...): Разделяет data на num_partitions тензоров используя индексы из partitions.
DynamicStitch(...): Объединяет значения из data тензоров в один тензор.
EagerPyFunc(...): Усердно выполняет функцию python для вычисления func(input)->output. Операция
EditDistance(...): Вычисляет (возможно, нормализованное) расстояние Левенштейна.
Eig(...): Вычисляет собственную декомпозицию одной или нескольких квадратных матриц.
Einsum(...): Свертка тензора в соответствии с соглашением об индексации Эйнштейна.
Elu(...): Вычисляет экспоненциальную линейную функцию: exp(features) - 1 если < 0, features в противном случае.
EluGrad(...): Вычисляет градиенты для экспоненциальной линейной (Elu) операции.
Empty(...): Создаёт тензор с заданной формой.
EmptyTensorList(...): Создаёт и возвращает пустой список тензоров.
EncodeBase64(...): Кодирует строки в веб-безопасном формате base64.
EncodeJpeg(...): Кодирует изображение в формате JPEG.
EncodeJpegVariableQuality(...): Кодирует входное изображение в формате JPEG с заданной степенью сжатия.
EncodePng(...): Кодирует изображение в формате PNG.
EncodeProto(...): Операция сериализует сообщения protobuf, заданные в входных тензорах.
EncodeWav(...): Кодирует аудиоданные в формате WAV.
EnqueueTPUEmbeddingIntegerBatch(...): Операция, которая помещает список входных пакетных тензоров в TPUEmbedding.
EnqueueTPUEmbeddingRaggedTensorBatch(...): Упрощает портирование кода, использующего tf.nn.embedding_lookup().
EnqueueTPUEmbeddingSparseBatch(...): Операция, которая помещает входные индексы TPUEmbedding из SparseTensor.
EnqueueTPUEmbeddingSparseTensorBatch(...): Упрощает портирование кода, использующего tf.nn.embedding_lookup_sparse().
EnsureShape(...): Обеспечивает соответствие формы тензора ожидаемой форме.
Enter(...): Создаёт или находит дочернюю рамку и делает data доступной для дочерней рамки.
Equal(...): Возвращает истинное значение (x == y) поэлементно.
Erf(...): Вычисляет функцию Гаусса ошибки для x поэлементно.
Erfc(...): Вычисляет дополнительную функцию ошибок для x поэлементно.
EuclideanNorm(...): Вычисляет евклидову норму элементов по измерениям тензора.
Exit(...): Выходит из текущей рамки в родительскую рамку.
Exp(...): Вычисляет экспоненту x поэлементно. \(y = e^x\).
ExpandDims(...): Вставляет измерение 1 в форму тензора.
ExperimentalAssertNextDataset(...)
ExperimentalAutoShardDataset(...): Создаёт набор данных, который разбивает входной набор данных.
ExperimentalBytesProducedStatsDataset(...): Записывает размер в байтах каждого элемента input_dataset в StatsAggregator.
ExperimentalChooseFastestDataset(...)
ExperimentalDatasetCardinality(...): Возвращает мощность input_dataset.
ExperimentalDatasetToTFRecord(...): Записывает заданный набор данных в заданный файл в формате TFRecord.
ExperimentalDenseToSparseBatchDataset(...): Создаёт набор данных, который группирует входные элементы в SparseTensor.
ExperimentalDirectedInterleaveDataset(...): Замена для InterleaveDataset для фиксированного списка N наборов данных.
ExperimentalGroupByReducerDataset(...): Создаёт набор данных, который вычисляет группировку по input_dataset.
ExperimentalGroupByWindowDataset(...): Создаёт набор данных, который вычисляет группировку по окнам по input_dataset.
ExperimentalIgnoreErrorsDataset(...): Создаёт набор данных, содержащий элементы input_dataset игнорируя ошибки.
ExperimentalIteratorGetDevice(...): Возвращает имя устройства, на котором resource размещён.
ExperimentalLatencyStatsDataset(...): Записывает задержку создания input_dataset элементов в StatsAggregator.
ExperimentalMapAndBatchDataset(...): Создаёт набор данных, который объединяет применение функций с пакетной обработкой.
ExperimentalMapDataset(...): Создаёт набор данных, который применяет f к выходам input_dataset.
ExperimentalMatchingFilesDataset(...)
ExperimentalMaxIntraOpParallelismDataset(...): Создаёт набор данных, который переопределяет максимальную внутриоператорную параллельность.
ExperimentalNonSerializableDataset(...)
ExperimentalParallelInterleaveDataset(...): Создаёт набор данных, который применяет f к выходам input_dataset.
ExperimentalParseExampleDataset(...): Преобразует input_dataset содержащие Example протосы в векторы DT_STRING в набор Tensor или SparseTensor объектов, представляющих распарсенные признаки.
ExperimentalPrivateThreadPoolDataset(...): Создаёт набор данных, использующий пользовательский пул потоков для вычисления input_dataset.
ExperimentalRandomDataset(...): Создаёт набор данных, возвращающий псевдослучайные числа.
ExperimentalRebatchDataset(...): Создаёт набор данных, изменяющий размер пакета.
ExperimentalScanDataset(...): Создаёт набор данных, последовательно уменьшающий f по элементам input_dataset.
ExperimentalSetStatsAggregatorDataset(...)
ExperimentalSlidingWindowDataset(...): Создаёт набор данных, проходящий скользящим окном по input_dataset.
ExperimentalSqlDataset(...): Создаёт набор данных, выполняющий SQL-запрос и выводит строки набора результатов.
ExperimentalStatsAggregatorHandle(...): Создаёт ресурс менеджера статистики.
ExperimentalStatsAggregatorSummary(...): Выводит сводку любой статистики, записанной данным менеджером статистики.
ExperimentalTakeWhileDataset(...): Создаёт набор данных, останавливающий итерацию, когда предикат` ложный.
ExperimentalThreadPoolDataset(...): Создаёт набор данных, использующий пользовательский пул потоков для вычисления input_dataset.
ExperimentalThreadPoolHandle(...): Создаёт набор данных, использующий пользовательский пул потоков для вычисления input_dataset.
ExperimentalUnbatchDataset(...): Набор данных, разбивающий элементы входных данных на несколько элементов.
ExperimentalUniqueDataset(...): Создаёт набор данных, содержащий уникальные элементы input_dataset.
Expm1(...): Вычисляет exp(x) - 1 поэлементно.
ExtractGlimpse(...): Извлекает фрагмент из входного тензора.
ExtractGlimpseV2(...): Извлекает фрагмент из входного тензора.
ExtractImagePatches(...): Извлекает patches из images и помещает их в размерность "глубина" выходного значения.
ExtractJpegShape(...): Извлекает информацию о форме JPEG-изображения.
ExtractVolumePatches(...): Извлекает patches из input и помещает их в размерность "глубина" выходного значения. 3D расширение extract_image_patches.
FFT(...): Быстрое преобразование Фурье.
FFT2D(...): 2D быстрое преобразование Фурье.
FFT3D(...): 3D быстрое преобразование Фурье.
FIFOQueue(...): Очередь, которая выдаёт элементы в порядке "первым пришёл - первым обслужен".
FIFOQueueV2(...): Очередь, которая выдаёт элементы в порядке "первым пришёл - первым обслужен".
Fact(...): Выводит информацию о факториалах.
FakeParam(...): Этот оператор используется в качестве заполнителя в функциях ветвления If. Он не предоставляет
FakeQuantWithMinMaxArgs(...): Искусственное квантование тензора 'inputs', тип float в тензор 'outputs' того же типа.
FakeQuantWithMinMaxArgsGradient(...): Вычисление градиентов для операции FakeQuantWithMinMaxArgs.
FakeQuantWithMinMaxVars(...): Искусственное квантование тензора 'inputs' типа float с помощью глобальных скаляров с плавающей точкой
FakeQuantWithMinMaxVarsGradient(...): Вычисление градиентов для операции FakeQuantWithMinMaxVars.
FakeQuantWithMinMaxVarsPerChannel(...): Искусственное квантование тензора 'inputs' типа float с помощью значений с плавающей точкой на канал
FakeQuantWithMinMaxVarsPerChannelGradient(...): Вычисление градиентов для операции FakeQuantWithMinMaxVarsPerChannel.
FakeQueue(...): Устарело. Не использовать.
Fill(...): Создаёт тензор, заполненный скалярным значением.
FilterByLastComponentDataset(...): Создаёт набор данных, содержащий элементы первого компонента input_dataset с истинным значением в последнем компоненте.
FilterDataset(...): Создаёт набор данных, содержащий элементы input_dataset , соответствующие predicate.
Fingerprint(...): Генерирует значения отпечатков.
FixedLengthRecordDataset(...): Создаёт набор данных, который выводит записи из одного или нескольких бинарных файлов.
FixedLengthRecordDatasetV2(...)
FixedLengthRecordReader(...): Чтец, который выводит записи фиксированной длины из файла.
FixedLengthRecordReaderV2(...): Чтец, который выводит записи фиксированной длины из файла.
FixedUnigramCandidateSampler(...): Генерирует метки для выборки кандидатов с помощью обученной униграмной распределения.
FlatMapDataset(...): Создаёт набор данных, применяющий f к результатам input_dataset.
Floor(...): Возвращает наибольшее целое число, не превосходящее x.
FloorDiv(...): Возвращает x // y поэлементно.
FloorMod(...): Возвращает поэлементный остаток от деления. Когда x < 0 xor y < 0
For(...): ```python
FractionalAvgPool(...): Выполняет дробное усреднённое пулингование над входным значением.
FractionalAvgPoolGrad(...): Вычисляет градиент функции FractionalAvgPool.
FractionalMaxPool(...): Выполняет дробное максимальное пулингование над входным значением.
FractionalMaxPoolGrad(...): Вычисляет градиент функции FractionalMaxPool.
FusedBatchNorm(...): Нормализация по батчам.
FusedBatchNormGrad(...): Градиент для нормализации по батчам.
FusedBatchNormGradV2(...): Градиент для нормализации по батчам.
FusedBatchNormGradV3(...): Градиент для нормализации по батчам.
FusedBatchNormV2(...): Нормализация по батчам.
FusedBatchNormV3(...): Нормализация по батчам.
FusedPadConv2D(...): Выполняет заполнение в качестве предобработки во время свертки.
FusedResizeAndPadConv2D(...): Выполняет изменение размера и заполнение в качестве предобработки во время свертки.
GRUBlockCell(...): Вычисляет прямое распространение ячейки GRU за 1 шаг.
GRUBlockCellGrad(...): Вычисляет обратное распространение ячейки GRU за 1 шаг.
Gather(...): Сбор срезов из params в соответствии с indices.
GatherNd(...): Сбор срезов из params в тензор с формой, указанной в indices.
GatherV2(...): Сбор срезов из params по оси axis в соответствии с indices.
GenerateBoundingBoxProposals(...): Этот оператор генерирует области интереса из заданных прямоугольников(bbox_deltas) закодированных относительно якорей в соответствии с уравнением 2 в arXiv:1506.01497
GenerateVocabRemapping(...): По заданному пути к новым и старым файлам словаря возвращает перемапированный тензор
GeneratorDataset(...): Создаёт набор данных, вызывающий функцию для генерации элементов.
GetSessionHandle(...): Сохраняет входной тензор в состоянии текущего сеанса.
GetSessionHandleV2(...): Сохраняет входной тензор в состоянии текущего сеанса.
GetSessionTensor(...): Получение значения тензора, указанного его дескриптором.
Greater(...): Возвращает истинное значение (x > y) поэлементно.
GreaterEqual(...): Возвращает истинное значение (x >= y) поэлементно.
GroupByReducerDataset(...): Создаёт набор данных, вычисляющий группировку по input_dataset.
GroupByWindowDataset(...): Создаёт набор данных, вычисляющий группировку по окнам по input_dataset.
GuaranteeConst(...): Гарантирует TF runtime, что входной тензор является константой.
HSVToRGB(...): Преобразует один или несколько изображений из HSV в RGB.
HashTable(...): Создаёт неинициализированную таблицу хеширования.
HashTableV2(...): Создаёт неинициализированную таблицу хеширования.
HistogramFixedWidth(...): Возвращает гистограмму значений.
HistogramSummary(...): Выводит протокол Summary с гистограммой.
IFFT(...): Обратное быстрое преобразование Фурье.
IFFT2D(...): Обратное 2D быстрое преобразование Фурье.
IFFT3D(...): Обратное 3D быстрое преобразование Фурье.
IRFFT(...): Обратное быстрое преобразование Фурье для вещественных значений.
IRFFT2D(...): Обратное 2D быстрое преобразование Фурье для вещественных значений.
IRFFT3D(...): Обратное 3D быстрое преобразование Фурье для вещественных значений.
Identity(...): Возвращает тензор с той же формой и содержимым, что и входной тензор или значение.
IdentityN(...): Возвращает список тензоров с теми же формами и содержимым, что и входные.
IdentityReader(...): Чтец, который выводит очередную работу как ключ, так и значение.
IdentityReaderV2(...): Чтец, который выводит очередную работу как ключ, так и значение.
If(...): output = cond ? then_branch(input) : else_branch(input)
Igamma(...): Вычисляет нижнюю регламентированную неполную гамма-функцию P(a, x).
IgammaGradA(...): Вычисляет градиент igamma(a, x) по отношению к a.
Igammac(...): Вычисляет верхнюю регламентированную неполную гамма-функцию Q(a, x).
IgnoreErrorsDataset(...): Создает набор данных, содержащий элементы input_dataset с игнорированием ошибок.
Imag(...): Возвращает мнимую часть комплексного числа.
ImageProjectiveTransformV2(...): Применяет заданное преобразование к каждому из изображений.
ImageSummary(...): Выводит протокол Summary с изображениями.
ImmutableConst(...): Возвращает неизменяемый тензор из области памяти.
InTopK(...): Указывает, находятся ли целевые значения в верхних K прогнозах.
InTopKV2(...): Указывает, находятся ли целевые значения в верхних K прогнозах.
InfeedDequeue(...): Заполнитель оператора для значения, которое будет введено в вычисление.
InfeedDequeueTuple(...): Извлекает несколько значений из входного буфера как кортеж XLA.
InfeedEnqueue(...): Оператор, который вводит одно значение Tensor в вычисление.
InfeedEnqueuePrelinearizedBuffer(...): Оператор, который вставляет предварительно линеаризованный буфер в TPU входной буфер.
InfeedEnqueueTuple(...): Вводит несколько значений Tensor в вычисление как кортеж XLA.
InitializeTable(...): Инициализатор таблицы, принимающий два тензора для ключей и значений соответственно.
InitializeTableFromDataset(...)
InitializeTableFromTextFile(...): Инициализация таблицы из текстового файла.
InitializeTableFromTextFileV2(...): Инициализация таблицы из текстового файла.
InitializeTableV2(...): Инициализатор таблицы, принимающий два тензора для ключей и значений соответственно.
InplaceAdd(...): Добавляет v в указанные строки x.
InplaceSub(...): Вычитает v из указанных строк x.
InplaceUpdate(...): Обновляет указанные строки 'i' значениями 'v'.
InterleaveDataset(...): Создает набор данных, применяющий f к выходам input_dataset.
Inv(...): Вычисляет обратную величину x поэлементно.
InvGrad(...): Вычисляет градиент для обратной величины x по отношению к своему входу.
Invert(...): Инвертирует (переворачивает) каждый бит поддерживаемых типов; например, значение типа uint8 01010101 становится 10101010.
InvertPermutation(...): Вычисляет обратное перестановку тензора.
IsBoostedTreesEnsembleInitialized(...): Проверяет, был ли ансамбль деревьев усиления инициализирован.
IsBoostedTreesQuantileStreamResourceInitialized(...): Проверяет, была ли инициализирована последовательность квантилей.
IsFinite(...): Возвращает, какие элементы x конечны.
IsInf(...): Возвращает, какие элементы x являются бесконечными.
IsNan(...): Возвращает, какие элементы x являются NaN.
IsVariableInitialized(...): Проверяет, был ли тензор инициализирован.
Iterator(...): Контейнер для ресурса итератора.
IteratorFromStringHandle(...): Преобразует заданную строку, представляющую дескриптор итератора, в ресурс.
IteratorFromStringHandleV2(...)
IteratorGetDevice(...): Возвращает имя устройства, на котором resource размещен.
IteratorGetNext(...): Получает следующий результат из данного итератора.
IteratorGetNextAsOptional(...): Получает следующий результат из данного итератора как Optional variant.
IteratorGetNextSync(...): Получает следующий результат из данного итератора.
IteratorToStringHandle(...): Преобразует заданный resource_handle, представляющий итератор, в строку.
L2Loss(...): Потеря L2.
LMDBDataset(...): Создает набор данных, который генерирует пары ключ-значение в одном или нескольких файлах LMDB.
LMDBReader(...): Чтец, который выводит записи из файла LMDB.
LRN(...): Локальная нормализация отклика.
LRNGrad(...): Градиенты для локальной нормализации отклика.
LSTMBlockCell(...): Вычисляет прямое распространение ячейки LSTM для 1 шага времени.
LSTMBlockCellGrad(...): Вычисляет обратное распространение ячейки LSTM для 1 шага времени.
LatencyStatsDataset(...): Записывает время задержки генерации input_dataset элементов в StatsAggregator.
LeakyRelu(...): Вычисляет выпрямленное линейное: max(features, features * alpha).
LeakyReluGrad(...): Вычисляет градиенты выпрямленного линейного для операции LeakyRelu.
LearnedUnigramCandidateSampler(...): Генерирует метки для выборочного отбора кандидатов с помощью распределения частот обученных униграмм.
LeftShift(...): Поэлементно вычисляет сдвиг влево для x и y.
LegacyParallelInterleaveDatasetV2(...): Создает набор данных, применяющий f к выходам input_dataset.
Less(...): Возвращает логическое значение (x < y) поэлементно.
LessEqual(...): Возвращает логическое значение (x <= y) поэлементно.
Lgamma(...): Вычисляет логарифм абсолютного значения Gamma(x) поэлементно.
LinSpace(...): Генерирует значения в интервале.
ListDiff(...): Вычисляет разницу между двумя списками чисел или строк.
LoadAndRemapMatrix(...): Загружает 2-мерную (матрицу) Tensor с именем old_tensor_name из контрольной точки
LoadTPUEmbeddingADAMParameters(...): Загрузить параметры встраивания ADAM.
LoadTPUEmbeddingADAMParametersGradAccumDebug(...): Загрузить параметры встраивания ADAM с поддержкой отладки.
LoadTPUEmbeddingAdadeltaParameters(...): Загрузить параметры встраивания Adadelta.
LoadTPUEmbeddingAdadeltaParametersGradAccumDebug(...): Загрузить параметры Adadelta с поддержкой отладки.
LoadTPUEmbeddingAdagradParameters(...): Загрузить параметры встраивания Adagrad.
LoadTPUEmbeddingAdagradParametersGradAccumDebug(...): Загрузить параметры встраивания Adagrad с поддержкой отладки.
LoadTPUEmbeddingCenteredRMSPropParameters(...): Загрузить параметры встраивания centered RMSProp.
LoadTPUEmbeddingFTRLParameters(...): Загрузить параметры встраивания FTRL.
LoadTPUEmbeddingFTRLParametersGradAccumDebug(...): Загрузить параметры встраивания FTRL с поддержкой отладки.
LoadTPUEmbeddingMDLAdagradLightParameters(...): Загрузить параметры встраивания MDL Adagrad Light.
LoadTPUEmbeddingMomentumParameters(...): Загрузить параметры встраивания Momentum.
LoadTPUEmbeddingMomentumParametersGradAccumDebug(...): Загрузка параметров встраивания импульса с поддержкой отладки.
LoadTPUEmbeddingProximalAdagradParameters(...): Загрузка параметров встраивания проксимального Adagrad.
LoadTPUEmbeddingProximalAdagradParametersGradAccumDebug(...): Загрузка параметров встраивания проксимального Adagrad с поддержкой отладки.
LoadTPUEmbeddingProximalYogiParameters(...)
LoadTPUEmbeddingProximalYogiParametersGradAccumDebug(...)
LoadTPUEmbeddingRMSPropParameters(...): Загрузка параметров встраивания RMSProp.
LoadTPUEmbeddingRMSPropParametersGradAccumDebug(...): Загрузка параметров встраивания RMSProp с поддержкой отладки.
LoadTPUEmbeddingStochasticGradientDescentParameters(...): Загрузка параметров встраивания SGD.
LoadTPUEmbeddingStochasticGradientDescentParametersGradAccumDebug(...): Загрузка параметров встраивания SGD.
Log(...): Вычисляет натуральный логарифм x поэлементно.
Log1p(...): Вычисляет натуральный логарифм (1 + x) поэлементно.
LogMatrixDeterminant(...): Вычисляет знак и логарифм абсолютного значения определителя
LogSoftmax(...): Вычисляет активации log softmax.
LogUniformCandidateSampler(...): Генерирует метки для кандидатов выборки с логарифмически равномерным распределением.
LogicalAnd(...): Возвращает истинностное значение x И y поэлементно.
LogicalNot(...): Возвращает истинностное значение NOT x поэлементно.
LogicalOr(...): Возвращает истинностное значение x ИЛИ y поэлементно.
LookupTableExport(...): Выводит все ключи и значения в таблице.
LookupTableExportV2(...): Выводит все ключи и значения в таблице.
LookupTableFind(...): Ищет ключи в таблице, выводит соответствующие значения.
LookupTableFindV2(...): Ищет ключи в таблице, выводит соответствующие значения.
LookupTableImport(...): Заменяет содержимое таблицы указанными ключами и значениями.
LookupTableImportV2(...): Заменяет содержимое таблицы указанными ключами и значениями.
LookupTableInsert(...): Обновляет таблицу, чтобы сопоставить ключи со значениями.
LookupTableInsertV2(...): Обновляет таблицу, чтобы сопоставить ключи со значениями.
LookupTableRemoveV2(...): Удаляет ключи и связанные с ними значения из таблицы.
LookupTableSize(...): Вычисляет количество элементов в заданной таблице.
LookupTableSizeV2(...): Вычисляет количество элементов в заданной таблице.
LoopCond(...): Передает вход на выход.
LowerBound(...): Применяет lower_bound(sorted_search_values, values) по каждой строке.
Lu(...): Вычисляет LU-разложение одной или нескольких квадратных матриц.
MakeIterator(...): Создает новый итератор из заданного dataset и сохраняет его в iterator.
MapAndBatchDataset(...): Создает набор данных, объединяющий сопоставление со сводным подсчётом.
MapClear(...): Операция удаляет все элементы в базовом контейнере.
MapDataset(...): Создает набор данных, применяющий f к выходам input_dataset.
MapDefun(...): Применяет функцию к списку тензоров, распакованных из аргументов по размеру 0.
MapIncompleteSize(...): Операция возвращает количество неполных элементов в базовом контейнере.
MapPeek(...): Операция просматривает значения по указанному ключу. Если
MapSize(...): Операция возвращает количество элементов в базовом контейнере.
MapStage(...): Этапирует (ключ, значения) в базовом контейнере, который работает как хэш-таблица.
MapUnstage(...): Операция удаляет и возвращает значения, связанные с ключом
MapUnstageNoKey(...): Операция удаляет и возвращает случайную (ключ, значение)
MatMul(...): Умножает матрицу "a" на матрицу "b".
MatchingFiles(...): Возвращает набор файлов, соответствующих одному или нескольким шаблонам glob.
MatrixBandPart(...): Копирует тензор, устанавливая все значения вне центральной полосы в каждой внутренней матрице в ноль.
MatrixDeterminant(...): Вычисляет определитель одной или нескольких квадратных матриц.
MatrixDiag(...): Возвращает пакетный диагональный тензор с заданными пакетными диагональными значениями.
MatrixDiagPart(...): Возвращает пакетную диагональную часть пакетного тензора.
MatrixDiagPartV2(...): Возвращает пакетную диагональную часть пакетного тензора.
MatrixDiagPartV3(...): Возвращает пакетную диагональную часть пакетного тензора.
MatrixDiagV2(...): Возвращает пакетный диагональный тензор с заданными пакетными диагональными значениями.
MatrixDiagV3(...): Возвращает пакетный диагональный тензор с заданными пакетными диагональными значениями.
MatrixExponential(...): Устарело, используйте python-реализацию tf.linalg.matrix_exponential.
MatrixInverse(...): Вычисляет обратную матрицу одной или нескольких квадратных обратимых матриц или их
MatrixLogarithm(...): Вычисляет матричный логарифм одной или нескольких квадратных матриц:
MatrixSetDiag(...): Возвращает пакетный матричный тензор с новыми пакетными диагональными значениями.
MatrixSetDiagV2(...): Возвращает пакетный матричный тензор с новыми пакетными диагональными значениями.
MatrixSetDiagV3(...): Возвращает пакетный матричный тензор с новыми пакетными диагональными значениями.
MatrixSolve(...): Решает системы линейных уравнений.
MatrixSolveLs(...): Решает одну или несколько линейных задач наименьших квадратов.
MatrixSquareRoot(...): Вычисляет матричный квадратный корень одной или нескольких квадратных матриц:
MatrixTriangularSolve(...): Решает системы линейных уравнений с верхними или нижними треугольными матрицами методом обратной подстановки.
Max(...): Вычисляет максимальное значение элементов по измерениям тензора.
MaxIntraOpParallelismDataset(...): Создает набор данных, который переопределяет максимальную внутриоператорную параллельность.
MaxPool(...): Выполняет максимальное пулинговое усреднение входных данных.
MaxPool3D(...): Выполняет 3D максимальное пулинговое усреднение входных данных.
MaxPool3DGrad(...): Вычисляет градиенты функции 3D максимального пулингового усреднения.
MaxPool3DGradGrad(...): Вычисляет градиенты второго порядка функции maxpooling.
MaxPoolGrad(...): Вычисляет градиенты функции максимального пулингового усреднения.
MaxPoolGradGrad(...): Вычисляет градиенты второго порядка функции максимального пулингового усреднения.
MaxPoolGradGradV2(...): Вычисляет градиенты второго порядка функции максимального пулингового усреднения.
MaxPoolGradGradWithArgmax(...): Вычисляет градиенты второго порядка функции максимального пулингового усреднения.
MaxPoolGradV2(...): Вычисляет градиенты функции максимального пулингового усреднения.
MaxPoolGradWithArgmax(...): Выполняет максимальное пулинговое усреднение входных данных и выводит как максимальные значения, так и индексы.
MaxPoolV2(...): Выполняет максимальное пулинговое усреднение входных данных.
MaxPoolWithArgmax(...): Выполняет максимальное пулинговое усреднение входных данных и выводит как максимальные значения, так и индексы.
Maximum(...): Возвращает максимум x и y поэлементно.
Mean(...): Вычисляет среднее значение элементов по измерениям тензора.
Merge(...): Передает значение доступного тензора от inputs к output.
MergeSummary(...): Объединяет сводки.
MergeV2Checkpoints(...): Специфичный для формата V2: объединяет метаданные файлов фрагментированных контрольных точек.
Mfcc(...): Преобразует спектрограмму в форму, полезную для распознавания речи.
Min(...): Вычисляет минимальное значение элементов по измерениям тензора.
Minimum(...): Возвращает минимум x и y поэлементно.
MirrorPad(...): Добавляет padding к тензору с помощью зеркальных значений.
MirrorPadGrad(...): Операция градиента для операции MirrorPad. Эта операция складывает зеркально-padded тензор.
Mod(...): Возвращает остаток от деления элементов попарно. Эмулирует семантику C, в том что
ModelDataset(...): Тождественное преобразование, моделирующее производительность.
Mul(...): Возвращает x * y поэлементно.
MulNoNan(...): Возвращает x * y поэлементно. Возвращает ноль, если y равно нулю, даже если x бесконечен или NaN.
MultiDeviceIterator(...): Создаёт ресурс MultiDeviceIterator.
MultiDeviceIteratorFromStringHandle(...): Создаёт ресурс MultiDeviceIterator из предоставленной строковой ручка.
MultiDeviceIteratorGetNextFromShard(...): Получает следующий элемент для указанного номера фрагмента.
MultiDeviceIteratorInit(...): Инициализирует итератор для нескольких устройств заданным набором данных.
MultiDeviceIteratorToStringHandle(...): Создаёт строковую ручку для данного MultiDeviceIterator.
Multinomial(...): Выбирает образцы из многономиального распределения.
MutableDenseHashTable(...): Создаёт пустую таблицу хеширования, использующую тензоры в качестве хранилища.
MutableDenseHashTableV2(...): Создаёт пустую таблицу хеширования, использующую тензоры в качестве хранилища.
MutableHashTable(...): Создаёт пустую таблицу хеширования.
MutableHashTableOfTensors(...): Создаёт пустую таблицу хеширования.
MutableHashTableOfTensorsV2(...): Создаёт пустую таблицу хеширования.
MutableHashTableV2(...): Создаёт пустую таблицу хеширования.
MutexLock(...): Блокирует ресурс мьютекса. Выход – это блокировка. Пока тензор блокировки
MutexV2(...): Создаёт ресурс мьютекса, который может быть заблокирован MutexLock.
NcclAllReduce(...): Возвращает тензор, содержащий результат сокращения по всем входным тензорам.
NcclBroadcast(...): Отправляет input на все устройства, подключённые к выходу.
NcclReduce(...): Сокращает input от num_devices с помощью reduction до одного устройства.
Neg(...): Вычисляет числовое отрицание поэлементно.
NextAfter(...): Возвращает следующее представимое значение x1 в направлении x2, поэлементно.
NextIteration(...): Делает свой вход доступным для следующей итерации.
NoOp(...): Не делает ничего. Полезно только как заполнитель для управляющих рёбер.
NonDeterministicInts(...): Недетерминированно генерирует некоторые целые числа.
NonMaxSuppression(...): Жадно выбирает подмножество прямоугольников с наибольшим значением в порядке убывания оценки,
NonMaxSuppressionV2(...): Жадно выбирает подмножество прямоугольников с наибольшим значением в порядке убывания оценки,
NonMaxSuppressionV3(...): Жадно выбирает подмножество прямоугольников с наибольшим значением в порядке убывания оценки,
NonMaxSuppressionV4(...): Жадно выбирает подмножество прямоугольников с наибольшим значением в порядке убывания оценки,
NonMaxSuppressionV5(...): Жадно выбирает подмножество прямоугольников с наибольшим значением в порядке убывания оценки,
NonMaxSuppressionWithOverlaps(...): Жадно выбирает подмножество прямоугольников с наибольшим значением в порядке убывания оценки,
NotEqual(...): Возвращает логическое значение (x != y) поэлементно.
NthElement(...): Находит значения n-й порядковой статистики для последнего измерения.
OneHot(...): Возвращает тензор one-hot.
OneShotIterator(...): Создаёт итератор "one-shot", который можно проитерировать только один раз.
OnesLike(...): Возвращает тензор из единиц с той же формой и типом, что и x.
OptimizeDataset(...): Создаёт набор данных, применяя оптимизации к input_dataset.
OptionalFromValue(...): Создаёт вариант Optional из набора тензоров.
OptionalGetValue(...): Возвращает значение, хранящееся в варианте Optional, или вызывает ошибку, если его нет.
OptionalHasValue(...): Возвращает true, если и только если данный вариант Optional имеет значение.
OptionalNone(...): Создаёт вариант Optional без значения.
OrderedMapClear(...): Операция удаляет все элементы в базовом контейнере.
OrderedMapIncompleteSize(...): Операция возвращает количество неполных элементов в базовом контейнере.
OrderedMapPeek(...): Операция просматривает значения по указанному ключу. Если
OrderedMapSize(...): Операция возвращает количество элементов в базовом контейнере.
OrderedMapStage(...): Этап (ключ, значения) в базовом контейнере, который ведет себя как упорядоченная
OrderedMapUnstage(...): Операция удаляет и возвращает значения, связанные с ключом
OrderedMapUnstageNoKey(...): Операция удаляет и возвращает элемент (ключ, значение) с наименьшим
OutfeedDequeue(...): Получает один тензор из вычислительного буфера вывода.
OutfeedDequeueTuple(...): Получение нескольких значений из буфера вывода вычисления.
OutfeedEnqueue(...): Добавление тензора в буфер вывода вычисления.
OutfeedEnqueueTuple(...): Добавление нескольких тензорных значений в буфер вывода вычисления.
Pack(...): Упаковывает список N тензоров ранга R в один тензор ранга (R+1).
Pad(...): Заполняет тензор нулями.
PadV2(...): Заполняет тензор.
PaddedBatchDataset(...): Создаёт набор данных, который группирует и заполняет batch_size элементы из входного набора данных.
PaddedBatchDatasetV2(...): Создаёт набор данных, который группирует и заполняет batch_size элементы из входного набора данных.
PaddingFIFOQueue(...): Очередь, которая производит элементы в порядке «первым пришёл — первым вышел».
PaddingFIFOQueueV2(...): Очередь, которая производит элементы в порядке «первым пришёл — первым вышел».
ParallelConcat(...): Объединяет список N тензоров по первому измерению.
ParallelDynamicStitch(...): Переплетает значения из data тензоров в один тензор.
ParallelInterleaveDataset(...): Создаёт набор данных, который применяет f к выходам input_dataset.
ParallelInterleaveDatasetV2(...): Создаёт набор данных, который применяет f к выходам input_dataset.
ParallelInterleaveDatasetV3(...): Создаёт набор данных, который применяет f к выходам input_dataset.
ParallelInterleaveDatasetV4(...): Создаёт набор данных, который применяет f к выходам input_dataset.
ParallelMapDataset(...): Создаёт набор данных, который применяет f к выходам input_dataset.
ParallelMapDatasetV2(...): Создаёт набор данных, который применяет f к выходам input_dataset.
ParameterizedTruncatedNormal(...): Выводит случайные значения из нормального распределения. Параметры могут быть каждый
ParseExample(...): Преобразует вектор протоколов brain.Example (в виде строк) в типизированные тензоры.
ParseExampleDataset(...): Преобразует input_dataset, содержащие протоколы Example в виде векторов DT_STRING в набор данных Tensor или SparseTensor объектов, представляющих проанализированные особенности.
ParseExampleDatasetV2(...): Преобразует input_dataset, содержащие протоколы Example в виде векторов DT_STRING в набор данных Tensor или SparseTensor объектов, представляющих проанализированные особенности.
ParseExampleV2(...): Преобразует вектор протоколов tf.Example (в виде строк) в типизированные тензоры.
ParseSequenceExample(...): Преобразует вектор протоколов brain.SequenceExample (в виде строк) в типизированные тензоры.
ParseSequenceExampleV2(...): Преобразует вектор протоколов tf.io.SequenceExample (в виде строк) в
ParseSingleExample(...): Преобразует протокол tf.Example (в виде строки) в типизированные тензоры.
ParseSingleSequenceExample(...): Преобразует скалярный протокол brain.SequenceExample (в виде строки) в типизированные тензоры.
ParseTensor(...): Преобразует сериализованный протокол tensorflow.TensorProto в тензор.
PartitionedCall(...): возвращает f(inputs), где размещается и разделяются тело f.
Placeholder(...): Операция-заполнитель для значения, которое будет подано в вычисление.
PlaceholderV2(...): Операция-заполнитель для значения, которое будет подано в вычисление.
PlaceholderWithDefault(...): Операция-заполнитель, которая пропускает input при отсутствии ввода на ее выходе.
Polygamma(...): Вычисляет полигамма-функцию \(\psi^{(n)}(x)\).
PopulationCount(...): Вычисляет элемент-по-элементу количество единиц (поп-счет, суммирование битов, подсчет битов).
Pow(...): Вычисляет степень одного значения по другому.
PrefetchDataset(...): Создает набор данных, который асинхронно предварительно извлекает элементы из input_dataset.
Prelinearize(...): Операция, которая линейно преобразует одно тензорное значение в тензор неявного типа.
PrelinearizeTuple(...): Операция, которая линейно преобразует несколько тензорных значений в тензор неявного типа.
PreventGradient(...): Операция-тождество, которая вызывает ошибку, если запрашивается градиент.
Print(...): Печатает список тензоров.
PrintV2(...): Печатает скалярную строку.
PriorityQueue(...): Очередь, которая генерирует элементы, отсортированные по значению первого компонента.
PriorityQueueV2(...): Очередь, которая генерирует элементы, отсортированные по значению первого компонента.
PrivateThreadPoolDataset(...): Создает набор данных, который использует пользовательский пул потоков для вычисления input_dataset.
Prod(...): Вычисляет произведение элементов по измерениям тензора.
PyFunc(...): Вызывает Python-функцию для вычисления func(input)->output.
PyFuncStateless(...): Бессостоятельная версия PyFunc.
Qr(...): Вычисляет QR-разложение одной или нескольких матриц.
QuantizeAndDequantize(...): Используйте QuantizeAndDequantizeV2 вместо этого.
QuantizeAndDequantizeV2(...): Квантует, затем деквантует тензор.
QuantizeAndDequantizeV3(...): Квантует, затем деквантует тензор.
QuantizeDownAndShrinkRange(...): Преобразует квантованный тензор 'input' в тензор 'output' меньшей точности, используя
QuantizeV2(...): Квантует тензор 'input' типа float в тензор 'output' типа 'T'.
QuantizedAdd(...): Возвращает x + y поэлементно, работая с квантованными буферами.
QuantizedAvgPool(...): Производит усредненное пулинговое значение тензора 'input' для квантованных типов.
QuantizedBatchNormWithGlobalNormalization(...): Квантованная нормализация по партиям.
QuantizedBiasAdd(...): Добавляет тензор 'bias' к тензору 'input' для квантованных типов.
QuantizedConcat(...): Объединяет квантованные тензоры вдоль одного измерения.
QuantizedConv2D(...): Вычисляет 2D свёртку с учетом квантованных 4D тензоров входных данных и фильтров.
QuantizedConv2DAndReluAndRequantize(...)
QuantizedConv2DAndRequantize(...)
QuantizedConv2DPerChannel(...): Вычисляет QuantizedConv2D по каналам.
QuantizedConv2DWithBiasAndRelu(...)
QuantizedConv2DWithBiasAndReluAndRequantize(...)
QuantizedConv2DWithBiasAndRequantize(...)
QuantizedConv2DWithBiasSignedSumAndReluAndRequantize(...)
QuantizedConv2DWithBiasSumAndRelu(...)
QuantizedConv2DWithBiasSumAndReluAndRequantize(...)
QuantizedDepthwiseConv2D(...): Вычисляет квантованную свёртку по глубине.
QuantizedDepthwiseConv2DWithBias(...): Вычисляет квантованную свёртку по глубине с добавлением смещения.
QuantizedDepthwiseConv2DWithBiasAndRelu(...): Вычисляет квантованную свёртку по глубине со смещением и функцией ReLU.
QuantizedDepthwiseConv2DWithBiasAndReluAndRequantize(...): Вычисляет квантованную свёртку по глубине со смещением, ReLU и Requantize.
QuantizedInstanceNorm(...): Квантованная нормализация по экземпляру.
QuantizedMatMul(...): Выполняет квантованное матричное умножение a на матрицу b.
QuantizedMatMulWithBias(...): Выполняет квантованное матричное умножение a на матрицу b со смещением.
QuantizedMatMulWithBiasAndDequantize(...)
QuantizedMatMulWithBiasAndRelu(...): Выполняет квантованное матричное умножение a на матрицу b со смещением
QuantizedMatMulWithBiasAndReluAndRequantize(...): Выполняет квантованное матричное умножение a на матрицу b со смещением
QuantizedMatMulWithBiasAndRequantize(...)
QuantizedMaxPool(...): Производит максимальное пулинговое значение тензора 'input' для квантованных типов.
QuantizedMul(...): Возвращает x * y поэлементно, работая с квантованными буферами.
QuantizedRelu(...): Вычисляет квантованную функцию ReLU: max(features, 0)
QuantizedRelu6(...): Вычисляет квантованную функцию ReLU 6: min(max(features, 0), 6)
QuantizedReluX(...): Вычисляет квантованную функцию ReLU X: min(max(features, 0), max_value)
QuantizedReshape(...): Изменяет форму квантованного тензора в соответствии с операцией Reshape.
QuantizedResizeBilinear(...): Изменяет размер квантованного images на size с использованием квантованной билинейной интерполяции.
QueueClose(...): Закрывает заданную очередь.
QueueCloseV2(...): Закрывает заданную очередь.
QueueDequeue(...): Извлекает кортеж из одного или нескольких тензоров из заданной очереди.
QueueDequeueMany(...): Извлекает n кортежей из одного или нескольких тензоров из заданной очереди.
QueueDequeueManyV2(...): Извлекает n кортежей из одного или нескольких тензоров из заданной очереди.
QueueDequeueUpTo(...): Извлекает n кортежей из одного или нескольких тензоров из заданной очереди.
QueueDequeueUpToV2(...): Извлекает n кортежей из одного или нескольких тензоров из заданной очереди.
QueueDequeueV2(...): Извлекает кортеж из одного или нескольких тензоров из заданной очереди.
QueueEnqueue(...): Вставляет кортеж из одного или нескольких тензоров в заданную очередь.
QueueEnqueueMany(...): Вставляет ноль или более кортежей из одного или нескольких тензоров в заданную очередь.
QueueEnqueueManyV2(...): Вставляет ноль или более кортежей из одного или нескольких тензоров в заданную очередь.
QueueEnqueueV2(...): Вставляет кортеж из одного или нескольких тензоров в заданную очередь.
QueueIsClosed(...): Возвращает true, если очередь закрыта.
QueueIsClosedV2(...): Возвращает true, если очередь закрыта.
QueueSize(...): Вычисляет количество элементов в заданной очереди.
QueueSizeV2(...): Вычисляет количество элементов в заданной очереди.
RFFT(...): Вещественное быстрое преобразование Фурье.
RFFT2D(...): 2D вещественное быстрое преобразование Фурье.
RFFT3D(...): 3D вещественное быстрое преобразование Фурье.
RGBToHSV(...): Преобразует один или несколько изображений из RGB в HSV.
RaggedBincount(...): Подсчитывает количество вхождений каждого значения в целочисленном массиве.
RaggedCountSparseOutput(...): Выполняет подсчет бинов с разреженным выходом для входного тензора с нерегулярной структурой.
RaggedCross(...): Генерирует перекрестную характеристику из списка тензоров и возвращает ее как
RaggedGather(...): Сбор нерегулярных слайсов из params оси 0 по indices.
RaggedRange(...): Возвращает RaggedTensor, содержащий указанные последовательности чисел.
RaggedTensorFromVariant(...): Декодирует тензор variant в тензор RaggedTensor.
RaggedTensorToSparse(...): Преобразует RaggedTensor в SparseTensor с теми же значениями.
RaggedTensorToTensor(...): Создать плотный тензор из разрозненного тензора, возможно, изменив его форму.
RaggedTensorToVariant(...): Кодирует RaggedTensor в тензор variant.
RandomCrop(...): Случайный обрезка image.
RandomDataset(...): Создает набор данных, возвращающий псевдослучайные числа.
RandomGamma(...): Выводит случайные значения из распределения Гамма, описанного alpha.
RandomGammaGrad(...): Вычисляет производную случайной выборки Гамма по отношению к alpha.
RandomPoisson(...): Используйте RandomPoissonV2 вместо этого.
RandomPoissonV2(...): Выводит случайные значения из распределения Пуассона, описанного параметром rate.
RandomShuffle(...): Случайно перемешивает тензор по первому измерению.
RandomShuffleQueue(...): Очередь, которая случайным образом изменяет порядок элементов.
RandomShuffleQueueV2(...): Очередь, которая случайным образом изменяет порядок элементов.
RandomStandardNormal(...): Выводит случайные значения из нормального распределения.
RandomUniform(...): Выводит случайные значения из равномерного распределения.
RandomUniformInt(...): Выводит случайные целые числа из равномерного распределения.
Range(...): Создаёт последовательность чисел.
RangeDataset(...): Создаёт набор данных с диапазоном значений. Соответствует xrange в Python.
Rank(...): Возвращает ранг тензора.
ReadFile(...): Читает и выводит всё содержимое входного файла.
ReadVariableOp(...): Читает значение переменной.
ReaderNumRecordsProduced(...): Возвращает количество записей, произведённых этим Reader.
ReaderNumRecordsProducedV2(...): Возвращает количество записей, произведённых этим Reader.
ReaderNumWorkUnitsCompleted(...): Возвращает количество завершённых единиц работы этим Reader.
ReaderNumWorkUnitsCompletedV2(...): Возвращает количество завершённых единиц работы этим Reader.
ReaderRead(...): Возвращает следующую запись (пара ключ-значение), произведённую Reader.
ReaderReadUpTo(...): Возвращает до num_records пар (ключ, значение), произведённых Reader.
ReaderReadUpToV2(...): Возвращает до num_records пар (ключ, значение), произведённых Reader.
ReaderReadV2(...): Возвращает следующую запись (пара ключ-значение), произведённую Reader.
ReaderReset(...): Восстанавливает Reader в его начальное чистое состояние.
ReaderResetV2(...): Восстанавливает Reader в его начальное чистое состояние.
ReaderRestoreState(...): Восстанавливает reader в ранее сохранённое состояние.
ReaderRestoreStateV2(...): Восстанавливает reader в ранее сохранённое состояние.
ReaderSerializeState(...): Создаёт строковый тензор, кодирующий состояние Reader.
ReaderSerializeStateV2(...): Создаёт строковый тензор, кодирующий состояние Reader.
Real(...): Возвращает действительную часть комплексного числа.
RealDiv(...): Возвращает x / y поэлементно для вещественных типов.
RebatchDataset(...): Создаёт набор данных, изменяющий размер пакета.
Reciprocal(...): Вычисляет обратную величину x поэлементно.
ReciprocalGrad(...): Вычисляет градиент для обратной величины x по отношению к его входному значению.
RecordInput(...): Выпускает случайные записи.
Recv(...): Принимает именованный тензор от send_device на recv_device.
RecvTPUEmbeddingActivations(...): Операция, которая получает активации встраивания на TPU.
ReduceDataset(...): Сводит входной набор данных к единственному элементу с использованием функции сокращения.
ReduceJoin(...): Объединяет строковый тензор по заданным измерениям.
RefEnter(...): Создаёт или находит фрейм дочерней рамы и делает data доступным для фрейма дочерней рамы.
RefExit(...): Выходит из текущего фрейма к его родительскому фрейму.
RefIdentity(...): Возвращает тот же тензор ref, что и входной тензор ref.
RefMerge(...): Передаёт значение доступного тензора от inputs к output.
RefNextIteration(...): Делает свой вход доступным для следующей итерации.
RefSelect(...): Передаёт index-й элемент inputs к output.
RefSwitch(...): Передаёт тензор ref data к выходному порту, определяемому pred.
RegexFullMatch(...): Проверяет, соответствует ли вход шаблону регулярного выражения.
RegexReplace(...): Заменяет совпадения pattern регулярного выражения в input с
RegisterDataset(...): Регистрирует набор данных в службе tf.data.
Relu(...): Вычисляет выпрямлённую линейную функцию: max(features, 0).
Relu6(...): Вычисляет выпрямлённую линейную функцию 6: min(max(features, 0), 6).
Relu6Grad(...): Вычисляет градиенты выпрямлённой линейной функции 6 для операции Relu6.
ReluGrad(...): Вычисляет градиенты выпрямлённой линейной функции для операции Relu.
RemoteCall(...): Выполняет функцию f на удалённом устройстве, указанном target.
RepeatDataset(...): Создаёт набор данных, который выпускает выходные данные input_dataset count раз.
RequantizationRange(...): Вычисляет диапазон, который охватывает фактические значения, присутствующие в квантованном тензоре.
RequantizationRangePerChannel(...): Вычисляет диапазон переквантования на канал.
Requantize(...): Преобразует квантованный input тензор в тензор с меньшей точностью output.
RequantizePerChannel(...): Переквантовывает вход, зная минимальное и максимальное значения по каналам.
Reshape(...): Изменяет форму тензора.
ResizeArea(...): Изменяет размер images на size с использованием интерполяции площади.
ResizeBicubic(...): Изменяет размер images на size с использованием бикубической интерполяции.
ResizeBicubicGrad(...): Вычисляет градиент бикубической интерполяции.
ResizeBilinear(...): Изменяет размер images на size с использованием билинейной интерполяции.
ResizeBilinearGrad(...): Вычисляет градиент билинейной интерполяции.
ResizeNearestNeighbor(...): Изменяет размер images на size с использованием интерполяции ближайшего соседа.
ResizeNearestNeighborGrad(...): Вычисляет градиент интерполяции ближайшего соседа.
ResourceAccumulatorApplyGradient(...): Применяет градиент к заданному аккумулятору.
ResourceAccumulatorNumAccumulated(...): Возвращает количество градиентов, агрегированных в заданных аккумуляторах.
ResourceAccumulatorSetGlobalStep(...): Обновляет аккумулятор новым значением для global_step.
ResourceAccumulatorTakeGradient(...): Извлекает средний градиент в заданном ConditionalAccumulator.
ResourceApplyAdaMax(...): Обновить '*var' в соответствии с алгоритмом AdaMax.
ResourceApplyAdadelta(...): Обновить '*var' в соответствии со схемой adadelta.
ResourceApplyAdagrad(...): Обновить '*var' в соответствии со схемой adagrad.
ResourceApplyAdagradDA(...): Обновить '*var' в соответствии с проксимальной схемой adagrad.
ResourceApplyAdagradV2(...): Обновить '*var' в соответствии со схемой adagrad.
ResourceApplyAdam(...): Обновить '*var' в соответствии с алгоритмом Adam.
ResourceApplyAdamWithAmsgrad(...): Обновить '*var' в соответствии с алгоритмом Adam.
ResourceApplyAddSign(...): Обновить '*var' в соответствии с обновлением AddSign.
ResourceApplyCenteredRMSProp(...): Обновить '*var' в соответствии с алгоритмом centered RMSProp.
ResourceApplyFtrl(...): Обновление '*var' в соответствии со схемой Ftrl-proximal.
ResourceApplyFtrlV2(...): Обновление '*var' в соответствии со схемой Ftrl-proximal.
ResourceApplyGradientDescent(...): Обновление '*var' путем вычитания 'alpha' * 'delta' из него.
ResourceApplyKerasMomentum(...): Обновление '*var' в соответствии со схемой импульса.
ResourceApplyMomentum(...): Обновление '*var' в соответствии со схемой импульса.
ResourceApplyPowerSign(...): Обновление '*var' в соответствии с обновлением AddSign.
ResourceApplyProximalAdagrad(...): Обновление 'var' и 'accum' в соответствии с алгоритмом FOBOS с параметром скорости обучения Adagrad.
ResourceApplyProximalGradientDescent(...): Обновление '*var' как алгоритм FOBOS с фиксированной скоростью обучения.
ResourceApplyRMSProp(...): Обновление '*var' в соответствии с алгоритмом RMSProp.
ResourceConditionalAccumulator(...): Условный сумматор для агрегирования градиентов.
ResourceCountUpTo(...): Увеличивает переменную, на которую указывает 'resource', до тех пор, пока она не достигнет 'limit'.
ResourceGather(...): Сбор срезов из переменной, на которую указывает resource, в соответствии с indices.
ResourceScatterAdd(...): Добавление разреженных обновлений к переменной, на которую ссылается resource.
ResourceScatterDiv(...): Деление разреженных обновлений на переменную, на которую ссылается resource.
ResourceScatterMax(...): Сведение разреженных обновлений в переменную, на которую ссылается resource с помощью операции max.
ResourceScatterMin(...): Сведение разреженных обновлений в переменную, на которую ссылается resource с помощью операции min.
ResourceScatterMul(...): Умножение разреженных обновлений на переменную, на которую ссылается resource.
ResourceScatterNdAdd(...): Применение разреженного сложения к отдельным значениям или срезам в Переменной.
ResourceScatterNdSub(...): Применение разреженного вычитания к отдельным значениям или срезам в Переменной.
ResourceScatterNdUpdate(...): Применение разреженного updates к отдельным значениям или срезам в заданном
ResourceScatterSub(...): Вычитание разреженных обновлений из переменной, на которую ссылается resource.
ResourceScatterUpdate(...): Назначение разреженных обновлений переменной, на которую ссылается resource.
ResourceSparseApplyAdadelta(...): var: Должен быть из Variable().
ResourceSparseApplyAdagrad(...): Обновление соответствующих элементов в 'var' и 'accum' в соответствии со схемой adagrad.
ResourceSparseApplyAdagradDA(...): Обновление элементов в 'var' и 'accum' в соответствии с проксимальной схемой adagrad.
ResourceSparseApplyAdagradV2(...): Обновление соответствующих элементов в 'var' и 'accum' в соответствии со схемой adagrad.
ResourceSparseApplyCenteredRMSProp(...): Обновление '*var' в соответствии с алгоритмом RMSProp с центрированием.
ResourceSparseApplyFtrl(...): Обновление соответствующих элементов в '*var' в соответствии со схемой Ftrl-proximal.
ResourceSparseApplyFtrlV2(...): Обновление соответствующих элементов в '*var' в соответствии со схемой Ftrl-proximal.
ResourceSparseApplyKerasMomentum(...): Обновление соответствующих элементов в 'var' и 'accum' в соответствии со схемой импульса.
ResourceSparseApplyMomentum(...): Обновление соответствующих элементов в 'var' и 'accum' в соответствии со схемой импульса.
ResourceSparseApplyProximalAdagrad(...): Разреженное обновление элементов в 'var' и 'accum' в соответствии с алгоритмом FOBOS.
ResourceSparseApplyProximalGradientDescent(...): Разреженное обновление '*var' как алгоритм FOBOS с фиксированной скоростью обучения.
ResourceSparseApplyRMSProp(...): Обновление '*var' в соответствии с алгоритмом RMSProp.
ResourceStridedSliceAssign(...): Назначение value срезанному l-значению ref.
Restore(...): Восстановление тензора из файлов контрольных точек.
RestoreSlice(...): Восстановление тензора из файлов контрольных точек.
RestoreV2(...): Восстановление тензоров из контрольной точки V2.
RetrieveTPUEmbeddingADAMParameters(...): Получение параметров встраивания ADAM.
RetrieveTPUEmbeddingADAMParametersGradAccumDebug(...): Получение параметров встраивания ADAM с поддержкой отладки.
RetrieveTPUEmbeddingAdadeltaParameters(...): Получение параметров Adadelta встраивания.
RetrieveTPUEmbeddingAdadeltaParametersGradAccumDebug(...): Получение параметров Adadelta встраивания с поддержкой отладки.
RetrieveTPUEmbeddingAdagradParameters(...): Получение параметров Adagrad встраивания.
RetrieveTPUEmbeddingAdagradParametersGradAccumDebug(...): Получение параметров Adagrad встраивания с поддержкой отладки.
RetrieveTPUEmbeddingCenteredRMSPropParameters(...): Получение параметров встраивания RMSProp с центрированием.
RetrieveTPUEmbeddingFTRLParameters(...): Получение параметров встраивания FTRL.
RetrieveTPUEmbeddingFTRLParametersGradAccumDebug(...): Получение параметров встраивания FTRL с поддержкой отладки.
RetrieveTPUEmbeddingMDLAdagradLightParameters(...): Получение параметров встраивания MDL Adagrad Light.
RetrieveTPUEmbeddingMomentumParameters(...): Получение параметров импульса встраивания.
RetrieveTPUEmbeddingMomentumParametersGradAccumDebug(...): Получение параметров импульса встраивания с поддержкой отладки.
RetrieveTPUEmbeddingProximalAdagradParameters(...): Получение параметров проксимального Adagrad встраивания.
RetrieveTPUEmbeddingProximalAdagradParametersGradAccumDebug(...): Получение параметров проксимального Adagrad встраивания с поддержкой отладки.
RetrieveTPUEmbeddingProximalYogiParameters(...)
RetrieveTPUEmbeddingProximalYogiParametersGradAccumDebug(...)
RetrieveTPUEmbeddingRMSPropParameters(...): Получение параметров встраивания RMSProp.
RetrieveTPUEmbeddingRMSPropParametersGradAccumDebug(...): Получение параметров встраивания RMSProp с поддержкой отладки.
RetrieveTPUEmbeddingStochasticGradientDescentParameters(...): Получение параметров SGD встраивания.
RetrieveTPUEmbeddingStochasticGradientDescentParametersGradAccumDebug(...): Получение параметров SGD встраивания с поддержкой отладки.
Reverse(...): Инвертирует определенные измерения тензора.
ReverseSequence(...): Инвертирует срезы переменной длины.
ReverseV2(...): Инвертирует определенные измерения тензора.
RightShift(...): Элементное вычисление побитового сдвига вправо x и y.
Rint(...): Возвращает ближайшее целое значение к x для каждого элемента.
RngSkip(...): Увеличивает счетчик генератора псевдослучайных чисел на основе счетчика.
Roll(...): Сдвигает элементы тензора вдоль оси.
Round(...): Округляет значения тензора до ближайшего целого, по элементу.
Rsqrt(...): Вычисляет обратную величину квадратного корня из x по элементу.
RsqrtGrad(...): Вычисляет градиент для rsqrt от x по отношению к его входному значению.
SampleDistortedBoundingBox(...): Генерирует одну случайно искаженную рамку для изображения.
SampleDistortedBoundingBoxV2(...): Генерирует одну случайно искаженную рамку для изображения.
SamplingDataset(...): Создает набор данных, который берет случайный образец Бернулли из содержимого другого набора данных.
Save(...): Сохраняет входные тензоры на диск.
SaveSlices(...): Сохраняет срезы входных тензоров на диск.
SaveV2(...): Сохраняет тензоры в формате контрольной точки V2.
ScalarSummary(...): Выводит протокольный буфер Summary со скалярными значениями.
ScanDataset(...): Создаёт набор данных, последовательно уменьшая f над элементами input_dataset.
ScatterAdd(...): Добавляет разреженные обновления к ссылке на переменную.
ScatterDiv(...): Делит ссылку на переменную на разреженные обновления.
ScatterMax(...): Сводит разреженные обновления в ссылку на переменную, используя операцию max.
ScatterMin(...): Сводит разреженные обновления в ссылку на переменную, используя операцию min.
ScatterMul(...): Умножает разреженные обновления на ссылку на переменную.
ScatterNd(...): Разброс updates в новый тензор в соответствии с indices.
ScatterNdAdd(...): Применяет разреженное сложение к отдельным значениям или срезам в переменной.
ScatterNdMax(...): Вычисляет покомпонентный максимум.
ScatterNdMin(...): Вычисляет покомпонентный минимум.
ScatterNdNonAliasingAdd(...): Применяет разреженное сложение к input с использованием отдельных значений или срезов.
ScatterNdSub(...): Применяет разреженное вычитание к отдельным значениям или срезам в переменной.
ScatterNdUpdate(...): Применяет разреженное updates к отдельным значениям или срезам внутри заданного.
ScatterSub(...): Вычитает разреженные обновления из ссылки на переменную.
ScatterUpdate(...): Применяет разреженные обновления к ссылке на переменную.
SdcaFprint(...): Вычисляет отпечатки пальцев входных строк.
SdcaOptimizer(...): Распределённая версия оптимизатора стохастического двойственного координатного восхождения (SDCA) для
SdcaOptimizerV2(...): Распределённая версия оптимизатора стохастического двойственного координатного восхождения (SDCA) для
SdcaShrinkL1(...): Применяет шаг регуляризации L1 к параметрам.
SegmentMax(...): Вычисляет максимальное значение вдоль сегментов тензора.
SegmentMean(...): Вычисляет среднее значение вдоль сегментов тензора.
SegmentMin(...): Вычисляет минимальное значение вдоль сегментов тензора.
SegmentProd(...): Вычисляет произведение вдоль сегментов тензора.
SegmentSum(...): Вычисляет сумму вдоль сегментов тензора.
Select(...): Выбирает элементы из x или y, в зависимости от condition.
SelfAdjointEig(...): Вычисляет собственное разложение набора квадратных эрмитовых матриц.
SelfAdjointEigV2(...): Вычисляет собственное разложение одной или нескольких квадратных эрмитовых матриц.
Selu(...): Вычисляет масштабированное экспоненциально-линейное преобразование: scale * alpha * (exp(features) - 1)
SeluGrad(...): Вычисляет градиенты для масштабированного экспоненциально-линейного (Selu) преобразования.
Send(...): Пересылает именованный тензор с send_device на recv_device.
SendTPUEmbeddingGradients(...): Выполняет обновления градиентов таблиц встраивания.
SerializeIterator(...): Преобразует указанный resource_handle, представляющий итератор, в тензор типа variant.
SerializeManySparse(...): Сериализует N-минимарчу SparseTensor в объект [N, 3] Tensor.
SerializeSparse(...): Сериализует SparseTensor в объект [3] Tensor.
SerializeTensor(...): Преобразует тензор в сериализованный протокол TensorProto.
SetSize(...): Количество уникальных элементов вдоль последнего измерения входного set.
SetStatsAggregatorDataset(...)
Shape(...): Возвращает форму тензора.
ShapeN(...): Возвращает форму тензоров.
ShardDataset(...): Создаёт набор данных, включающий только 1/num_shards этого набора данных.
ShardedFilename(...): Генерирует имя фрагментированного файла. Имя файла форматируется по образцу printf как
ShardedFilespec(...): Генерирует шаблон подстановочных знаков, сопоставляющий все имена фрагментированных файлов.
ShuffleAndRepeatDataset(...): Создаёт набор данных, перемешивающий и повторяющий элементы из input_dataset
ShuffleAndRepeatDatasetV2(...)
ShuffleDataset(...): Создаёт набор данных, перемешивающий элементы из input_dataset псевдослучайным образом.
ShutdownDistributedTPU(...): Останавливает работающую распределённую систему TPU.
Sigmoid(...): Вычисляет сигмоиду каждого элемента x.
SigmoidGrad(...): Вычисляет градиент сигмоиды x относительно её входных данных.
Sign(...): Возвращает покомпонентное указание знака числа.
Sin(...): Вычисляет синус от x покомпонентно.
Sinh(...): Вычисляет гиперболический синус от x покомпонентно.
Size(...): Возвращает размер тензора.
SkipDataset(...): Создаёт набор данных, пропускающий count элементов из input_dataset.
Slice(...): Возвращает срез из 'input'.
SlidingWindowDataset(...): Создаёт набор данных, проходящий скользящее окно над input_dataset.
Snapshot(...): Возвращает копию входного тензора.
SnapshotDataset(...): Создаёт набор данных, который будет записывать в / читать из моментального снимка.
SnapshotDatasetV2(...): Создаёт набор данных, который будет записывать в / читать из моментального снимка.
SobolSample(...): Генерирует точки из последовательности Соболя.
Softmax(...): Вычисляет активации softmax.
SoftmaxCrossEntropyWithLogits(...): Вычисляет стоимость кросс-энтропии softmax и градиенты для обратного распространения.
Softplus(...): Вычисляет softplus: log(exp(features) + 1).
SoftplusGrad(...): Вычисляет градиенты softplus для операции softplus.
Softsign(...): Вычисляет softsign: features / (abs(features) + 1).
SoftsignGrad(...): Вычисляет градиенты softsign для операции softsign.
SpaceToBatch(...): SpaceToBatch для 4-мерных тензоров типа T.
SpaceToBatchND(...): SpaceToBatch для N-мерных тензоров типа T.
SpaceToDepth(...): SpaceToDepth для тензоров типа T.
SparseAccumulatorApplyGradient(...): Применяет разреженный градиент к заданному накопителю.
SparseAccumulatorTakeGradient(...): Извлекает средний разреженный градиент в SparseConditionalAccumulator.
SparseAdd(...): Складывает два SparseTensor объекта, чтобы получить другой SparseTensor.
SparseAddGrad(...): Оператор градиента для операции SparseAdd.
SparseApplyAdadelta(...): var: Должен быть из Variable().
SparseApplyAdagrad(...): Обновляет соответствующие записи в 'var' и 'accum' в соответствии со схемой adagrad.
SparseApplyAdagradDA(...): Обновляет записи в 'var' и 'accum' в соответствии с приближенной схемой adagrad.
SparseApplyAdagradV2(...): Обновляет соответствующие записи в 'var' и 'accum' в соответствии со схемой adagrad.
SparseApplyCenteredRMSProp(...): Обновляет '*var' в соответствии с алгоритмом centered RMSProp.
SparseApplyFtrl(...): Обновляет соответствующие записи в '*var' в соответствии с приближенной схемой Ftrl.
SparseApplyFtrlV2(...): Обновляет соответствующие записи в '*var' в соответствии с приближенной схемой Ftrl.
SparseApplyMomentum(...): Обновляет соответствующие записи в 'var' и 'accum' в соответствии со схемой импульса.
SparseApplyProximalAdagrad(...): Разреженное обновление записей в 'var' и 'accum' в соответствии с алгоритмом FOBOS.
SparseApplyProximalGradientDescent(...): Разреженное обновление '*var' как алгоритм FOBOS с фиксированной скоростью обучения.
SparseApplyRMSProp(...): Обновляет '*var' в соответствии с алгоритмом RMSProp.
SparseBincount(...): Подсчитывает количество вхождений каждого значения в целочисленном массиве.
SparseConcat(...): Объединяет список SparseTensor вдоль указанного измерения.
SparseConditionalAccumulator(...): Условный накопитель для агрегирования разреженных градиентов.
SparseCountSparseOutput(...): Выполняет подсчет бинов с разреженным выходом для разреженного тензорного входного значения.
SparseCross(...): Генерирует разреженное перекрестное произведение из списка разреженных и плотных тензоров.
SparseCrossHashed(...): Генерирует разреженное перекрестное произведение из списка разреженных и плотных тензоров.
SparseCrossV2(...): Генерирует разреженное перекрестное произведение из списка разреженных и плотных тензоров.
SparseDenseCwiseAdd(...): Складывает SparseTensor и плотный Tensor, используя следующие правила:
SparseDenseCwiseDiv(...): Компонентно делит SparseTensor на плотный Tensor.
SparseDenseCwiseMul(...): Компонентно умножает SparseTensor на плотный Tensor.
SparseFillEmptyRows(...): Заполняет пустые строки во входном 2-мерном SparseTensor значением по умолчанию.
SparseFillEmptyRowsGrad(...): Градиент SparseFillEmptyRows.
SparseMatMul(...): Умножает матрицу "a" на матрицу "b".
SparseMatrixAdd(...): Разреженное сложение двух матриц CSR, C = alpha * A + beta * B.
SparseMatrixMatMul(...): Умножает разреженную матрицу на плотную матрицу.
SparseMatrixMul(...): Элементное умножение разреженной матрицы на плотный тензор.
SparseMatrixNNZ(...): Возвращает количество ненулевых элементов sparse_matrix.
SparseMatrixOrderingAMD(...): Вычисляет порядок приближенного минимального графика (AMD) input.
SparseMatrixSoftmax(...): Вычисляет softmax для CSRSparseMatrix.
SparseMatrixSoftmaxGrad(...): Вычисляет градиент операции SparseMatrixSoftmax.
SparseMatrixSparseCholesky(...): Вычисляет разреженное разложение Холецкого для input.
SparseMatrixSparseMatMul(...): Разреженное матричное умножение двух матриц CSR a и b.
SparseMatrixTranspose(...): Транспонирует внутренние (матричные) измерения CSRSparseMatrix.
SparseMatrixZeros(...): Создаёт все нулевую CSRSparseMatrix с формой dense_shape.
SparseReduceMax(...): Вычисляет максимум элементов по измерениям SparseTensor.
SparseReduceMaxSparse(...): Вычисляет максимум элементов по измерениям SparseTensor.
SparseReduceSum(...): Вычисляет сумму элементов по измерениям SparseTensor.
SparseReduceSumSparse(...): Вычисляет сумму элементов по измерениям SparseTensor.
SparseReorder(...): Переупорядочивает SparseTensor в канонический, строчно-главный порядок.
SparseReshape(...): Изменяет форму SparseTensor, чтобы представить значения в новой плотной форме.
SparseSegmentMean(...): Вычисляет среднее значение по разреженным сегментам тензора.
SparseSegmentMeanGrad(...): Вычисляет градиенты для SparseSegmentMean.
SparseSegmentMeanWithNumSegments(...): Вычисляет среднее значение по разреженным сегментам тензора.
SparseSegmentSqrtN(...): Вычисляет сумму по разреженным сегментам тензора, делённую на корень квадратный из N.
SparseSegmentSqrtNWithNumSegments(...): Вычисляет сумму по разреженным сегментам тензора, делённую на корень квадратный из N.
SparseSegmentSum(...): Вычисляет сумму по разреженным сегментам тензора.
SparseSegmentSumWithNumSegments(...): Вычисляет сумму по разреженным сегментам тензора.
SparseSlice(...): Вырезает SparseTensor на основе start и size.
SparseSliceGrad(...): Оператор градиента для операции SparseSlice.
SparseSoftmax(...): Применяет softmax к пакетному N-мерному SparseTensor.
SparseSoftmaxCrossEntropyWithLogits(...): Вычисляет стоимость и градиенты кросс-энтропии softmax, чтобы выполнить обратное распространение.
SparseSparseMaximum(...): Возвращает элементное максимальное значение двух SparseTensor.
SparseSparseMinimum(...): Возвращает элементное минимальное значение двух SparseTensor.
SparseSplit(...): Разделяет SparseTensor на num_split тензоров вдоль одного измерения.
SparseTensorDenseAdd(...): Складывает SparseTensor и плотный Tensor, получая плотный Tensor.
SparseTensorDenseMatMul(...): Умножает SparseTensor (ранга 2) "A" на плотную матрицу "B".
SparseTensorSliceDataset(...): Создаёт набор данных, который разделяет SparseTensor на элементы построчно.
SparseTensorToCSRSparseMatrix(...): Преобразует SparseTensor в (возможно, пакетную) CSRSparseMatrix.
SparseToDense(...): Преобразует разреженное представление в плотный тензор.
SparseToSparseSetOperation(...): Применяет операцию множества вдоль последнего измерения 2 SparseTensor ввода.
Split(...): Разделяет тензор на num_split тензоров вдоль одного измерения.
SplitV(...): Разделяет тензор на num_split тензоров вдоль одного измерения.
SqlDataset(...): Создаёт набор данных, который выполняет SQL-запрос и выводит строки набора результатов.
Sqrt(...): Вычисляет квадратный корень от x по элементам.
SqrtGrad(...): Вычисляет градиент для квадратного корня из x по отношению к его входу.
Square(...): Вычисляет квадрат x по элементам.
SquaredDifference(...): Возвращает (x - y)(x - y) по элементам.
Squeeze(...): Удаляет размерности размера 1 из формы тензора.
Stack(...): Устарело, используйте StackV2.
StackClose(...): Устарело, используйте StackCloseV2.
StackCloseV2(...): Удаляет стек из его контейнера ресурсов.
StackPop(...): Устарело, используйте StackPopV2.
StackPopV2(...): Извлекает элемент из вершины стека.
StackPush(...): Устарело, используйте StackPushV2.
StackPushV2(...): Добавляет элемент в стек.
StackV2(...): Стек, который возвращает элементы в порядке LIFO.
Stage(...): Добавляет значения, аналогично легковесному Enqueue.
StageClear(...): Операция удаляет все элементы из базового контейнера.
StagePeek(...): Операция просматривает значения в указанном индексе. Если
StageSize(...): Операция возвращает количество элементов в базовом контейнере.
StatefulPartitionedCall(...): возвращает f(inputs), где тело f размещается и разделяется.
StatefulStandardNormal(...): Выводит случайные значения из нормального распределения. Эта операция устарела в пользу операции 'StatefulStandardNormalV2'
StatefulStandardNormalV2(...): Выводит случайные значения из нормального распределения.
StatefulTruncatedNormal(...): Выводит случайные значения из усеченного нормального распределения.
StatefulUniform(...): Выводит случайные значения из равномерного распределения.
StatefulUniformFullInt(...): Выводит случайные целые числа из равномерного распределения.
StatefulUniformInt(...): Выводит случайные целые числа из равномерного распределения.
StatelessIf(...): output = cond ? then_branch(input) : else_branch(input)
StatelessMultinomial(...): Выбирает образцы из многочленного распределения.
StatelessParameterizedTruncatedNormal(...)
StatelessRandomBinomial(...): Выводит детерминированные псевдослучайные числа из биномиального распределения.
StatelessRandomGammaV2(...): Выводит детерминированные псевдослучайные числа из гамма-распределения.
StatelessRandomNormal(...): Выводит детерминированные псевдослучайные значения из нормального распределения.
StatelessRandomPoisson(...): Выводит детерминированные псевдослучайные случайные числа из распределения Пуассона.
StatelessRandomUniform(...): Выводит детерминированные псевдослучайные случайные значения из равномерного распределения.
StatelessRandomUniformFullInt(...): Выводит детерминированные псевдослучайные случайные целые числа из равномерного распределения.
StatelessRandomUniformInt(...): Выводит детерминированные псевдослучайные случайные целые числа из равномерного распределения.
StatelessTruncatedNormal(...): Выводит детерминированные псевдослучайные значения из усеченного нормального распределения.
StatelessWhile(...): output = input; While (Cond(output)) { output = Body(output) }
StaticRegexFullMatch(...): Проверяет, соответствует ли вход шаблону регулярного выражения.
StaticRegexReplace(...): Заменяет совпадение шаблона в входе на rewrite.
StatsAggregatorHandle(...): Создаёт ресурс менеджера статистики.
StatsAggregatorSetSummaryWriter(...): Устанавливает интерфейс summary_writer для записи статистики, используя данный stats_aggregator.
StatsAggregatorSummary(...): Создаёт сводку любой записанной статистики, используя заданного менеджера статистики.
StopGradient(...): Останавливает вычисление градиента.
StridedSlice(...): Возвращает пошагово-вырезанный фрагмент из input.
StridedSliceAssign(...): Присваивает value срезу-ссылке l-значения ref.
StridedSliceGrad(...): Возвращает градиент StridedSlice.
StringFormat(...): Форматирует шаблон строки, используя список тензоров.
StringJoin(...): Объединяет строки в заданном списке тензоров строк в один тензор;
StringLength(...): Длины строк input.
StringLower(...): Преобразует все символы верхнего регистра в соответствующие символы нижнего регистра.
StringNGrams(...): Создаёт ngrams из данных строковых данных.
StringSplit(...): Разделяет элементы input по delimiter в SparseTensor.
StringSplitV2(...): Разделяет элементы source по sep в SparseTensor.
StringStrip(...): Удаляет начальные и конечные пробелы из тензора.
StringToHashBucket(...): Преобразует каждую строку в тензоре входных данных в её хеш по модулю количества ведер.
StringToHashBucketFast(...): Преобразует каждую строку в тензоре входных данных в её хеш по модулю количества ведер.
StringToHashBucketStrong(...): Преобразует каждую строку в тензоре входных данных в её хеш по модулю количества ведер.
StringToNumber(...): Преобразует каждую строку в тензоре входных данных в указанный числовой тип.
StringUpper(...): Преобразует все символы нижнего регистра в соответствующие символы верхнего регистра.
Sub(...): Возвращает x - y поэлементно.
Substr(...): Возвращает подстроки из Tensor строк.
Sum(...): Вычисляет сумму элементов по измерениям тензора.
Svd(...): Вычисляет сингулярное разложение одного или нескольких матриц.
Switch(...): Пересылает data на выходной порт, определённый pred.
SymbolicGradient(...): Вычисляет функцию градиента для функции f с помощью обратного распространения.
TFRecordDataset(...): Создаёт набор данных, который выводит записи из одного или нескольких файлов TFRecord.
TFRecordReader(...): Чтец, который выводит записи из файла TensorFlow Records.
TFRecordReaderV2(...): Чтец, который выводит записи из файла TensorFlow Records.
TPUCompilationResult(...): Возвращает результат компиляции TPU.
TPUEmbeddingActivations(...): Операция, позволяющая дифференцировать TPU встраивания.
TPUOrdinalSelector(...): Операция выбора ядра TPU.
TPUPartitionedCall(...): Вызывает функцию, размещённую на указанном устройстве TPU.
TPUReplicateMetadata(...): Метаданные, указывающие, как должно быть дублировано вычисление TPU.
TPUReplicatedInput(...): Подключает N входов к N-кратно дублированному вычислению TPU.
TPUReplicatedOutput(...): Подключает N выходов от N-кратно дублированного вычисления TPU.
TakeDataset(...): Создаёт набор данных, содержащий count элементов из input_dataset.
TakeManySparseFromTensorsMap(...): Считывает SparseTensors из SparseTensorsMap и конкатенирует их.
TakeWhileDataset(...): Создаёт набор данных, который останавливает итерацию, когда предикат `false`.
Tan(...): Вычисляет tg x поэлементно.
Tanh(...): Вычисляет гиперболический тангенс x поэлементно.
TanhGrad(...): Вычисляет градиент для tg x по отношению к его входу.
TemporaryVariable(...): Возвращает тензор, который можно изменить, но который сохраняется только в одном шаге.
TensorArrayCloseV2(...): Устарело. Используйте TensorArrayCloseV3
TensorArrayCloseV3(...): Удалить TensorArray из его контейнера ресурсов.
TensorArrayConcatV2(...): Устарело. Используйте TensorArrayConcatV3
TensorArrayConcatV3(...): Конкатенирует элементы из TensorArray в значение value.
TensorArrayGatherV2(...): Устарело. Используйте TensorArrayGatherV3
TensorArrayGatherV3(...): Сбор конкретных элементов из TensorArray в выход value.
TensorArrayGradV2(...): Устарело. Используйте TensorArrayGradV3
TensorArrayGradV3(...): Создаёт TensorArray для хранения градиентов значений в заданном обработчике.
TensorArrayGradWithShape(...): Создаёт TensorArray для хранения нескольких градиентов значений в заданном обработчике.
TensorArrayReadV2(...): Устарело. Используйте TensorArrayReadV3
TensorArrayReadV3(...): Считывает элемент из TensorArray в выход value.
TensorArrayScatterV2(...): Устарело. Используйте TensorArrayScatterV3
TensorArrayScatterV3(...): Распределяет данные из входного значения в конкретные элементы TensorArray.
TensorArraySizeV2(...): Устарело. Используйте TensorArraySizeV3
TensorArraySizeV3(...): Получить текущий размер TensorArray.
TensorArraySplitV2(...): Устарело. Используйте TensorArraySplitV3
TensorArraySplitV3(...): Разделить данные из входного значения на элементы TensorArray.
TensorArrayV2(...): Устарело. Используйте TensorArrayV3
TensorArrayV3(...): Массив тензоров заданного размера.
TensorArrayWriteV2(...): Устарело. Используйте TensorArrayGradV3
TensorArrayWriteV3(...): Добавить элемент в tensor_array.
TensorDataset(...): Создаёт набор данных, который выводит components в виде кортежа тензоров один раз.
TensorListConcat(...): Конкатенирует все тензоры в списке по 0-му измерению.
TensorListConcatV2(...): Объединяет все тензоры в списке по 0-й размерности.
TensorListElementShape(...): Форма элементов данного списка, как тензор.
TensorListFromTensor(...): Создаёт TensorList, который при объединении имеет значение tensor.
TensorListGather(...): Создаёт тензор путём индексирования в TensorList.
TensorListGetItem(...): Возвращает элемент в списке с заданным индексом.
TensorListLength(...): Возвращает количество тензоров в входном списке тензоров.
TensorListPopBack(...): Возвращает последний элемент входного списка, а также список, содержащий все элементы, кроме этого.
TensorListPushBack(...): Возвращает список, в котором переданный Tensor является последним элементом, а другие элементы заданного списка находятся в input_handle.
TensorListReserve(...): Список заданного размера с пустыми элементами.
TensorListResize(...): Изменяет размер списка.
TensorListScatter(...): Создаёт TensorList путём индексирования в тензор.
TensorListScatterIntoExistingList(...): Разбрасывает тензор по индексам во входном списке.
TensorListScatterV2(...): Создаёт TensorList путём индексирования в тензор.
TensorListSetItem(...): Устанавливает позицию с индексом в списке, содержащую данный тензор.
TensorListSplit(...): Разделяет тензор на список.
TensorListStack(...): Объединяет все тензоры в списке.
TensorScatterAdd(...): Добавляет разреженный updates к существующему тензору согласно indices.
TensorScatterSub(...): Вычитает разреженный updates из существующего тензора согласно indices.
TensorScatterUpdate(...): Разбрасывает updates в существующий тензор согласно indices.
TensorSliceDataset(...): Создаёт набор данных, который выдаёт каждый срез components по размерности 0.
TensorStridedSliceUpdate(...): Присваивает value срезу l-значения ссылки input.
TensorSummary(...): Выводит протокольный буфер Summary с тензором.
TensorSummaryV2(...): Выводит протокольный буфер Summary с тензором и данными каждого плагина.
TextLineDataset(...): Создаёт набор данных, который выдаёт строки из одного или нескольких текстовых файлов.
TextLineReader(...): Чтец, который выводит строки файла, разделяемые '\n'.
TextLineReaderV2(...): Чтец, который выводит строки файла, разделяемые '\n'.
ThreadPoolDataset(...): Создаёт набор данных, который использует пользовательский пул потоков для вычисления input_dataset.
ThreadPoolHandle(...): Создаёт набор данных, который использует пользовательский пул потоков для вычисления input_dataset.
ThreadUnsafeUnigramCandidateSampler(...): Генерирует метки для кандидатного выборки с обученной униграмной распределением.
Tile(...): Создаёт тензор путём копирования заданного тензора.
TileGrad(...): Возвращает градиент Tile.
Timestamp(...): Предоставляет время с эпохи в секундах.
ToBool(...): Преобразует тензор в скалярное предикат.
TopK(...): Находит значения и индексы k наибольших элементов для последней размерности.
TopKV2(...): Находит значения и индексы k наибольших элементов для последней размерности.
Transpose(...): Переупорядочивает размерности x согласно перестановке.
TridiagonalMatMul(...): Вычисляет произведение с треугольной матрицей.
TridiagonalSolve(...): Решает треугольные системы уравнений.
TruncateDiv(...): Возвращает x / y поэлементно для целочисленных типов.
TruncateMod(...): Возвращает поэлементный остаток от деления. Это имитирует семантику C в том,
TruncatedNormal(...): Выдаёт случайные значения из усечённого нормального распределения.
Unbatch(...): Обратный оператор Batch для единственного выходного тензора.
UnbatchDataset(...): Набор данных, который разбивает элементы своего входного набора данных на несколько элементов.
UnbatchGrad(...): Градиент Unbatch.
UncompressElement(...): Распаковывает сжатый элемент набора данных.
UnicodeDecode(...): Декодирует каждую строку в input в последовательность кодовых точек Юникода.
UnicodeDecodeWithOffsets(...): Декодирует каждую строку в input в последовательность кодовых точек Юникода.
UnicodeEncode(...): Кодирует тензор целых чисел в строки Юникода.
UnicodeScript(...): Определяет кодовые таблицы скриптов для заданного тензора кодовых точек целых чисел Юникода.
UnicodeTranscode(...): Преобразует входной текст из исходной кодировки в целевую кодировку.
UniformCandidateSampler(...): Генерирует метки для кандидатного выборки с равномерным распределением.
Unique(...): Находит уникальные элементы в одномерном тензоре.
UniqueDataset(...): Создаёт набор данных, который содержит уникальные элементы input_dataset.
UniqueV2(...): Находит уникальные элементы вдоль оси тензора.
UniqueWithCounts(...): Находит уникальные элементы в одномерном тензоре.
UniqueWithCountsV2(...): Находит уникальные элементы вдоль оси тензора.
Unpack(...): Распаковывает заданную размерность тензора ранга R в num тензоров ранга (R-1).
UnravelIndex(...): Преобразует массив плоских индексов в кортеж массивов координат.
UnsortedSegmentJoin(...): Объединяет элементы inputs на основе segment_ids.
UnsortedSegmentMax(...): Вычисляет максимальное значение вдоль сегментов тензора.
UnsortedSegmentMin(...): Вычисляет минимальное значение вдоль сегментов тензора.
UnsortedSegmentProd(...): Вычисляет произведение вдоль сегментов тензора.
UnsortedSegmentSum(...): Вычисляет сумму вдоль сегментов тензора.
Unstage(...): Оператор аналогичен легковесному Dequeue.
UpperBound(...): Применяет верхнюю границу (sorted_search_values, values) вдоль каждой строки.
VarHandleOp(...): Создаёт дескриптор ресурса переменной.
VarIsInitializedOp(...): Проверяет, был ли инициализирован ресурсный дескриптор переменной.
Variable(...): Используйте VariableV2 вместо этого.
VariableShape(...): Возвращает форму переменной, на которую указывает resource.
VariableV2(...): Хранит состояние в виде тензора, который сохраняется между шагами.
Where(...): Возвращает позиции ненулевых/истинных значений в тензоре.
While(...): output = input; Пока (Cond(output)) { output = Body(output) }
WholeFileReader(...): Чтец, который выводит всё содержимое файла в виде значения.
WholeFileReaderV2(...): Чтец, который выводит всё содержимое файла в виде значения.
WindowDataset(...): Объединяет (вложенные) элементы входных данных в набор данных (вложенных) окон.
WorkerHeartbeat(...): Оператор сердцебиения рабочего.
WriteFile(...): Записывает содержимое в файл по имени filename. Создаёт файл и рекурсивно
Xdivy(...): Возвращает 0, если x == 0, и x / y в противном случае, поэлементно.
Xlog1py(...): Возвращает 0, если x == 0, и x * log1p(y) в противном случае, поэлементно.
Xlogy(...): Возвращает 0, если x == 0, и x * log(y) в противном случае, поэлементно.
ZerosLike(...): Возвращает тензор нулей с той же формой и типом, что и x.
Zeta(...): Вычисляет дзета-функцию Харди \(\zeta(x, q)\).
ZipDataset(...): Создаёт набор данных, объединяя input_datasets.
© 2020 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 3.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r2.3/api_docs/python/tf/compat/v1/raw_ops
