Модуль: tf.nn

Обертки для примитивных операций нейронной сети (НС).

Классы

class RNNCellDeviceWrapper: Оператор, обеспечивающий выполнение RNNCell на определённом устройстве.

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

class RNNCellResidualWrapper: Обёртка RNNCell, гарантирующая, что входные данные ячейки добавляются к выходным.

Функции

all_candidate_sampler(...): Генерация набора всех классов.

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

atrous_conv2d_transpose(...): Транспонирование atrous_conv2d.

avg_pool(...): Выполняет усредняющее пулингование над входом.

avg_pool1d(...): Выполняет усредняющее пулингование над входом.

avg_pool2d(...): Выполняет усредняющее пулингование над входом.

avg_pool3d(...): Выполняет усредняющее пулингование над входом.

batch_norm_with_global_normalization(...): Батч-нормализация.

batch_normalization(...): Батч-нормализация.

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

collapse_repeated(...): Объединение повторяющихся меток в единые метки.

compute_accidental_hits(...): Вычисление идентификаторов позиций в sampled_candidates , соответствующих true_classes.

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

conv1d(...): Вычисляет одномерное свертывание с учётом 3-мерных входных и фильтрующих тензоров.

conv1d_transpose(...): Транспонирование conv1d.

conv2d(...): Вычисляет двумерное свертывание с учётом input и 4-мерных filters тензоров.

conv2d_transpose(...): Транспонирование conv2d.

conv3d(...): Вычисляет трёхмерное свертывание с учётом 5-мерных input и filters тензоров.

conv3d_transpose(...): Транспонирование conv3d.

conv_transpose(...): Транспонирование convolution.

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

crelu(...): Вычисляет соединённое ReLU.

ctc_beam_search_decoder(...): Выполняет декодирование методом лучевого поиска для логарифмов, указанных на входе.

ctc_greedy_decoder(...): Выполняет жадное декодирование для логарифмов, указанных на входе (лучший путь).

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

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

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

depthwise_conv2d(...): Двумерное свертывание по глубине.

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

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

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

dropout(...): Вычисляет дропаут: случайным образом устанавливает элементы в ноль, чтобы предотвратить переобучение.

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

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

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

erosion2d(...): Вычисляет градационное эрозию 4-мерных value и 3-мерных filters тензоров.

fixed_unigram_candidate_sampler(...): Выборка набора классов с использованием предоставленного (фиксированного) базового распределения.

fractional_avg_pool(...): Выполняет дробное усредняющее пулингование над входом.

fractional_max_pool(...): Выполняет дробное максимальное пулингование над входом.

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

l2_loss(...): L2 Потери.

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

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

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

local_response_normalization(...): Локальная нормализация ответа.

log_poisson_loss(...): Вычисление логарифмических потерь Пуассона с учётом log_input.

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

lrn(...): Локальная нормализация ответа.

max_pool(...): Выполняет максимальное пулингование над входом.

max_pool1d(...): Выполняет максимальное пулингование над входом.

max_pool2d(...): Выполняет максимальное пулингование над входом.

max_pool3d(...): Выполняет максимальное пулингование над входом.

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

moments(...): Вычисление среднего и дисперсии x.

nce_loss(...): Вычисление и возврат потерь обучения с помощью метода оценки шума-контраста.

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

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

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

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

safe_embedding_lookup_sparse(...): Вывод результатов поиска вложений, учитывая недействительные идентификаторы и пустые признаки.

sampled_softmax_loss(...): Вычисление и возврат потерь обучения с помощью метода выборочной softmax.

scale_regularization_loss(...): Масштабирование суммы заданных регуляризационных потерь по числу реплик.

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

separable_conv2d(...): Двумерное свертывание с раздельными фильтрами.

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

sigmoid_cross_entropy_with_logits(...): Вычисляет сигмоидальную кросс-энтропию, заданную logits.

softmax(...): Вычисляет активации softmax.

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

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

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

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

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

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

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

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

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

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

weighted_cross_entropy_with_logits(...): Вычисляет взвешенную кросс-энтропию.

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

with_space_to_batch(...): Выполняет op на представлении пространства к пакету input.

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