Модуль: tf.nn

Обертки для примитивных операций нейронной сети (НС).

Классы

class RNNCellDeviceWrapper: Оператор, гарантирующий, что RNNCell работает на определённом устройстве.

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

class RNNCellResidualWrapper: Обертка RNNCell, гарантирующая, что входные данные блока добавляются к выходам.

Функции

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

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

atrous_conv2d_transpose(...): Транспонирование atrous_conv2d.

avg_pool(...): Выполняет среднее усреднение на входе.

avg_pool1d(...): Выполняет среднее усреднение на входе.

avg_pool2d(...): Выполняет среднее усреднение на входе.

avg_pool3d(...): Выполняет среднее усреднение на входе.

batch_norm_with_global_normalization(...): Нормализация по партиям.

batch_normalization(...): Нормализация по партиям.

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

collapse_repeated(...): Объединяет повторяющиеся метки в одну метку.

compute_accidental_hits(...): Вычисляет идентификаторы позиций в sampled_candidates, соответствующие true_classes.

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

conv1d(...): Вычисляет свёртку 1-го измерения, используя 3-мерные тензоры входных и фильтров.

conv1d_transpose(...): Транспонирование conv1d.

conv2d(...): Вычисляет свёртку 2-го измерения, используя input и 4-мерные filters тензоры.

conv2d_transpose(...): Транспонирование conv2d.

conv3d(...): Вычисляет свёртку 3-го измерения, используя 5-мерные input и filters тензоры.

conv3d_transpose(...): Транспонирование conv3d.

conv_transpose(...): Транспонирование convolution.

convolution(...): Вычисляет суммы N-мерных свёрток (на самом деле кросс-корреляцию).

crelu(...): Вычисляет конкатенированную ReLU.

ctc_beam_search_decoder(...): Выполняет декодирование с помощью поиска по лучшим путям на основе входных логарифмических вероятностей.

ctc_greedy_decoder(...): Выполняет жадное декодирование на основе входных логарифмических вероятностей (лучший путь).

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

ctc_unique_labels(...): Получает уникальные метки и индексы для меток пакетов для tf.nn.ctc_loss.

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

depthwise_conv2d(...): Глубинно-раздельная свёртка 2-го измерения.

depthwise_conv2d_backprop_filter(...): Вычисляет градиенты глубинно-раздельной свёртки по фильтру.

depthwise_conv2d_backprop_input(...): Вычисляет градиенты глубинно-раздельной свёртки по входу.

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

dropout(...): Вычисляет дропаут: случайно обнуляет элементы, чтобы предотвратить переобучение.

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

embedding_lookup(...): Ищет вложения для заданного 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(...): Выбирает набор классов, используя предоставленное (фиксированное) базовое распределение.

fractional_avg_pool(...): Выполняет дробное среднее усреднение на входе.

fractional_max_pool(...): Выполняет дробное максимальное усреднение на входе.

gelu(...): Вычисляет функцию активации Gaussian Error Linear Unit (GELU).

in_top_k(...): Указывает, являются ли целевые значения среди лучших K предсказаний.

isotonic_regression(...): Решает задачи изотонической регрессии вдоль заданной оси.

l2_loss(...): Потеря L2.

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

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

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

local_response_normalization(...): Локальная нормализация по ответу.

log_poisson_loss(...): Вычисляет потерю логарифма Пуассона, учитывая log_input.

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

lrn(...): Локальная нормализация по ответу.

max_pool(...): Выполняет максимальное усреднение на входе.

max_pool1d(...): Выполняет максимальное усреднение на входе.

max_pool2d(...): Выполняет максимальное усреднение на входе.

max_pool3d(...): Выполняет максимальное усреднение на входе.

max_pool_with_argmax(...): Выполняет максимальное усреднение на входе и выводит как максимальные значения, так и индексы.

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

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

normalize_moments(...): Вычисляет среднее и дисперсию на основе достаточных статистик.

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

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

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

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

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

scale_regularization_loss(...): Масштабирует сумму заданных потерь регуляризации числом реплик.

selu(...): Вычисляет отмасштабированную экспоненциальную линейную функцию: scale * alpha * (exp(features) - 1)

separable_conv2d(...): Свёртка 2-го измерения с раздельными фильтрами.

sigmoid(...): Вычисляет сигмоид от x по элементам.

sigmoid_cross_entropy_with_logits(...): Вычисляет сигмоидальную перекрёстную энтропию с логарифмами, учитывая logits.

silu(...): Вычисляет функцию активации SiLU или Swish: x * sigmoid(x).

softmax(...): Вычисляет активации softmax.

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

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

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

tanh(...): Вычисляет гиперболический тангенс от x по элементам.

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

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

weighted_moments(...): Возвращает взвешенное по частоте среднее и дисперсию x.

with_space_to_batch(...): Выполняет op на представлении пространства в пакет input.

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