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 косинусу от x поэлементно.
Add(...): Возвращает x + y поэлементно.
AddManySparseToTensorsMap(...): Добавляет N-минипатию SparseTensor в SparseTensorsMap, возвращает N дескрипторы.
AddN(...): Складывает все входные тензоры поэлементно.
AddSparseToTensorsMap(...): Добавляет SparseTensor в SparseTensorsMap, возвращает его дескриптор.
AddV2(...): Возвращает x + y поэлементно.
AdjustContrast(...): Устарело. Запрещено в GraphDef версии >= 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 всем измерениям тензора.
AllCandidateSampler(...): Генерирует метки для выборки кандидатов с помощью обученной униграмной распределения.
AllToAll(...): Операция для обмена данными между репликами TPU.
Angle(...): Возвращает аргумент комплексного числа.
AnonymousHashTable(...): Создает неинициализированную анонимную хеш-таблицу.
AnonymousIterator(...): Контейнер для ресурса итератора.
AnonymousIteratorV2(...): Контейнер для ресурса итератора.
AnonymousIteratorV3(...): Контейнер для ресурса итератора.
AnonymousMultiDeviceIterator(...): Контейнер для ресурса итератора по нескольким устройствам.
AnonymousMultiDeviceIteratorV3(...): Контейнер для ресурса итератора по нескольким устройствам.
AnonymousMutableDenseHashTable(...): Создаёт пустую анонимную изменяемую хеш-таблицу, которая использует тензоры в качестве хранилища.
AnonymousMutableHashTable(...): Создаёт пустую анонимную изменяемую хеш-таблицу.
AnonymousMutableHashTableOfTensors(...): Создаёт пустую анонимную изменяемую хеш-таблицу векторов.
AnonymousRandomSeedGenerator(...)
Any(...): Вычисляет логическое «ИЛИ» элементов по всем 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 приближённого adagrad.
ApplyAdagradV2(...): Обновляет '*var' по схеме adagrad.
ApplyAdam(...): Обновляет '*var' по алгоритму Adam.
ApplyAddSign(...): Обновляет '*var' по схеме 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 momentum.
ApplyPowerSign(...): Обновляет '*var' по схеме AddSign.
ApplyProximalAdagrad(...): Обновляет 'var' и 'accum' по алгоритму FOBOS с learning rate Adagrad.
ApplyProximalGradientDescent(...): Обновляет '*var' как алгоритм FOBOS с фиксированной learning rate.
ApplyRMSProp(...): Обновляет '*var' по алгоритму RMSProp.
ApproximateEqual(...): Возвращает логическое 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 каждую запись в заданном тензоре в строки.
Asin(...): Вычисляет тригонометрический обратный синус от x поэлементно.
Asinh(...): Вычисляет обратную гиперболическую синус от x поэлементно.
Assert(...): Утверждает, что данное условие истинно.
AssertNextDataset(...): Трансформация, которая утверждает, какие трансформации произойдут далее.
AssertPrevDataset(...): Трансформация, которая утверждает, какие трансформации произошли ранее.
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.
AssignVariableXlaConcatND(...): Соединяет входной тензор по всем измерениям.
Atan(...): Вычисляет тригонометрический обратный тангенс от x поэлементно.
Atan2(...): Вычисляет арктангенс от y/x поэлементно, учитывая знаки аргументов.
Atanh(...): Вычисляет обратную гиперболическую тангенс от x поэлементно.
AudioSpectrogram(...): Создаёт визуализацию аудиоданных по времени.
AudioSummary(...): Выводит протокол Summary с аудиоданными.
AudioSummaryV2(...): Выводит протокол Summary с аудиоданными.
AutoShardDataset(...): Создаёт набор данных, который разделяет входной набор данных.
AvgPool(...): Выполняет среднее пулингование над входом.
AvgPool3D(...): Выполняет 3D среднее пулингование над входом.
AvgPool3DGrad(...): Вычисляет градиенты функции среднего пулингования.
AvgPoolGrad(...): Вычисляет градиенты функции среднего пулингования.
Barrier(...): Определяет барьер, который сохраняется между различными выполнением графов.
BarrierClose(...): Закрывает заданный барьер.
BarrierIncompleteSize(...): Вычисляет количество неполных элементов в заданном барьере.
BarrierInsertMany(...): Для каждого ключа присваивает соответствующее значение указанному компоненту.
BarrierReadySize(...): Вычисляет количество завершённых элементов в заданном барьере.
BarrierTakeMany(...): Извлекает заданное количество завершённых элементов из барьера.
Batch(...): Объединяет все входные тензоры не определяемо.
BatchDataset(...): Создаёт набор данных, который объединяет batch_size элементов из input_dataset.
BatchDatasetV2(...): Создаёт набор данных, который объединяет batch_size элементов из input_dataset.
BatchFunction(...): Объединяет все входные тензоры в вычисление, выполняемое функцией.
BatchMatMul(...): Умножает слайсы двух тензоров в пакетах.
BatchMatMulV2(...): Умножает слайсы двух тензоров в пакетах.
BatchMatMulV3(...): Умножает слайсы двух тензоров в пакетах.
BatchMatrixTriangularSolve(...)
BatchNormWithGlobalNormalization(...): Нормализация по батчу.
BatchNormWithGlobalNormalizationGrad(...): Градиенты для нормализации по батчу.
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(...): Обратная операция для "BiasAdd" по тензору "bias".
BiasAddV1(...): Добавляет bias к value.
Bincount(...): Подсчитывает количество вхождений каждого значения в целочисленный массив.
Bitcast(...): Преобразует биты тензора из одного типа в другой без копирования данных.
BitwiseAnd(...): Элементное вычисление побитового И x и y.
BitwiseOr(...): Элементное вычисление побитового ИЛИ x и y.
BitwiseXor(...): Элементное вычисление побитового ИСКЛЮЧАЮЩЕГО ИЛИ x и y.
BlockLSTM(...): Вычисляет прямое распространение ячейки LSTM для всех шагов времени.
BlockLSTMGrad(...): Вычисляет обратное распространение ячейки LSTM для всей временной последовательности.
BlockLSTMGradV2(...): Вычисляет обратное распространение ячейки LSTM для всей временной последовательности.
BlockLSTMV2(...): Вычисляет прямое распространение ячейки LSTM для всех шагов времени.
BoostedTreesAggregateStats(...): Агрегирует сводку накопленных статистик для пакета.
BoostedTreesBucketize(...): Разбивает каждое свойство на ячейки на основе границ ячеек.
BoostedTreesCalculateBestFeatureSplit(...): Вычисляет приросты для каждого свойства и возвращает информацию о лучшем возможном разбиении для свойства.
BoostedTreesCalculateBestFeatureSplitV2(...): Вычисляет приросты для каждого свойства и возвращает информацию о лучшем возможном разбиении для каждого узла. Однако, если разбиение не найдено, для этого узла не возвращается информация о разбиении.
BoostedTreesCalculateBestGainsPerFeature(...): Вычисляет приросты для каждого свойства и возвращает информацию о лучшем возможном разбиении для свойства.
BoostedTreesCenterBias(...): Вычисляет предварительный просмотр из обучающих данных (смещение) и заполняет первый узел логами' предварительного просмотра. Возвращает логическое значение, указывающее, следует ли продолжать центрирование.
BoostedTreesCreateEnsemble(...): Создает модель ансамбля деревьев и возвращает дескриптор к ней.
BoostedTreesCreateQuantileStreamResource(...): Создает ресурс для потоков квантилей.
BoostedTreesDeserializeEnsemble(...): Десериализует сериализованную конфигурацию ансамбля деревьев и заменяет текущее дерево.
BoostedTreesEnsembleResourceHandleOp(...): Создает дескриптор ресурса BoostedTreesEnsembleResource.
BoostedTreesExampleDebugOutputs(...): Отладочные/интерпретируемые выводы модели для каждого примера.
BoostedTreesFlushQuantileSummaries(...): Очищает сводки квантилей из каждого ресурса потока квантилей.
BoostedTreesGetEnsembleStates(...): Получает маркер отметки ресурса ансамбля деревьев, количество деревьев и статистику роста.
BoostedTreesMakeQuantileSummaries(...): Создаёт сводку квантилей для пакета.
BoostedTreesMakeStatsSummary(...): Создаёт сводку накопленных статистик для пакета.
BoostedTreesPredict(...): Выполняет несколько предсказателей ансамбля аддитивной регрессии на входных примерах и
BoostedTreesQuantileStreamResourceAddSummaries(...): Добавляет сводки квантилей в каждый ресурс потока квантилей.
BoostedTreesQuantileStreamResourceDeserialize(...): Десериализует границы ячеек и флаг готовности в текущий QuantileAccumulator.
BoostedTreesQuantileStreamResourceFlush(...): Очищает сводки для ресурса потока квантилей.
BoostedTreesQuantileStreamResourceGetBucketBoundaries(...): Создаёт границы ячеек для каждого свойства на основе накопленных сводок.
BoostedTreesQuantileStreamResourceHandleOp(...): Создаёт дескриптор ресурса BoostedTreesQuantileStreamResource.
BoostedTreesSerializeEnsemble(...): Сериализует ансамбль деревьев в протокол.
BoostedTreesSparseAggregateStats(...): Агрегирует сводку накопленных статистик для пакета.
BoostedTreesSparseCalculateBestFeatureSplit(...): Вычисляет приросты для каждого свойства и возвращает информацию о лучшем возможном разбиении для свойства.
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 ячейки на основе 'boundaries'.
BytesProducedStatsDataset(...): Записывает размер в байтах каждого элемента input_dataset в StatsAggregator.
CSRSparseMatrixComponents(...): Считывает компоненты CSR в пакете index.
CSRSparseMatrixToDense(...): Преобразует (возможно, пакетный) CSRSparseMatrix в плотный.
CSRSparseMatrixToSparseTensor(...): Преобразует (возможно, пакетный) CSRSparseMatrix в SparseTensor.
CTCBeamSearchDecoder(...): Выполняет декодирование с помощью лучевого поиска по логам, заданным на входе.
CTCGreedyDecoder(...): Выполняет жадное декодирование по логам, заданным на входе.
CTCLoss(...): Вычисляет потерю CTC (логарифмическую вероятность) для каждого элемента пакета. Также вычисляет
CTCLossV2(...): Вычисляет потерю CTC (логарифмическую вероятность) для каждого элемента пакета. Также вычисляет
CacheDataset(...): Создаёт набор данных, кеширующий элементы из input_dataset.
Case(...): n-стороннее операторное выражение switch, которое вызывает функцию одного ответвления.
Cast(...): Преобразовать x типа SrcT в y типа DstT.
Ceil(...): Возвращает поэлементно наименьшее целое число, не меньшее x.
CheckNumerics(...): Проверяет тензор на значения NaN и Inf.
CheckNumericsV2(...): Проверяет тензор на значения NaN, -Inf и +Inf.
Cholesky(...): Вычисляет разложение Холецкого одной или нескольких квадратных матриц.
CholeskyGrad(...): Вычисляет градиент обратного распространения ошибки алгоритма Холецкого.
ChooseFastestBranchDataset(...)
ClipByValue(...): Обрезает значения тензора до заданного минимума и максимума.
CollectiveAllToAllV3(...): Взаимный обмен несколькими тензорами одинакового типа и формы.
CollectiveAssignGroupV2(...): Назначает ключи групп на основе назначения групп.
CollectiveBcastRecv(...): Принимает значение тензора, рассылаемого с другого устройства.
CollectiveBcastRecvV2(...): Принимает значение тензора, рассылаемого с другого устройства.
CollectiveBcastSend(...): Распространяет значение тензора на одно или несколько других устройств.
CollectiveBcastSendV2(...): Распространяет значение тензора на одно или несколько других устройств.
CollectiveGather(...): Взаимное накопление нескольких тензоров одинакового типа и формы.
CollectiveGatherV2(...): Взаимное накопление нескольких тензоров одинакового типа и формы.
CollectiveInitializeCommunicator(...): Инициализирует группу для коллективных операций.
CollectivePermute(...): Операция для перестановки тензоров на дублированных TPU-устройствах.
CollectiveReduce(...): Взаимное сокращение нескольких тензоров одинакового типа и формы.
CollectiveReduceV2(...): Взаимное сокращение нескольких тензоров одинакового типа и формы.
CollectiveReduceV3(...): Взаимное сокращение нескольких тензоров одинакового типа и формы.
CombinedNonMaxSuppression(...): Жадно выбирает подмножество прямоугольников с границами по убыванию оценки,
Complex(...): Преобразует две вещественные числа в комплексное число.
ComplexAbs(...): Вычисляет комплексное абсолютное значение тензора.
CompositeTensorVariantFromComponents(...): Кодирует значение ExtensionType в скалярный тензор типа variant.
CompositeTensorVariantToComponents(...): Декодирует скалярный тензор типа variant в значение ExtensionType.
CompressElement(...): Сжимает элемент набора данных.
ComputeAccidentalHits(...): Вычисляет идентификаторы позиций в sampled_candidates, которые соответствуют true_labels.
ComputeBatchSize(...): Вычисляет статический размер пакетной обработки набора данных без частичных пакетов.
Concat(...): Объединяет тензоры вдоль одного измерения.
ConcatOffset(...): Вычисляет смещения входных тензоров внутри выходного тензора.
ConcatV2(...): Объединяет тензоры вдоль одного измерения.
ConcatenateDataset(...): Создаёт набор данных, объединяющий input_dataset и another_dataset.
ConditionalAccumulator(...): Условный сумматор для агрегирования градиентов.
ConfigureDistributedTPU(...): Настраивает централизованные структуры для распределённой системы TPU.
ConfigureTPUEmbedding(...): Настраивает TPUEmbedding в распределённой 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 операцией MutexLock.
ControlTrigger(...): Не делает ничего. Служит триггером управления для планирования.
Conv2D(...): Вычисляет двумерную свёртку с использованием 4-мерных тензоров input и filter.
Conv2DBackpropFilter(...): Вычисляет градиенты свёртки относительно фильтра.
Conv2DBackpropInput(...): Вычисляет градиенты свёртки относительно входных данных.
Conv3D(...): Вычисляет трёхмерную свёртку с использованием 5-мерных тензоров input и filter.
Conv3DBackpropFilter(...): Вычисляет градиенты трёхмерной свёртки относительно фильтра.
Conv3DBackpropFilterV2(...): Вычисляет градиенты трёхмерной свёртки относительно фильтра.
Conv3DBackpropInput(...): Вычисляет градиенты трёхмерной свёртки относительно входных данных.
Conv3DBackpropInputV2(...): Вычисляет градиенты трёхмерной свёртки относительно входных данных.
Copy(...): Копирует тензор с процессора на процессор или с видеокарты на видеокарту.
CopyHost(...): Копирует тензор на хост.
Cos(...): Вычисляет косинус x поэлементно.
Cosh(...): Вычисляет гиперболический косинус x поэлементно.
CountUpTo(...): Увеличивает 'ref' до тех пор, пока она не достигнет 'limit'.
CropAndResize(...): Извлекает области из входного изображения и изменяет их размер.
CropAndResizeGradBoxes(...): Вычисляет градиент операции crop_and_resize по отношению к тензору входных координат.
CropAndResizeGradImage(...): Вычисляет градиент операции crop_and_resize по отношению к тензору входного изображения.
Cross(...): Вычисляет парное векторное произведение.
CrossReplicaSum(...): Операция для суммирования входных данных на дублированных TPU-устройствах.
CudnnRNN(...): RNN, основанный на cuDNN.
CudnnRNNBackprop(...): Обратное распространение ошибки для CudnnRNN.
CudnnRNNBackpropV2(...): Обратное распространение ошибки для CudnnRNN.
CudnnRNNBackpropV3(...): Обратное распространение ошибки для CudnnRNNV3.
CudnnRNNCanonicalToParams(...): Преобразует параметры CudnnRNN из канонической формы в рабочую форму.
CudnnRNNCanonicalToParamsV2(...): Преобразует параметры CudnnRNN из канонической формы в рабочую 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, основанный на cuDNN.
CudnnRNNV3(...): RNN, основанный на cuDNN.
Cumprod(...): Вычисляет кумулятивное произведение тензора x вдоль axis.
Cumsum(...): Вычисляет кумулятивную сумму тензора x вдоль axis.
CumulativeLogsumexp(...): Вычисляет кумулятивное произведение тензора x вдоль axis.
DataFormatDimMap(...): Возвращает индекс измерения в целевом формате данных, учитывая индекс в
DataFormatVecPermute(...): Переупорядочивает входной тензор из src_format в dst_format.
DataServiceDataset(...): Создаёт набор данных для чтения данных из сервиса tf.data.
DataServiceDatasetV2(...): Создаёт набор данных для чтения данных из сервиса tf.data.
DataServiceDatasetV3(...): Создаёт набор данных для чтения данных из сервиса tf.data.
DatasetCardinality(...): Возвращает мощность input_dataset.
DatasetFromGraph(...): Создаёт набор данных из заданного graph_def.
DatasetToGraph(...): Возвращает сериализованный GraphDef, представляющий input_dataset.
DatasetToGraphV2(...): Возвращает сериализованный GraphDef, представляющий input_dataset.
DatasetToSingleElement(...): Выводит единственный элемент из заданного набора данных.
DatasetToTFRecord(...): Записывает заданный набор данных в заданный файл в формате TFRecord.
DebugGradientIdentity(...): Операция тождества для отладки градиента.
DebugGradientRefIdentity(...): Операция тождества для отладки градиента.
DebugIdentity(...): Предоставляет отображение тождества для входного тензора типа non-Ref для отладки.
DebugIdentityV2(...): Операция отладки тождества V2.
DebugNanCount(...): Операция подсчёта NaN значений для отладки.
DebugNumericSummary(...): Операция отладки числового сводного описания.
DebugNumericSummaryV2(...): Операция отладки числового сводного описания V2.
DecodeAndCropJpeg(...): Декодирование и обрезка закодированного в 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 отображается в один тензор.
DecodeCompressed(...): Распаковка строк.
DecodeGif(...): Декодирование кадра(ов) GIF-изображения в тензор uint8.
DecodeImage(...): Функция для decode_bmp, decode_gif, decode_jpeg и decode_png.
DecodeJSONExample(...): Преобразование JSON-закодированных записей Example 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 PCM WAV-файла в тензор с плавающей точкой.
DeepCopy(...): Создаёт копию x.
DeleteIterator(...): Контейнер для ресурса итератора.
DeleteMultiDeviceIterator(...): Контейнер для ресурса итератора.
DeleteRandomSeedGenerator(...)
DeleteSessionTensor(...): Удаление тензора, указанного по его дескриптору в сессии.
DenseBincount(...): Подсчёт количества вхождений каждого значения в целочисленном массиве.
DenseCountSparseOutput(...): Выполняет подсчёт по ячейкам с разреженной выходной информацией для входного tf.tensor.
DenseToCSRSparseMatrix(...): Преобразование плотного тензора в (возможно, пакетный) CSRSparseMatrix.
DenseToDenseSetOperation(...): Применение операции множества по последнему измерению двух Tensor входных значений.
DenseToSparseBatchDataset(...): Создаёт набор данных, группирующий элементы входных данных в SparseTensor.
DenseToSparseSetOperation(...): Применение операции множества по последнему измерению Tensor и SparseTensor.
DepthToSpace(...): DepthToSpace для тензоров типа T.
DepthwiseConv2dNative(...): Вычисляет двумерную свертку глубины для 4-мерных input и filter тензоров.
DepthwiseConv2dNativeBackpropFilter(...): Вычисляет градиенты двумерной свертки глубины по фильтру.
DepthwiseConv2dNativeBackpropInput(...): Вычисляет градиенты двумерной свертки глубины по входу.
Dequantize(...): Деквантизует тензор 'input' в тензор с плавающей точкой или bfloat16.
DeserializeIterator(...): Преобразует данный тензор типа variant в итератор и сохраняет его в заданном ресурсе.
DeserializeManySparse(...): Десериализация и конкатенация SparseTensors из сериализованной мини-пачки.
DeserializeSparse(...): Десериализация SparseTensor объектов.
DestroyResourceOp(...): Удаляет ресурс, указанный дескриптором.
DestroyTemporaryVariable(...): Уничтожает временную переменную и возвращает её окончательное значение.
DeviceIndex(...): Возвращает индекс устройства, на котором выполняется операция.
Diag(...): Возвращает диагональный тензор с заданными диагональными значениями.
DiagPart(...): Возвращает диагональную часть тензора.
Digamma(...): Вычисляет Пси, производную от Lgamma (логарифм абсолютного значения
Dilation2D(...): Вычисляет градацию по серому цвету 4-мерных input и 3-мерных filter тензоров.
Dilation2DBackpropFilter(...): Вычисляет градиент морфологической 2D-дилатации по фильтру.
Dilation2DBackpropInput(...): Вычисляет градиент морфологической 2D-дилатации по входу.
DirectedInterleaveDataset(...): Замена для InterleaveDataset на фиксированном списке 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.
DynamicEnqueueTPUEmbeddingArbitraryTensorBatch(...): Упрощает переноску кода, использующего tf.nn.embedding_lookup_sparse().
DynamicPartition(...): Разделяет data на num_partitions тензоры с помощью индексов из partitions.
DynamicStitch(...): Объединяет значения из data тензоров в один тензор.
EagerPyFunc(...): Усердно выполняет функцию python для вычисления func(input)->output. Функция
EditDistance(...): Вычисляет (возможно, нормализованное) расстояние Левенштейна.
Eig(...): Вычисляет собственное разложение одной или нескольких квадратных матриц.
Einsum(...): Контракция тензоров согласно соглашению об эйнштейновской сумме.
Elu(...): Вычисляет функцию экспоненциального линейного.
EluGrad(...): Вычисляет градиенты для операции экспоненциального линейного (Elu).
Empty(...): Создаёт тензор с заданной формой.
EmptyTensorList(...): Создаёт и возвращает пустой список тензоров.
EncodeBase64(...): Кодирует строки в веб-безопасном формате base64.
EncodeJpeg(...): Кодирование изображения в формате JPEG.
EncodeJpegVariableQuality(...): Кодирование входного изображения в формате JPEG с заданной степенью сжатия.
EncodePng(...): Кодирование изображения в формате PNG.
EncodeProto(...): Операция сериализует сообщения протокольного буфера, предоставленные в входных тензорах.
EncodeWav(...): Кодирование аудиоданных в формате WAV.
EnqueueTPUEmbeddingArbitraryTensorBatch(...): Упрощает переноску кода, использующего tf.nn.embedding_lookup_sparse().
EnqueueTPUEmbeddingIntegerBatch(...): Операция, которая вставляет список входных тензоров пакета в TPUEmbedding.
EnqueueTPUEmbeddingRaggedTensorBatch(...): Упрощает переноску кода, использующего tf.nn.embedding_lookup().
EnqueueTPUEmbeddingSparseBatch(...): Операция, которая вставляет входные индексы TPUEmbedding из SparseTensor.
EnqueueTPUEmbeddingSparseTensorBatch(...): Упрощает переноску кода, использующего tf.nn.embedding_lookup_sparse().
EnsureShape(...): Обеспечивает соответствие формы тензора ожидаемой форме.
Enter(...): Создаёт или находит фрейм дочернего кадра и делает data доступным для дочернего фрейма.
Equal(...): Возвращает истинность (x == y) поэлементно.
Erf(...): Вычисляет функцию ошибки Гаусса для x поэлементно. В статистике, для неотрицательных значений \(x\), функция ошибки имеет следующее толкование: для случайной величины \(Y\), которая нормально распределена со средним значением 0 и дисперсией \(1/\sqrt{2}\), \(erf(x)\) является вероятностью того, что \(Y\) попадает в диапазон \([−x, x]\).
Erfc(...): Вычисляет дополнительную функцию ошибки для x поэлементно.
EuclideanNorm(...): Вычисляет евклидову норму элементов по измерениям тензора.
Exit(...): Выходит из текущей рамки в родительскую рамку.
Exp(...): Вычисляет экспоненту от x поэлементно. \(y = e^x\).
ExpandDims(...): Вставляет измерение 1 в форму тензора.
ExperimentalAssertNextDataset(...)
ExperimentalAutoShardDataset(...): Создаёт набор данных, фрагментирующий входной набор данных.
ExperimentalBytesProducedStatsDataset(...): Записывает размер в байтах каждого элемента input_dataset в StatsAggregator.
ExperimentalChooseFastestDataset(...)
ExperimentalDatasetCardinality(...): Возвращает мощность input_dataset.
ExperimentalDatasetToTFRecord(...): Записывает указанный набор данных в указанный файл в формате TFRecord.
ExperimentalDenseToSparseBatchDataset(...): Создаёт набор данных, сгруппировывающий входные элементы в SparseTensor.
ExperimentalDirectedInterleaveDataset(...): Замена для InterleaveDataset по фиксированному списку N наборов данных.
ExperimentalGroupByReducerDataset(...): Создаёт набор данных, вычисляющий группировку по input_dataset.
ExperimentalGroupByWindowDataset(...): Создаёт набор данных, вычисляющий окно группировки по input_dataset.
ExperimentalIgnoreErrorsDataset(...): Создаёт набор данных, содержащий элементы input_dataset с игнорированием ошибок.
ExperimentalIteratorGetDevice(...): Возвращает имя устройства, на котором resource размещён.
ExperimentalLatencyStatsDataset(...): Записывает время выполнения вычислений для получения input_dataset элементов в StatsAggregator.
ExperimentalMapAndBatchDataset(...): Создаёт набор данных, объединяющий применение функции с группировкой.
ExperimentalMapDataset(...): Создаёт набор данных, применяющий f к результатам input_dataset.
ExperimentalMatchingFilesDataset(...)
ExperimentalMaxIntraOpParallelismDataset(...): Создаёт набор данных, переопределяющий максимальную внутриоперационную параллельность.
ExperimentalNonSerializableDataset(...)
ExperimentalParallelInterleaveDataset(...): Создаёт набор данных, применяющий f к результатам input_dataset.
ExperimentalParseExampleDataset(...): Преобразует input_dataset, содержащий Example протоколы как векторы DT_STRING, в набор данных Tensor или SparseTensor объектов, представляющих распарсенные атрибуты.
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, перемещающий скользящее окно над input_dataset.
ExperimentalSqlDataset(...): Создаёт набор данных, выполняющий SQL-запрос и генерирующий строки из набора результатов.
ExperimentalStatsAggregatorHandle(...): Создаёт ресурс менеджера статистики.
ExperimentalStatsAggregatorSummary(...): Генерирует сводку любой статистики, записанной заданным 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 ввода 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 выходное измерение "глубина".
ExtractJpegShape(...): Извлекает информацию о форме JPEG-кодированного изображения.
ExtractVolumePatches(...): Извлекает patches из input и помещает их в выходное измерение "depth". 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 FIFO.
FIFOQueueV2(...): Очередь, которая выдаёт элементы в порядке FIFO.
Fact(...): Выводит факториал.
FakeParam(...): Этот оператор используется в качестве заполнителя в функциях ветвления If. Он не предоставляет
FakeQuantWithMinMaxArgs(...): Имитация квантования 'inputs' тензора типа float в 'outputs' тензор того же типа.
FakeQuantWithMinMaxArgsGradient(...): Вычисление градиентов для операции FakeQuantWithMinMaxArgs.
FakeQuantWithMinMaxVars(...): Имитация квантования 'inputs' тензора типа float через глобальные скаляры float
FakeQuantWithMinMaxVarsGradient(...): Вычисление градиентов для операции FakeQuantWithMinMaxVars.
FakeQuantWithMinMaxVarsPerChannel(...): Имитация квантования 'inputs' тензора типа float через канальные float
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 true в последнем компоненте.
FilterDataset(...): Создаёт набор данных, содержащий элементы input_dataset соответствующие predicate.
FinalizeDataset(...): Создаёт набор данных, применяя tf.data.Options к input_dataset.
Fingerprint(...): Генерирует значения отпечатков.
FixedLengthRecordDataset(...): Создаёт набор данных, генерирующий записи из одного или нескольких бинарных файлов.
FixedLengthRecordDatasetV2(...)
FixedLengthRecordReader(...): Чтец, выдающий записи фиксированной длины из файла.
FixedLengthRecordReaderV2(...): Чтец, выдающий записи фиксированной длины из файла.
FixedUnigramCandidateSampler(...): Генерирует метки для выборки кандидатов с распределением unigram, обученным по данным.
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(...): Применяет цикл for.
FractionalAvgPool(...): Выполняет дробное усреднение пулинга по входу.
FractionalAvgPoolGrad(...): Вычисляет градиент функции FractionalAvgPool.
FractionalMaxPool(...): Выполняет дробный максимальный пулинг по входу.
FractionalMaxPoolGrad(...): Вычисляет градиент функции FractionalMaxPool.
FusedBatchNorm(...): Батч-нормализация.
FusedBatchNormGrad(...): Градиент для батч-нормализации.
FusedBatchNormGradV2(...): Градиент для батч-нормализации.
FusedBatchNormGradV3(...): Градиент для батч-нормализации.
FusedBatchNormV2(...): Батч-нормализация.
FusedBatchNormV3(...): Батч-нормализация.
FusedPadConv2D(...): Выполняет добавление заполнения (padding) как предварительную обработку во время свертки.
FusedResizeAndPadConv2D(...): Выполняет изменение размера (resize) и добавление заполнения (padding) как предварительную обработку 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, заданной indices.
GatherV2(...): Сбор срезов из params по оси axis в соответствии с indices.
GenerateBoundingBoxProposals(...): Этот оператор генерирует области интереса (Region of Interests) из заданных bounding boxes (bbox_deltas), закодированных относительно якорей (anchors) в соответствии с уравнением 2 в arXiv:1506.01497
GenerateVocabRemapping(...): Принимая на вход пути к новым и старым файлам словаря, возвращает тензор преобразования (remapping)
GeneratorDataset(...): Создает набор данных, который вызывает функцию для генерации элементов.
GetElementAtIndex(...): Получает элемент по указанному индексу в наборе данных.
GetOptions(...): Возвращает tf.data.Options, присоединенный к input_dataset.
GetSessionHandle(...): Сохраняет входной тензор в состоянии текущей сессии.
GetSessionHandleV2(...): Сохраняет входной тензор в состоянии текущей сессии.
GetSessionTensor(...): Получает значение тензора, заданного его дескриптором.
Greater(...): Возвращает булево значение (x > y) поэлементно.
GreaterEqual(...): Возвращает булево значение (x >= y) поэлементно.
GroupByReducerDataset(...): Создает набор данных, который вычисляет группировку по input_dataset.
GroupByWindowDataset(...): Создает набор данных, который вычисляет оконную группировку по input_dataset.
GuaranteeConst(...): Гарантирует TF-временно́й системе, что входной тензор является константой.
HSVToRGB(...): Преобразует одну или несколько изображений из HSV в RGB.
HashTable(...): Создает неинициализированную хеш-таблицу.
HashTableV2(...): Создает неинициализированную хеш-таблицу.
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 такой же формой и содержимым, как входной тензор или значение.
IdentityN(...): Возвращает список тензоров с такими же формами и содержимым, как входные
IdentityReader(...): Читатель, который выводит очереди работы как ключ, так и значение.
IdentityReaderV2(...): Читатель, который выводит очереди работы как ключ, так и значение.
If(...): output = cond ? then_branch(input) : else_branch(input)
Igamma(...): Вычислить нижнюю регулированную неполную гамма-функцию P(a, x).
IgammaGradA(...): Вычисляет градиент igamma(a, x) по отношению к a.
Igammac(...): Вычислить верхнюю регулированную 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.
ImageProjectiveTransformV3(...): Применяет заданное преобразование к каждому из изображений.
ImageSummary(...): Выводит протокол Summary с изображениями.
ImmutableConst(...): Возвращает неизменяемый тензор из области памяти.
InTopK(...): Определяет, находятся ли целевые значения среди K лучших предсказаний.
InTopKV2(...): Определяет, находятся ли целевые значения среди K лучших предсказаний.
InfeedDequeue(...): Плацехолдер для значения, которое будет подано в вычисление.
InfeedDequeueTuple(...): Извлекает несколько значений из infeed как кортеж XLA.
InfeedEnqueue(...): Оператор, который подает одно значение Tensor в вычисление.
InfeedEnqueuePrelinearizedBuffer(...): Оператор, который добавляет предварительно линейный буфер в TPU infeed.
InfeedEnqueueTuple(...): Подает несколько значений Tensor в вычисление в виде кортежа XLA.
InitializeTable(...): Инициализатор таблицы, принимающий два тензора для ключей и значений соответственно.
InitializeTableFromDataset(...)
InitializeTableFromTextFile(...): Инициализирует таблицу из текстового файла.
InitializeTableFromTextFileV2(...): Инициализирует таблицу из текстового файла.
InitializeTableV2(...): Инициализатор таблицы, принимающий два тензора для ключей и значений соответственно.
InplaceAdd(...): Добавляет v к указанным строкам 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 её входу.
Invert(...): Инвертирует (меняет местами) каждый бит поддерживаемых типов; например, для типа uint8 значение 01010101 станет 10101010.
InvertPermutation(...): Вычисляет обратное перестановку тензора.
IsBoostedTreesEnsembleInitialized(...): Проверяет, была ли инициализирована ансамбль деревьев.
IsBoostedTreesQuantileStreamResourceInitialized(...): Проверяет, был ли инициализирован поток квантилей.
IsFinite(...): Возвращает значения элементов x, которые являются конечными.
IsInf(...): Возвращает значения элементов x, которые равны Inf.
IsNan(...): Возвращает значения элементов x, которые равны NaN.
IsTPUEmbeddingInitialized(...): Инициализирован ли TPU Embedding в распределенной системе TPU.
IsVariableInitialized(...): Проверяет, был ли инициализирован тензор.
IsotonicRegression(...): Решает пакет задач изотонической регрессии.
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 вывод из заданного итератора.
IteratorGetNextAsOptional(...): Получает следующий вывод из заданного итератора как Optional variant.
IteratorGetNextSync(...): Получает следующий вывод из заданного итератора.
IteratorToStringHandle(...): Преобразует заданный resource_handle, представляющий итератор, в строку.
L2Loss(...): L2-потеря.
LMDBDataset(...): Создаёт набор данных, который генерирует пары ключ-значение из одного или нескольких файлов LMDB.
LMDBReader(...): Чтение записей из файла LMDB.
LRN(...): Локальная нормализация реакции.
LRNGrad(...): Градиенты для локальной нормализации реакции.
LSTMBlockCell(...): Вычисляет прямое распространение ячейки LSTM для 1 шага времени.
LSTMBlockCellGrad(...): Вычисляет обратное распространение ячейки LSTM для 1 шага времени.
LatencyStatsDataset(...): Записывает время задержки получения input_dataset элементов в StatsAggregator.
LeakyRelu(...): Вычисляет выпрямленное линейное: max(features, features * alpha).
LeakyReluGrad(...): Вычисляет градиенты выпрямленного линейного преобразования для операции LeakyRelu.
LearnedUnigramCandidateSampler(...): Генерирует метки для выборки кандидатов с помощью изученного униграммного распределения.
LeftShift(...): Элементное вычисление битового сдвига влево x и y.
LegacyParallelInterleaveDatasetV2(...): Создаёт набор данных, применяющий f к выходам input_dataset.
Less(...): Возвращает значение истинности (x < y) поэлементно.
LessEqual(...): Возвращает значение истинности (x <= y) поэлементно.
Lgamma(...): Вычисляет логарифм абсолютного значения Gamma(x) поэлементно.
LinSpace(...): Генерирует значения в интервале.
ListDiff(...): Вычисляет разность между двумя списками чисел или строк.
LoadAndRemapMatrix(...): Загружает 2-мерный (матричный) Tensor с именем old_tensor_name из контрольной точки.
LoadTPUEmbeddingADAMParameters(...): Загрузка параметров ADAM встраивания.
LoadTPUEmbeddingAdadeltaParameters(...): Загрузка параметров Adadelta встраивания.
LoadTPUEmbeddingAdagradMomentumParameters(...): Загрузка параметров Adagrad Momentum встраивания.
LoadTPUEmbeddingAdagradParameters(...): Загрузка параметров Adagrad встраивания.
LoadTPUEmbeddingCenteredRMSPropParameters(...): Загрузка параметров центрированного RMSProp встраивания.
LoadTPUEmbeddingFTRLParameters(...): Загрузка параметров FTRL встраивания.
LoadTPUEmbeddingFrequencyEstimatorParameters(...): Загрузка параметров частотного оценщика встраивания.
LoadTPUEmbeddingMDLAdagradLightParameters(...): Загрузка параметров MDL Adagrad Light встраивания.
LoadTPUEmbeddingMomentumParameters(...): Загрузка параметров Momentum встраивания.
LoadTPUEmbeddingProximalAdagradParameters(...): Загрузка параметров приближённого Adagrad встраивания.
LoadTPUEmbeddingProximalYogiParameters(...)
LoadTPUEmbeddingRMSPropParameters(...): Загрузка параметров RMSProp встраивания.
LoadTPUEmbeddingStochasticGradientDescentParameters(...): Загрузка параметров SGD встраивания.
Log(...): Вычисляет натуральный логарифм x поэлементно.
Log1p(...): Вычисляет натуральный логарифм (1 + x) поэлементно.
LogMatrixDeterminant(...): Вычисляет знак и логарифм абсолютного значения определителя
LogSoftmax(...): Вычисляет логарифмические активации softmax.
LogUniformCandidateSampler(...): Генерирует метки для выборки кандидатов с логарифмически равномерным распределением.
LogicalAnd(...): Возвращает значение истинности x И y поэлементно.
LogicalNot(...): Возвращает значение истинности NOT x поэлементно.
LogicalOr(...): Возвращает значение истинности 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 связать ключи со значениями.
LookupTableInsertV2(...): Обновляет таблицу, чтобы связать ключи со значениями.
LookupTableRemoveV2(...): Удаляет ключи и соответствующие им значения из таблицы.
LookupTableSize(...): Вычисляет количество элементов в данной таблице.
LookupTableSizeV2(...): Вычисляет количество элементов в данной таблице.
LoopCond(...): Передаёт вход на выход.
LowerBound(...): Применяет lower_bound(sorted_search_values, values) по каждой строке.
Lu(...): Вычисляет LU-разложение одной или нескольких квадратных матриц.
MakeIterator(...): Создаёт новый итератор из данного dataset и сохраняет его в iterator.
MapAndBatchDataset(...): Создаёт набор данных, объединяющий отображение и разделение на пакеты.
MapClear(...): Операция удаляет все элементы из базового контейнера.
MapDataset(...): Создаёт набор данных, применяющий f к выходам input_dataset.
MapDefun(...): Применяет функцию к списку тензоров, распакованных из аргументов по размерности 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(...): Размещает (ключ, значения) в базовом контейнере, который ведет себя 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 всё 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(...): Устаревшее, используйте реализацию на Python tf.linalg.matrix_exponential.
MatrixInverse(...): Вычисляет обратную матрицу или её сопряжённый транспонированный вид для одной или нескольких обратимых квадратных матриц.
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 задач линейной 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(...): Создаёт набор данных, который переопределяет максимальную внутриоператорную параллельность.
MaxPool(...): Выполняет максимальный пуллинг на входе.
MaxPool3D(...): Выполняет 3D максимальный пуллинг на входе.
MaxPool3DGrad(...): Вычисляет градиенты функции 3D максимального пуллинга.
MaxPool3DGradGrad(...): Вычисляет градиенты второго порядка функции максимального пуллинга.
MaxPoolGrad(...): Вычисляет градиенты функции максимального пуллинга.
MaxPoolGradGrad(...): Вычисляет градиенты второго порядка функции максимального пуллинга.
MaxPoolGradGradV2(...): Вычисляет градиенты второго порядка функции максимального пуллинга.
MaxPoolGradGradWithArgmax(...): Вычисляет градиенты второго порядка функции максимального пуллинга.
MaxPoolGradV2(...): Вычисляет градиенты функции максимального пуллинга.
MaxPoolGradWithArgmax(...): Выполняет максимальный пуллинг на входе и выводит как максимальные значения, так и индексы.
MaxPoolV2(...): Выполняет максимальный пуллинг на входе.
MaxPoolWithArgmax(...): Выполняет максимальный пуллинг на входе и выводит максимальные значения и индексы.
Maximum(...): Возвращает максимальное значение из x и y (т.е. x > y ? x : y) поэлементно.
Mean(...): Вычисляет среднее значение элементов по измерениям тензора.
Merge(...): Передаёт значение доступного тензора из inputs в output.
MergeSummary(...): Объединяет сводки.
MergeV2Checkpoints(...): Специфично для формата V2: объединяет файлы метаданных фрагментированных контрольных точек.
Mfcc(...): Преобразует спектровую диаграмму в форму, полезную для распознавания речи.
Min(...): Вычисляет минимальное значение элементов по измерениям тензора.
Minimum(...): Возвращает минимальное значение из x и y (т.е. x < y ? x : y) поэлементно.
MirrorPad(...): Добавляет к тензору padding с зеркальными значениями.
MirrorPad: Оператор градиента для операции MirrorPadGrad(...). Этот оператор складывает зеркально-padding тензор.
Mod(...): Возвращает остаток от целочисленного деления поэлементно. Это имитирует семантику C в том смысле, что
ModelDataset(...): Тождественное преобразование, моделирующее производительность.
Mul(...): Возвращает произведение x * y поэлементно.
MulNoNan(...): Возвращает произведение x * y поэлементно. Возвращает ноль, если y равно нулю, даже если x бесконечен или NaN.
MultiDeviceIterator(...): Создаёт ресурс MultiDeviceIterator.
MultiDeviceIteratorFromStringHandle(...): Создаёт ресурс MultiDeviceIterator из предоставленного строкового идентификатора.
MultiDeviceIteratorGetNextFromShard(...): Получает следующий элемент для указанного номера фрагмента.
MultiDeviceIteratorInit(...): Инициализирует многоустройственный итератор заданным набором данных.
MultiDeviceIteratorToStringHandle(...): Создаёт строковый идентификатор 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. Выходом является блокировка. Пока тензор блокировки
MutexV2(...): Создаёт ресурс мьютекса, который может быть заблокирован с помощью MutexLock.
NcclAllReduce(...): Возвращает тензор, содержащий результат редукции по всем входным тензорам.
NcclBroadcast(...): Отправляет input на все устройства, подключённые к выходу.
NcclReduce(...): Выполняет редукцию input с устройствами num_devices с помощью reduction на одно устройство.
Neg(...): Вычисляет числовое отрицание поэлементно.
NextAfter(...): Возвращает следующее представимое значение x1 в направлении x2, поэлементно.
NextIteration(...): Делает свой вход доступным для следующей итерации.
NoOp(...): Ничего не делает. Полезно только как заполнитель для управляющих рёбер.
NonDeterministicInts(...): Недетерминированно генерирует некоторые целые числа.
NonMaxSuppression(...): Жадно выбирает подмножество прямоугольников с максимальным значением, упорядочивая по оценкам,
NonMaxSuppressionV2(...): Жадно выбирает подмножество прямоугольников с максимальным значением, упорядочивая по оценкам,
NonMaxSuppressionV3(...): Жадно выбирает подмножество прямоугольников с максимальным значением, упорядочивая по оценкам,
NonMaxSuppressionV4(...): Жадно выбирает подмножество прямоугольников с максимальным значением, упорядочивая по оценкам,
NonMaxSuppressionV5(...): Жадно выбирает подмножество прямоугольников с максимальным значением, упорядочивая по оценкам,
NonMaxSuppressionWithOverlaps(...): Жадно выбирает подмножество прямоугольников с максимальным значением, упорядочивая по оценкам,
NotEqual(...): Возвращает логическое значение (x != y) поэлементно.
NthElement(...): Находит значения n-го статистического порядка для последнего измерения.
OneHot(...): Возвращает тензор one-hot.
OneShotIterator(...): Создаёт итератор "one-shot", который можно итерировать только один раз.
OnesLike(...): Возвращает тензор единиц с такой же формой и типом, что и x.
OptimizeDataset(...): Создаёт набор данных, применяя оптимизации к input_dataset.
OptimizeDatasetV2(...): Создаёт набор данных, применяя соответствующие оптимизации к input_dataset.
OptionalFromValue(...): Создаёт вариант Optional из кортежа 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.
OptionsDataset(...): Создаёт набор данных, добавляя tf.data.Options к input_dataset.
OrderedMapClear(...): Оператор удаляет все элементы в базовом контейнере.
OrderedMapIncompleteSize(...): Оператор возвращает количество неполных элементов в базовом контейнере.
OrderedMapPeek(...): Оператор получает значения по указанному ключу. Если
OrderedMapSize(...): Оператор возвращает количество элементов в базовом контейнере.
OrderedMapStage(...): Ставит (ключ, значения) в базовый контейнер, который ведет себя как упорядоченный
OrderedMapUnstage(...): Оператор удаляет и возвращает значения, связанные с ключом
OrderedMapUnstageNoKey(...): Оператор удаляет и возвращает элемент (ключ, значение) с наименьшим
OutfeedDequeue(...): Извлекает один тензор из вычислительного выходного буфера.
OutfeedDequeueTuple(...): Извлекает несколько значений из вычислительного выходного буфера.
OutfeedDequeueTupleV2(...): Извлекает несколько значений из вычислительного выходного буфера. Порядковый номер устройства —
OutfeedDequeueV2(...): Извлекает один тензор из вычислительного выходного буфера. Порядковый номер устройства —
OutfeedEnqueue(...): Добавляет тензор в вычислительный выходной буфер.
OutfeedEnqueueTuple(...): Добавляет несколько тензорных значений в вычислительный выходной буфер.
Pack(...): Упаковывает список N ранга-R тензоров в один тензор ранга-(R+1).
Pad(...): Добавляет padding к тензору нулями.
PadV2(...): Заполняет тензор.
PaddedBatchDataset(...): Создаёт набор данных, который объединяет и заполняет batch_size элементы из входных данных.
PaddedBatchDatasetV2(...): Создаёт набор данных, который объединяет и заполняет batch_size элементы из входных данных.
PaddingFIFOQueue(...): Очередь, которая выдаёт элементы в порядке их поступления (FIFO).
PaddingFIFOQueueV2(...): Очередь, которая выдаёт элементы в порядке их поступления (FIFO).
ParallelConcat(...): Объединяет список N тензоров по первому измерению.
ParallelDynamicStitch(...): Переплетает значения из data тензоров в один тензор.
ParallelFilterDataset(...): Создаёт набор данных, содержащий элементы input_dataset соответствующие predicate.
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(...): Выдаёт случайные значения из нормального распределения. Параметры могут быть
ParseExample(...): Преобразует вектор протов brain.Example (в виде строк) в типизированные тензоры.
input_dataset: Преобразует Example содержащие Example прото в виде векторов DT_STRING в набор данных Tensor или SparseTensor объектов, представляющих разобранные характеристики.
ParseExampleDatasetV2(...): Преобразует input_dataset содержащие Example прото в виде векторов DT_STRING в набор данных Tensor или SparseTensor объектов, представляющих разобранные характеристики.
ParseExampleV2(...): Преобразует вектор протов tf.Example (в виде строк) в типизированные тензоры.
ParseSequenceExample(...): Преобразует вектор протов brain.SequenceExample (в виде строк) в типизированные тензоры.
ParseSequenceExampleV2(...): Преобразует вектор протов tf.io.SequenceExample (в виде строк) в
ParseSingleExample(...): Преобразует прото tf.Example (в виде строки) в типизированные тензоры.
ParseSingleSequenceExample(...): Преобразует скалярный прото brain.SequenceExample (в виде строки) в типизированные тензоры.
ParseTensor(...): Преобразует сериализованный прото tensorflow.TensorProto в тензор.
PartitionedCall(...): возвращает f(inputs), где тело f размещено и разделено.
Placeholder(...): Оператор-заполнитель для значения, которое будет передано в вычисление.
PlaceholderV2(...): Оператор-заполнитель для значения, которое будет передано в вычисление.
PlaceholderWithDefault(...): Оператор-заполнитель, который пропускает input при отсутствии входных данных.
Polygamma(...): Вычисляет полигамму \(\psi^{(n)}(x)\).
PopulationCount(...): Вычисляет элементную численность (popcount, bitsum, bitcount).
Pow(...): Вычисляет степень одного значения по отношению к другому.
PrefetchDataset(...): Создаёт набор данных, который асинхронно извлекает элементы из input_dataset.
Prelinearize(...): Оператор, который линейно преобразует одно значение Tensor в неявный тензор типа variant.
PrelinearizeTuple(...): Оператор, который линейно преобразует несколько значений Tensor в неявный тензор типа variant.
PreventGradient(...): Оператор тождества, который вызывает ошибку при запросе градиента.
Print(...): Выводит список тензоров.
PrintV2(...): Выводит скалярную строку.
PriorityQueue(...): Очередь, которая выдаёт элементы, отсортированные по первому значению компоненты.
PriorityQueueV2(...): Очередь, которая выдаёт элементы, отсортированные по первому значению компоненты.
PrivateThreadPoolDataset(...): Создаёт набор данных, использующий пользовательский пул потоков для вычисления input_dataset.
Prod(...): Вычисляет произведение элементов по измерениям тензора.
PyFunc(...): Вызывает функцию Python для вычисления func(input)->output.
PyFuncStateless(...): Бессостоятельное вычисление PyFunc.
Qr(...): Вычисляет QR-разложение одной или нескольких матриц.
QuantizeAndDequantize(...): Используйте QuantizeAndDequantizeV2 вместо этого.
QuantizeAndDequantizeV2(...): Квантизует, затем деквантизует тензор.
QuantizeAndDequantizeV3(...): Квантизует, затем деквантизует тензор.
QuantizeAndDequantizeV4(...): Квантизует, затем деквантизует тензор.
QuantizeAndDequantizeV4Grad(...): Возвращает градиент QuantizeAndDequantizeV4.
QuantizeDownAndShrinkRange(...): Преобразуйте квантованный тензор 'input' в тензор 'output' с меньшей точностью, используя
QuantizeV2(...): Квантизует тензор 'input' типа float в тензор 'output' типа 'T'.
QuantizedAdd(...): Возвращает x + y поэлементно, работая с квантованными буферами.
QuantizedAvgPool(...): Вычисляет среднее пулинговое значение входного тензора для квантованных типов.
QuantizedBatchNormWithGlobalNormalization(...): Квантованная нормализация по батчам.
QuantizedBiasAdd(...): Добавляет тензор 'bias' к тензору 'input' для квантованных типов.
QuantizedConcat(...): Объединяет квантованные тензоры по одному измерению.
QuantizedConv2D(...): Вычисляет 2D свёртку с учётом квантованных 4D входных и фильтрующих тензоров.
QuantizedConv2DAndReluAndRequantize(...)
QuantizedConv2DAndRequantize(...)
QuantizedConv2DPerChannel(...): Вычисляет QuantizedConv2D по каналам.
QuantizedConv2DWithBiasAndRelu(...)
QuantizedConv2DWithBiasAndReluAndRequantize(...)
QuantizedConv2DWithBiasAndRequantize(...)
QuantizedConv2DWithBiasSignedSumAndReluAndRequantize(...)
QuantizedConv2DWithBiasSumAndRelu(...)
QuantizedConv2DWithBiasSumAndReluAndRequantize(...)
QuantizedDepthwiseConv2D(...): Вычисляет квантованную свёртку depthwise Conv2D.
QuantizedDepthwiseConv2DWithBias(...): Вычисляет квантованную свёртку depthwise Conv2D с Bias.
QuantizedDepthwiseConv2DWithBiasAndRelu(...): Вычисляет квантованную свёртку depthwise Conv2D с Bias и Relu.
QuantizedDepthwiseConv2DWithBiasAndReluAndRequantize(...): Вычисляет квантованную свёртку depthwise Conv2D с Bias, Relu и Requantize.
QuantizedInstanceNorm(...): Квантованная нормализация по экземплярам.
QuantizedMatMul(...): Выполняет квантованное матричное умножение a на матрицу b.
QuantizedMatMulWithBias(...): Выполняет квантованное матричное умножение a на матрицу b с bias
QuantizedMatMulWithBiasAndDequantize(...)
QuantizedMatMulWithBiasAndRelu(...): Выполняет квантованное матричное умножение a на матрицу b с bias
QuantizedMatMulWithBiasAndReluAndRequantize(...): Выполняет квантованное матричное умножение a на матрицу b с bias
QuantizedMatMulWithBiasAndRequantize(...)
QuantizedMaxPool(...): Вычисляет максимальное пулинговое значение входного тензора для квантованных типов.
QuantizedMul(...): Возвращает x * y поэлементно, работая с квантованными буферами.
QuantizedRelu(...): Вычисляет квантованное выпрямленное линейное: max(features, 0)
QuantizedRelu6(...): Вычисляет квантованное выпрямленное линейное 6: min(max(features, 0), 6)
QuantizedReluX(...): Вычисляет квантованное выпрямленное линейное 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 помощью квантованной билинейной интерполяции.
QueueClose(...): Закрывает заданную очередь.
QueueCloseV2(...): Закрывает заданную очередь.
QueueDequeue(...): Выталкивает кортеж из одного или нескольких тензоров из заданной очереди.
QueueDequeueMany(...): Выталкивает n кортежей из одного или нескольких тензоров из заданной очереди.
QueueDequeueManyV2(...): Выталкивает n кортежей из одного или нескольких тензоров из заданной очереди.
QueueDequeueUpTo(...): Выталкивает n кортежей из одного или нескольких тензоров из заданной очереди.
QueueDequeueUpToV2(...): Выталкивает n кортежей из одного или нескольких тензоров из заданной очереди.
QueueDequeueV2(...): Выталкивает кортеж из одного или нескольких тензоров из заданной очереди.
QueueEnqueue(...): Добавляет кортеж из одного или нескольких тензоров в заданную очередь.
QueueEnqueueMany(...): Добавляет ноль или более кортежей из одного или нескольких тензоров в заданную очередь.
QueueEnqueueManyV2(...): Добавляет ноль или более кортежей из одного или нескольких тензоров в заданную очередь.
QueueEnqueueV2(...): Добавляет 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 вхождений с разреженной выходной информацией для нерегулярного входного тензора.
RaggedCross(...): Генерирует пересечение признаков из списка тензоров и возвращает его как
RaggedGather(...): Выборка нерегулярных срезов из params по оси 0 в соответствии с indices.
RaggedRange(...): Возвращает RaggedTensor, содержащий указанные последовательности чисел.
RaggedTensorFromVariant(...): Декодирует variant Tensor в RaggedTensor.
RaggedTensorToSparse(...): Преобразует RaggedTensor в SparseTensor с теми же значениями.
RaggedTensorToTensor(...): Создаёт плотный тензор из нерегулярного тензора, возможно изменив его форму.
RaggedTensorToVariant(...): Кодирует RaggedTensor в variant Tensor.
RaggedTensorToVariantGradient(...): Помощник, используемый для вычисления градиента для RaggedTensorToVariant.
RandomCrop(...): Случайная обрезка image.
RandomDataset(...): Создаёт набор данных, возвращающий псевдослучайные числа.
RandomGamma(...): Выводит случайные значения из распределения Гамма, описываемого α.
RandomGammaGrad(...): Вычисляет производную от случайной выборки Гамма по отношению к alpha.
RandomIndexShuffle(...): Выводит позицию value в перестановке [0, ..., max_index].
RandomPoisson(...): Используйте RandomPoissonV2 вместо этого.
RandomPoissonV2(...): Выводит случайные значения из распределения Пуассона, описываемого скоростью.
RandomShuffle(...): Случайно перемешивает тензор по первому измерению.
RandomShuffleQueue(...): Очередь, которая случайным образом меняет порядок элементов.
RandomShuffleQueueV2(...): Очередь, которая случайным образом меняет 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 со диапазоном значений. Соответствует python's xrange.
Rank(...): Возвращает ранг тензора.
ReadFile(...): Читает и выводит всё содержимое входного имени файла.
ReadVariableOp(...): Читает значение переменной.
ReadVariableXlaSplitND(...): Разделяет входной тензор ресурсной переменной по всем измерениям.
ReaderNumRecordsProduced(...): Возвращает количество записей, созданных этим Reader.
ReaderNumRecordsProducedV2(...): Возвращает количество записей, созданных этим Reader.
ReaderNumWorkUnitsCompleted(...): Возвращает количество завершенных обработанных блоков работы этим Reader.
ReaderNumWorkUnitsCompletedV2(...): Возвращает количество завершенных обработанных блоков работы этим Reader.
ReaderRead(...): Возвращает следующую запись (пара ключ-значение), созданную Reader.
ReaderReadUpTo(...): Возвращает до num_records пар (ключ, значение), созданных Reader.
ReaderReadUpToV2(...): Возвращает до num_records пар (ключ, значение), созданных Reader.
ReaderReadV2(...): Возвращает следующую запись (пара ключ-значение), созданную Reader.
ReaderReset(...): Восстанавливает Reader в его исходное чистое состояние.
ReaderResetV2(...): Восстанавливает Reader в его исходное чистое состояние.
ReaderRestoreState(...): Восстанавливает reader в ранее сохранённое состояние.
ReaderRestoreStateV2(...): Восстанавливает reader в ранее сохранённое состояние.
ReaderSerializeState(...): Создаёт тензор типа string, кодирующий состояние Reader.
ReaderSerializeStateV2(...): Создаёт тензор типа string, кодирующий состояние Reader.
Real(...): Возвращает действительную часть комплексного числа.
RealDiv(...): Возвращает x / y поэлементно для вещественных типов.
RebatchDataset(...): Создаёт набор данных, который изменяет размер пакета.
RebatchDatasetV2(...): Создаёт набор данных, который изменяет размер пакета.
Reciprocal(...): Вычисляет обратную величину x поэлементно.
ReciprocalGrad(...): Вычисляет градиент для обратной величины x по отношению к его входу.
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 одиночному элементу с помощью функции сведения.
ReduceJoin(...): Объединяет тензор строк по заданным измерениям.
RefEnter(...): Создаёт или находит фрейм-потомка и делает data доступным для фрейма-потомка.
RefExit(...): Выходит из текущего фрейма в его родительский фрейм.
RefIdentity(...): Возвращает тот же тензор ref, что и входной тензор ref.
RefMerge(...): Пересылает значение доступного тензора из inputs в output.
RefNextIteration(...): Делает свой вход доступным для следующей итерации.
RefSelect(...): Передает index-й элемент inputs в output.
RefSwitch(...): Передает тензор ref data на выходной порт, определённый pred.
RegexFullMatch(...): Проверяет, соответствует ли вход шаблону регулярного выражения.
RegexReplace(...): Заменяет совпадения с регулярным выражением pattern в input на
RegisterDataset(...): Регистрирует набор данных в службе tf.data.
Relu(...): Вычисляет выпрямленную линейную функцию: max(features, 0).
Relu6(...): Вычисляет выпрямленную линейную функцию 6: min(max(features, 0), 6).
Relu6Grad(...): Вычисляет градиенты выпрямленной линейной функции 6 для операции Relu6.
ReluGrad(...): Вычисляет градиенты выпрямленной линейной функции для операции Relu.
RemoteCall(...): Выполняет функцию f на удалённом устройстве, указанном target.
RepeatDataset(...): Создаёт набор данных, который выводит результаты input_dataset count раз.
RequantizationRange(...): Вычисляет диапазон, который охватывает фактические значения, присутствующие в квантованном тензоре.
RequantizationRangePerChannel(...): Вычисляет диапазон квантования по каналу.
Requantize(...): Преобразует квантованный тензор input в тензор с меньшей точностью output.
RequantizePerChannel(...): Квантует вход с известными минимальными и максимальными значениями по каналу.
Reshape(...): Изменяет форму тензора.
ResizeArea(...): Изменяет размер images на size с использованием интерполяции по 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(...): Обновляет '*var' в соответствии с алгоритмом AdaMax.
ResourceApplyAdadelta(...): Обновляет '*var' в соответствии со схемой adadelta.
ResourceApplyAdagrad(...): Обновляет '*var' в соответствии со схемой adagrad.
ResourceApplyAdagradDA(...): Обновляет '*var' в соответствии с проксимальной схемой adagrad.
ResourceApplyAdagradV2(...): Обновляет '*var' в соответствии со схемой adagrad.
ResourceApplyAdam(...): Обновляет '*var' в соответствии с алгоритмом Adam.
ResourceApplyAdamWithAmsgrad(...): Обновляет '*var' в соответствии с алгоритмом Adam.
ResourceApplyAddSign(...): Обновляет '*var' в соответствии с обновлением AddSign.
ResourceApplyCenteredRMSProp(...): Обновляет '*var' в соответствии с центрированным алгоритмом RMSProp.
ResourceApplyFtrl(...): Обновляет '*var' в соответствии со схемой Ftrl-proximal.
ResourceApplyFtrlV2(...): Обновляет '*var' в соответствии со схемой Ftrl-proximal.
ResourceApplyGradientDescent(...): Обновляет '*var', вычитая из него 'alpha' * 'delta'.
ResourceApplyKerasMomentum(...): Обновляет '*var' в соответствии со схемой импульса.
ResourceApplyMomentum(...): Обновляет '*var' в соответствии со схемой импульса.
ResourceApplyPowerSign(...): Обновляет '*var' в соответствии с обновлением AddSign.
ResourceApplyProximalAdagrad(...): Обновляет 'var' и 'accum' в соответствии с алгоритмом FOBOS с обучающей скоростью Adagrad.
ResourceApplyProximalGradientDescent(...): Обновляет '*var' как алгоритм FOBOS с фиксированной обучающей скоростью.
ResourceApplyRMSProp(...): Обновляет '*var' в соответствии с алгоритмом RMSProp.
ResourceConditionalAccumulator(...): Условный аккумулятор для агрегации градиентов.
ResourceCountUpTo(...): Увеличивает переменную, на которую указывает 'resource', до достижения 'limit'.
ResourceGather(...): Сбор срезов из переменной, на которую указывает resource в соответствии с indices.
ResourceScatterAdd(...): Добавляет разреженные обновления к переменной, на которую ссылается resource.
ResourceScatterDiv(...): Делит разреженные обновления на переменную, на которую ссылается resource.
ResourceScatterMax(...): Сводит разреженные обновления к переменной, на которую ссылается resource с использованием операции max.
ResourceScatterMin(...): Сводит разреженные обновления к переменной, на которую ссылается resource с использованием операции min.
ResourceScatterMul(...): Умножает разреженные обновления на переменную, на которую ссылается resource.
ResourceScatterNdAdd(...): Применяет разреженное сложение к отдельным значениям или срезам в Переменной.
ResourceScatterNdSub(...): Применяет разрешенное вычитание к отдельным значениям или срезам в переменной.
ResourceScatterNdUpdate(...): Применяет разреженное updates к отдельным значениям или срезам внутри заданной
ResourceScatterSub(...): Вычитает разреженные обновления из переменной, на которую ссылается resource.
ResourceScatterUpdate(...): Присваивает разреженные обновления переменной, на которую ссылается resource.
ResourceSparseApplyAdadelta(...): var: Должен быть из Variable().
ResourceSparseApplyAdagrad(...): Обновляет соответствующие записи в 'var' и 'accum' в соответствии со схемой adagrad.
ResourceSparseApplyAdagradDA(...): Обновляет записи в 'var' и 'accum' в соответствии с проксимальной схемой adagrad.
ResourceSparseApplyAdagradV2(...): Обновляет соответствующие записи в 'var' и 'accum' в соответствии со схемой adagrad.
ResourceSparseApplyCenteredRMSProp(...): Обновляет '*var' в соответствии с центрированным алгоритмом RMSProp.
ResourceSparseApplyFtrl(...): Обновляет соответствующие записи в '*var' в соответствии со схемой Ftrl-proximal.
ResourceSparseApplyFtrlV2(...): Обновляет соответствующие записи в '*var' в соответствии со схемой Ftrl-proximal.
ResourceSparseApplyKerasMomentum(...): Обновляет соответствующие записи в 'var' и 'accum' в соответствии со схемой импульса.
ResourceSparseApplyMomentum(...): Обновляет соответствующие записи в 'var' и 'accum' в соответствии со схемой импульса.
ResourceSparseApplyProximalAdagrad(...): Разреженное обновление записей в 'var' и 'accum' в соответствии с алгоритмом FOBOS.
ResourceSparseApplyProximalGradientDescent(...): Разреженное обновление '*var' как алгоритм FOBOS с фиксированной обучающей скоростью.
ResourceSparseApplyRMSProp(...): Обновляет '*var' в соответствии с алгоритмом RMSProp.
ResourceStridedSliceAssign(...): Присваивает value срезу l-значений ref.
Restore(...): Восстанавливает тензор из файлов контрольных точек.
RestoreSlice(...): Восстанавливает тензор из файлов контрольных точек.
RestoreV2(...): Восстанавливает тензоры из контрольной точки V2.
RetrieveTPUEmbeddingADAMParameters(...): Получение параметров ADAM встраивания.
RetrieveTPUEmbeddingAdadeltaParameters(...): Получение параметров Adadelta встраивания.
RetrieveTPUEmbeddingAdagradMomentumParameters(...): Получение параметров встраивания Adagrad Momentum.
RetrieveTPUEmbeddingAdagradParameters(...): Получение параметров встраивания Adagrad.
RetrieveTPUEmbeddingCenteredRMSPropParameters(...): Получение параметров встраивания centered RMSProp.
RetrieveTPUEmbeddingFTRLParameters(...): Получение параметров встраивания FTRL.
RetrieveTPUEmbeddingFrequencyEstimatorParameters(...): Получение параметров встраивания частотного оценщика.
RetrieveTPUEmbeddingMDLAdagradLightParameters(...): Получение параметров встраивания MDL Adagrad Light.
RetrieveTPUEmbeddingMomentumParameters(...): Получение параметров встраивания Momentum.
RetrieveTPUEmbeddingProximalAdagradParameters(...): Получение параметров встраивания proximal Adagrad.
RetrieveTPUEmbeddingProximalYogiParameters(...)
RetrieveTPUEmbeddingRMSPropParameters(...): Получение параметров встраивания RMSProp.
RetrieveTPUEmbeddingStochasticGradientDescentParameters(...): Получение параметров встраивания SGD.
Reverse(...): Инвертирует определённые измерения тензора.
ReverseSequence(...): Инвертирует срезы переменной длины.
ReverseV2(...): Инвертирует определённые измерения тензора.
RightShift(...): Элементное вычисление битового сдвига вправо x и y.
Rint(...): Возвращает целое число, ближайшее к x, поэлементно.
RngReadAndSkip(...): Увеличивает счётчик счётчика-RNG.
RngSkip(...): Увеличивает счётчик счётчика-RNG.
Roll(...): Перемещает элементы тензора вдоль оси.
Round(...): Округляет значения тензора до ближайшего целого числа, поэлементно.
Rsqrt(...): Вычисляет обратное значение квадратного корня из x, поэлементно.
RsqrtGrad(...): Вычисляет градиент для обратного квадратного корня от x по отношению к его входу.
SampleDistortedBoundingBox(...): Генерация одной случайно искажённой рамки для изображения.
SampleDistortedBoundingBoxV2(...): Генерация одной случайно искажённой рамки для изображения.
SamplingDataset(...): Создаёт набор данных, который берёт Бернулли-образец 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 протокол Summary с скалярными значениями.
ScanDataset(...): Создаёт набор данных, который последовательно уменьшает f по элементам input_dataset.
ScatterAdd(...): Добавляет разреженные обновления к ссылке на переменную.
ScatterDiv(...): Делит ссылку на переменную на разреженные обновления.
ScatterMax(...): Сводит разреженные обновления к ссылке на переменную с помощью операции max.
ScatterMin(...): Сводит разреженные обновления к ссылке на переменную с помощью операции min.
ScatterMul(...): Умножает разреженные обновления на ссылку на переменную.
ScatterNd(...): Разбрасывает updates в тензор формы shape в соответствии с indices.
ScatterNdAdd(...): Применяет разреженное сложение к отдельным значениям или срезам в переменной.
ScatterNdMax(...): Вычисляет поэлементный максимум.
ScatterNdMin(...): Вычисляет поэлементный минимум.
ScatterNdNonAliasingAdd(...): Применяет разреженное сложение к input с использованием отдельных значений или срезов.
ScatterNdSub(...): Применяет разрешенное вычитание к отдельным значениям или срезам в переменной.
ScatterNdUpdate(...): Применяет разреженные 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 входных строк.
SdcaOptimizer(...): Распределённая версия оптимизатора стохастического двойственного координатного восхождения (SDCA) для
SdcaOptimizerV2(...): Распределённая версия оптимизатора стохастического двойственного координатного восхождения (SDCA) для
SdcaShrinkL1(...): Применяет L1-регуляризацию к параметрам.
SegmentMax(...): Вычисляет максимальное значение по сегментам тензора.
SegmentMean(...): Вычисляет среднее значение по сегментам тензора.
SegmentMin(...): Вычисляет минимальное значение по сегментам тензора.
SegmentProd(...): Вычисляет произведение по сегментам тензора.
SegmentSum(...): Вычисляет сумму по сегментам тензора.
Select(...): Выбирает элементы из x или y, в зависимости от condition.
SelfAdjointEig(...): Вычисляет собственное разложение набора квадратных самосопряжённых матриц.
SelfAdjointEigV2(...): Вычисляет собственное разложение одной или нескольких квадратных самосопряжённых матриц.
Selu(...): Вычисляет масштабированную экспоненциальную линейную функцию: scale * alpha * (exp(features) - 1)
SeluGrad(...): Вычисляет градиенты для масштабированной экспоненциальной линейной операции (Selu).
Send(...): Отправляет именованный тензор из send_device в recv_device.
SendTPUEmbeddingGradients(...): Выполняет обновления градиента таблиц встраивания.
SerializeIterator(...): Преобразует данный resource_handle, представляющий итератор, в тензор типа variant.
SerializeManySparse(...): Сериализует N-минимальную партию SparseTensor в [N, 3] объект Tensor.
SerializeSparse(...): Сериализует SparseTensor в [3] объект Tensor.
SerializeTensor(...): Преобразует тензор в сериализованный протокол TensorProto.
SetSize(...): Количество уникальных элементов по последнему измерению входного set.
SetStatsAggregatorDataset(...)
Shape(...): Возвращает форму тензора.
ShapeN(...): Возвращает форму тензоров.
ShardDataset(...): Создаёт Dataset, содержащий только 1/num_shards этого набора данных.
ShardedFilename(...): Генерация имени фрагментированного файла. Имя файла форматируется с использованием printf:
ShardedFilespec(...): Генерация шаблона glob, соответствующего всем именам 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 от x поэлементно.
SigmoidGrad(...): Вычисляет градиент сигмоиды от x по отношению к его входу.
Sign(...): Возвращает поэлементное указание знака числа.
Sin(...): Вычисляет синус от x поэлементно.
Sinh(...): Вычисляет гиперболический синус от x поэлементно.
Size(...): Возвращает размер тензора.
SkipDataset(...): Создаёт набор данных, пропускающий count элементов из input_dataset.
Slice(...): Возвращает срез из 'input'.
SlidingWindowDataset(...): Создаёт набор данных, проходящий скользящим окном по input_dataset.
Snapshot(...): Возвращает копию входного тензора.
SnapshotDataset(...): Создаёт набор данных, который будет записывать в/читать из снимка.
SnapshotDatasetV2(...): Создаёт набор данных, который будет записывать в/читать из снимка.
SnapshotNestedDatasetReader(...)
SobolSample(...): Генерирует точки из последовательности Соболя.
Softmax(...): Вычисляет активации softmax.
SoftmaxCrossEntropyWithLogits(...): Вычисляет стоимость и градиенты перекрёстной энтропии softmax для обратного распространения.
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 аккумулятору.
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(...): Обновить соответствующие записи в 'var' и 'accum' в соответствии со схемой adagrad.
SparseApplyAdagradDA(...): Обновить записи в 'var' и 'accum' в соответствии с приближенной схемой adagrad.
SparseApplyAdagradV2(...): Обновить соответствующие записи в 'var' и 'accum' в соответствии со схемой adagrad.
SparseApplyCenteredRMSProp(...): Обновить '*var' в соответствии с алгоритмом centered RMSProp.
SparseApplyFtrl(...): Обновить соответствующие записи в '*var' в соответствии со схемой Ftrl-proximal.
SparseApplyFtrlV2(...): Обновить соответствующие записи в '*var' в соответствии со схемой Ftrl-proximal.
SparseApplyMomentum(...): Обновить соответствующие записи в 'var' и 'accum' в соответствии со схемой импульса.
SparseApplyProximalAdagrad(...): Разреженный обновление записей в 'var' и 'accum' в соответствии с алгоритмом FOBOS.
SparseApplyProximalGradientDescent(...): Разреженный обновление '*var' как алгоритм FOBOS с фиксированной скоростью обучения.
SparseApplyRMSProp(...): Обновить '*var' в соответствии с алгоритмом RMSProp.
SparseBincount(...): Подсчитывает количество вхождений каждого значения в целочисленном массиве.
SparseConcat(...): Объединяет список SparseTensor вдоль указанного измерения.
SparseConditionalAccumulator(...): Условный аккумулятор для агрегирования разреженных градиентов.
SparseCountSparseOutput(...): Выполняет подсчёт разреженных-выходных бинов для входного разреженного тензора.
SparseCross(...): Генерирует разреженное перекрестие из списка разреженных и плотных тензоров.
SparseCrossHashed(...): Генерирует разреженное перекрестие из списка разреженных и плотных тензоров.
SparseCrossV2(...): Генерирует разреженное перекрестие из списка разреженных и плотных тензоров.
SparseDenseCwiseAdd(...): Складывает SparseTensor и плотный Tensor, используя эти специальные правила:
SparseDenseCwiseDiv(...): Компонентно делит SparseTensor на плотный Tensor.
SparseDenseCwiseMul(...): Компонентно перемножает 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 упорядочение приближенного минимального степенного ряда (AMD) для input.
SparseMatrixSoftmax(...): Вычисляет softmax для CSRSparseMatrix.
SparseMatrixSoftmaxGrad(...): Вычисляет градиент операции SparseMatrixSoftmax.
SparseMatrixSparseCholesky(...): Вычисляет разложение Холецкого разреженной матрицы input.
SparseMatrixSparseMatMul(...): Разреженное матричное умножение двух матриц CSR a и b.
SparseMatrixTranspose(...): Транспонирует внутренние (матричные) измерения CSRSparseMatrix.
SparseMatrixZeros(...): Создаёт всю 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(...): Упорядочивает SparseTensor в каноническом, строчно-главном порядке.
SparseReshape(...): Изменяет форму SparseTensor для представления значений 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, разделённую на квадратный корень из N.
SparseSegmentSqrtNGrad(...): Вычисляет градиенты для SparseSegmentSqrtN.
SparseSegmentSqrtNWithNumSegments(...): Вычисляет сумму по разреженным сегментам тензора, разделённую на квадратный корень из N.
SparseSegmentSum(...): Вычисляет сумму по разреженным сегментам тензора.
SparseSegmentSumGrad(...): Вычисляет градиенты для SparseSegmentSum.
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 перекрёстной энтропии softmax для обратного распространения.
SparseSparseMaximum(...): Возвращает максимальное значение по элементам двух SparseTensor.
SparseSparseMinimum(...): Возвращает минимальное значение по элементам двух SparseTensor.
SparseSplit(...): Разделяет SparseTensor на num_split тензоров вдоль одного измерения.
SparseTensorDenseAdd(...): Складывает SparseTensor и плотный Tensor, производя плотный Tensor.
SparseTensorDenseMatMul(...): Умножает SparseTensor (ранга 2) "A" на плотную матрицу "B".
SparseTensorSliceDataset(...): Создаёт набор данных, разделяющий SparseTensor на элементы построчно.
SparseTensorToCSRSparseMatrix(...): Преобразует SparseTensor в (возможно пакетную) CSRSparseMatrix.
SparseToDense(...): Преобразует разреженное представление в плотный тензор.
SparseToSparseSetOperation(...): Применяет операцию над множествами по последнему измерению двух SparseTensor входных значений.
Split(...): Разделяет тензор на num_split тензоров по одному измерению.
SplitV(...): Разделяет тензор на num_split тензоров по одному измерению.
SqlDataset(...): Создаёт набор данных, который выполняет SQL-запрос и выводит строки результата набора.
Sqrt(...): Вычисляет квадратный корень от x поэлементно.
SqrtGrad(...): Вычисляет градиент квадратного корня от x по отношению к его входу.
Square(...): Вычисляет квадрат x поэлементно.
SquaredDifference(...): Возвращает conj(x - y)(x - y) поэлементно.
Squeeze(...): Удаляет измерения 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(...): Помещает элемент на вершину стека.
StackV2(...): Стек, который генерирует элементы в порядке LIFO (последним вошел, первым вышел).
Stage(...): Стадия значений, аналогичная лёгкому Enqueue.
StageClear(...): Операция удаляет все элементы в базовом контейнере.
StagePeek(...): Операция просматривает значения по указанному индексу. Если
StageSize(...): Операция возвращает количество элементов в базовом контейнере.
StatefulPartitionedCall(...): возвращает f(inputs), где тело f размещено и разделено.
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 усечённого 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.
StatelessCase(...): n-сторонняя операция выбора, которая вызывает функцию одного из ветвей.
StatelessIf(...): output = cond ? then_branch(input) : else_branch(input)
StatelessMultinomial(...): Выбирает образцы из многономиального распределения.
StatelessParameterizedTruncatedNormal(...)
StatelessRandomBinomial(...): Выводит детерминированные псевдослучайные числа из биномиального распределения.
StatelessRandomGammaV2(...): Выводит детерминированные псевдослучайные числа из гамма-распределения.
StatelessRandomGetAlg(...): Выбирает лучший алгоритм RNG на основе счётчика для устройства.
StatelessRandomGetKeyCounter(...): Перемешивает seed в key и counter, используя лучший алгоритм, основанный на устройстве.
StatelessRandomGetKeyCounterAlg(...): Выбирает лучший алгоритм на основе устройства и перемешивает seed в key и counter.
StatelessRandomNormal(...): Выводит детерминированные псевдослучайные значения из нормального распределения.
StatelessRandomNormalV2(...): Выводит детерминированные псевдослучайные значения из нормального распределения.
StatelessRandomPoisson(...): Выводит детерминированные псевдослучайные числа из пуассоновского распределения.
StatelessRandomUniform(...): Выводит детерминированные псевдослучайные значения из равномерного распределения.
StatelessRandomUniformFullInt(...): Выводит детерминированные псевдослучайные целые числа из равномерного распределения.
StatelessRandomUniformFullIntV2(...): Выводит детерминированные псевдослучайные целые числа из равномерного распределения.
StatelessRandomUniformInt(...): Выводит детерминированные псевдослучайные целые числа из равномерного распределения.
StatelessRandomUniformIntV2(...): Выводит детерминированные псевдослучайные целые числа из равномерного распределения.
StatelessRandomUniformV2(...): Выводит детерминированные псевдослучайные значения из равномерного распределения.
StatelessSampleDistortedBoundingBox(...): Генерирует случайный искажённый прямоугольник для изображения детерминированно.
StatelessTruncatedNormal(...): Выводит детерминированные псевдослучайные значения из усечённого нормального распределения.
StatelessTruncatedNormalV2(...): Выводит детерминированные псевдослучайные значения из усечённого нормального распределения.
StatelessWhile(...): output = input; Пока (Cond(output)) { output = Body(output) }
StaticRegexFullMatch(...): Проверяет, соответствует ли вход шаблону регулярного выражения.
StaticRegexReplace(...): Заменяет совпадение шаблона в входе на замену.
StatsAggregatorHandle(...): Создаёт статистический менеджер ресурсов.
StatsAggregatorSetSummaryWriter(...): Устанавливает интерфейс summary_writer для записи статистики, используя данный stats_aggregator.
StatsAggregatorSummary(...): Создаёт сводку любой записанной статистики заданным статистическим менеджером.
StopGradient(...): Останавливает вычисление градиента.
StridedSlice(...): Возвращает строенный срез из input.
StridedSliceAssign(...): Присваивает value срезу l-значений ссылки на ref.
StridedSliceGrad(...): Возвращает градиент StridedSlice.
StringFormat(...): Форматирует шаблон строки, используя список тензоров.
StringJoin(...): Объединяет строки в заданном списке строковых тензоров в один тензор;
StringLength(...): Длина строк input.
StringLower(...): Преобразует все прописные буквы в соответствующие строчные.
StringNGrams(...): Создаёт n-граммы из неструктурированных строковых данных.
StringSplit(...): Разделяет элементы input на основе delimiter в SparseTensor.
StringSplitV2(...): Разделяет элементы source на основе sep в SparseTensor.
StringStrip(...): Удаляет начальные и конечные пробелы из тензора.
StringToHashBucket(...): Преобразует каждую строку в тензоре в её хэш по модулю числа ведер.
StringToHashBucketFast(...): Преобразует каждую строку в тензоре в её хэш по модулю числа ведер.
StringToHashBucketStrong(...): Преобразует каждую строку в тензоре в её хэш по модулю числа ведер.
StringToNumber(...): Преобразует каждую строку в тензоре в указанный числовой тип.
StringUpper(...): Преобразует все строчные буквы в соответствующие прописные.
Sub(...): Возвращает x - y поэлементно.
Substr(...): Возвращает подстроки из Tensor строк.
Sum(...): Вычисляет сумму элементов по измерениям тензора.
Svd(...): Вычисляет сингулярное разложение одной или нескольких матриц.
Switch(...): Пересылает data на выходной порт, определяемый 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(...): Чтение записей из файла TensorFlow Records.
TPUCompilationResult(...): Возвращает результат компиляции TPU.
TPUEmbeddingActivations(...): Операция, позволяющая выполнять дифференцирование TPU встраиваний.
TPUOrdinalSelector(...): Операция выбора ядра TPU.
TPUPartitionedCall(...): Вызывает функцию, размещенную на указанном устройстве TPU.
TPUPartitionedInput(...): Операция, объединяющая список разнесенных ввода.
TPUPartitionedOutput(...): Операция, разделяющая тензор, который XLA должно разбить на список разнесенных тензоров.
TPUReplicateMetadata(...): Метаданные, указывающие, как должно быть продублировано вычисление TPU.
TPUReplicatedInput(...): Подключает N входов к N-кратному дублированному вычислению TPU.
TPUReplicatedOutput(...): Подключает N выходов от N-кратно дублированного вычисления TPU.
TakeDataset(...): Создаёт набор данных, содержащий count элементов из input_dataset.
TakeManySparseFromTensorsMap(...): Чтение SparseTensors из SparseTensorsMap и их конкатенация.
TakeWhileDataset(...): Создает набор данных, который останавливает итерацию, когда предикат` становится ложным.
Tan(...): Вычисляет tg x поэлементно.
Tanh(...): Вычисляет гиперболический тангенс x поэлементно.
TanhGrad(...): Вычисляет градиент для tg x по отношению к его входным данным.
TemporaryVariable(...): Возвращает тензор, который может быть изменён, но сохраняется только в рамках одного шага.
TensorArrayCloseV2(...): Устарело. Используйте TensorArrayCloseV3
TensorArrayCloseV3(...): Удаляет TensorArray из контейнера ресурсов.
TensorArrayConcatV2(...): Устарело. Используйте TensorArrayConcatV3
TensorArrayConcatV3(...): Конкатенирует элементы из TensorArray в значение value.
TensorArrayGatherV2(...): Устарело. Используйте TensorArrayGatherV3
TensorArrayGatherV3(...): Сборка конкретных элементов из TensorArray в выход value.
TensorArrayGradV2(...): Устарело. Используйте TensorArrayGradV3
TensorArrayGradV3(...): Создаёт TensorArray для хранения градиентов значений в заданном хэндле.
TensorArrayGradWithShape(...): Создаёт TensorArray для хранения нескольких градиентов значений в заданном хэндле.
TensorArrayReadV2(...): Устарело. Используйте TensorArrayReadV3
TensorArrayReadV3(...): Чтение элемента из TensorArray в выход value.
TensorArrayScatterV2(...): Устарело. Используйте TensorArrayScatterV3
TensorArrayScatterV3(...): Рассеивание данных из входного значения в определённые элементы TensorArray.
TensorArraySizeV2(...): Устарело. Используйте TensorArraySizeV3
TensorArraySizeV3(...): Получение текущего размера TensorArray.
TensorArraySplitV2(...): Устарело. Используйте TensorArraySplitV3
TensorArraySplitV3(...): Разделение данных из входного значения на элементы TensorArray.
TensorArrayV2(...): Устарело. Используйте TensorArrayV3
TensorArrayV3(...): Массив тензоров заданного размера.
TensorArrayWriteV2(...): Устарело. Используйте TensorArrayGradV3
TensorArrayWriteV3(...): Добавление элемента в TensorArray.
TensorDataset(...): Создаёт набор данных, который выводит components как кортеж тензоров один раз.
TensorListConcat(...): Объединение всех тензоров в списке по 0-му измерению.
TensorListConcatV2(...): Объединение всех тензоров в списке по 0-му измерению.
TensorListElementShape(...): Форма элементов данного списка, как тензор.
TensorListFromTensor(...): Создаёт TensorList, который при наложении имеет значение tensor.
TensorListGather(...): Создание тензора путём индексирования в TensorList.
TensorListGetItem(...): Возвращает элемент в списке с заданным индексом.
TensorListLength(...): Возвращает количество тензоров во входном списке тензоров.
TensorListPopBack(...): Возвращает последний элемент входного списка, а также список без этого элемента.
TensorListPushBack(...): Возвращает список, в котором переданное Tensor является последним элементом, а остальные элементы исходного списка находятся в input_handle.
TensorListReserve(...): Список заданного размера с пустыми элементами.
TensorListResize(...): Изменение размера списка.
TensorListScatter(...): Создание TensorList путем индексирования в тензор.
TensorListScatterIntoExistingList(...): Рассеивание тензора в индексах во входном списке.
TensorListScatterV2(...): Создание TensorList путем индексирования в тензор.
TensorListSetItem(...): Установка значения по индексу в списке для данного тензора.
TensorListSplit(...): Разделение тензора на список.
TensorListStack(...): Сложение всех тензоров в списке.
TensorScatterAdd(...): Добавление разреженного updates к существующему тензору в соответствии с indices.
TensorScatterMax(...): Применение разреженного обновления к тензору, принимая поэлементный максимум.
TensorScatterSub(...): Вычитание разреженного updates из существующего тензора в соответствии с indices.
TensorScatterUpdate(...): Рассеяние updates в существующий тензор в соответствии с indices.
TensorSliceDataset(...): Создание набора данных, который выводит каждый срез dim-0 components по одному.
TensorStridedSliceUpdate(...): Присваивание value к срезу l-значения input.
TensorSummary(...): Вывод протокола Summary с тензором.
TensorSummaryV2(...): Вывод протокола Summary с тензором и данными для каждого плагина.
TextLineDataset(...): Создание набора данных, который выводит строки одного или нескольких текстовых файлов.
TextLineReader(...): Чтение строк файла, ограниченных символом '\n'.
TextLineReaderV2(...): Чтение строк файла, ограниченных символом '\n'.
ThreadPoolDataset(...): Создание набора данных, использующего пользовательский пул потоков для вычисления input_dataset.
ThreadPoolHandle(...): Создание набора данных, использующего пользовательский пул потоков для вычисления input_dataset.
ThreadUnsafeUnigramCandidateSampler(...): Генерация меток для кандидатов с выборкой с использованием обученной униграммной распределения.
Tile(...): Построение тензора путём черепичного копирования данного тензора.
TileGrad(...): Возвращает градиент Tile.
Timestamp(...): Предоставляет время с эпохи в секундах.
ToBool(...): Преобразование тензора в скалярное предикатное значение.
TopK(...): Поиск значений и индексов k наибольших элементов для последнего измерения.
TopKV2(...): Находит значения и индексы k наибольших элементов для последнего измерения.
Transpose(...): Перемешивает измерения x в соответствии с перестановкой.
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 эмулирует семантику C, в которой
TruncatedNormal(...): Выводит случайные значения из усеченного нормального распределения.
Unbatch(...): Отменяет операцию Batch для единственного тензора вывода.
UnbatchDataset(...): Набор данных, который разбивает элементы входного набора на несколько элементов.
UnbatchGrad(...): Градиент Unbatch.
UncompressElement(...): Распаковывает сжатый элемент набора данных.
UnicodeDecode(...): Декодирует каждую строку в input в последовательность точек кода Юникода.
UnicodeDecodeWithOffsets(...): Декодирует каждую строку в input в последовательность точек кода Юникода.
UnicodeEncode(...): Кодирует тензор целых чисел в строковые значения Юникода.
UnicodeScript(...): Определяет коды сценария для заданного тензора целых точек кода Юникода.
UnicodeTranscode(...): Перекодирует входной текст из исходной кодировки в кодировку назначения.
UniformCandidateSampler(...): Генерирует метки для выборки кандидатов с равномерным распределением.
Unique(...): Находит уникальные элементы в одномерном тензоре.
UniqueDataset(...): Создает набор данных, содержащий 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 заданное измерение тензора ранга R в num тензоры 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(...): Операция аналогична лёгкому Dequeue.
UpperBound(...): Применяет upper_bound(sorted_search_values, values) по каждой строке.
VarHandleOp(...): Создаёт ссылку на ресурс Variable.
VarIsInitializedOp(...): Проверяет, был ли инициализирован ресурс переменной на основе ссылки.
Variable(...): Используйте VariableV2 вместо этого.
VariableShape(...): Возвращает форму переменной, на которую ссылается resource.
VariableV2(...): Содержит состояние в виде тензора, сохраняющегося между шагами.
Where(...): Возвращает расположения ненулевых/истинных значений в тензоре.
While(...): output = input; Пока (Cond(output)) { output = Body(output) }
WholeFileReader(...): Чтение, которое выводит все содержимое файла в качестве значения.
WholeFileReaderV2(...): Чтение, которое выводит все содержимое файла в качестве значения.
WindowDataset(...): Объединяет (вложенные) элементы входных данных в набор данных из (вложенных) окон.
WorkerHeartbeat(...): Операция проверки работоспособности worker.
WriteAudioSummary(...): Записывает сводку аудио.
WriteFile(...): Записывает contents в файл по пути filename.
WriteGraphSummary(...): Записывает сводку графа.
WriteHistogramSummary(...): Записывает сводку гистограммы.
WriteImageSummary(...): Записывает сводку изображения.
WriteRawProtoSummary(...): Записывает сериализованную сводку прото.
WriteScalarSummary(...): Записывает сводку скалярной величины.
WriteSummary(...): Записывает сводку тензора.
Xdivy(...): Возвращает 0, если x == 0, и x / y в противном случае, поэлементно.
XlaConcatND(...): Объединяет тензор входных данных по всем измерениям.
XlaSplitND(...): Разбивает тензор входных данных по всем измерениям.
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 Хёрвице \(\zeta(x, q)\).
ZipDataset(...): Создаёт набор данных, который объединяет input_datasets.
© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r2.9/api_docs/python/tf/compat/v1/raw_ops
