هشدار: این API منسوخ شده است و پس از پایدار شدن جایگزینی، در نسخه بعدی TensorFlow حذف خواهد شد.

این صفحه به‌وسیله ‏Cloud Translation API‏ ترجمه شده است.

PrimitiveOp

کلاس انتزاعی عمومی PrimitiveOp

زیر کلاس های مستقیم شناخته شده

لغو , همه , AllToAll <T>, AnonymousHashTable , AnonymousIteratorV2 , AnonymousIteratorV3 , AnonymousMemoryCache , AnonymousMultiDeviceIterator , AnonymousMultiDeviceIteratorV3 , AnonymousMutableDenseHashTable , AnonymousMutableDenseHashTable , AnonymousMutableHashTableS , AnonymouseMutableHashTableGeneryS Anonymouse , AnonymouseMutableHashTableGeneryS Anonymouse

سقط	هنگام فراخوانی، یک استثنا برای لغو فرآیند ایجاد کنید.
همه	"منطقی و" عناصر را در ابعاد یک تانسور محاسبه می کند.
AllToAll <T>	یک عملیات برای تبادل داده در بین کپی های TPU.
جدول هش ناشناس	یک جدول هش ناشناس بدون مقدار دهی اولیه ایجاد می کند.
AnonymousIteratorV2	ظرفی برای یک منبع تکرارکننده.
AnonymousIteratorV3	ظرفی برای یک منبع تکرارکننده.
AnonymousMemoryCache
AnonymousMultiDeviceIterator	ظرفی برای منبع تکرارکننده چند دستگاهی.
AnonymousMultiDeviceIteratorV3	ظرفی برای منبع تکرارکننده چند دستگاهی.
AnonymousMutableDenseHashTable	یک جدول هش قابل تغییر ناشناس خالی ایجاد می کند که از تانسورها به عنوان ذخیره پشتیبان استفاده می کند.
Anonymous MutableHashTable	یک جدول هش قابل تغییر ناشناس خالی ایجاد می کند.
Anonymous MutableHashTableOfTensors	یک جدول هش قابل تغییر ناشناس خالی از مقادیر برداری ایجاد می کند.
ناشناس RandomSeed Generator
Anonymous SeedGenerator
هر	"منطقی یا" عناصر را در ابعاد یک تانسور محاسبه می کند.
ApplyAdagradV2 <T>	"*var" را طبق طرح adagrad به روز کنید.
ApproxTopK <T تعداد را گسترش می دهد>	مقادیر min/max k و شاخص های آنها را از عملوند ورودی به روشی تقریبی برمی گرداند.
AssertCardinalityDataset
AssertNextDataset	تحولی که بیان می کند کدام تحولات بعدی اتفاق می افتد.
AssertPrevDataset	تحولی که نشان می دهد کدام تحولات قبلاً اتفاق افتاده است.
ادعا کن	ادعا می کند که شرط داده شده درست است.
تخصیص <T>	"ref" را با اختصاص دادن "value" به آن به روز کنید.
AssignAdd <T>	"ref" را با افزودن "value" به آن به روز کنید.
AssignAddVariableOp	یک مقدار به مقدار فعلی یک متغیر اضافه می کند.
AssignSub <T>	"ref" را با کم کردن "value" از آن به روز کنید.
AssignSubVariableOp	مقداری را از مقدار فعلی یک متغیر کم می کند.
AssignVariableOp	مقدار جدیدی را به یک متغیر اختصاص می دهد.
AssignVariableXlaConcatND	تانسور ورودی Concat در تمام ابعاد.
AutoShardDataset	مجموعه داده ای ایجاد می کند که مجموعه داده ورودی را خرد می کند.
BandedTriangularSolve <T>
مانع	مانعی را تعریف می کند که در اجرای گراف های مختلف وجود دارد.
BarrierClose	سد داده شده را می بندد.
BarrierIncompleteSize	تعداد عناصر ناقص را در مانع داده شده محاسبه می کند.
BarrierInsertMany	برای هر کلید، مقدار مربوطه را به جزء مشخص شده اختصاص می دهد.
BarrierReadySize	تعداد عناصر کامل را در مانع داده شده محاسبه می کند.
BarrierTakeMany	تعداد داده شده عناصر تکمیل شده را از یک مانع می گیرد.
دسته ای	همه تانسورهای ورودی را به صورت غیر قطعی دسته بندی می کند.
BatchMatMulV2 <T>	برش های دو تانسور را به صورت دسته ای ضرب می کند.
BatchMatMulV3 <V>	برش های دو تانسور را به صورت دسته ای ضرب می کند.
BatchToSpace <T>	BatchToSpace برای تانسورهای 4 بعدی از نوع T.
BatchToSpaceNd <T>	BatchToSpace برای تانسورهای ND از نوع T.
BesselI0 <T تعداد را گسترش می دهد>
BesselI1 <T تعداد را گسترش می دهد>
BesselJ0 <T تعداد را گسترش می دهد>
BesselJ1 <T تعداد را گسترش می دهد>
BesselK0 <T تعداد را گسترش می دهد>
BesselK0e <T تعداد را گسترش می دهد>
BesselK1 <T تعداد را گسترش می دهد>
BesselK1e <T تعداد را گسترش می دهد>
BesselY0 <T تعداد را گسترش می دهد>
BesselY1 <T تعداد را گسترش می دهد>
بیت‌کست <U>	یک تانسور را از یک نوع به نوع دیگر بدون کپی کردن داده ارسال می کند.
BlockLSTM <T تعداد را گسترش می دهد>	انتشار سلول LSTM به جلو را برای تمام مراحل زمانی محاسبه می کند.
BlockLSTMGrad <T گسترش شماره>	انتشار سلول LSTM به عقب را برای کل توالی زمانی محاسبه می کند.
BlockLSTMGradV2 <T تعداد را گسترش می دهد>	انتشار سلول LSTM به عقب را برای کل توالی زمانی محاسبه می کند.
BlockLSTMV2 <T تعداد را گسترش می دهد>	انتشار سلول LSTM به جلو را برای تمام مراحل زمانی محاسبه می کند.
BoostedTreesAggregateStats	خلاصه آمار انباشته شده را برای دسته جمع آوری می کند.
BoostedTreesBucketize	هر ویژگی را بر اساس مرزهای سطل سطل کنید.
BoostedTreesCalculateBestFeatureSplit	سود هر ویژگی را محاسبه می کند و بهترین اطلاعات تقسیم ممکن را برای ویژگی برمی گرداند.
BoostedTreesCalculateBestFeatureSplitV2	سود هر ویژگی را محاسبه می کند و بهترین اطلاعات تقسیم ممکن را برای هر گره برمی گرداند.
BoostedTreesCalculateBestGainsPerFeature	سود هر ویژگی را محاسبه می کند و بهترین اطلاعات تقسیم ممکن را برای ویژگی برمی گرداند.
BoostedTreesCenterBias	پیشین را از داده های آموزشی محاسبه می کند (بایاس) و اولین گره را با پیشین logits پر می کند.
BoostedTreesCreateEnsemble	یک مدل مجموعه درختی ایجاد می کند و یک دسته را به آن برمی گرداند.
BoostedTreesCreateQuantileStreamResource	منبع برای Quantile Streams ایجاد کنید.
BoostedTreesDeserializeEnsemble	پیکربندی مجموعه درختی سریالی را از حالت سریال خارج می کند و درخت فعلی را جایگزین می کند گروه
BoostedTreesEnsembleResourceHandleOp	یک دسته برای یک BoostedTreesEnsembleResource ایجاد می کند
BoostedTreesExampleDebugOutputs	اشکال زدایی/خروجی های تفسیرپذیری مدل برای هر مثال.
BoostedTreesFlushQuantileSummaries	خلاصه‌های چندک را از هر منبع جریان چندک بشویید.
BoostedTreesGetEnsembleStates	نشانه تمبر منابع مجموعه درختی، تعداد درختان و آمار رشد را بازیابی می کند.
BoostedTreesMakeQuantileSummaries	خلاصه چندک ها را برای دسته تهیه می کند.
BoostedTreesMakeStatsSummary	خلاصه ای از آمار انباشته شده را برای دسته ایجاد می کند.
BoostedTreesPredict	پیش‌بینی‌کننده‌های گروه رگرسیون افزایشی چندگانه را روی نمونه‌های ورودی و لاجیت ها را محاسبه می کند.
BoostedTreesQuantileStreamResourceAddSummaries	خلاصه‌های کمیت را به هر منبع جریان چندک اضافه کنید.
BoostedTreesQuantileStreamResourceDeserialize	مرزهای سطل را از حالت سریال خارج کنید و پرچم آماده را در QuantileAccumulator فعلی علامت گذاری کنید.
BoostedTreesQuantileStreamResourceFlush	خلاصه‌ها را برای یک منبع جریان چندگانه شستشو دهید.
BoostedTreesQuantileStreamResourceGetBucketBoundaries	بر اساس خلاصه های انباشته شده، مرزهای سطل را برای هر ویژگی ایجاد کنید.
BoostedTreesQuantileStreamResourceHandleOp	یک دسته برای BoostedTreesQuantileStreamResource ایجاد می کند.
BoostedTreesSerializeEnsemble	مجموعه درخت را به یک پروتو سریال می کند.
BoostedTreesSparseAggregateStats	خلاصه آمار انباشته شده را برای دسته جمع آوری می کند.
BoostedTreesSparseCalculateBestFeatureSplit	سود هر ویژگی را محاسبه می کند و بهترین اطلاعات تقسیم ممکن را برای ویژگی برمی گرداند.
BoostedTreesTrainingPredict	پیش‌بینی‌کننده‌های گروه رگرسیون افزایشی چندگانه را روی نمونه‌های ورودی و به روز رسانی را به لاجیت های کش محاسبه می کند.
BoostedTreesUpdateEnsemble	با افزودن یک لایه به آخرین درخت در حال رشد، مجموعه درختی را به روز می کند یا با شروع یک درخت جدید.
BoostedTreesUpdateEnsembleV2	با افزودن یک لایه به آخرین درخت در حال رشد، مجموعه درختی را به روز می کند یا با شروع یک درخت جدید.
BroadcastDynamicShape <T تعداد را گسترش می دهد>	شکل s0 op s1 را با پخش برگردانید.
BroadcastGradientArgs <T تعداد را گسترش می دهد>	شاخص های کاهش را برای محاسبه گرادیان های s0 op s1 با پخش برگردانید.
BroadcastTo <T>	پخش یک آرایه برای یک شکل سازگار.
سطل کردن	"ورودی" را بر اساس "مرزها" سطل می کند.
CSRSparseMatrixComponents <T>	مؤلفه‌های CSR را در «شاخص» دسته‌ای می‌خواند.
CSRSparseMatrixToDense <T>	یک CSRSparseMatrix (احتمالا دسته ای) را به متراکم تبدیل کنید.
CSRSparseMatrixToSparseTensor <T>	یک CSRSparesMatrix (احتمالا دسته‌ای) را به SparseTensor تبدیل می‌کند.
CSVDataset
CSVDatasetV2
CTCLossV2	CTC Loss (احتمال ورود به سیستم) را برای هر ورودی دسته محاسبه می کند.
CacheDatasetV2
CheckNumericsV2 <T extensions Number>	یک تانسور را برای مقادیر NaN، -Inf و +Inf بررسی می کند.
FastestDataset را انتخاب کنید
ClipByValue <T>	مقادیر تانسور را به حداقل و حداکثر مشخص می کند.
CollateTPUEmbeddingMemory	عملیاتی که پروتوهای پیکربندی حافظه رمزگذاری شده با رشته را از همه میزبان ها ادغام می کند.
CollectiveAllToAllV2 <T تعداد را گسترش می دهد>	به طور متقابل تانسورهای متعدد از نوع و شکل یکسان را مبادله می کند.
CollectiveAllToAllV3 <T تعداد را گسترش می دهد>	به طور متقابل تانسورهای متعدد از نوع و شکل یکسان را مبادله می کند.
CollectiveAssignGroupV2	کلیدهای گروه را بر اساس تکلیف گروهی اختصاص دهید.
CollectiveBcastRecvV2 <U>	یک مقدار تانسور را از دستگاه دیگری دریافت می کند.
CollectiveBcastSendV2 <T>	یک مقدار تانسور را به یک یا چند دستگاه دیگر پخش می کند.
CollectiveGather <T گسترش شماره>	متقابل تانسورهای متعدد از نوع و شکل یکسان را جمع می کند.
CollectiveGatherV2 <T تعداد را گسترش می دهد>	متقابل تانسورهای متعدد از نوع و شکل یکسان را جمع می کند.
CollectiveInitializeCommunicator	یک گروه را برای عملیات جمعی راه اندازی می کند.
CollectivePermute <T>	عملیاتی برای جابجایی تانسورها در نمونه های تکرار شده TPU.
CollectiveReduceScatterV2 <T تعداد را گسترش می دهد>	به طور متقابل تانسورهای متعدد از نوع و شکل یکسان را کاهش می دهد و نتیجه را پراکنده می کند.
CollectiveReduceV2 <T تعداد را گسترش می دهد>	به طور متقابل تانسورهای متعدد از نوع و شکل یکسان را کاهش می دهد.
CollectiveReduceV3 <T تعداد را گسترش می دهد>	به طور متقابل تانسورهای متعدد از نوع و شکل یکسان را کاهش می دهد.
CombinedNonMaxSuppression	حریصانه زیرمجموعه ای از جعبه های مرزی را به ترتیب امتیاز نزولی انتخاب می کند، این عملیات non_max_suppression را روی ورودی‌های هر دسته، در همه کلاس‌ها انجام می‌دهد.
CompositeTensorVariantFromComponents	یک مقدار «ExtensionType» را در یک تانسور اسکالر «واریانت» رمزگذاری می‌کند.
CompositeTensorVariantToComponents	یک تانسور اسکالر «نوعی» را به مقدار «ExtensionType» رمزگشایی می‌کند.
CompressElement	یک عنصر مجموعه داده را فشرده می کند.
ComputeBatchSize	اندازه دسته ایستا یک مجموعه داده بدون دسته های جزئی را محاسبه می کند.
ComputeDedupDataTupleMask	یک عملیات ماسک تاپلی از داده‌های deduplication را از هسته جاسازی شده محاسبه می‌کند.
Concat <T>	تانسورها را در یک بعد به هم متصل می کند.
ConfigureAndInitializeGlobalTPU	عملیاتی که ساختارهای متمرکز را برای یک سیستم TPU توزیع شده تنظیم می کند.
ConfigureDistributedTPU	ساختارهای متمرکز را برای یک سیستم TPU توزیع شده تنظیم می کند.
پیکربندی TPUEmbedding	TPUEmbedding را در یک سیستم TPU توزیع شده تنظیم می کند.
پیکربندی TPUEmbeddingHost	عملیاتی که نرم افزار TPUEmbedding را روی یک میزبان پیکربندی می کند.
پیکربندی TPUEmbeddingMemory	عملیاتی که نرم افزار TPUEmbedding را روی یک میزبان پیکربندی می کند.
ConnectTPUEmbeddingHosts	عملیاتی که ارتباط بین نمونه های نرم افزار میزبان TPUEmbedding را تنظیم می کند پس از اینکه ConfigureTPUEmbeddingHost روی هر میزبان فراخوانی شد.
ثابت <T>	عملگر که مقدار ثابتی را تولید می کند.
ConsumeMutexLock	این عملیات یک قفل ایجاد شده توسط "MutexLock" را مصرف می کند.
ControlTrigger	هیچ کاری نمی کند.
Conv2DBackpropFilterV2 <T تعداد را گسترش می دهد>	گرادیان کانولوشن را با توجه به فیلتر محاسبه می کند.
Conv2DBackpropInputV2 <T تعداد را گسترش می دهد>	شیب کانولوشن را با توجه به ورودی محاسبه می کند.
<T> را کپی کنید	یک تانسور را از CPU به CPU یا GPU به GPU کپی کنید.
CopyHost <T>	یک تانسور را در میزبان کپی کنید.
CopyToMesh <T>
CopyToMeshGrad <T>
CountUpTo <T تعداد را گسترش می دهد>	"ref" را تا رسیدن به "حد" افزایش می دهد.
CrossReplicaSum <T تعداد را گسترش می دهد>	یک عملیات جمع‌آوری ورودی‌ها در نمونه‌های تکراری TPU.
CudnnRNNBackpropV3 <T تعداد را گسترش می دهد>	مرحله پشتیبان CudnnRNNV3.
CudnnRNNCanonicalToParamsV2 <T Extends Number>	پارامترهای CudnnRNN را از فرم متعارف به فرم قابل استفاده تبدیل می کند.
CudnnRNNParamsToCanonicalV2 <T Extends Number>	پارامترهای CudnnRNN را به شکل متعارف بازیابی می کند.
CudnnRNNV3 <T تعداد را گسترش می دهد>	یک RNN با پشتیبانی cuDNN.
CumulativeLogsumexp <Textss Number>	حاصلضرب تجمعی تانسور x را در امتداد «محور» محاسبه کنید.
DTensorRestoreV2
DTensorSetGlobalTPUArray	عملیاتی که به میزبانی از شناسه های جهانی همه TPU های موجود در سیستم اطلاع می دهد.
DataServiceDataset	مجموعه داده ای ایجاد می کند که داده ها را از سرویس tf.data می خواند.
DataServiceDatasetV2	مجموعه داده ای ایجاد می کند که داده ها را از سرویس tf.data می خواند.
DatasetCardinality	اصلی بودن «مجموعه_داده‌های ورودی» را برمی‌گرداند.
DatasetFromGraph	یک مجموعه داده از «graph_def» داده شده ایجاد می کند.
DatasetToGraphV2	یک GraphDef سریالی را که «مجموعه داده‌های ورودی» را نشان می‌دهد، برمی‌گرداند.
Dawsn <T تعداد را گسترش می دهد>
DebugGradientIdentity <T>	قابلیت شناسایی برای اشکال زدایی گرادیان.
DebugGradientRefIdentity <T>	قابلیت شناسایی برای اشکال زدایی گرادیان.
DebugIdentity <T>	یک نقشه هویتی از تانسور ورودی نوع غیر Ref برای اشکال زدایی ارائه می دهد.
DebugIdentityV2 <T>	Debug Identity V2 Op.
DebugNanCount	Debug NaN Value Counter Op.
DebugNumericSummary	اشکال زدایی خلاصه عددی عملیات
DebugNumericSummaryV2 <U extends Number>	اشکال زدایی خلاصه عددی V2 Op.
DecodeImage <T تعداد را گسترش می دهد>	تابعی برای decode_bmp، decode_gif، decode_jpeg و decode_png.
DecodePaddedRaw <T تعداد را گسترش می دهد>	بایت های یک رشته را مجدداً به عنوان بردار اعداد تفسیر کنید.
رمزگشایی پروتو	عملیات، فیلدها را از یک پروتکل سریالی، پیام را به تانسورها استخراج می کند.
DeepCopy <T>	یک کپی از `x` ایجاد می کند.
DeleteIterator	ظرفی برای یک منبع تکرارکننده.
حذف MemoryCache
حذف MultiDeviceIterator	ظرفی برای یک منبع تکرارکننده.
حذف RandomSeedGenerator
حذف SeedGenerator
DeleteSessionTensor	تانسور مشخص شده توسط دسته آن در جلسه را حذف کنید.
DenseBincount <U extends Number>	تعداد دفعات هر مقدار را در یک آرایه عدد صحیح می شمارد.
DenseCountSparseOutput <U extends Number>	شمارش سطل خروجی پراکنده را برای ورودی tf.tensor انجام می دهد.
DenseToCSRSparseMatrix	یک تانسور متراکم را به یک CSRSparseMatrix (احتمالا دسته‌ای) تبدیل می‌کند.
DestroyResourceOp	منبع مشخص شده توسط دسته را حذف می کند.
DestroyTemporaryVariable <T>	متغیر موقت را از بین می برد و مقدار نهایی آن را برمی گرداند.
DeviceIndex	فهرست دستگاهی را که عملیات اجرا می کند برگردانید.
DirectedInterleaveDataset	جایگزینی برای «InterleaveDataset» در یک لیست ثابت از مجموعه داده «N».
غیرفعال کردن CopyOnRead	حالت کپی در خواندن را خاموش می کند.
توزیع شده ذخیره کنید
DrawBoundingBoxesV2 <T تعداد را گسترش می دهد>	بر روی دسته ای از تصاویر، کادرهای مرزی را رسم کنید.
DummyIterationCounter
DummyMemoryCache
DummySeedGenerator
DynamicEnqueueTPUEmbeddingArbitraryTensorBatch	انتقال کدهایی را که از ()tf.nn.embedding_lookup_sparse استفاده می کند، آسان می کند.
DynamicPartition <T>	"داده" را با استفاده از شاخص های "پارتیشن" به تانسورهای "تعداد_پارتیشن" تقسیم می کند.
DynamicStitch <T>	مقادیر تانسورهای «داده» را در یک تانسور واحد قرار دهید.
Edit Distance	فاصله ویرایش لوونشتاین (احتمالاً نرمال شده) را محاسبه می کند.
Eig <U>	تجزیه ویژه یک یا چند ماتریس مربع را محاسبه می کند.
Einsum <T>	انقباض تانسور طبق قرارداد جمع انیشتین.
<T> را خالی کنید	با شکل داده شده یک تانسور ایجاد می کند.
EmptyTensorList	یک لیست تانسور خالی ایجاد و برمی گرداند.
EmptyTensorMap	یک نقشه تانسور خالی ایجاد و برمی گرداند.
EncodeProto	عملیات، پیام های پروتوباف ارائه شده در تانسورهای ورودی را سریال می کند.
EnqueueTPUEmbeddingArbitraryTensorBatch	انتقال کدهایی را که از ()tf.nn.embedding_lookup_sparse استفاده می کند، آسان می کند.
EnqueueTPUEmbeddingBatch	عملیاتی که لیستی از تانسورهای دسته ای ورودی را در TPUEmbedding قرار می دهد.
EnqueueTPUEmbeddingIntegerBatch	عملیاتی که لیستی از تانسورهای دسته ای ورودی را در TPUEmbedding قرار می دهد.
EnqueueTPUEmbeddingRaggedTensorBatch	انتقال کدهایی را که از () tf.nn.embedding_lookup استفاده می کند، آسان می کند.
EnqueueTPUEmbeddingSparseBatch	عملیاتی که شاخص های ورودی TPUEmbedding را از SparseTensor در صف قرار می دهد.
EnqueueTPUEmbeddingSparseTensorBatch	انتقال کدهایی را که از ()tf.nn.embedding_lookup_sparse استفاده می کند، آسان می کند.
EnsureShape <T>	اطمینان حاصل می کند که شکل تانسور با شکل مورد انتظار مطابقت دارد.
<T> را وارد کنید	یک فریم فرزند ایجاد یا پیدا می‌کند و «داده‌ها» را در اختیار فریم فرزند قرار می‌دهد.
Erfinv <T گسترش شماره>
هنجار اقلیدسی <T>	هنجار اقلیدسی عناصر را در ابعاد یک تانسور محاسبه می کند.
ExecuteTPUEmbeddingPartitioner	عملیاتی که پارتیشن‌کننده TPUEmbedding را در پیکربندی مرکزی اجرا می‌کند دستگاه و اندازه HBM (بر حسب بایت) مورد نیاز برای عملیات TPUEmbedding را محاسبه می کند.
از <T> خارج شوید	از فریم فعلی به فریم اصلی خود خارج می شود.
ExpandDims <T>	بعد 1 را به شکل تانسور وارد می کند.
ExperimentalAutoShardDataset	مجموعه داده ای ایجاد می کند که مجموعه داده ورودی را خرد می کند.
ExperimentalBytesProducedStatsDataset	اندازه بایت هر عنصر «مجموعه_داده‌های ورودی» را در یک StatsAggregator ثبت می‌کند.
ExperimentalChooseFastestDataset
ExperimentalDatasetCardinality	اصلی بودن «مجموعه_داده‌های ورودی» را برمی‌گرداند.
ExperimentalDatasetToTFRecord	مجموعه داده داده شده را با استفاده از فرمت TFRecord در فایل داده شده می نویسد.
ExperimentalDenseToSparseBatchDataset	مجموعه داده ای ایجاد می کند که عناصر ورودی را در یک SparseTensor دسته بندی می کند.
ExperimentalLatencyStatsDataset	تأخیر تولید عناصر «مجموعه داده‌های ورودی» را در StatsAggregator ثبت می‌کند.
ExperimentalMatchingFilesDataset
ExperimentalMaxIntraOpParallelismDataset	مجموعه داده ای ایجاد می کند که حداکثر موازی کاری درون عملیاتی را لغو می کند.
ExperimentalParseExampleDataset	«مجموعه داده‌های ورودی» حاوی پروتوهای «نمونه» را به عنوان بردارهای DT_STRING به مجموعه داده‌ای از اشیاء «Tensor» یا «SparseTensor» تبدیل می‌کند که نمایانگر ویژگی‌های تجزیه‌شده است.
ExperimentalPrivateThreadPoolDataset	مجموعه داده‌ای ایجاد می‌کند که از یک مجموعه رشته سفارشی برای محاسبه «مجموعه داده‌های ورودی» استفاده می‌کند.
ExperimentalRandomDataset	مجموعه داده ای ایجاد می کند که اعداد شبه تصادفی را برمی گرداند.
ExperimentalRebatchDataset	یک مجموعه داده ایجاد می کند که اندازه دسته را تغییر می دهد.
ExperimentalSetStatsAggregatorDataset
ExperimentalSlidingWindowDataset	مجموعه داده ای ایجاد می کند که یک پنجره کشویی را روی «مجموعه داده های ورودی» عبور می دهد.
ExperimentalSqlDataset	مجموعه داده ای ایجاد می کند که یک پرس و جوی SQL را اجرا می کند و ردیف هایی از مجموعه نتایج را منتشر می کند.
ExperimentalStatsAggregatorHandle	یک منبع مدیر آمار ایجاد می کند.
ExperimentalStatsAggregatorSummary	خلاصه ای از هر آمار ثبت شده توسط مدیر آمار داده شده را تولید می کند.
ExperimentalUnbatchDataset	مجموعه داده ای که عناصر ورودی خود را به چندین عنصر تقسیم می کند.
Expint <T extends Number>
ExtractGlimpseV2	یک نگاه اجمالی از تانسور ورودی استخراج می کند.
ExtractVolumePatches <T extends Number>	«وصله‌ها» را از «ورودی» استخراج کرده و در بعد خروجی «عمق» قرار دهید.
FileSystemSetConfiguration	تنظیمات فایل سیستم را تنظیم کنید.
<U> را پر کنید	یک تانسور پر از یک مقدار اسکالر ایجاد می کند.
FinalizeDataset	با اعمال `tf.data.Options` در "input_dataset" یک مجموعه داده ایجاد می کند.
FinalizeTPUEmbedding	عملیاتی که پیکربندی TPUEmbedding را نهایی می کند.
اثر انگشت	مقادیر اثر انگشت را ایجاد می کند.
FresnelCos <T گسترش شماره>
FresnelSin <T تعداد را گسترش می دهد>
FusedBatchNormGradV3 <T تعداد را گسترش می دهد، U تعداد را گسترش می دهد>	گرادیان برای عادی سازی دسته ای.
FusedBatchNormV3 <T تعداد را گسترش می دهد، U تعداد را گسترش می دهد>	نرمال سازی دسته ای
GRUBlockCell <T تعداد را گسترش می دهد>	انتشار سلول GRU را برای 1 مرحله زمانی محاسبه می کند.
GRUBlockCellGrad <T تعداد را گسترش می دهد>	انتشار مجدد سلول GRU را برای 1 مرحله زمانی محاسبه می کند.
جمع آوری <T>	برش‌هایی را از محور «پارام‌ها» با توجه به «شاخص‌ها» جمع‌آوری کنید.
جمع آوری <T>	برش‌ها را از «پارام‌ها» در یک تانسور با شکل مشخص شده با «شاخص‌ها» جمع‌آوری کنید.
GenerateBoundingBoxProposals	این عملیات منطقه علایق را از جعبه‌های مرزبندی داده شده (bbox_deltas) لنگرهای wrt کدگذاری شده مطابق معادله 2 در arXiv:1506.01497 تولید می‌کند. این عملیات جعبه‌های امتیازدهی برتر «pre_nms_topn» را انتخاب می‌کند، آن‌ها را با توجه به لنگرها رمزگشایی می‌کند، در جعبه‌های همپوشانی با مقدار تقاطع بیش از «nms_threshold» بالاتر از «nms_threshold»، کادرهایی را که ضلع کوتاه‌تر از «» کمتر است، اعمال می‌کند. min_size`.
GetElementAtIndex	عنصر را در شاخص مشخص شده در یک مجموعه داده دریافت می کند.
GetOptions	`tf.data.Options` متصل به "input_dataset" را برمی گرداند.
GetSessionHandle	تانسور ورودی را در وضعیت جلسه جاری ذخیره کنید.
GetSessionTensor <T>	مقدار تانسور مشخص شده توسط دسته آن را بدست آورید.
GuaranteeConst <T>	به زمان اجرای TF تضمین می دهد که تانسور ورودی ثابت است.
جدول هش	یک جدول هش غیر اولیه ایجاد می کند.
HistogramFixedWidth <U extends Number>	هیستوگرام مقادیر را برگردانید.
هویت <T>	یک تانسور با شکل و محتویات مشابه تانسور یا مقدار ورودی را برگردانید.
IdentityN	فهرستی از تانسورها را با اشکال و محتویات مشابه ورودی برمی‌گرداند تانسورها
IgnoreErrorsDataset	مجموعه داده‌ای ایجاد می‌کند که حاوی عناصر «مجموعه داده‌های ورودی» است و خطاها را نادیده می‌گیرد.
ImageProjectiveTransformV2 <T تعداد را گسترش می دهد>	تبدیل داده شده را برای هر یک از تصاویر اعمال می کند.
ImageProjectiveTransformV3 <T تعداد را گسترش می دهد>	تبدیل داده شده را برای هر یک از تصاویر اعمال می کند.
ImmutableConst <T>	تانسور تغییرناپذیر را از ناحیه حافظه برمی‌گرداند.
InfeedDequeue <T>	یک گزینه نگهدارنده برای مقداری که به محاسبات وارد می شود.
InfeedDequeueTuple	چندین مقدار را از فید به عنوان یک تاپل XLA واکشی می کند.
InfeedEnqueue	عملیاتی که یک مقدار Tensor را وارد محاسبات می کند.
InfeedEnqueuePrelinearizedBuffer	عملیاتی که بافر از پیش خطی شده را در ورودی TPU قرار می دهد.
InfeedEnqueueTuple	چندین مقدار Tensor را به عنوان یک تاپل XLA وارد محاسبات می کند.
InitializeTable	آغازگر جدول که به ترتیب دو تانسور برای کلیدها و مقادیر می گیرد.
InitializeTableFromDataset
InitializeTableFromTextFile	یک جدول را از یک فایل متنی مقداردهی اولیه می کند.
InplaceAdd <T>	v را به ردیف های مشخص شده x اضافه می کند.
InplaceSub <T>	"v" را به ردیف های مشخص شده "x" تفریق می کند.
InplaceUpdate <T>	سطرهای مشخص شده "i" را با مقادیر "v" به روز می کند.
IsBoostedTreesEnsembleInitialized شده است	بررسی می کند که آیا یک مجموعه درختی مقداردهی اولیه شده است یا خیر.
IsBoostedTreesQuantileStreamResourceInitialized	بررسی می‌کند که آیا یک جریان چندکی مقداردهی اولیه شده است یا خیر.
IsTPUEmbeddingInitialized	اینکه آیا TPU Embedding در یک سیستم TPU توزیع شده مقداردهی اولیه شده است یا خیر.
IsVariableInitialized	بررسی می کند که آیا یک تانسور مقداردهی اولیه شده است یا خیر.
ایزوتونیک رگرسیون <U تعداد را گسترش می دهد>	دسته ای از مشکلات رگرسیون ایزوتونیک را حل می کند.
IteratorGetDevice	نام دستگاهی را که «منبع» روی آن قرار داده شده است، برمی‌گرداند.
KMC2ChainInitialization	شاخص نقطه داده ای را که باید به مجموعه seed اضافه شود، برمی گرداند.
KmeansPlusPlusInitialization	num_to_sample ردیف های ورودی را با استفاده از معیار KMeans++ انتخاب می کند.
KthOrderStatistic	آمار Kth مرتبه یک مجموعه داده را محاسبه می کند.
LMDBDataset	مجموعه داده ای ایجاد می کند که جفت های کلید-مقدار را در یک یا چند فایل LMDB منتشر می کند.
LSTMBlockCell <T تعداد را گسترش می دهد>	انتشار سلول LSTM به جلو را برای 1 مرحله زمانی محاسبه می کند.
LSTMBlockCellGrad <T تعداد را گسترش می دهد>	انتشار سلول LSTM به عقب را برای 1 مرحله زمانی محاسبه می کند.
LinSpace <T تعداد را گسترش می دهد>	مقادیر را در یک بازه تولید می کند.
ListDataset	مجموعه داده ای ایجاد می کند که هر یک از «تانسورها» را یک بار منتشر می کند.
LoadAllTPUEmbeddingParameters	عملیاتی که پارامترهای بهینه سازی را در حافظه جاسازی شده بارگذاری می کند.
LoadTPUEmbeddingADAMParameters	بارگذاری پارامترهای جاسازی ADAM.
LoadTPUEmbeddingAdadeltaParameters	بارگذاری پارامترهای جاسازی Adadelta.
LoadTPUEmbeddingAdagradMomentumParameters	پارامترهای جاسازی Adagrad Momentum را بارگیری کنید.
LoadTPUEmbeddingAdagradParameters	بارگذاری پارامترهای جاسازی Adagrad.
LoadTPUEmbeddingCenteredRMSPropParameters	بارگذاری محور پارامترهای جاسازی RMSProp.
LoadTPUEmbeddingFTRLParameters	بارگذاری پارامترهای جاسازی FTRL.
LoadTPUEmbeddingFrequencyEstimatorParameters	پارامترهای تعبیه شده برآوردگر فرکانس بار.
LoadTPUEmbeddingMDLAdagradLightParameters	بارگذاری پارامترهای تعبیه نور MDL Adagrad.
LoadTPUEmbeddingMomentumParameters	پارامترهای جاسازی مومنتوم بار.
LoadTPUEmbeddingProximalAdagradParameters	بارگذاری پارامترهای جاسازی پروگزیمال Adagrad.
LoadTPUEmbeddingProximalYogiParameters
LoadTPUEmbeddingRMSPropParameters	بارگذاری پارامترهای جاسازی RMSProp.
LoadTPUEmbeddingStochasticGradientDescentParameters	بارگذاری پارامترهای جاسازی SGD.
LookupTableExport <T, U>	خروجی تمام کلیدها و مقادیر جدول.
LookupTable <U> را پیدا کنید	کلیدها را در یک جدول جستجو می کند، مقادیر مربوطه را خروجی می کند.
LookupTableImport	محتویات جدول را با کلیدها و مقادیر مشخص شده جایگزین می کند.
LookupTableInsert	جدول را به روز می کند تا کلیدها را با مقادیر مرتبط کند.
LookupTableRemove	کلیدها و مقادیر مرتبط با آن را از جدول حذف می کند.
LookupTableSize	تعداد عناصر جدول داده شده را محاسبه می کند.
LoopCond	ورودی را به خروجی فوروارد می کند.
LowerBound <U extends Number>	پایین_کران (مقادیر_جستجوی_مرتب‌شده، مقادیر) را در امتداد هر ردیف اعمال می‌کند.
Lu <T، U تعداد را گسترش می دهد>	تجزیه LU یک یا چند ماتریس مربع را محاسبه می کند.
MakeUnique	همه عناصر در بعد غیر دسته ای را منحصر به فرد کنید، اما \"نزدیک\" به ارزش اولیه آنها
MapClear	Op تمام عناصر موجود در ظرف زیرین را حذف می کند.
MapIncompleteSize	Op تعداد عناصر ناقص را در ظرف زیرین برمی گرداند.
MapPeek	Op به مقادیر موجود در کلید مشخص شده نگاه می کند.
اندازه ی نقشه	Op تعداد عناصر موجود در ظرف زیرین را برمی گرداند.
MapStage	مرحله (کلید، مقادیر) در کانتینر زیرین که مانند یک هشت‌تابل رفتار می‌کند.
MapUnstage	Op مقادیر مرتبط با کلید را حذف و برمی گرداند از ظرف زیرین
MapUnstageNoKey	Op یک تصادفی (کلید، مقدار) را حذف و برمی گرداند. از ظرف زیرین
MatrixDiagPartV2 <T>	قسمت مورب دسته بندی شده یک تانسور دسته ای را برمی گرداند.
MatrixDiagPartV3 <T>	قسمت مورب دسته بندی شده یک تانسور دسته ای را برمی گرداند.
MatrixDiagV2 <T>	یک تانسور مورب دسته‌ای را با مقادیر مورب دسته‌ای داده شده برمی‌گرداند.
MatrixDiagV3 <T>	یک تانسور مورب دسته‌ای را با مقادیر مورب دسته‌ای داده شده برمی‌گرداند.
MatrixSetDiagV2 <T>	یک تانسور ماتریس دسته‌ای را با مقادیر مورب دسته‌ای جدید برمی‌گرداند.
MatrixSetDiagV3 <T>	یک تانسور ماتریس دسته‌ای را با مقادیر مورب دسته‌ای جدید برمی‌گرداند.
حداکثر <T>	حداکثر عناصر را در ابعاد یک تانسور محاسبه می کند.
مجموعه داده MaxIntraOpParallelism	مجموعه داده ای ایجاد می کند که حداکثر موازی کاری درون عملیاتی را لغو می کند.
ادغام <T>	مقدار یک تانسور موجود را از "ورودی" به "خروجی" منتقل می کند.
MergeDedupData	یک op عناصر تانسورهای عدد صحیح و شناور را در داده‌های deduplication به عنوان تاپل XLA ادغام می‌کند.
حداقل <T>	حداقل عناصر را در ابعاد یک تانسور محاسبه می کند.
MirrorPad <T>	یک تانسور را با مقادیر آینه‌ای قرار می‌دهد.
MirrorPadGrad <T>	عملیات گرادیان برای «MirrorPad» op.
MlirPassthroughOp	یک محاسبات دلخواه MLIR را که به صورت یک ماژول با تابع ()main بیان شده است، می پیچد.
MulNoNan <T>	از نظر عنصر x * y را برمی‌گرداند.
MutableDenseHashTable	یک جدول هش خالی ایجاد می کند که از تانسورها به عنوان ذخیره پشتیبان استفاده می کند.
MutableHashTable	یک جدول هش خالی ایجاد می کند.
MutableHashTableOfTensors	یک جدول هش خالی ایجاد می کند.
موتکس	یک منبع Mutex ایجاد می کند که می تواند توسط "MutexLock" قفل شود.
MutexLock	یک منبع mutex را قفل می کند.
NcclAllReduce <T extensions Number>	خروجی یک تانسور حاوی کاهش در تمام تانسورهای ورودی.
NcclBroadcast <T Extends Number>	"ورودی" را به همه دستگاه هایی که به خروجی متصل هستند ارسال می کند.
NcclReduce <T extends Number>	«ورودی» را از «تعداد_دستگاه‌ها» با استفاده از «کاهش» به یک دستگاه کاهش می‌دهد.
Ndtri <T تعداد را گسترش می دهد>
نزدیکترین همسایه ها	k نزدیکترین مرکز را برای هر نقطه انتخاب می کند.
بعد از <T گسترش شماره>	مقدار قابل نمایش بعدی «x1» را در جهت «x2» از نظر عنصر برمی‌گرداند.
تکرار بعدی <T>	ورودی خود را برای تکرار بعدی در دسترس قرار می دهد.
NoOp	هیچ کاری نمی کند.
NonDeterministicInts <U>	به صورت غیر قطعی تعدادی اعداد صحیح تولید می کند.
NonMaxSuppressionV5 <T تعداد را گسترش می دهد>	حریصانه زیرمجموعه ای از جعبه های مرزی را به ترتیب امتیاز نزولی انتخاب می کند، هرس کردن جعبه هایی که دارای تقاطع بالای اتحاد (IOU) هستند با جعبه های انتخاب شده قبلی همپوشانی دارند.
مجموعه داده های غیر سریالی
OneHot <U>	یک تانسور یک داغ را برمی‌گرداند.
OnesLike <T>	تانسور یکهایی را با شکل و نوع x برمی‌گرداند.
OptimizeDatasetV2	با اعمال بهینه‌سازی‌های مرتبط در «مجموعه داده‌های ورودی»، یک مجموعه داده ایجاد می‌کند.
OptionsDataset	با پیوست کردن tf.data.Options به "input_dataset" یک مجموعه داده ایجاد می کند.
OrderedMapClear	Op تمام عناصر موجود در ظرف زیرین را حذف می کند.
OrderedMapIncompleteSize	Op تعداد عناصر ناقص را در ظرف زیرین برمی گرداند.
سفارش داده شده MapPeek	Op به مقادیر موجود در کلید مشخص شده نگاه می کند.
OrderedMapSize	Op تعداد عناصر موجود در ظرف زیرین را برمی گرداند.
سفارش داده شده MapStage	مرحله (کلید، مقادیر) در ظرف زیرین که مانند یک مرتبه رفتار می کند ظرف انجمنی
OrderedMapUnstage	Op مقادیر مرتبط با کلید را حذف و برمی گرداند از ظرف زیرین
OrderedMapUnstageNoKey	Op عنصر (کلید، مقدار) را با کوچکترین حذف می کند و برمی گرداند کلید از ظرف زیرین
OutfeedDequeue <T>	یک تانسور واحد را از خروجی محاسباتی بازیابی می کند.
OutfeedDequeueTuple	چندین مقدار را از فید محاسباتی بازیابی کنید.
OutfeedDequeueTupleV2	چندین مقدار را از فید محاسباتی بازیابی کنید.
OutfeedDequeueV2 <T>	یک تانسور واحد را از خروجی محاسباتی بازیابی می کند.
OutfeedEnqueue	یک تانسور را در خروجی محاسباتی در صف قرار دهید.
OutfeedEnqueueTuple	چندین مقدار Tensor را روی فید محاسباتی قرار دهید.
پد <T>	یک تانسور را چسبانده است.
ParallelBatchDataset
ParallelConcat <T>	فهرستی از تانسورهای «N» را در امتداد بعد اول به هم پیوند می‌دهد.
ParallelDynamicStitch <T>	مقادیر تانسورهای «داده» را در یک تانسور واحد قرار دهید.
ParseExampleDatasetV2	«مجموعه داده‌های ورودی» حاوی پروتوهای «نمونه» را به عنوان بردارهای DT_STRING به مجموعه داده‌ای از اشیاء «Tensor» یا «SparseTensor» تبدیل می‌کند که نمایانگر ویژگی‌های تجزیه‌شده است.
ParseExampleV2	بردار tf. نمونه پروتوها (به عنوان رشته ها) را به تانسورهای تایپ شده تبدیل می کند.
ParseSequenceExampleV2	بردار پروتوهای tf.io.SequenceExample (به عنوان رشته) را به تانسورهای تایپ شده تبدیل می کند.
جای جای <T>	یک گزینه نگهدارنده برای مقداری که به محاسبات وارد می شود.
PlaceholderWithDefault <T>	یک عملیات نگهدارنده مکان که وقتی خروجی آن تغذیه نمی شود از «ورودی» می گذرد.
از قبل خطی کنید	عملیاتی که یک مقدار تانسور را به یک تانسور نوع مات خطی می کند.
PrelinearizeTuple	عملیاتی که چندین مقدار تانسور را به یک تانسور نوع مات خطی می کند.
چاپ	یک اسکالر رشته ای را چاپ می کند.
PrivateThreadPoolDataset	مجموعه داده‌ای ایجاد می‌کند که از یک مجموعه رشته سفارشی برای محاسبه «مجموعه داده‌های ورودی» استفاده می‌کند.
تولید <T>	حاصل ضرب عناصر در ابعاد یک تانسور را محاسبه می کند.
QuantizeAndDequantizeV4 <T extensions Number>	کوانتیزه می کند و سپس یک تانسور را dequantize می کند.
QuantizeAndDequantizeV4Grad <T Extends Number>	گرادیان «QuantizeAndDequantizeV4» را برمی‌گرداند.
QuantizedConcat <T>	تانسورهای کوانتیزه را در امتداد یک بعد به هم متصل می کند.
QuantizedConcatV2 <T>
QuantizedConv2DAndRelu <V>
QuantizedConv2DAndReluAndRequantize <V>
QuantizedConv2DAndRequantize <V>
QuantizedConv2DPerChannel <V>	محاسبه QuantizedConv2D در هر کانال.
QuantizedConv2DWithBias <V>
QuantizedConv2DWithBiasAndRelu <V>
QuantizedConv2DWithBiasAndReluAndRequantize <W>
QuantizedConv2DWithBiasAndRequantize <W>
QuantizedConv2DWithBiasSignedSumAndReluAndRequantize <X>
QuantizedConv2DWithBiasSumAndRelu <V>
QuantizedConv2DWithBiasSumAndReluAndRequantize <X>
QuantizedDepthwiseConv2D <V>	Conv2D را به صورت عمقی کوانتیزه می کند.
QuantizedDepthwiseConv2DWithBias <V>	Conv2D را به صورت عمقی کوانتیزه شده با Bias محاسبه می کند.
QuantizedDepthwiseConv2DWithBiasAndRelu <V>	Conv2D را با Bias و Relu محاسبه می کند.
QuantizedDepthwiseConv2DWithBiasAndReluAndRequantize <W>	Conv2D را به صورت عمقی با Bias، Relu و Requantize محاسبه می کند.
QuantizedMatMulWithBias <W>	ضرب ماتریس کوانتیزه «a» در ماتریس «b» را با بایاس جمع انجام می دهد.
QuantizedMatMulWithBiasAndDequantize <W extends Number>
QuantizedMatMulWithBiasAndRelu <V>	یک ضرب ماتریس کوانتیزه «a» در ماتریس «b» با بایاس جمع و همجوشی relu انجام دهید.
QuantizedMatMulWithBiasAndReluAndRequantize <W>	یک ضرب ماتریس کوانتیزه «a» در ماتریس «b» را با بایاس جمع و relu انجام دهید و همجوشی را دوباره کوانتیزه کنید.
QuantizedMatMulWithBiasAndRequantize <W>
QuantizedReshape <T>	یک تانسور کوانتیزه را طبق دستور Reshape تغییر شکل می دهد.
RaggedBincount <U extends Number>	تعداد دفعات هر مقدار را در یک آرایه عدد صحیح می شمارد.
RaggedCountSparseOutput <U extends Number>	شمارش سطل خروجی پراکنده را برای ورودی تانسور ناهموار انجام می دهد.
RaggedCross <T, U extensions Number>	یک متقاطع ویژگی از لیستی از تانسورها ایجاد می کند و آن را به عنوان RaggedTensor برمی گرداند.
RaggedFillEmptyRows <T>
RaggedFillEmptyRowsGrad <T>
RaggedGather <T تعداد، U> را گسترش می دهد	برش های ناهموار را از محور «params» «0» بر اساس «شاخص ها» جمع آوری کنید.
RaggedRange <U عدد را گسترش می دهد، T عدد را گسترش می دهد>	یک "RaggedTensor" حاوی دنباله های مشخص شده از اعداد را برمی گرداند.
RaggedTensorFromVariant <U تعداد، T را گسترش می دهد	یک تانسور «نوعی» را به «تنسور Ragged» رمزگشایی می‌کند.
RaggedTensorToSparse <U>	Converts a `RaggedTensor` into a `SparseTensor` with the same values.
RaggedTensorToTensor <U>	Create a dense tensor from a ragged tensor, possibly altering its shape.
RaggedTensorToVariant	Encodes a `RaggedTensor` into a `variant` Tensor.
RaggedTensorToVariantGradient <U>	Helper used to compute the gradient for `RaggedTensorToVariant`.
RandomDatasetV2	Creates a Dataset that returns pseudorandom numbers.
RandomIndexShuffle <T extends Number>	Outputs the position of `value` in a permutation of [0, ..., max_index].
Range <T extends Number>	Creates a sequence of numbers.
Rank	Returns the rank of a tensor.
ReadVariableOp <T>	Reads the value of a variable.
ReadVariableXlaSplitND <T>	Splits resource variable input tensor across all dimensions.
RebatchDataset	Creates a dataset that changes the batch size.
RebatchDatasetV2	Creates a dataset that changes the batch size.
Recv <T>	Receives the named tensor from send_device on recv_device.
RecvTPUEmbeddingActivations	An op that receives embedding activations on the TPU.
ReduceAll	Computes the "logical and" of elements across dimensions of a tensor.
ReduceAny	Computes the "logical or" of elements across dimensions of a tensor.
ReduceMax <T>	Computes the maximum of elements across dimensions of a tensor.
ReduceMin <T>	Computes the minimum of elements across dimensions of a tensor.
ReduceProd <T>	Computes the product of elements across dimensions of a tensor.
ReduceSum <T>	Computes the sum of elements across dimensions of a tensor.
RefEnter <T>	Creates or finds a child frame, and makes `data` available to the child frame.
RefExit <T>	Exits the current frame to its parent frame.
RefIdentity <T>	Return the same ref tensor as the input ref tensor.
RefMerge <T>	Forwards the value of an available tensor from `inputs` to `output`.
RefNextIteration <T>	Makes its input available to the next iteration.
RefSelect <T>	Forwards the `index`th element of `inputs` to `output`.
RefSwitch <T>	Forwards the ref tensor `data` to the output port determined by `pred`.
RegisterDataset	Registers a dataset with the tf.data service.
RegisterDatasetV2	Registers a dataset with the tf.data service.
Relayout <T>
RelayoutGrad <T>
RequantizationRangePerChannel	Computes requantization range per channel.
RequantizePerChannel <U>	Requantizes input with min and max values known per channel.
Reshape <T>	Reshapes a tensor.
ResourceAccumulatorApplyGradient	Applies a gradient to a given accumulator.
ResourceAccumulatorNumAccumulated	Returns the number of gradients aggregated in the given accumulators.
ResourceAccumulatorSetGlobalStep	Updates the accumulator with a new value for global_step.
ResourceAccumulatorTakeGradient <T>	Extracts the average gradient in the given ConditionalAccumulator.
ResourceApplyAdagradV2	Update '*var' according to the adagrad scheme.
ResourceApplyAdamWithAmsgrad	Update '*var' according to the Adam algorithm.
ResourceApplyKerasMomentum	Update '*var' according to the momentum scheme.
ResourceConditionalAccumulator	A conditional accumulator for aggregating gradients.
ResourceCountUpTo <T extends Number>	Increments variable pointed to by 'resource' until it reaches 'limit'.
ResourceGather <U>	Gather slices from the variable pointed to by `resource` according to `indices`.
ResourceGatherNd <U>
ResourceScatterAdd	Adds sparse updates to the variable referenced by `resource`.
ResourceScatterDiv	Divides sparse updates into the variable referenced by `resource`.
ResourceScatterMax	Reduces sparse updates into the variable referenced by `resource` using the `max` operation.
ResourceScatterMin	Reduces sparse updates into the variable referenced by `resource` using the `min` operation.
ResourceScatterMul	Multiplies sparse updates into the variable referenced by `resource`.
ResourceScatterNdAdd	Applies sparse addition to individual values or slices in a Variable.
ResourceScatterNdMax
ResourceScatterNdMin
ResourceScatterNdSub	Applies sparse subtraction to individual values or slices in a Variable.
ResourceScatterNdUpdate	Applies sparse `updates` to individual values or slices within a given variable according to `indices`.
ResourceScatterSub	Subtracts sparse updates from the variable referenced by `resource`.
ResourceScatterUpdate	Assigns sparse updates to the variable referenced by `resource`.
ResourceSparseApplyAdagradV2	Update relevant entries in 'var' and 'accum' according to the adagrad scheme.
ResourceSparseApplyKerasMomentum	Update relevant entries in 'var' and 'accum' according to the momentum scheme.
ResourceStridedSliceAssign	Assign `value` to the sliced l-value reference of `ref`.
RetrieveAllTPUEmbeddingParameters	An op that retrieves optimization parameters from embedding to host memory.
RetrieveTPUEmbeddingADAMParameters	Retrieve ADAM embedding parameters.
RetrieveTPUEmbeddingAdadeltaParameters	Retrieve Adadelta embedding parameters.
RetrieveTPUEmbeddingAdagradMomentumParameters	Retrieve Adagrad Momentum embedding parameters.
RetrieveTPUEmbeddingAdagradParameters	Retrieve Adagrad embedding parameters.
RetrieveTPUEmbeddingCenteredRMSPropParameters	Retrieve centered RMSProp embedding parameters.
RetrieveTPUEmbeddingFTRLParameters	Retrieve FTRL embedding parameters.
RetrieveTPUEmbeddingFrequencyEstimatorParameters	Retrieve frequency estimator embedding parameters.
RetrieveTPUEmbeddingMDLAdagradLightParameters	Retrieve MDL Adagrad Light embedding parameters.
RetrieveTPUEmbeddingMomentumParameters	Retrieve Momentum embedding parameters.
RetrieveTPUEmbeddingProximalAdagradParameters	Retrieve proximal Adagrad embedding parameters.
RetrieveTPUEmbeddingProximalYogiParameters
RetrieveTPUEmbeddingRMSPropParameters	Retrieve RMSProp embedding parameters.
RetrieveTPUEmbeddingStochasticGradientDescentParameters	Retrieve SGD embedding parameters.
Reverse <T>	Reverses specific dimensions of a tensor.
ReverseSequence <T>	Reverses variable length slices.
RewriteDataset
RiscAbs <T extends Number>
RiscAdd <T extends Number>	Returns x + y element-wise.
RiscBinaryArithmetic <T extends Number>
RiscBinaryComparison
RiscBitcast <U>
RiscBroadcast <T>
RiscCast <U>
RiscCeil <T extends Number>
RiscCholesky <T extends Number>
RiscConcat <T>
RiscConv <T extends Number>
RiscCos <T extends Number>
RiscDiv <T extends Number>
RiscDot <T extends Number>
RiscExp <T extends Number>
RiscFft <T>
RiscFloor <T extends Number>
RiscGather <T>
RiscImag <U extends Number>
RiscIsFinite
RiscLog <T extends Number>
RiscLogicalAnd
RiscLogicalNot
RiscLogicalOr
RiscMax <T extends Number>	Returns max(x, y) element-wise.
RiscMin <T extends Number>
RiscMul <T extends Number>
RiscNeg <T extends Number>
RiscPad <T extends Number>
RiscPool <T extends Number>
RiscPow <T extends Number>
RiscRandomUniform
RiscReal <U extends Number>
RiscReduce <T extends Number>
RiscRem <T extends Number>
RiscReshape <T extends Number>
RiscReverse <T extends Number>
RiscScatter <U extends Number>
RiscShape <U extends Number>
RiscSign <T extends Number>
RiscSlice <T extends Number>
RiscSort <T extends Number>
RiscSqueeze <T>
RiscSub <T extends Number>
RiscTranspose <T>
RiscTriangularSolve <T extends Number>
RiscUnary <T extends Number>
RngReadAndSkip	Advance the counter of a counter-based RNG.
RngSkip	Advance the counter of a counter-based RNG.
Roll <T>	Rolls the elements of a tensor along an axis.
SamplingDataset	Creates a dataset that takes a Bernoulli sample of the contents of another dataset.
ScaleAndTranslate
ScaleAndTranslateGrad <T extends Number>
ScatterAdd <T>	Adds sparse updates to a variable reference.
ScatterDiv <T>	Divides a variable reference by sparse updates.
ScatterMax <T extends Number>	Reduces sparse updates into a variable reference using the `max` operation.
ScatterMin <T extends Number>	Reduces sparse updates into a variable reference using the `min` operation.
ScatterMul <T>	Multiplies sparse updates into a variable reference.
ScatterNd <U>	Scatters `updates` into a tensor of shape `shape` according to `indices`.
ScatterNdAdd <T>	Applies sparse addition to individual values or slices in a Variable.
ScatterNdMax <T>	Computes element-wise maximum.
ScatterNdMin <T>	Computes element-wise minimum.
ScatterNdNonAliasingAdd <T>	Applies sparse addition to `input` using individual values or slices from `updates` according to indices `indices`.
ScatterNdSub <T>	Applies sparse subtraction to individual values or slices in a Variable.
ScatterNdUpdate <T>	Applies sparse `updates` to individual values or slices within a given variable according to `indices`.
ScatterSub <T>	Subtracts sparse updates to a variable reference.
ScatterUpdate <T>	Applies sparse updates to a variable reference.
SegmentMaxV2 <T extends Number>	Computes the maximum along segments of a tensor.
SegmentMinV2 <T extends Number>	Computes the minimum along segments of a tensor.
SegmentProdV2 <T>	Computes the product along segments of a tensor.
SegmentSumV2 <T>	Computes the sum along segments of a tensor.
SelectV2 <T>
Send	Sends the named tensor from send_device to recv_device.
SendTPUEmbeddingGradients	Performs gradient updates of embedding tables.
SetDiff1d <T, U extends Number>	Computes the difference between two lists of numbers or strings.
SetSize	Number of unique elements along last dimension of input `set`.
Shape <U extends Number>	Returns the shape of a tensor.
ShapeN <U extends Number>	Returns shape of tensors.
ShardDataset	Creates a `Dataset` that includes only 1/`num_shards` of this dataset.
ShuffleAndRepeatDatasetV2
ShuffleDatasetV2
ShuffleDatasetV3
ShutdownDistributedTPU	Shuts down a running distributed TPU system.
ShutdownTPUSystem	An op that shuts down the TPU system.
Size <U extends Number>	Returns the size of a tensor.
Skipgram	Parses a text file and creates a batch of examples.
SleepDataset
Slice <T>	Return a slice from 'input'.
SlidingWindowDataset	Creates a dataset that passes a sliding window over `input_dataset`.
Snapshot <T>	Returns a copy of the input tensor.
SnapshotDataset	Creates a dataset that will write to / read from a snapshot.
SnapshotDatasetReader
SnapshotNestedDatasetReader
SobolSample <T extends Number>	Generates points from the Sobol sequence.
SpaceToBatchNd <T>	SpaceToBatch for ND tensors of type T.
SparseApplyAdagradV2 <T>	Update relevant entries in 'var' and 'accum' according to the adagrad scheme.
SparseBincount <U extends Number>	Counts the number of occurrences of each value in an integer array.
SparseCountSparseOutput <U extends Number>	Performs sparse-output bin counting for a sparse tensor input.
SparseCrossHashed	Generates sparse cross from a list of sparse and dense tensors.
SparseCrossV2	Generates sparse cross from a list of sparse and dense tensors.
SparseMatrixAdd	Sparse addition of two CSR matrices, C = alpha * A + beta * B.
SparseMatrixMatMul <T>	Matrix-multiplies a sparse matrix with a dense matrix.
SparseMatrixMul	Element-wise multiplication of a sparse matrix with a dense tensor.
SparseMatrixNNZ	Returns the number of nonzeroes of `sparse_matrix`.
SparseMatrixOrderingAMD	Computes the Approximate Minimum Degree (AMD) ordering of `input`.
SparseMatrixSoftmax	Calculates the softmax of a CSRSparseMatrix.
SparseMatrixSoftmaxGrad	Calculates the gradient of the SparseMatrixSoftmax op.
SparseMatrixSparseCholesky	Computes the sparse Cholesky decomposition of `input`.
SparseMatrixSparseMatMul	Sparse-matrix-multiplies two CSR matrices `a` and `b`.
SparseMatrixTranspose	Transposes the inner (matrix) dimensions of a CSRSparseMatrix.
SparseMatrixZeros	Creates an all-zeros CSRSparseMatrix with shape `dense_shape`.
SparseSegmentSumGrad <T extends Number>	Computes gradients for SparseSegmentSum.
SparseTensorToCSRSparseMatrix	Converts a SparseTensor to a (possibly batched) CSRSparseMatrix.
Spence <T extends Number>
Split <T>	Splits a tensor into `num_split` tensors along one dimension.
SplitDedupData <T extends Number, U extends Number>	An op splits input deduplication data XLA tuple into integer and floating point tensors.
SplitV <T>	Splits a tensor into `num_split` tensors along one dimension.
Squeeze <T>	Removes dimensions of size 1 from the shape of a tensor.
Stack <T>	Packs a list of `N` rank-`R` tensors into one rank-`(R+1)` tensor.
Stage	Stage values similar to a lightweight Enqueue.
StageClear	Op removes all elements in the underlying container.
StagePeek	Op peeks at the values at the specified index.
StageSize	Op returns the number of elements in the underlying container.
StatefulRandomBinomial <V extends Number>
StatefulStandardNormal <U>	Outputs random values from a normal distribution.
StatefulStandardNormalV2 <U>	Outputs random values from a normal distribution.
StatefulTruncatedNormal <U>	Outputs random values from a truncated normal distribution.
StatefulUniform <U>	Outputs random values from a uniform distribution.
StatefulUniformFullInt <U>	Outputs random integers from a uniform distribution.
StatefulUniformInt <U>	Outputs random integers from a uniform distribution.
StatelessParameterizedTruncatedNormal <V extends Number>
StatelessRandomBinomial <W extends Number>	Outputs deterministic pseudorandom random numbers from a binomial distribution.
StatelessRandomGammaV2 <V extends Number>	Outputs deterministic pseudorandom random numbers from a gamma distribution.
StatelessRandomGammaV3 <U extends Number>	Outputs deterministic pseudorandom random numbers from a gamma distribution.
StatelessRandomGetAlg	Picks the best counter-based RNG algorithm based on device.
StatelessRandomGetKeyCounter	Scrambles seed into key and counter, using the best algorithm based on device.
StatelessRandomGetKeyCounterAlg	Picks the best algorithm based on device, and scrambles seed into key and counter.
StatelessRandomNormalV2 <U extends Number>	Outputs deterministic pseudorandom values from a normal distribution.
StatelessRandomPoisson <W extends Number>	Outputs deterministic pseudorandom random numbers from a Poisson distribution.
StatelessRandomUniformFullInt <V extends Number>	Outputs deterministic pseudorandom random integers from a uniform distribution.
StatelessRandomUniformFullIntV2 <U extends Number>	Outputs deterministic pseudorandom random integers from a uniform distribution.
StatelessRandomUniformIntV2 <U extends Number>	Outputs deterministic pseudorandom random integers from a uniform distribution.
StatelessRandomUniformV2 <U extends Number>	Outputs deterministic pseudorandom random values from a uniform distribution.
StatelessSampleDistortedBoundingBox <T extends Number>	Generate a randomly distorted bounding box for an image deterministically.
StatelessShuffle <T>	Randomly and deterministically shuffles a tensor along its first dimension.
StatelessTruncatedNormalV2 <U extends Number>	Outputs deterministic pseudorandom values from a truncated normal distribution.
StatsAggregatorHandleV2
StatsAggregatorSetSummaryWriter	Set a summary_writer_interface to record statistics using given stats_aggregator.
StopGradient <T>	Stops gradient computation.
StridedSlice <T>	Return a strided slice from `input`.
StridedSliceAssign <T>	Assign `value` to the sliced l-value reference of `ref`.
StridedSliceGrad <U>	Returns the gradient of `StridedSlice`.
StringLower	Converts all uppercase characters into their respective lowercase replacements.
StringNGrams <T extends Number>	Creates ngrams from ragged string data.
StringUpper	Converts all lowercase characters into their respective uppercase replacements.
Sum <T>	Computes the sum of elements across dimensions of a tensor.
SwitchCond <T>	Forwards `data` to the output port determined by `pred`.
SyncDevice	Synchronizes the device this op is run on.
TPUCompilationResult	Returns the result of a TPU compilation.
TPUCompileSucceededAssert	Asserts that compilation succeeded.
TPUEmbeddingActivations	An op enabling differentiation of TPU Embeddings.
TPUExecute	Op that loads and executes a TPU program on a TPU device.
TPUExecuteAndUpdateVariables	Op that executes a program with optional in-place variable updates.
TPUOrdinalSelector	A TPU core selector Op.
TPUPartitionedInput <T>	An op that groups a list of partitioned inputs together.
TPUPartitionedInputV2 <T>	An op that groups a list of partitioned inputs together.
TPUPartitionedOutput <T>	An op that demultiplexes a tensor to be sharded by XLA to a list of partitioned outputs outside the XLA computation.
TPUPartitionedOutputV2 <T>	An op that demultiplexes a tensor to be sharded by XLA to a list of partitioned outputs outside the XLA computation.
TPUReplicateMetadata	Metadata indicating how the TPU computation should be replicated.
TPUReplicatedInput <T>	Connects N inputs to an N-way replicated TPU computation.
TPUReplicatedOutput <T>	Connects N outputs from an N-way replicated TPU computation.
TPUReshardVariables	Op that reshards on-device TPU variables to specified state.
TPURoundRobin	Round-robin load balancing on TPU cores.
TemporaryVariable <T>	Returns a tensor that may be mutated, but only persists within a single step.
TensorArray	An array of Tensors of given size.
TensorArrayClose	Delete the TensorArray from its resource container.
TensorArrayConcat <T>	Concat the elements from the TensorArray into value `value`.
TensorArrayGather <T>	Gather specific elements from the TensorArray into output `value`.
TensorArrayGrad	Creates a TensorArray for storing the gradients of values in the given handle.
TensorArrayGradWithShape	Creates a TensorArray for storing multiple gradients of values in the given handle.
TensorArrayPack <T>
TensorArrayRead <T>	Read an element from the TensorArray into output `value`.
TensorArrayScatter	Scatter the data from the input value into specific TensorArray elements.
TensorArraySize	Get the current size of the TensorArray.
TensorArraySplit	Split the data from the input value into TensorArray elements.
TensorArrayUnpack
TensorArrayWrite	Push an element onto the tensor_array.
TensorListConcat <T>	Concats all tensors in the list along the 0th dimension.
TensorListConcatLists
TensorListConcatV2 <U>	Concats all tensors in the list along the 0th dimension.
TensorListElementShape <T extends Number>	The shape of the elements of the given list, as a tensor.
TensorListFromTensor	Creates a TensorList which, when stacked, has the value of `tensor`.
TensorListGather <T>	Creates a Tensor by indexing into the TensorList.
TensorListGetItem <T>
TensorListLength	Returns the number of tensors in the input tensor list.
TensorListPopBack <T>	Returns the last element of the input list as well as a list with all but that element.
TensorListPushBack	Returns a list which has the passed-in `Tensor` as last element and the other elements of the given list in `input_handle`.
TensorListPushBackBatch
TensorListReserve	List of the given size with empty elements.
TensorListResize	Resizes the list.
TensorListScatter	Creates a TensorList by indexing into a Tensor.
TensorListScatterIntoExistingList	Scatters tensor at indices in an input list.
TensorListScatterV2	Creates a TensorList by indexing into a Tensor.
TensorListSetItem
TensorListSplit	Splits a tensor into a list.
TensorListStack <T>	Stacks all tensors in the list.
TensorMapErase	Returns a tensor map with item from given key erased.
TensorMapHasKey	Returns whether the given key exists in the map.
TensorMapInsert	Returns a map that is the 'input_handle' with the given key-value pair inserted.
TensorMapLookup <U>	Returns the value from a given key in a tensor map.
TensorMapSize	Returns the number of tensors in the input tensor map.
TensorMapStackKeys <T>	Returns a Tensor stack of all keys in a tensor map.
TensorScatterAdd <T>	Adds sparse `updates` to an existing tensor according to `indices`.
TensorScatterMax <T>	Apply a sparse update to a tensor taking the element-wise maximum.
TensorScatterMin <T>
TensorScatterSub <T>	Subtracts sparse `updates` from an existing tensor according to `indices`.
TensorScatterUpdate <T>	Scatter `updates` into an existing tensor according to `indices`.
TensorStridedSliceUpdate <T>	Assign `value` to the sliced l-value reference of `input`.
ThreadPoolDataset	Creates a dataset that uses a custom thread pool to compute `input_dataset`.
ThreadPoolHandle	Creates a dataset that uses a custom thread pool to compute `input_dataset`.
Tile <T>	Constructs a tensor by tiling a given tensor.
Timestamp	Provides the time since epoch in seconds.
ToBool	Converts a tensor to a scalar predicate.
TopKUnique	Returns the TopK unique values in the array in sorted order.
TopKWithUnique	Returns the TopK values in the array in sorted order.
TpuHandleToProtoKey	Converts XRT's uid handles to TensorFlow-friendly input format.
TridiagonalMatMul <T>	Calculate product with tridiagonal matrix.
TridiagonalSolve <T>	Solves tridiagonal systems of equations.
Unbatch <T>	Reverses the operation of Batch for a single output Tensor.
UnbatchGrad <T>	Gradient of Unbatch.
UncompressElement	Uncompresses a compressed dataset element.
UnicodeDecode <T extends Number>	Decodes each string in `input` into a sequence of Unicode code points.
UnicodeEncode	Encode a tensor of ints into unicode strings.
UniformDequantize <U extends Number>	Perform dequantization on the quantized Tensor `input`.
UniformQuantize <U>	Perform quantization on Tensor `input`.
UniformQuantizedAdd <T>	Perform quantized add of quantized Tensor `lhs` and quantized Tensor `rhs` to make quantized `output`.
UniformQuantizedClipByValue <T>	Perform clip by value on the quantized Tensor `operand`.
UniformQuantizedConvolution <U>	Perform quantized convolution of quantized Tensor `lhs` and quantized Tensor `rhs`.
UniformQuantizedConvolutionHybrid <V extends Number>	Perform hybrid quantized convolution of float Tensor `lhs` and quantized Tensor `rhs`.
UniformQuantizedDot <U>	Perform quantized dot of quantized Tensor `lhs` and quantized Tensor `rhs` to make quantized `output`.
UniformQuantizedDotHybrid <V extends Number>	Perform hybrid quantized dot of float Tensor `lhs` and quantized Tensor `rhs`.
UniformRequantize <U>	Given quantized tensor `input`, requantize it with new quantization parameters.
Unique <T, V extends Number>	Finds unique elements along an axis of a tensor.
UniqueDataset	Creates a dataset that contains the unique elements of `input_dataset`.
UniqueWithCounts <T, V extends Number>	Finds unique elements along an axis of a tensor.
UnravelIndex <T extends Number>	Converts an array of flat indices into a tuple of coordinate arrays.
UnsortedSegmentJoin
Unstack <T>	Unpacks a given dimension of a rank-`R` tensor into `num` rank-`(R-1)` tensors.
Unstage	Op is similar to a lightweight Dequeue.
UnwrapDatasetVariant
UpperBound <U extends Number>	Applies upper_bound(sorted_search_values, values) along each row.
VarHandleOp	Creates a handle to a Variable resource.
VarIsInitializedOp	Checks whether a resource handle-based variable has been initialized.
Variable <T>	Holds state in the form of a tensor that persists across steps.
VariableShape <T extends Number>	Returns the shape of the variable pointed to by `resource`.
Where	Returns locations of nonzero / true values in a tensor.
Where3 <T>	Selects elements from `x` or `y`, depending on `condition`.
WindowOp
WorkerHeartbeat	Worker heartbeat op.
WrapDatasetVariant
WriteRawProtoSummary	Writes a serialized proto summary.
XlaConcatND <T>	Concats input tensor across all dimensions.
XlaRecvFromHost <T>	An op to receive a tensor from the host.
XlaRecvTPUEmbeddingActivations	An op that receives embedding activations on the TPU.
XlaRecvTPUEmbeddingDeduplicationData	Receives deduplication data (indices and weights) from the embedding core.
XlaSendTPUEmbeddingGradients	An op that performs gradient updates of embedding tables.
XlaSendToHost	An op to send a tensor to the host.
XlaSplitND <T>	Splits input tensor across all dimensions.
Xlog1py <T>	Returns 0 if x == 0, and x * log1p(y) otherwise, elementwise.
ZerosLike <T>	Returns a tensor of zeros with the same shape and type as x.

A base class for Op implementations that are backed by a single Operation .

Each operation registered in the TensorFlow core is a primitive and is provided as a PrimitiveOp . Custom operations working with only one primitive may also derive from this class.

Public Methods

final boolean	equals (Object obj)
final int	hashCode ()
Operation	op () Returns the underlying `Operation`
final String	toString ()

Inherited Methods

From class java.lang.Object

boolean	equals (Object arg0)
final Class<?>	getClass ()
int	hashCode ()
final void	notify ()
final void	notifyAll ()
String	toString ()
final void	wait (long arg0, int arg1)
final void	wait (long arg0)
final void	wait ()

Public Methods

public final boolean equals (Object obj)

مولفه های

obj

public final int hashCode ()

public Operation op ()

Returns the underlying Operation

PrimitiveOp

Public Methods

Inherited Methods

Public Methods

public final boolean equals (Object obj)

مولفه های

public final int hashCode ()

public Operation op ()

public final String toString ()