데이터 흐름 작업

지정된 누산기에 그라데이션을 적용합니다.

지정된 누산기에서 집계된 그래디언트 수를 반환합니다.

global_step에 대한 새 값으로 누산기를 업데이트합니다.

주어진 ConditionalAccumulator 에서 평균 기울기를 추출합니다.

다양한 그래프 실행에서 지속되는 장벽을 정의합니다.

주어진 장벽을 닫습니다.

주어진 장벽의 불완전한 요소 수를 계산합니다.

각 키에 대해 해당 값을 지정된 구성 요소에 할당합니다.

주어진 장벽의 완전한 요소 수를 계산합니다.

장벽에서 주어진 수의 완성된 요소를 가져옵니다.

그라디언트 집계를 위한 조건부 누산기입니다.

세션의 핸들로 지정된 텐서를 삭제합니다.

partitions 의 인덱스를 사용하여 data num_partitions 개의 텐서로 분할합니다.

data 텐서의 값을 단일 텐서에 인터리브합니다.

선입 선출 순서로 요소를 생성하는 큐입니다.

입력 텐서를 현재 세션 상태로 저장합니다.

입력 텐서를 현재 세션 상태로 저장합니다.

핸들로 지정된 텐서의 값을 가져옵니다.

Op는 기본 컨테이너의 모든 요소를 ​​제거합니다.

Op는 기본 컨테이너의 불완전한 요소 수를 반환합니다.

Op는 지정된 키의 값을 엿봅니다.

Op는 기본 컨테이너의 요소 수를 반환합니다.

해시테이블처럼 작동하는 기본 컨테이너의 스테이지 (키, 값)입니다.

Op는 키와 관련된 값을 제거하고 반환합니다.

Op는 임의의 (키, 값)을 제거하고 반환합니다.

Op는 기본 컨테이너의 모든 요소를 ​​제거합니다.

Op는 기본 컨테이너의 불완전한 요소 수를 반환합니다.

Op는 지정된 키의 값을 엿봅니다.

Op는 기본 컨테이너의 요소 수를 반환합니다.

순서가 지정된 것처럼 동작하는 기본 컨테이너의 단계 (키, 값)입니다.

Op는 키와 관련된 값을 제거하고 반환합니다.

Op는 가장 작은 (키, 값) 요소를 제거하고 반환합니다.

선입 선출 순서로 요소를 생성하는 큐입니다.

data 텐서의 값을 단일 텐서에 인터리브합니다.

첫 번째 구성 요소 값을 기준으로 정렬된 요소를 생성하는 대기열입니다.

지정된 대기열을 닫습니다.

주어진 대기열에서 하나 이상의 텐서로 구성된 튜플을 대기열에서 제거합니다.

주어진 대기열에서 하나 이상의 텐서 n 튜플을 대기열에서 제거합니다.

주어진 대기열에서 하나 이상의 텐서 n 튜플을 대기열에서 제거합니다.

주어진 대기열에 하나 이상의 텐서로 구성된 튜플을 대기열에 넣습니다.

주어진 대기열에 하나 이상의 텐서로 구성된 0개 이상의 튜플을 대기열에 넣습니다.

대기열이 닫혀 있으면 true를 반환합니다.

대기열이 닫혀 있으면 true를 반환합니다.

지정된 대기열의 요소 수를 계산합니다.

요소의 순서를 무작위로 지정하는 대기열입니다.

무작위 레코드를 내보냅니다.

지정된 누산기에 희소 그라데이션을 적용합니다.

SparseConditionalAccumulator 에서 평균 희소 기울기를 추출합니다.

희소 기울기를 집계하기 위한 조건부 누산기입니다.

경량 Enqueue와 유사한 단계 값입니다.

Op는 기본 컨테이너의 모든 요소를 ​​제거합니다.

Op는 지정된 인덱스의 값을 피킹합니다.

Op는 기본 컨테이너의 요소 수를 반환합니다.

주어진 크기의 Tensor 배열.

리소스 컨테이너에서 TensorArray를 삭제합니다.

TensorArray 의 요소를 value value 으로 연결합니다 .

TensorArray 의 특정 요소를 출력 value 으로 수집합니다 .

지정된 핸들에 값의 기울기를 저장하기 위한 TensorArray를 만듭니다.

지정된 핸들에 값의 여러 기울기를 저장하기 위한 TensorArray를 만듭니다.

TensorArray 의 요소를 출력 value 으로 읽어옵니다.

입력 값의 데이터를 특정 TensorArray 요소로 분산시킵니다.

TensorArray 의 현재 크기를 가져옵니다.

입력 값의 데이터를 TensorArray 요소로 분할합니다.

tensor_array에 요소를 푸시합니다.

Op는 경량 Dequeue와 유사합니다.