Nn Ops

Effectue une mise en commun moyenne sur l'entrée.

Effectue une mise en commun moyenne 3D sur l'entrée.

Calcule les gradients de la fonction de mise en commun moyenne.

Ajoute un bias à la value .

L'opération en arrière pour "BiasAdd" sur le tenseur "biais".

Calcule une convolution 2D en fonction input tenseurs d' input et de filter 4-D.

Calcule les gradients de convolution par rapport au filtre.

Calcule les gradients de convolution par rapport à l'entrée.

Calcule une convolution 3-D avec filter tenseurs d' input et de filter 5-D.

Calcule les gradients de la convolution 3D par rapport au filtre.

Calcule les gradients de la convolution 3D par rapport à l'entrée.

Renvoie l'index de dimension dans le format de données de destination étant donné celui dans.

Renvoie le vecteur / tenseur permuté dans le format de données de destination donné.

Calcule une convolution en profondeur 2D en fonction input tenseurs d' input et de filter 4-D.

Calcule les gradients de convolution en profondeur par rapport au filtre.

Calcule les gradients de convolution en profondeur par rapport à l'entrée.

Calcule la dilatation en niveaux de gris des tenseurs d' input 4-D et de filter 3-D.

Calcule le gradient de dilatation morphologique 2D par rapport au filtre.

Calcule le gradient de dilatation morphologique 2D par rapport à l'entrée.

Calcule linéaire exponentiel: exp(features) - 1 si <0, features autrement.

Effectue une mise en commun de moyenne fractionnaire sur l'entrée.

Effectue un pool max fractionnaire sur l'entrée.

Normalisation par lots.

Gradient pour la normalisation des lots.

Gradient pour la normalisation des lots.

Gradient pour la normalisation des lots.

Normalisation par lots.

Normalisation par lots.

Effectue un remplissage en tant que prétraitement lors d'une convolution.

Effectue un redimensionnement et un remplissage en tant que prétraitement lors d'une convolution.

Indique si les cibles sont dans les K principales prédictions.

Indique si les cibles sont dans les K principales prédictions.

Perte L2.

Normalisation de la réponse locale.

Calcule les activations log softmax.

Effectue une mise en commun maximale sur l'entrée.

Effectue un pooling 3D max sur l'entrée.

Calcule les gradients de la fonction de pooling max.

Calcule les gradients de second ordre de la fonction maxpool.

Calcule les gradients de second ordre de la fonction maxpool.

Calcule les gradients de second ordre de la fonction maxpool.

Calcule les gradients de second ordre de la fonction maxpool.

Calcule les gradients de la fonction maxpool.

Effectue une mise en commun maximale sur l'entrée.

Effectue une mise en commun maximale sur l'entrée et génère à la fois des valeurs maximales et des indices.

Recherche les valeurs de la statistique d'ordre n pour la dernière dimension.

Produit le pool moyen du tenseur d'entrée pour les types quantifiés.

Normalisation quantifiée des lots.

Adds Tensor 'biais' à Tensor 'entrée' pour les types Quantized.

Calcule une convolution 2D à partir d'une entrée 4D quantifiée et des tenseurs de filtre.

Produit le pool maximum du tenseur d'entrée pour les types quantifiés.

Calcule le linéaire rectifié quantifié: max(features, 0)

Calcule le linéaire rectifié quantifié 6: min(max(features, 0), 6)

Calcule X linéaire rectifié quantifié: min(max(features, 0), max_value)

Calcule linéaire rectifié: max(features, 0) .

Calcule linéaire rectifié 6: min(max(features, 0), 6) .

Calcule une linéarité exponentielle mise à l' scale * alpha * (exp(features) - 1) : scale * alpha * (exp(features) - 1)

Calcule les activations softmax.

Calcule le coût de l'entropie croisée softmax et les gradients pour la rétropropagation.

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

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

Calcule le coût de l'entropie croisée softmax et les gradients pour la rétropropagation.

Recherche les valeurs et les indices des k plus grands éléments de la dernière dimension.