Nn Ops

입력에 대해 평균 풀링을 수행합니다.

입력에 대해 3D 평균 풀링을 수행합니다.

평균 풀링 함수의 기울기를 계산합니다.

value bias 을 추가합니다.

"bias"텐서의 "BiasAdd"에 대한 역방향 연산입니다.

4 차원 input 및 filter 텐서가 주어진 경우 2 차원 컨볼 루션을 계산합니다.

필터에 대한 컨볼 루션의 기울기를 계산합니다.

입력에 대한 컨볼 루션의 기울기를 계산합니다.

5D input 및 filter 텐서가 주어진 경우 3D 컨볼 루션을 계산합니다.

필터를 기준으로 3 차원 컨볼 루션의 기울기를 계산합니다.

입력을 기준으로 3 차원 컨벌루션의 기울기를 계산합니다.

주어진 대상 데이터 형식의 차원 인덱스를 반환합니다.

주어진 대상 데이터 형식으로 순열 된 벡터 / 텐서를 반환합니다.

4 차원 input 및 filter 텐서가 주어진 경우 2 차원 깊이 별 컨볼 루션을 계산합니다.

필터에 대한 깊이 별 컨볼 루션의 기울기를 계산합니다.

입력에 대한 깊이 별 컨볼 루션의 기울기를 계산합니다.

4 차원 input 및 3 차원 filter 텐서의 회색조 확장을 계산합니다.

필터에 대한 형태 학적 2 차원 팽창의 기울기를 계산합니다.

입력에 대한 형태 학적 2 차원 팽창의 기울기를 계산합니다.

지수 선형을 계산합니다. exp(features) - 1 <0이면 exp(features) - 1 , 그렇지 않으면 features .

입력에 대해 부분 평균 풀링을 수행합니다.

입력에 대해 부분 최대 풀링을 수행합니다.

배치 정규화.

배치 정규화를위한 기울기.

배치 정규화를위한 기울기.

배치 정규화를위한 기울기.

배치 정규화.

배치 정규화.

컨볼 루션 중에 패딩을 전처리로 수행합니다.

컨볼 루션 중에 전처리로 크기 조정 및 패딩을 수행합니다.

대상이 상위 K 예측에 포함되는지 여부를 나타냅니다.

대상이 상위 K 예측에 포함되는지 여부를 나타냅니다.

L2 손실.

로컬 응답 정규화.

로그 소프트 맥스 활성화를 계산합니다.

입력에 대해 최대 풀링을 수행합니다.

입력에 대해 3D 최대 풀링을 수행합니다.

최대 풀링 함수의 기울기를 계산합니다.

maxpooling 함수의 2 차 기울기를 계산합니다.

maxpooling 함수의 2 차 기울기를 계산합니다.

maxpooling 함수의 2 차 기울기를 계산합니다.

maxpooling 함수의 2 차 기울기를 계산합니다.

maxpooling 함수의 기울기를 계산합니다.

입력에 대해 최대 풀링을 수행합니다.

입력에 대해 최대 풀링을 수행하고 최대 값과 인덱스를 모두 출력합니다.

마지막 차원에 대한 n 차 통계 값을 찾습니다.

양자화 된 유형에 대한 입력 텐서의 평균 풀을 생성합니다.

양자화 된 배치 정규화.

양자화 된 유형에 대한 Tensor 'input'에 Tensor 'bias'를 추가합니다.

양자화 된 4D 입력 및 필터 텐서가 주어지면 2D 컨볼 루션을 계산합니다.

양자화 된 유형에 대한 입력 텐서의 최대 풀을 생성합니다.

양자화 된 정류 선형 계산 : max(features, 0)

양자화 된 정류 선형 계산 6 : min(max(features, 0), 6)

양자화 된 정류 선형 X 계산 : min(max(features, 0), max_value)

정류 된 선형 계산 : max(features, 0) .

정류 된 선형 6 : min(max(features, 0), 6) 합니다.

스케일링 된 지수 선형 계산 : scale * alpha * (exp(features) - 1)

소프트 맥스 활성화를 계산합니다.

소프트 맥스 교차 엔트로피 비용과 역 전파를위한 기울기를 계산합니다.

softplus를 계산합니다 : log(exp(features) + 1) .

softsign을 계산합니다 : features / (abs(features) + 1) .

소프트 맥스 교차 엔트로피 비용과 역 전파를위한 기울기를 계산합니다.

마지막 차원에서 가장 큰 k 개 요소의 값과 인덱스를 찾습니다.