텐서플로우:: 작전

호출 시 프로세스를 중단하려면 예외를 발생시킵니다.

텐서의 절대값을 계산합니다.

텐서 목록의 요소별 합계를 반환합니다.

지정된 누산기에 그라데이션을 적용합니다.

지정된 누산기에서 집계된 그래디언트 수를 반환합니다.

global_step에 대한 새 값으로 누산기를 업데이트합니다.

주어진 ConditionalAccumulator 에서 평균 기울기를 추출합니다.

x 요소별로 acos를 계산합니다.

x 요소별로 역쌍곡선 코사인을 계산합니다.

x + y 요소를 반환합니다.

N -minibatch SparseTensor SparseTensorsMap 에 추가하고 N 핸들을 반환합니다.

모든 입력 텐서 요소를 현명하게 추가합니다 .

SparseTensorsMap 에 SparseTensor 추가하면 해당 핸들이 반환됩니다.

x + y 요소를 반환합니다.

하나 이상의 이미지 대비를 조정합니다.

하나 이상의 이미지의 색조를 조정합니다.

하나 이상의 이미지의 채도를 조정합니다.

텐서의 차원 전체에 걸쳐 요소의 "논리적 및"를 계산합니다.

학습된 유니그램 분포를 사용하여 후보 샘플링에 대한 레이블을 생성합니다.

복소수의 인수를 반환합니다.

텐서의 차원 전체에 걸쳐 요소의 "논리적 or"를 계산합니다.

adadelta 체계에 따라 '*var'를 업데이트합니다.

adagrad 체계에 따라 '*var'를 업데이트합니다.

근위부 adagrad 체계에 따라 '*var'를 업데이트합니다.

Adam 알고리즘에 따라 '*var'를 업데이트합니다.

AddSign 업데이트에 따라 '*var'를 업데이트합니다.

중심 RMSProp 알고리즘에 따라 '*var'를 업데이트합니다.

Ftrl-proximal 체계에 따라 '*var'를 업데이트합니다.

Ftrl-proximal 체계에 따라 '*var'를 업데이트합니다.

'*var'에서 'alpha' * 'delta'를 빼서 업데이트합니다.

모멘텀 체계에 따라 '*var'를 업데이트합니다.

AddSign 업데이트에 따라 '*var'를 업데이트합니다.

Adagrad 학습률을 사용하여 FOBOS에 따라 '*var' 및 '*accum'을 업데이트합니다.

고정 학습률을 사용하는 FOBOS 알고리즘으로 '*var'를 업데이트합니다.

RMSProp 알고리즘에 따라 '*var'를 업데이트합니다.

abs(xy) < 허용오차 요소별 진리값을 반환합니다.

텐서의 차원 전체에서 가장 큰 값을 가진 인덱스를 반환합니다.

텐서의 차원 전체에서 가장 작은 값을 가진 인덱스를 반환합니다.

주어진 텐서의 각 항목을 문자열로 변환합니다.

x 요소별로 삼각법 역사인을 계산합니다.

x 요소별로 역쌍곡사인을 계산합니다.

주어진 조건이 참인지 확인합니다.

'value'를 할당하여 'ref'를 업데이트합니다.

'value'를 추가하여 'ref'를 업데이트합니다.

'value'를 빼서 'ref'를 업데이트합니다.

x 요소별로 삼각법 역탄젠트를 계산합니다.

인수의 부호를 고려하여 요소별로 y/x 의 아크탄젠트를 계산합니다.

x 요소별로 역쌍곡선 탄젠트를 계산합니다.

입력에 대해 평균 풀링을 수행합니다.

입력에 대해 3D 평균 풀링을 수행합니다.

평균 풀링 함수의 기울기를 계산합니다.

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.

두 개의 텐서 조각을 일괄적으로 곱합니다.

두 개의 텐서 조각을 일괄적으로 곱합니다.

T 유형의 4차원 텐서에 대한 BatchToSpace .

T 유형의 ND 텐서에 대한 BatchToSpace .

x 요소별로 Bessel i0e 함수를 계산합니다.

x 요소별로 Bessel i1e 함수를 계산합니다.

정규화된 불완전 베타 적분 \(I_x(a, b)\)계산합니다.

value 에 bias 추가합니다.

"bias" 텐서의 "BiasAdd"에 대한 역방향 연산입니다.

정수 배열에서 각 값의 발생 횟수를 셉니다.

데이터를 복사하지 않고 한 유형에서 다른 유형으로 텐서를 비트캐스트합니다.

브로드캐스트를 사용하여 s0 op s1의 모양을 반환합니다.

호환 가능한 모양에 대한 배열을 브로드캐스트합니다.

'경계'를 기준으로 '입력'을 버킷화합니다.

SrcT 유형의 x를 DstT의 y로 캐스트합니다 .

x보다 작지 않은 요소별 가장 작은 정수를 반환합니다.

NaN 및 Inf 값에 대한 텐서를 확인합니다.

텐서 값을 지정된 최소값과 최대값으로 자릅니다.

점수의 내림차순으로 경계 상자의 하위 집합을 탐욕스럽게 선택합니다.

input 값을 threshold 값과 비교하고 결과 비트를 uint8 로 압축합니다.

두 개의 실수를 복소수로 변환합니다.

텐서의 복소 절대값을 계산합니다.

true_labels와 일치하는 samplingd_candidates의 위치 ID를 계산합니다.

한 차원을 따라 텐서를 연결합니다.

그라디언트 집계를 위한 조건부 누산기입니다.

복소수의 켤레 복소수를 반환합니다.

순열에 따라 x의 차원을 섞고 결과를 켤레화합니다.

아무것도 하지 않습니다.

4차원 input 및 filter 텐서가 주어지면 2차원 컨볼루션을 계산합니다.

필터에 대한 컨볼루션의 기울기를 계산합니다.

입력에 대한 컨볼루션의 기울기를 계산합니다.

5차원 input 및 filter 텐서가 주어지면 3차원 컨볼루션을 계산합니다.

필터에 대한 3차원 컨벌루션의 기울기를 계산합니다.

입력에 대한 3차원 컨벌루션의 기울기를 계산합니다.

x 요소별로 cos를 계산합니다.

x 요소의 쌍곡선 코사인을 계산합니다.

'limit'에 도달할 때까지 'ref'를 증가시킵니다.

입력 이미지 텐서에서 자르기를 추출하고 크기를 조정합니다.

입력 상자 텐서에 대한 자르기 및 크기 조정 작업의 기울기를 계산합니다.

입력 이미지 텐서에 대한 Crop_and_resize 작업의 기울기를 계산합니다.

쌍별 교차곱을 계산합니다.

axis 따라 텐서 x 의 누적 곱을 계산합니다.

axis 따라 텐서 x 의 누적 합계를 계산합니다.

지정된 대상 데이터 형식의 차원 인덱스를 반환합니다.

주어진 대상 데이터 형식의 순열된 벡터/텐서를 반환합니다.

그래디언트 디버깅을 위한 ID 작업입니다.

그래디언트 디버깅을 위한 ID 작업입니다.

JPEG로 인코딩된 이미지를 uint8 텐서로 디코딩하고 자릅니다.

웹에 안전한 base64로 인코딩된 문자열을 디코딩합니다.

BMP로 인코딩된 이미지의 첫 번째 프레임을 uint8 텐서로 디코딩합니다.

CSV 레코드를 텐서로 변환합니다.

문자열을 압축 해제합니다.

GIF로 인코딩된 이미지의 프레임을 uint8 텐서로 디코딩합니다.

JSON으로 인코딩된 예제 레코드를 바이너리 프로토콜 버퍼 문자열로 변환합니다.

JPEG로 인코딩된 이미지를 uint8 텐서로 디코딩합니다.

문자열의 바이트를 숫자 벡터로 재해석합니다.

PNG로 인코딩된 이미지를 uint8 또는 uint16 텐서로 디코딩합니다.

문자열의 바이트를 숫자 벡터로 재해석합니다.

x 의 복사본을 만듭니다.

세션의 핸들로 지정된 텐서를 삭제합니다.

T 유형의 텐서에 대한 DepthToSpace .

4차원 input 및 filter 텐서가 주어지면 2차원 깊이별 컨벌루션을 계산합니다.

필터에 대한 깊이별 컨벌루션의 기울기를 계산합니다.

입력에 대한 깊이별 컨벌루션의 기울기를 계산합니다.

'입력' 텐서를 float Tensor 로 역양자화합니다 .

직렬화된 미니배치에서 SparseTensors 역직렬화하고 연결합니다.

SparseTensor 객체를 역직렬화합니다.

임시 변수를 삭제하고 최종 값을 반환합니다.

주어진 대각선 값을 가진 대각선 텐서를 반환합니다.

텐서의 대각선 부분을 반환합니다.

Lgamma 의 도함수인 Psi를 계산합니다(절대값의 로그).

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

필터에 대한 형태학적 2차원 팽창의 기울기를 계산합니다.

입력값에 대한 형태학적 2차원 팽창의 기울기를 계산합니다.

x / y 요소별로 반환합니다.

분모가 0이면 0을 반환합니다.

이미지 배치에 경계 상자를 그립니다.

이미지 배치에 경계 상자를 그립니다.

partitions 의 인덱스를 사용하여 data num_partitions 개의 텐서로 분할합니다.

data 텐서의 값을 단일 텐서에 인터리브합니다.

(정규화된) Levenshtein Edit Distance를 계산합니다.

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

주어진 모양으로 텐서를 생성합니다.

문자열을 웹에 안전한 base64 형식으로 인코딩합니다.

이미지를 JPEG로 인코딩합니다.

JPEG는 제공된 압축 품질로 입력 이미지를 인코딩합니다.

이미지를 PNG로 인코딩합니다.

텐서의 모양이 예상되는 모양과 일치하는지 확인합니다.

(x == y) 요소별 진리값을 반환합니다.

x 요소별 가우스 오류 함수를 계산합니다.

x 요소별 상보 오류 함수를 계산합니다.

TODO: 문서를 추가하세요.

텐서의 차원 전체에 걸쳐 요소의 유클리드 노름을 계산합니다.

x 요소별로 지수를 계산합니다.

텐서의 모양에 1차원을 삽입합니다.

exp(x) - 1 요소를 계산합니다.

입력 텐서에서 엿볼 수 있는 내용을 추출합니다.

images 에서 patches 추출하여 "깊이" 출력 차원에 넣습니다.

JPEG로 인코딩된 이미지의 모양 정보를 추출합니다.

input 에서 patches 추출하여 "깊이" 출력 차원에 넣습니다.

선입 선출 순서로 요소를 생성하는 큐입니다.

계승에 대한 사실을 출력합니다 .

'입력' 텐서를 가짜 양자화하고, 동일한 유형의 '출력' 텐서에 float를 입력합니다.

FakeQuantWithMinMaxArgs 작업에 대한 기울기를 계산합니다.

전역 float 스칼라 min 통해 float 유형의 '입력' 텐서를 가짜 양자화합니다.

FakeQuantWithMinMaxVars 작업에 대한 기울기를 계산합니다.

float 유형의 '입력' 텐서와 다음 모양 중 하나를 가짜 양자화합니다: [d] ,.

FakeQuantWithMinMaxVarsPerChannel 작업에 대한 기울기를 계산합니다.

스칼라 값으로 채워진 텐서를 생성합니다.

지문 값을 생성합니다.

파일에서 고정 길이 레코드를 출력하는 Reader입니다.

학습된 유니그램 분포를 사용하여 후보 샘플링에 대한 레이블을 생성합니다.

x보다 크지 않은 요소별 가장 큰 정수를 반환합니다.

x // y 요소별로 반환합니다.

요소별 나눗셈의 나머지를 반환합니다.

입력에 대해 부분 평균 풀링을 수행합니다.

입력에 대해 분수 최대 풀링을 수행합니다.

일괄 정규화.

일괄 정규화를 위한 기울기입니다.

일괄 정규화를 위한 기울기입니다.

일괄 정규화를 위한 기울기입니다.

일괄 정규화.

일괄 정규화.

컨볼루션 중 전처리로 패딩을 수행합니다.

컨볼루션 중 전처리로 크기 조정 및 패딩을 수행합니다.

indices 에 따라 params 에서 조각을 수집합니다 .

params 의 조각을 indices 로 지정된 모양의 Tensor 로 수집합니다 .

indices 에 따라 params 축 axis 에서 슬라이스를 수집합니다 .

입력 텐서를 현재 세션 상태로 저장합니다.

입력 텐서를 현재 세션 상태로 저장합니다.

핸들로 지정된 텐서의 값을 가져옵니다.

(x > y) 요소별 진리값을 반환합니다.

(x >= y) 요소별 진리값을 반환합니다.

입력 텐서가 상수임을 TF 런타임에 보장합니다.

하나 이상의 이미지를 HSV에서 RGB로 변환합니다.

값의 히스토그램을 반환합니다.

히스토그램과 함께 Summary 프로토콜 버퍼를 출력합니다.

입력 텐서 또는 값과 모양과 내용이 동일한 텐서를 반환합니다.

입력과 모양 및 내용이 동일한 텐서 목록을 반환합니다.

대기 중인 작업을 키와 값으로 출력하는 리더입니다.

더 낮은 정규화 불완전 감마 함수 P(a, x) 계산합니다.

상부 정규화 불완전 감마 함수 Q(a, x) 계산합니다.

복소수의 허수부를 반환합니다.

메모리 영역에서 불변 텐서를 반환합니다.

대상이 상위 K 개 예측에 있는지 여부를 나타냅니다.

대상이 상위 K 개 예측에 있는지 여부를 나타냅니다.

x의 지정된 행에 v를 추가합니다.

x 의 지정된 행에서 v 뺍니다.

v 의 값으로 지정된 행을 업데이트합니다.

x 요소별로 역수를 계산합니다.

텐서의 역순열을 계산합니다.

x의 어느 요소가 유한한지 반환합니다.

x의 어떤 요소가 Inf인지 반환합니다.

x의 어떤 요소가 NaN인지 반환합니다.

텐서가 초기화되었는지 확인합니다.

L2 손실.

LMDB 파일의 레코드를 출력하는 리더입니다.

국소 응답 정규화.

학습된 유니그램 분포를 사용하여 후보 샘플링에 대한 레이블을 생성합니다.

(x < y) 요소의 진리값을 반환합니다.

(x <= y) 요소별 진리값을 반환합니다.

Gamma(x) 요소별 절대값의 로그를 계산합니다.

일정 간격으로 값을 생성합니다.

x 요소별로 자연 로그를 계산합니다.

(1 + x) 요소별 자연 로그를 계산합니다.

로그 소프트맥스 활성화를 계산합니다.

로그 균일 분포를 사용하여 후보 샘플링에 대한 레이블을 생성합니다.

x AND y 요소의 진리값을 반환합니다.

NOT x 요소의 진리값을 반환합니다.

x OR y 요소의 진리값을 반환합니다.

입력을 출력으로 전달합니다.

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.

행렬 "a"에 행렬 "b"를 곱합니다 .

하나 이상의 glob 패턴과 일치하는 파일 세트를 반환합니다.

각 가장 안쪽 행렬의 중앙 밴드 외부에 있는 모든 항목을 설정하는 텐서를 복사합니다.

주어진 배치 대각선 값을 갖는 배치 대각선 텐서를 반환합니다.

배치 텐서의 배치 대각선 부분을 반환합니다.

배치 텐서의 배치 대각선 부분을 반환합니다.

주어진 배치 대각선 값을 갖는 배치 대각선 텐서를 반환합니다.

새로운 배치 대각선 값을 갖는 배치 행렬 텐서를 반환합니다.

새로운 배치 대각선 값을 갖는 배치 행렬 텐서를 반환합니다.

텐서의 차원 전체에서 요소의 최대값을 계산합니다.

입력에 대해 최대 풀링을 수행합니다.

입력에 대해 3D 최대 풀링을 수행합니다.

최대 풀링 함수의 기울기를 계산합니다.

maxpooling 함수의 2차 기울기를 계산합니다.

maxpooling 함수의 2차 기울기를 계산합니다.

maxpooling 함수의 2차 기울기를 계산합니다.

maxpooling 함수의 2차 기울기를 계산합니다.

maxpooling 함수의 기울기를 계산합니다.

입력에 대해 최대 풀링을 수행합니다.

입력에 대해 최대 풀링을 수행하고 최대 값과 인덱스를 모두 출력합니다.

x와 y의 최대값을 반환합니다(예:

텐서의 차원 전체에 걸쳐 요소의 평균을 계산합니다.

사용 가능한 텐서의 값을 inputs 에서 output 으로 전달합니다.

요약을 병합합니다.

V2 형식 관련: 샤딩된 체크포인트의 메타데이터 파일을 병합합니다.

텐서의 차원 전체에서 최소 요소를 계산합니다.

x와 y의 최소값을 반환합니다(예:

미러링된 값으로 텐서를 채웁니다.

요소별 나눗셈의 나머지를 반환합니다.

x * y 요소별로 반환합니다.

다항 분포에서 표본을 추출합니다.

x * y 요소별로 반환합니다.

TODO: 문서를 추가하세요.

숫자 음수 값을 요소별로 계산합니다.

요소별로 x2 방향으로 표현 가능한 다음 x1 값을 반환합니다.

다음 반복에서 해당 입력을 사용할 수 있도록 합니다.

아무것도 하지 않습니다.

점수의 내림차순으로 경계 상자의 하위 집합을 탐욕스럽게 선택합니다.

점수의 내림차순으로 경계 상자의 하위 집합을 탐욕스럽게 선택합니다.

점수의 내림차순으로 경계 상자의 하위 집합을 탐욕스럽게 선택합니다.

점수의 내림차순으로 경계 상자의 하위 집합을 탐욕스럽게 선택합니다.

점수의 내림차순으로 경계 상자의 하위 집합을 탐욕스럽게 선택합니다.

점수의 내림차순으로 경계 상자의 하위 집합을 탐욕스럽게 선택합니다.

(x != y) 요소별 진리값을 반환합니다.

마지막 차원에 대한 n 차 통계 값을 찾습니다.

원-핫 텐서를 반환합니다.

x와 모양과 유형이 동일한 텐서를 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.

텐서를 0으로 채웁니다.

텐서를 채웁니다.

선입 선출 순서로 요소를 생성하는 큐입니다.

첫 번째 차원을 따라 N 개의 텐서 목록을 연결합니다.

data 텐서의 값을 단일 텐서에 인터리브합니다.

정규 분포에서 임의의 값을 출력합니다.

뇌의 벡터를 변환합니다. 예를 들어 프로토스(문자열)를 형식화된 텐서로 변환합니다.

tf.Example proto의 벡터(문자열)를 형식화된 텐서로 변환합니다.

Brain.SequenceExample proto의 벡터(문자열)를 형식화된 텐서로 변환합니다.

tf.io.SequenceExample proto의 벡터(문자열)를 형식화된 텐서로 변환합니다.

tf.Example proto(문자열)를 형식화된 텐서로 변환합니다.

스칼라 Brain.SequenceExample proto(문자열)를 형식화된 텐서로 변환합니다.

직렬화된 tensorflow.TensorProto proto를 Tensor 로 변환합니다.

계산에 입력될 값에 대한 자리 표시자 작업입니다.

출력이 공급되지 않을 때 input 통과하는 자리 표시자 작업입니다.

폴리감마 함수 \(^{(n)}(x)\)계산합니다.

한 값의 다른 값에 대한 거듭제곱을 계산합니다.

그라데이션이 요청되면 오류를 트리거하는 ID 작업입니다.

텐서 목록을 인쇄합니다.

문자열 스칼라를 인쇄합니다.

첫 번째 구성 요소 값을 기준으로 정렬된 요소를 생성하는 대기열입니다.

텐서의 차원에 걸쳐 요소의 곱을 계산합니다.

텐서를 양자화한 다음 역양자화합니다.

텐서를 양자화한 다음 역양자화합니다.

다음을 사용하여 양자화된 '입력' 텐서를 낮은 정밀도의 '출력'으로 변환합니다.

float 유형의 '입력' 텐서를 'T' 유형의 '출력' 텐서로 양자화합니다.

양자화된 버퍼에서 작동하여 x + y 요소를 반환합니다.

양자화된 유형에 대한 입력 텐서의 평균 풀을 생성합니다.

양자화된 배치 정규화.

양자화 유형에 대한 Tensor '입력'에 Tensor 'bias'를 추가합니다.

한 차원을 따라 양자화된 텐서를 연결합니다.

양자화된 4D 입력 및 필터 텐서가 주어지면 2D 컨볼루션을 계산합니다.

양자화된 인스턴스 정규화.

a 와 행렬 b 의 양자화된 행렬 곱셈을 수행합니다.

양자화된 유형에 대한 입력 텐서의 최대 풀을 생성합니다.

양자화된 버퍼에서 작동하여 x * y 요소를 반환합니다.

양자화된 정류 선형 계산: max(features, 0)

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

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

양자화된 쌍선형 보간법을 사용하여 양자화된 images size 조정합니다.

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.

하나 이상의 이미지를 RGB에서 HSV로 변환합니다.

알파로 설명된 감마 분포에서 임의의 값을 출력합니다.

정규 분포에서 임의의 값을 출력합니다.

비율로 설명되는 포아송 분포에서 임의의 값을 출력합니다.

첫 번째 차원을 따라 텐서를 무작위로 섞습니다.

요소의 순서를 무작위로 지정하는 대기열입니다.

균일 분포에서 임의의 값을 출력합니다.

균일 분포에서 임의의 정수를 출력합니다.

일련의 숫자를 생성합니다.

입력 파일명의 전체 내용을 읽고 출력합니다.

이 리더가 생성한 레코드 수를 반환합니다.

이 리더가 처리를 완료한 작업 단위의 수를 반환합니다.

Reader에서 생성된 다음 레코드(키, 값 쌍)를 반환합니다.

리더가 생성한 최대 num_records (키, 값) 쌍을 반환합니다.

리더를 초기 깨끗한 상태로 복원합니다 .

리더를 이전에 저장된 상태로 복원합니다 .

Reader의 상태를 인코딩하는 문자열 텐서를 생성합니다.

복소수의 실수부를 반환합니다.

실수 유형의 경우 x / y 요소를 반환합니다.

x 요소별로 역수를 계산합니다.

무작위 레코드를 내보냅니다.

주어진 차원에 걸쳐 문자열 텐서를 결합합니다.

다음 반복에서 해당 입력을 사용할 수 있도록 합니다.

inputs 의 index 번째 요소를 output 으로 전달합니다.

참조 텐서 data pred 에 의해 결정된 출력 포트로 전달합니다.

입력이 정규식 패턴과 일치하는지 확인하세요.

input 의 pattern 정규식 일치 항목을 rewrite 에 제공된 대체 문자열로 바꿉니다.

수정된 선형 계산: max(features, 0) .

수정된 선형 6을 계산합니다: min(max(features, 0), 6) .

양자화된 텐서에 존재하는 실제 값을 포함하는 범위를 계산합니다.

양자화된 input 텐서를 낮은 정밀도의 output 으로 변환합니다.

영역 보간을 사용하여 images size 조정합니다.

쌍입방 보간을 사용하여 images size 조정합니다.

쌍선형 보간법을 사용하여 images size 조정합니다.

가장 가까운 이웃 보간을 사용하여 images size 조정합니다.

adadelta 체계에 따라 '*var'를 업데이트합니다.

adagrad 체계에 따라 '*var'를 업데이트합니다.

근위부 adagrad 체계에 따라 '*var'를 업데이트합니다.

Adam 알고리즘에 따라 '*var'를 업데이트합니다.

Adam 알고리즘에 따라 '*var'를 업데이트합니다.

AddSign 업데이트에 따라 '*var'를 업데이트합니다.

중심 RMSProp 알고리즘에 따라 '*var'를 업데이트합니다.

Ftrl-proximal 체계에 따라 '*var'를 업데이트합니다.

Ftrl-proximal 체계에 따라 '*var'를 업데이트합니다.

'*var'에서 'alpha' * 'delta'를 빼서 업데이트합니다.

모멘텀 체계에 따라 '*var'를 업데이트합니다.

모멘텀 체계에 따라 '*var'를 업데이트합니다.

AddSign 업데이트에 따라 '*var'를 업데이트합니다.

Adagrad 학습률을 사용하여 FOBOS에 따라 '*var' 및 '*accum'을 업데이트합니다.

고정 학습률을 사용하는 FOBOS 알고리즘으로 '*var'를 업데이트합니다.

RMSProp 알고리즘에 따라 '*var'를 업데이트합니다.

'resource'가 가리키는 변수가 'limit'에 도달할 때까지 증가합니다.

Variable 의 개별 값이나 조각에 희소 추가를 적용합니다.

Variable 의 개별 값이나 조각에 희소 빼기를 적용합니다.

특정 값 내의 개별 값이나 조각에 희소 updates 적용합니다.

var: Variable()에서 가져와야 합니다.

adagrad 체계에 따라 '*var' 및 '*accum'의 관련 항목을 업데이트합니다.

근위부 adagrad 체계에 따라 '*var' 및 '*accum'의 항목을 업데이트합니다.

중심 RMSProp 알고리즘에 따라 '*var'를 업데이트합니다.

Ftrl-proximal 체계에 따라 '*var'의 관련 항목을 업데이트합니다.

Ftrl-proximal 체계에 따라 '*var'의 관련 항목을 업데이트합니다.

모멘텀 체계에 따라 '*var' 및 '*accum'의 관련 항목을 업데이트합니다.

모멘텀 체계에 따라 '*var' 및 '*accum'의 관련 항목을 업데이트합니다.

FOBOS 알고리즘에 따라 '*var' 및 '*accum'의 희소 업데이트 항목입니다.

학습률이 고정된 FOBOS 알고리즘으로 '*var'를 희소 업데이트합니다.

RMSProp 알고리즘에 따라 '*var'를 업데이트합니다.

체크포인트 파일에서 텐서를 복원합니다.

체크포인트 파일에서 텐서를 복원합니다.

V2 체크포인트에서 텐서를 복원합니다.

x에 가장 가까운 요소별 정수를 반환합니다.

텐서의 값을 요소별로 가장 가까운 정수로 반올림합니다.

x 요소별 제곱근의 역수를 계산합니다.

이미지에 대해 무작위로 왜곡된 단일 경계 상자를 생성합니다.

이미지에 대해 무작위로 왜곡된 단일 경계 상자를 생성합니다.

입력 텐서를 디스크에 저장합니다.

입력 텐서 슬라이스를 디스크에 저장합니다.

V2 체크포인트 형식으로 텐서를 저장합니다.

스칼라 값으로 Summary 프로토콜 버퍼를 출력합니다.

TODO : DOC를 추가하십시오.

변수 참조에 희소 업데이트를 추가합니다.

변수 참조를 Sparse 업데이트로 나눕니다.

max 작업을 사용하여 스파 스 업데이트를 가변 참조로 줄입니다.

min 작업을 사용하여 희소 업데이트를 변수 참조로 줄입니다.

스파 스 업데이트에 변수 참조에 곱합니다.

변수 의 개별 값 또는 슬라이스에 드문 추가를 적용합니다.

Variable 의 개별 값이나 조각에 희소 빼기를 적용합니다.

주어진 내의 개별 값 또는 슬라이스에 희소 updates 적용합니다.

변수 참조에 대한 희소 업데이트를 뺍니다.

스파 스 업데이트를 변수 참조에 적용합니다.

텐서의 세그먼트를 따라 최대값을 계산합니다.

텐서의 세그먼트를 따라 평균을 계산합니다.

텐서의 세그먼트를 따라 최소값을 계산합니다.

텐서의 세그먼트를 따라 제품을 계산합니다.

텐서의 세그먼트를 따라 합계를 계산합니다.

TODO : DOC를 추가하십시오.

스케일 지수 선형 : scale * alpha * (exp(features) - 1)

N -minibatch SparseTensor [N, 3] Tensor 객체로 직렬화합니다.

SparseTensor 를 [3] Tensor 객체로 직렬화하십시오.

텐서를 직렬화 된 텐서 프로토 프로토로 변환합니다.

두 숫자 또는 문자열 목록의 차이를 계산합니다.

샤딩된 파일 이름을 생성합니다.

모든 샤드 파일 이름과 일치하는 글로벌 패턴을 생성합니다.

x 요소 측면에서 Sigmoid를 계산합니다.

숫자의 부호에 대한 요소 별 표시를 반환합니다.

X 요소 단위의 사인을 계산합니다.

X 요소 별 쌍곡선 사인을 계산합니다.

SoftMax 활성화를 계산합니다.

SoftMax 교차 엔트로피 비용 및 그라디언트를 역전증으로 계산합니다.

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

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

주어진 축적기에 드문 구배를 적용합니다.

SparseconditionalAccumulator 에서 평균 드문 구배를 추출합니다.

다른 SparseTensor 생성하기 위해 두 개의 SparseTensor 객체를 추가합니다.

Sparseadd op의 그라디언트 연산자.

var: Variable()에서 가져와야 합니다.

adagrad 체계에 따라 '*var' 및 '*accum'의 관련 항목을 업데이트합니다.

근위부 adagrad 체계에 따라 '*var' 및 '*accum'의 항목을 업데이트합니다.

중심 RMSProp 알고리즘에 따라 '*var'를 업데이트합니다.

Ftrl-proximal 체계에 따라 '*var'의 관련 항목을 업데이트합니다.

Ftrl-proximal 체계에 따라 '*var'의 관련 항목을 업데이트합니다.

모멘텀 체계에 따라 '*var' 및 '*accum'의 관련 항목을 업데이트합니다.

FOBOS 알고리즘에 따라 '*var' 및 '*accum'의 희소 업데이트 항목입니다.

학습률이 고정된 FOBOS 알고리즘으로 '*var'를 희소 업데이트합니다.

RMSProp 알고리즘에 따라 '*var'를 업데이트합니다.

지정된 치수를 따라 SparseTensor 목록을 연결합니다.

스파 스 그라디언트를 집계하기위한 조건부 축합기.

희소하고 조밀 한 텐서 목록에서 드문 크로스를 생성합니다.

이 특별한 규칙을 사용하여 SparsetEnsor와 조밀 한 텐서를 추가합니다.

구성 요소 측면은 SparSetensor 를 조밀 한 텐서로 나눕니다.

구성 요소 측면은 Sparsetensor 에 조밀 한 텐서를 곱합니다.

입력 2-D SparseTensor 의 빈 행을 기본값으로 채 웁니다.

sparsefilemptyrows 의 그라디언트.

매트릭스 "a"에 의해 매트릭스 "b"를 곱하십시오 .

SparSetensor의 치수에 걸쳐 최대 요소를 계산합니다.

SparSetensor의 치수에 걸쳐 최대 요소를 계산합니다.

SparSetensor의 치수에 걸쳐 요소의 합을 계산합니다.

SparSetensor의 치수에 걸쳐 요소의 합을 계산합니다.

sparsetensor를 표준의 행-대기 순서로 다시 표시합니다.

새로운 조밀 한 모양으로 값을 나타내도록 sparsetensor를 다시 구성합니다.

텐서의 희소 세그먼트를 따라 평균을 계산합니다.

sparsesegmentmean을 위한 그라디언트를 계산합니다.

텐서의 희소 세그먼트를 따라 평균을 계산합니다.

N의 sqrt로 나눈 텐서의 희소 세그먼트를 따라 합계를 계산합니다.

SparseSegmentsqrtn 에 대한 그라디언트를 계산합니다.

N의 sqrt로 나눈 텐서의 희소 세그먼트를 따라 합계를 계산합니다.

텐서의 희소 세그먼트를 따라 합계를 계산합니다.

텐서의 희소 세그먼트를 따라 합계를 계산합니다.

start 과 size 에 따라 SparseTensor 슬라이스하십시오.

Sparseslice op의 그라디언트 연산자.

SoftMax를 배치 된 nd SparseTensor 에 적용합니다.

SoftMax 교차 엔트로피 비용 및 그라디언트를 역전증으로 계산합니다.

두 개의 sparsetensors의 요소 별 최대를 반환합니다.

두 개의 sparsetensors의 요소 별 최소를 반환합니다.

SparseTensor 한 차원을 따라 num_split 텐서로 분할합니다.

SparseTensor 와 조밀 한 Tensor 추가하여 밀도가 높은 Tensor 생성합니다.

SparSetensor (Rank 2) "A"빽빽한 매트릭스 "B"를 곱하십시오 .

X 요소 단위의 제곱근을 계산합니다.

X 요소 별 제곱을 계산합니다.

리턴 (x -y) (x -y) 요소 별.

N R 텐서 목록을 1 랭크 (R+1) 텐서로 포장합니다.

단계 값은 경량 evqueue와 유사합니다.

OP는 기본 컨테이너의 모든 요소를 ​​제거합니다.

OP는 지정된 인덱스의 값을 살펴 봅니다.

OP는 기본 컨테이너의 요소 수를 반환합니다.

텐서 목록을 사용하여 문자열 템플릿을 형식화합니다.

주어진 문자열 텐서 목록의 문자열을 하나의 텐서로 결합합니다.

input 의 스트링 길이.

TODO : DOC를 추가하십시오.

울퉁불퉁 한 문자열 데이터에서 ngrams를 만듭니다.

delimiter 기반으로 한 input 의 분할 요소를 SparseTensor 로 분할합니다.

sep 기반으로 한 source 의 요소를 SparseTensor 로 분할하십시오.

텐서 의 선장 및 후행 공백.

입력 Tensor 의 각 문자열을 버킷 수만큼 해시 모드로 변환합니다.

입력 Tensor 의 각 문자열을 버킷 수만큼 해시 모드로 변환합니다.

입력 Tensor 의 각 문자열을 버킷 수만큼 해시 모드로 변환합니다.

입력 텐서 의 각 문자열을 지정된 숫자 유형으로 변환합니다.

TODO : DOC를 추가하십시오.

문자열의 Tensor 에서 기판을 반환합니다.

x -y 요소 측면을 반환합니다.

텐서의 치수에 걸쳐 요소의 합을 계산합니다.

pred 에 의해 결정된 출력 포트로 data 전달합니다.

Tensorflow 레코드 파일에서 레코드를 출력하는 독자.

드문 드문 표현을 조밀 한 텐서로 변환합니다.

X 요소 단위의 Tan을 계산합니다.

x 요소 단위의 쌍곡선 접선을 계산합니다.

돌연변이 될 수 있지만 단일 단계 내에서만 지속되는 텐서를 반환합니다.

주어진 크기의 텐서 배열.

자원 컨테이너에서 TensorArray를 삭제하십시오.

TensorArray 에서 값 value 로 요소를 연결합니다 .

TensorArray 에서 출력 value 으로 특정 요소를 수집하십시오 .

주어진 핸들에 값의 그라디언트를 저장하기위한 텐소 라 레이 를 만듭니다.

주어진 핸들에 여러 값의 값을 저장하기위한 텐소 라 레이 를 만듭니다.

TensorArray 에서 출력 value 으로 요소를 읽으십시오.

입력 값에서 데이터를 특정 TensorArray 요소로 산출하십시오.

TensorArray 의 현재 크기를 얻으십시오.

입력 값에서 데이터를 TensorArray 요소로 분할하십시오.

Tensor_Array에 요소를 밀어 넣으십시오.

텐서로 Summary 프로토콜 버퍼를 출력합니다.

텐서 및 플러그 당 데이터로 Summary 프로토콜 버퍼를 출력합니다.

파일의 줄을 출력하는 독자는 '
'.

Epoch 이후 몇 초 만에 시간을 제공합니다.

마지막 차원에 대한 k 큰 요소의 값과 지수를 찾습니다.

정수 유형의 경우 x / y 요소로 반환합니다.

요소 별 분열을 반환합니다.

잘린 정규 분포에서 임의 값을 출력합니다.

유니 코드 정수 코드 포인트의 주어진 텐서의 스크립트 코드를 결정하십시오.

소스에서 입력 텍스트를 인코딩하여 대상 인코딩으로 트랜스 코딩합니다.

균일 한 분포로 후보 샘플링에 대한 레이블을 생성합니다.

segment_ids 기반으로 inputs 요소에 결합합니다.

텐서의 세그먼트를 따라 최대값을 계산합니다.

텐서의 세그먼트를 따라 최소값을 계산합니다.

텐서의 세그먼트를 따라 제품을 계산합니다.

텐서의 세그먼트를 따라 합계를 계산합니다.

OP는 경량 퇴적물과 유사합니다.

단계를 가로 질러 지속되는 텐서의 형태로 상태를 유지합니다.

reshape op에 따라 양자화 된 텐서를 재구성합니다.

condition 에 따라 x 또는 y 에서 요소를 선택합니다.

파일의 전체 내용을 값으로 출력하는 리더.

입력 파일 이름에서 파일에 내용을 씁니다.

x == 0이면 0을 반환하고 그렇지 않으면 x / y는 요소를 반환합니다.

x == 0이면 0을 반환하고 x * log (y)는 그렇지 않으면 요소를 반환합니다.

같은 모양으로 0의 텐서를 반환하고 x와 유형을 유형합니다.

Hurwitz Zeta 기능 \((x, q)\)계산하십시오.