テンソルフロー::作戦

呼び出されたときに例外を発生させてプロセスを中止します。

テンソルの絶対値を計算します。

テンソルのリストの要素ごとの合計を返します。

指定されたアキュムレータに勾配を適用します。

指定されたアキュムレータに集約された勾配の数を返します。

アキュムレータを global_step の新しい値で更新します。

指定されたConditionalAccumulatorの平均勾配を抽出します。

x の acos を要素ごとに計算します。

x の逆双曲線余弦を要素ごとに計算します。

x + y を要素ごとに返します。

N -minibatch SparseTensor SparseTensorsMapに追加し、 Nハンドルを返します。

すべての入力テンソルを要素ごとに追加します。

SparseTensor SparseTensorsMapに追加すると、そのハンドルが返されます。

x + y を要素ごとに返します。

1 つまたは複数の画像のコントラストを調整します。

1 つまたは複数の画像の色相を調整します。

1 つまたは複数の画像の彩度を調整します。

テンソルの次元全体で要素の「論理積」を計算します。

学習されたユニグラム分布を使用して候補サンプリングのラベルを生成します。

複素数の引数を返します。

テンソルの次元にわたる要素の「論理和」を計算します。

adadelta スキームに従って「*var」を更新します。

adagrad スキームに従って「*var」を更新します。

近位の adagrad スキームに従って「*var」を更新します。

Adam アルゴリズムに従って「*var」を更新します。

AddSign の更新に従って「*var」を更新します。

中心の RMSProp アルゴリズムに従って「*var」を更新します。

Ftrl-proximal スキームに従って「*var」を更新します。

Ftrl-proximal スキームに従って「*var」を更新します。

'*var' から 'alpha' * 'delta' を減算して更新します。

運動量スキームに従って「*var」を更新します。

AddSign の更新に従って「*var」を更新します。

Adagrad 学習率の FOBOS に従って「*var」と「*accum」を更新します。

「*var」を固定学習率の FOBOS アルゴリズムとして更新します。

RMSProp アルゴリズムに従って「*var」を更新します。

abs(xy) < 許容誤差の要素ごとの真理値を返します。

テンソルの次元全体で最大値を持つインデックスを返します。

テンソルの次元全体で最小値を持つインデックスを返します。

指定されたテンソルの各エントリを文字列に変換します。

x の三角関数の逆サインを要素ごとに計算します。

x の逆双曲線正弦を要素ごとに計算します。

指定された条件が true であることをアサートします。

「value」を代入して「ref」を更新します。

「value」を追加して「ref」を更新します。

'ref' から 'value' を減算して更新します。

x の三角関数逆正接を要素ごとに計算します。

引数の符号を考慮して、要素ごとにy/xの逆正接を計算します。

x の逆双曲線正接を要素ごとに計算します。

入力に対して平均プーリングを実行します。

入力に対して 3D 平均プーリングを実行します。

平均プーリング関数の勾配を計算します。

異なるグラフ実行にわたって持続するバリアを定義します。

指定されたバリアを閉じます。

指定されたバリア内の不完全な要素の数を計算します。

各キーについて、指定されたコンポーネントにそれぞれの値を割り当てます。

指定されたバリア内の完全な要素の数を計算します。

バリアから指定された数の完了した要素を取得します。

2 つのテンソルのスライスをバッチで乗算します。

2 つのテンソルのスライスをバッチで乗算します。

T 型の 4 次元テンソルのBatchToSpace 。

T 型の ND テンソルのBatchToSpace 。

xのベッセル i0e 関数を要素ごとに計算します。

xのベッセル i1e 関数を要素ごとに計算します。

正規化された不完全ベータ積分 \(I_x(a, b)\)を計算します。

valueにbiasを追加します。

「バイアス」テンソルに対する「BiasAdd」の逆方向操作。

整数配列内の各値の出現数をカウントします。

データをコピーせずに、ある型から別の型にテンソルをビットキャストします。

s0 op s1 の形状をブロードキャストで返します。

互換性のある形状の配列をブロードキャストします。

「境界」に基づいて「入力」をバケット化します。

SrcT 型の x を DstT の y にキャストします。

x 以上の要素ごとの最小の整数を返します。

テンソルの NaN 値と Inf 値をチェックします。

テンソル値を指定された最小値と最大値にクリップします。

スコアの降順で境界ボックスのサブセットを貪欲に選択します。

inputの値をthresholdと比較し、結果のビットをuint8にパックします。

2 つの実数を複素数に変換します。

テンソルの複素絶対値を計算します。

true_labels に一致する、sampled_candidates 内の位置の ID を計算します。

テンソルを 1 次元に沿って連結します。

勾配を集約するための条件付きアキュムレータ。

複素数の複素共役を返します。

順列に従って x の次元をシャッフルし、結果を共役させます。

何もしません。

4 次元inputとfilterテンソルを指定して 2 次元畳み込みを計算します。

フィルターに関する畳み込みの勾配を計算します。

入力に対する畳み込みの勾配を計算します。

5 次元inputとfilterテンソルを指定して 3 次元畳み込みを計算します。

フィルターに関する 3-D 畳み込みの勾配を計算します。

入力に対する 3-D 畳み込みの勾配を計算します。

x の cos を要素ごとに計算します。

x の双曲線余弦を要素ごとに計算します。

「limit」に達するまで「ref」をインクリメントします。

入力画像テンソルからクロップを抽出し、サイズを変更します。

入力ボックスのテンソルに対する Crop_and_resize オペレーションの勾配を計算します。

入力イメージ テンソルに関する Crop_and_resize オペレーションの勾配を計算します。

ペアごとの外積を計算します。

テンソルxの累積積をaxisに沿って計算します。

テンソルxの累積和をaxisに沿って計算します。

指定された宛先データ形式でディメンション インデックスを返します。

指定された宛先データ形式で並べ替えられたベクトル/テンソルを返します。

勾配デバッグ用のID演算。

勾配デバッグ用のID演算。

JPEG エンコードされたイメージを uint8 テンソルにデコードしてトリミングします。

Web セーフな Base64 エンコード文字列をデコードします。

BMP でエンコードされたイメージの最初のフレームを uint8 テンソルにデコードします。

CSV レコードをテンソルに変換します。

文字列を解凍します。

GIF エンコードされた画像のフレームを uint8 テンソルにデコードします。

JSON エンコードされたサンプル レコードをバイナリ プロトコル バッファ文字列に変換します。

JPEG エンコードされたイメージを uint8 テンソルにデコードします。

文字列のバイトを数値のベクトルとして再解釈します。

PNG エンコードされたイメージを uint8 または uint16 テンソルにデコードします。

文字列のバイトを数値のベクトルとして再解釈します。

xのコピーを作成します。

セッション内のハンドルで指定されたテンソルを削除します。

T 型のテンソルのDepthToSpace 。

4 次元inputとfilterテンソルを指定して 2 次元の深さ方向の畳み込みを計算します。

フィルターに関する深さ方向の畳み込みの勾配を計算します。

入力に対する深さ方向の畳み込みの勾配を計算します。

「入力」テンソルを float または bfloat16 Tensorに逆量子化します。

シリアル化されたミニバッチからSparseTensors逆シリアル化し、連結します。

SparseTensorオブジェクトを逆シリアル化します。

一時変数を破棄し、その最終値を返します。

指定された対角値を持つ対角テンソルを返します。

テンソルの対角部分を返します。

Lgammaの導関数である Psi (Lgamma の絶対値の対数) を計算します。

4 次元inputおよび 3 次元filterテンソルのグレースケール拡張を計算します。

フィルターに関する形態学的 2 次元膨張の勾配を計算します。

入力に対する形態学的 2 次元膨張の勾配を計算します。

x / y を要素ごとに返します。

分母がゼロの場合は 0 を返します。

画像のバッチ上に境界ボックスを描画します。

画像のバッチ上に境界ボックスを描画します。

partitionsのインデックスを使用して、 data num_partitionsテンソルに分割します。

dataテンソルの値を単一のテンソルにインターリーブします。

(おそらく正規化された) レーベンシュタイン編集距離を計算します。

指数線形を計算します: < 0 の場合はexp(features) - 1 、それ以外の場合はfeatures 。

指定された形状のテンソルを作成します。

文字列を Web セーフな Base64 形式にエンコードします。

画像を JPEG エンコードします。

JPEG は、提供された圧縮品質で入力画像をエンコードします。

画像を PNG エンコードします。

テンソルの形状が予想される形状と一致することを確認します。

(x == y) の真理値を要素ごとに返します。

xのガウス誤差関数を要素ごとに計算します。

xの相補誤差関数を要素ごとに計算します。

TODO: ドキュメントを追加します。

テンソルの次元にわたる要素のユークリッド ノルムを計算します。

x の指数を要素ごとに計算します。

テンソルのシェイプに 1 の次元を挿入します。

exp(x) - 1要素ごとに計算します。

入力テンソルから垣間見える部分を抽出します。

imagesからpatches抽出し、「深度」出力次元に配置します。

JPEG エンコードされた画像の形状情報を抽出します。

inputからpatches抽出し、「深度」出力次元に配置します。

先入れ先出しの順序で要素を生成するキュー。

階乗に関する事実を出力します。

「入力」テンソルを疑似量子化し、同じ型の「出力」テンソルに float 型を入力します。

FakeQuantWithMinMaxArgs操作の勾配を計算します。

グローバル float スカラーminを介して float 型の「入力」テンソルを疑似量子化します。

FakeQuantWithMinMaxVars操作の勾配を計算します。

float 型およびいずれかの形状の「入力」テンソルを疑似量子化します: [d] ,。

FakeQuantWithMinMaxVarsPerChannel操作の勾配を計算します。

スカラー値で満たされたテンソルを作成します。

フィンガープリント値を生成します。

ファイルから固定長レコードを出力するリーダー。

学習されたユニグラム分布を使用して候補サンプリングのラベルを生成します。

x 以下の要素ごとの最大の整数を返します。

x // y を要素ごとに返します。

要素ごとの除算の余りを返します。

入力に対して部分平均プーリングを実行します。

入力に対してフラクショナル最大プーリングを実行します。

バッチ正規化。

バッチ正規化のための勾配。

バッチ正規化のための勾配。

バッチ正規化のための勾配。

バッチ正規化。

バッチ正規化。

畳み込み中に前処理としてパディングを実行します。

畳み込み中に前処理としてサイズ変更とパディングを実行します。

indicesに従ってparamsからスライスを収集します。

paramsからのスライスを、 indicesで指定された形状を持つTensorに集めます。

indicesに従ってparams axis axisからスライスを収集します。

入力テンソルを現在のセッションの状態に保存します。

入力テンソルを現在のセッションの状態に保存します。

ハンドルで指定されたテンソルの値を取得します。

(x > y) の真理値を要素ごとに返します。

(x >= y) の真理値を要素ごとに返します。

入力テンソルが定数であることを TF ランタイムに保証します。

1 つ以上の画像を HSV から RGB に変換します。

値のヒストグラムを返します。

ヒストグラムを含むSummaryプロトコル バッファを出力します。

入力テンソルまたは値と同じ形状と内容を持つテンソルを返します。

入力と同じ形状と内容を持つテンソルのリストを返します。

キューに入れられた作業をキーと値の両方として出力するリーダー。

下位の正規化された不完全ガンマ関数P(a, x)を計算します。

上部の正規化された不完全ガンマ関数Q(a, x)を計算します。

複素数の虚数部を返します。

メモリ領域から不変のテンソルを返します。

ターゲットが上位K予測に含まれるかどうかを示します。

ターゲットが上位K予測に含まれるかどうかを示します。

x の指定された行に v を追加します。

v xの指定された行に減算します。

指定された行をvの値で更新します。

x の逆数を要素ごとに計算します。

テンソルの逆順列を計算します。

x のどの要素が有限であるかを返します。

x のどの要素が Inf であるかを返します。

x のどの要素が NaN であるかを返します。

テンソルが初期化されているかどうかを確認します。

L2 損失。

LMDB ファイルからレコードを出力するリーダー。

ローカル応答の正規化。

学習されたユニグラム分布を使用して候補サンプリングのラベルを生成します。

(x < y) の真理値を要素ごとに返します。

(x <= y) の真理値を要素ごとに返します。

Gamma(x)の絶対値の対数を要素ごとに計算します。

一定の間隔で値を生成します。

x の自然対数を要素ごとに計算します。

(1 + x) の自然対数を要素ごとに計算します。

ソフトマックスのアクティブ化のログを計算します。

対数一様分布を使用して候補サンプリングのラベルを生成します。

x AND y の真理値を要素ごとに返します。

NOT xの真理値を要素ごとに返します。

x OR y の真理値を要素ごとに返します。

入力を出力に転送します。

Op は、基になるコンテナー内のすべての要素を削除します。

Op は、基になるコンテナー内の不完全な要素の数を返します。

Op は、指定されたキーの値を調べます。

Op は、基になるコンテナ内の要素の数を返します。

ハッシュテーブルのように動作する、基礎となるコンテナー内のステージ(キー、値)。

Op は、キーに関連付けられた値を削除して返します。

Op はランダムな (キー、値) を削除して返します。

行列「a」と行列「b」を掛けます。

1 つ以上のグロブ パターンに一致するファイルのセットを返します。

最も内側の各行列の中心バンドの外側のすべてを設定するテンソルをコピーします。

指定されたバッチ対角値を持つバッチ対角テンソルを返します。

バッチ化されたテンソルのバッチ化された対角部分を返します。

バッチ化されたテンソルのバッチ化された対角部分を返します。

バッチ化されたテンソルのバッチ化された対角部分を返します。

指定されたバッチ対角値を持つバッチ対角テンソルを返します。

指定されたバッチ対角値を持つバッチ対角テンソルを返します。

新しいバッチ化された対角値を含むバッチ化された行列テンソルを返します。

新しいバッチ化された対角値を含むバッチ化された行列テンソルを返します。

新しいバッチ化された対角値を含むバッチ化された行列テンソルを返します。

テンソルの次元全体の要素の最大値を計算します。

入力に対して最大プーリングを実行します。

入力に対して 3D 最大プーリングを実行します。

最大プーリング関数の勾配を計算します。

maxpooling 関数の 2 次勾配を計算します。

maxpooling 関数の 2 次勾配を計算します。

maxpooling 関数の 2 次勾配を計算します。

maxpooling 関数の 2 次勾配を計算します。

maxpooling 関数の勾配を計算します。

入力に対して最大プーリングを実行します。

入力に対して最大プーリングを実行し、最大値とインデックスの両方を出力します。

x と y の最大値を返します (すなわち、

テンソルの次元全体の要素の平均を計算します。

利用可能なテンソルの値をinputsからoutputに転送します。

概要を結合します。

V2 形式固有: シャードされたチェックポイントのメタデータ ファイルをマージします。

テンソルの次元全体で要素の最小値を計算します。

x と y の最小値を返します (すなわち、

テンソルをミラーリングされた値でパディングします。

要素ごとの除算の余りを返します。

x * y を要素ごとに返します。

多項分布からサンプルを抽出します。

x * y を要素ごとに返します。

TODO: ドキュメントを追加します。

負の数値を要素ごとに計算します。

x1の次に表現可能な値をx2の方向に要素ごとに返します。

入力を次の反復で使用できるようにします。

何もしません。

スコアの降順で境界ボックスのサブセットを貪欲に選択します。

スコアの降順で境界ボックスのサブセットを貪欲に選択します。

スコアの降順で境界ボックスのサブセットを貪欲に選択します。

スコアの降順で境界ボックスのサブセットを貪欲に選択します。

スコアの降順で境界ボックスのサブセットを貪欲に選択します。

スコアの降順で境界ボックスのサブセットを貪欲に選択します。

(x != y) の真理値を要素ごとに返します。

最後の次元のn次統計量の値を検索します。

ワンホットテンソルを返します。

x と同じ形状と型を持つ 1 のテンソルを返します。

Op は、基になるコンテナー内のすべての要素を削除します。

Op は、基になるコンテナー内の不完全な要素の数を返します。

Op は、指定されたキーの値を調べます。

Op は、基になるコンテナ内の要素の数を返します。

順序付けされたように動作する、基礎となるコンテナー内のステージ(キー、値)。

Op は、キーに関連付けられた値を削除して返します。

Op は、最小の (key, value) 要素を削除して返します。

テンソルをゼロで埋めます。

テンソルをパディングします。

先入れ先出しの順序で要素を生成するキュー。

N個のテンソルのリストを最初の次元に沿って連結します。

dataテンソルの値を単一のテンソルにインターリーブします。

正規分布からランダムな値を出力します。

Brain.Example プロト (文字列として) のベクトルを型付きテンソルに変換します。

tf.Example プロト (文字列として) のベクトルを型付きテンソルに変換します。

Brain.SequenceExample プロト (文字列として) のベクトルを型付きテンソルに変換します。

tf.io.SequenceExample プロト (文字列として) のベクトルを型付きテンソルに変換します。

tf.Example プロト (文字列として) を型付きテンソルに変換します。

スカラー Brain.SequenceExample プロト (文字列として) を型付きテンソルに変換します。

シリアル化された tensorflow.TensorProto プロトをTensorに変換します。

計算に入力される値のプレースホルダー op。

出力が供給されない場合にinputを通過するプレースホルダー op。

ポリガンマ関数 \(^{(n)}(x)\)を計算します。

ある値の別の値に対する累乗を計算します。

グラデーションが要求された場合にエラーをトリガーするアイデンティティ演算。

テンソルのリストを出力します。

文字列スカラーを出力します。

最初のコンポーネント値でソートされた要素を生成するキュー。

テンソルの次元にわたる要素の積を計算します。

テンソルを量子化してから逆量子化します。

テンソルを量子化してから逆量子化します。

を使用して、量子化された「入力」テンソルを低精度の「出力」に変換します。

float 型の '入力' テンソルを 'T' 型の '出力' テンソルに量子化します。

量子化されたバッファーを処理して、要素ごとに x + y を返します。

量子化された型の入力テンソルの平均プールを生成します。

量子化されたバッチ正規化。

量子化型のTensor 'input' にTensor 'bias' を追加します。

量子化されたテンソルを 1 次元に沿って連結します。

量子化された 4D 入力とフィルター テンソルを指定して 2D 畳み込みを計算します。

量子化されたインスタンスの正規化。

aと行列bの量子化行列乗算を実行します。

量子化型の入力テンソルの最大プールを生成します。

量子化されたバッファーを処理して、要素ごとに x * y を返します。

量子化整流線形を計算: max(features, 0)

量子化整流線形 6 を計算します: min(max(features, 0), 6)

量子化された整流線形 X を計算します: min(max(features, 0), max_value)

量子化された双線形補間を使用して、量子化されたimagesサイズを適切なsizeに変更します。

指定されたキューを閉じます。

指定されたキューから 1 つ以上のテンソルのタプルをデキューします。

指定されたキューから 1 つ以上のテンソルのnタプルをデキューします。

指定されたキューから 1 つ以上のテンソルのnタプルをデキューします。

1 つ以上のテンソルのタプルを指定されたキューにエンキューします。

1 つ以上のテンソルの 0 個以上のタプルを指定されたキューにエンキューします。

キューが閉じられている場合は true を返します。

キューが閉じられている場合は true を返します。

指定されたキュー内の要素の数を計算します。

1 つ以上の画像を RGB から HSV に変換します。

アルファで記述されたガンマ分布からランダムな値を出力します。

正規分布からランダムな値を出力します。

レートで記述されたポアソン分布からランダムな値を出力します。

テンソルを最初の次元に沿ってランダムにシャッフルします。

要素の順序をランダム化するキュー。

一様分布からランダムな値を出力します。

一様分布からランダムな整数を出力します。

一連の数値を作成します。

入力ファイル名の内容全体を読み取り、出力します。

この Reader が生成したレコードの数を返します。

この Reader が処理を完了したワークユニットの数を返します。

Reader によって生成された次のレコード (キーと値のペア) を返します。

Reader によって生成された最大num_records (キー、値) ペアを返します。

リーダーを初期のクリーンな状態に復元します。

リーダーを以前に保存した状態に復元します。

Reader の状態をエンコードする文字列テンソルを生成します。

複素数の実部を返します。

実数型の場合は要素ごとに x / y を返します。

x の逆数を要素ごとに計算します。

ランダム化されたレコードを発行します。

指定された次元にわたって文字列テンソルを結合します。

入力を次の反復で使用できるようにします。

inputsのindex番目の要素をoutputに転送します。

ref テンソルdata predによって決定される出力端子に転送します。

入力が正規表現パターンと一致するかどうかを確認します。

input内のpattern正規表現の一致を、 rewriteで提供された置換文字列に置き換えます。

修正された線形を計算します: max(features, 0) 。

修正された線形 6 を計算します: min(max(features, 0), 6) 。

量子化テンソルに存在する実際の値をカバーする範囲を計算します。

量子化されたinputテンソルを低精度のoutputに変換します。

領域補間を使用してimages sizeを変更します。

バイキュービック補間を使用してimages sizeを変更します。

双一次補間を使用してimages sizeを変更します。

最近傍補間を使用してimages sizeを変更します。

adadelta スキームに従って「*var」を更新します。

adagrad スキームに従って「*var」を更新します。

近位の adagrad スキームに従って「*var」を更新します。

Adam アルゴリズムに従って「*var」を更新します。

Adam アルゴリズムに従って「*var」を更新します。

AddSign の更新に従って「*var」を更新します。

中心の RMSProp アルゴリズムに従って「*var」を更新します。

Ftrl-proximal スキームに従って「*var」を更新します。

Ftrl-proximal スキームに従って「*var」を更新します。

'*var' から 'alpha' * 'delta' を減算して更新します。

運動量スキームに従って「*var」を更新します。

運動量スキームに従って「*var」を更新します。

AddSign の更新に従って「*var」を更新します。

Adagrad 学習率の FOBOS に従って「*var」と「*accum」を更新します。

「*var」を固定学習率の FOBOS アルゴリズムとして更新します。

RMSProp アルゴリズムに従って「*var」を更新します。

「limit」に達するまで「resource」が指す変数をインクリメントします。

Variable内の個々の値またはスライスにスパース加算を適用します。

Variable内の個々の値またはスライスにスパース減算を適用します。

特定の値内の個々の値またはスライスにスパースupdatesを適用します。

var: Variable() から取得する必要があります。

adagrad スキームに従って、「*var」および「*accum」内の関連エントリを更新します。

近位の adagrad スキームに従って、「*var」と「*accum」のエントリを更新します。

中心の RMSProp アルゴリズムに従って「*var」を更新します。

Ftrl-proximal スキームに従って、「*var」内の関連エントリを更新します。

Ftrl-proximal スキームに従って、「*var」内の関連エントリを更新します。

モメンタムスキームに従って、「*var」と「*accum」の関連エントリを更新します。

モメンタムスキームに従って、「*var」と「*accum」の関連エントリを更新します。

FOBOS アルゴリズムに従って、'*var' および '*accum' 内のスパース更新エントリ。

学習率が固定された FOBOS アルゴリズムとして「*var」をスパース更新します。

RMSProp アルゴリズムに従って「*var」を更新します。

チェックポイント ファイルからテンソルを復元します。

チェックポイント ファイルからテンソルを復元します。

V2 チェックポイントからテンソルを復元します。

x に最も近い要素ごとの整数を返します。

テンソルの値を要素ごとに最も近い整数に丸めます。

x の平方根の逆数を要素ごとに計算します。

画像に対してランダムに歪んだ単一の境界ボックスを生成します。

画像に対してランダムに歪んだ単一の境界ボックスを生成します。

入力テンソルをディスクに保存します。

入力テンソル スライスをディスクに保存します。

テンソルを V2 チェックポイント形式で保存します。

スカラー値を含むSummaryプロトコル バッファを出力します。

TODO: ドキュメントを追加します。

変数参照にスパース更新を追加します。

変数参照をスパース更新によって分割します。

max演算を使用して、スパース更新を変数参照に減らします。

min操作を使用して、スパースな更新を変数参照に減らします。

スパース更新を変数参照に乗算します。

Variable内の個々の値またはスライスにスパース加算を適用します。

Variable内の個々の値またはスライスにスパース減算を適用します。

特定の値内の個々の値またはスライスにスパースupdatesを適用します。

スパース更新を変数参照から減算します。

スパース更新を変数参照に適用します。

テンソルのセグメントに沿った最大値を計算します。

テンソルのセグメントに沿った平均を計算します。

テンソルのセグメントに沿った最小値を計算します。

テンソルのセグメントに沿って積を計算します。

テンソルのセグメントに沿って合計を計算します。

TODO: ドキュメントを追加します。

スケーリングされた指数線形を計算します: scale * alpha * (exp(features) - 1)

NミニバッチSparseTensor [N, 3] Tensorオブジェクトにシリアル化します。

SparseTensorを[3] Tensorオブジェクトにシリアル化します。

Tensor をシリアル化された TensorProto プロトに変換します。

2 つの数値または文字列のリストの差を計算します。

シャーディングされたファイル名を生成します。

すべてのシャーディングされたファイル名に一致するグロブ パターンを生成します。

xのシグモイドを要素ごとに計算します。

数値の符号を要素ごとに示す値を返します。

x の正弦を要素ごとに計算します。

x の双曲線正弦を要素ごとに計算します。

ソフトマックスのアクティベーションを計算します。

逆伝播するためのソフトマックス クロス エントロピー コストと勾配を計算します。

ソフトプラスを計算します: log(exp(features) + 1) 。

ソフトサインを計算します: features / (abs(features) + 1) 。

指定されたアキュムレータにスパース グラデーションを適用します。

SparseConditionalAccumulatorで平均スパース勾配を抽出します。

2 つのSparseTensorオブジェクトを追加して、別のSparseTensorを生成します。

SparseAdd演算の勾配演算子。

var: Variable() から取得する必要があります。

adagrad スキームに従って、「*var」および「*accum」内の関連エントリを更新します。

近位の adagrad スキームに従って、「*var」と「*accum」のエントリを更新します。

中心の RMSProp アルゴリズムに従って「*var」を更新します。

Ftrl-proximal スキームに従って、「*var」内の関連エントリを更新します。

Ftrl-proximal スキームに従って、「*var」内の関連エントリを更新します。

モメンタムスキームに従って、「*var」と「*accum」の関連エントリを更新します。

FOBOS アルゴリズムに従って、'*var' および '*accum' 内のスパース更新エントリ。

学習率が固定された FOBOS アルゴリズムとして「*var」をスパース更新します。

RMSProp アルゴリズムに従って「*var」を更新します。

指定された次元に沿ってSparseTensorのリストを連結します。

疎な勾配を集約するための条件付きアキュムレータ。

スパースおよびデンステンソルのリストからスパースクロスを生成します。

次の特別なルールを使用して、 SparseTensor と Density Tensorを加算します。

SparseTensor をコンポーネントごとに密なTensorで除算します。

コンポーネントごとに、 SparseTensor と密なTensorを乗算します。

入力 2 次元SparseTensorの空の行をデフォルト値で埋めます。

SparseFillEmptyRowsのグラデーション。

行列「a」と行列「b」を掛けます。

SparseTensor の次元全体の要素の最大値を計算します。

SparseTensor の次元全体の要素の最大値を計算します。

SparseTensor の次元全体の要素の合計を計算します。

SparseTensor の次元全体の要素の合計を計算します。

SparseTensor を正規の行優先の順序に並べ替えます。

SparseTensor を再形成して、値を新しい密な形状で表現します。

テンソルの疎なセグメントに沿った平均を計算します。

SparseSegmentMeanの勾配を計算します。

テンソルの疎なセグメントに沿った平均を計算します。

テンソルの疎なセグメントに沿った合計を N の 2 乗で割って計算します。

SparseSegmentSqrtNの勾配を計算します。

テンソルの疎なセグメントに沿った合計を N の 2 乗で割って計算します。

テンソルの疎なセグメントに沿って合計を計算します。

テンソルの疎なセグメントに沿って合計を計算します。

startとsizeに基づいてSparseTensorをスライスします。

SparseSlice演算の勾配演算子。

バッチ化された ND SparseTensorにソフトマックスを適用します。

逆伝播するためのソフトマックス クロス エントロピー コストと勾配を計算します。

2 つの SparseTensor の要素ごとの最大値を返します。

2 つの SparseTensor の要素ごとの最小値を返します。

SparseTensorを 1 次元に沿ってnum_splitテンソルに分割します。

SparseTensorとdensity Tensorを加算し、dense Tensorを生成します。

SparseTensor (ランク 2) "A" と密行列 "B"を乗算します。

x の平方根を要素ごとに計算します。

x の 2 乗を要素ごとに計算します。

(x - y)(x - y) を要素ごとに返します。

NランクRテンソルのリストを 1 つのランク(R+1)テンソルにパックします。

軽量のエンキューに似たステージ値。

Op は、基になるコンテナー内のすべての要素を削除します。

Op は、指定されたインデックスの値を調べます。

Op は、基になるコンテナ内の要素の数を返します。

テンソルのリストを使用して文字列テンプレートをフォーマットします。

指定された文字列テンソルのリスト内の文字列を 1 つのテンソルに結合します。

inputの文字列の長さ。

すべての大文字をそれぞれの小文字に変換します。

不規則な文字列データから ngram を作成します。

delimiterに基づいてinputの要素をSparseTensorに分割します。

sepに基づいてsourceの要素をSparseTensorに分割します。

Tensorから先頭と末尾の空白を削除します。

入力Tensorの各文字列をバケットの数によってそのハッシュ mod に変換します。

入力Tensorの各文字列をバケットの数によってそのハッシュ mod に変換します。

入力Tensorの各文字列をバケットの数によってそのハッシュ mod に変換します。

入力Tensorの各文字列を指定された数値型に変換します。

すべての小文字をそれぞれの大文字に変換します。

文字列のTensorから部分文字列を返します。

x - y を要素ごとに返します。

テンソルの次元にわたる要素の合計を計算します。

predによって決定される出力ポートにdataを転送します。

TensorFlow Records ファイルからレコードを出力するリーダー。

スパース表現を高密度テンソルに変換します。

x の Tan を要素ごとに計算します。

xの双曲線正接を要素ごとに計算します。

突然変異する可能性があるが、単一ステップ内でのみ持続するテンソルを返します。

指定されたサイズの Tensor の配列。

TensorArray をリソース コンテナから削除します。

TensorArrayの要素を value valueに連結します。

TensorArrayから特定の要素を出力valueに収集します。

指定されたハンドルに値の勾配を格納するためのTensorArrayを作成します。

指定されたハンドルに複数の値の勾配を格納するためのTensorArrayを作成します。

TensorArrayから要素を出力valueに読み取ります。

入力値のデータを特定のTensorArray要素に分散します。

TensorArrayの現在のサイズを取得します。

入力値のデータをTensorArray要素に分割します。

要素を tensor_array にプッシュします。

テンソルを使用してSummaryプロトコル バッファを出力します。

テンソルとプラグインごとのデータを含むSummaryプロトコル バッファーを出力します。

' で区切られたファイルの行を出力する Reader
'。

エポックからの時間を秒単位で提供します。

最後の次元の最大k個の要素の値とインデックスを検索します。

整数型の場合は要素ごとに x / y を返します。

要素ごとの除算の余りを返します。

切り捨てられた正規分布からランダムな値を出力します。

Unicode 整数コード ポイントの指定されたテンソルのスクリプト コードを決定します。

入力テキストをソース エンコーディングから宛先エンコーディングにトランスコードします。

一様分布で候補サンプリングのラベルを生成します。

segment_idsに基づいてinputsの要素を結合します。

テンソルのセグメントに沿った最大値を計算します。

テンソルのセグメントに沿った最小値を計算します。

テンソルのセグメントに沿って積を計算します。

テンソルのセグメントに沿って合計を計算します。

Op は軽量の Dequeue に似ています。

ステップ間で持続するテンソルの形式で状態を保持します。

Reshape オペレーションに従って量子化テンソルを再形成します。

conditionに応じて、 xまたはyから要素を選択します。

ファイルの内容全体を値として出力するリーダー。

入力ファイル名のファイルに内容を書き込みます。

x == 0 の場合は 0 を返し、それ以外の場合は要素ごとに x / y を返します。

x == 0 の場合は 0 を返し、それ以外の場合は要素ごとに x * log1p(y) を返します。

x == 0 の場合は 0 を返し、それ以外の場合は要素ごとに x * log(y) を返します。

x と同じ形状と型を持つゼロのテンソルを返します。

フルヴィッツのゼータ関数 \((x, q)\)を計算します。