TensorFlow模块:tf.nn

由 Carrie 创建, 最后一次修改 2018-11-15

模块:tf.nn

定义在:tensorflow/tools/api/generator/api/nn/__init__.py.

Python API的导入.

这个文件是机器生成的!不要编辑.生成者:tensorflow/tools/api/generator/create_python_api.py脚本.

模块

rnn_cell module:Python API的导入.

功能

all_candidate_sampler(...):生成所有类的集合.

atrous_conv2d(...):Atrous卷积.

atrous_conv2d_transpose(...):atrous_conv2d的转置.

avg_pool(...):对输入执行平均池化.

avg_pool3d(...):在输入上执行3D平均合并.

batch_norm_with_global_normalization(...):批量标准化.

batch_normalization(...):批量标准化.

bias_add(...):将bias添加到value.

bidirectional_dynamic_rnn(...):创建双向递归神经网络的动态版本.

compute_accidental_hits(...):计算sampled_candidates中匹配true_classes的位置ID.

conv1d(...):计算给定3-D输入和滤波器张量的1-D卷积.(不推荐使用的参数)

conv2d(...):计算给定4-D输入和滤波器张量的2-D卷积.

conv2d_backprop_filter(...):计算相对于滤波器的卷积渐变.

conv2d_backprop_input(...):计算相对于输入的卷积渐变.

conv2d_transpose(...):conv2d的转置.

conv3d(...):计算给定5-D输入和滤波器张量的3-D卷积.

conv3d_backprop_filter_v2(...):计算相对于滤波器的3-D卷积的渐变.

conv3d_transpose(...):conv3d的转置.

convolution(...):计算ND卷积的总和(实际上是互相关).

crelu(...):计算连接的ReLU.

ctc_beam_search_decoder(...):对输入中给出的logits执行波束搜索解码.

ctc_greedy_decoder(...):对输入(最佳路径)中给出的logits执行贪婪解码.

ctc_loss(...):计算CTC(连接器时间分类)loss.

depthwise_conv2d(...):深度2-D卷积.

depthwise_conv2d_native(...):计算给定4-D输入和滤波器张量的2-D深度卷积.

depthwise_conv2d_native_backprop_filter(...):计算相对于滤波器的深度卷积的梯度.

depthwise_conv2d_native_backprop_input(...):计算相对于输入的深度卷积的梯度.

dilation2d(...):计算4-D输入和3-D滤波器张量的灰度扩张.

dropout(...):计算丢失.

dynamic_rnn(...):创建由RNNCell cell指定的递归神经网络.

elu(...):计算指数线性:exp(features) - 1,如果<0,则为features.

embedding_lookup(...):在嵌入式张量列表中查找ids.

embedding_lookup_sparse(...):计算给定ID和权重的嵌入.

erosion2d(...):计算4-D value和3-D kernel张量的灰度侵蚀.

fixed_unigram_candidate_sampler(...):使用提供的(固定)基本分布对一组类进行采样.

fractional_avg_pool(...):对输入执行小数平均池.

fractional_max_pool(...):对输入执行小数最大池.

fused_batch_norm(...):批量标准化.

in_top_k(...):说目标是否在最高K预测中.

l2_loss(...):L2 loss.

l2_normalize(...):使用L2范数沿维度axis规范化.(不赞成的参数)

leaky_relu(...):计算Leaky ReLU激活功能.

learned_unigram_candidate_sampler(...):从培训期间学习的分布中抽取一组类进行采样.

local_response_normalization(...):本地响应规范化.

log_poisson_loss(...):计算给定log_input的对数Poisson loss.

log_softmax(...):计算log softmax激活.(不赞成的参数)

log_uniform_candidate_sampler(...):使用对数统一(Zipfian)基本分布对一组类进行采样.

lrn(...):本地响应规范化.

max_pool(...):对输入执行最大池化.

max_pool3d(...):在输入上执行3D最大池化.

max_pool_with_argmax(...):对输入执行最大池化并输出最大值和索引.

moments(...):计算x的平均值和方差.

nce_loss(...):计算并返回噪声对比估计训练loss.

normalize_moments(...):根据足够的统计数据计算均值和方差.

pool(...):执行ND池操作.

quantized_avg_pool(...):为量化类型生成输入张量的平均池.

quantized_conv2d(...):计算给定量化4D输入和滤波器张量的2D卷积.

quantized_max_pool(...):为量化类型生成输入张量的最大池.

quantized_relu_x(...):计算量化整流线性X: min(max(features, 0), max_value)

raw_rnn(...):创建由RNNCell cell和循环函数loop_fn指定的RNN.

relu(...):计算Rectified线性:max(features, 0).

relu6(...):计算Rectified线性6 : min(max(features, 0), 6).

relu_layer(...):计算Relu(x * weight + biases).

sampled_softmax_loss(...):计算并返回采样的softmax训练损失.

selu(...):计算缩放指数线性:scale * alpha * (exp(features) - 1)

separable_conv2d(...):带可分离滤波器的2-D卷积.

sigmoid(...):计算x元素方式的sigmoid .

sigmoid_cross_entropy_with_logits(...):计算给出的sigmoid cross entropy logits.

softmax(...):计算softmax激活.(不赞成的参数)

softmax_cross_entropy_with_logits(...):计算logits和labels之间的softmax交叉熵.(废弃)

softmax_cross_entropy_with_logits_v2(...):计算logits和labels之间的softmax交叉熵.

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

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

sparse_softmax_cross_entropy_with_logits(...):计算logits和labels之间的稀疏softmax交叉熵.

static_bidirectional_rnn(...):创建双向递归神经网络.

static_rnn(...):创建由RNNCell cell指定的递归神经网络.

static_state_saving_rnn(...):RNN接受状态保护程序进行时间截断的RNN计算. 

sufficient_statistics(...):计算x的平均值和方差的足够统计量.

tanh(...):计算x元素的双曲正切值.

top_k(...):查找最后一个维度的k最大条目的值和索引.

uniform_candidate_sampler(...):使用统一的基本分布对一组类进行采样.

weighted_cross_entropy_with_logits(...):计算加权交叉熵.

weighted_moments(...):返回x的频率加权平均值和方差.

with_space_to_batch(...):对input的space-to-batch执行op.

xw_plus_b(...):计算matmul(x, weights) + biases.

zero_fraction(...):返回value中的零的分数.

其他成员

__cached__

__loader__

__spec__

swish


以上内容是否对您有帮助:

二维码
建议反馈
二维码