TensorFlow 函数介绍

2018-08-24 09:33 更新

模块 tf

在 tensorflow/__init__.py 中定义

模块

app 模块:通用入口点脚本.

compat 模块:Python 2与3兼容性的功能.

contrib 模块:含有volatile或实验代码的contrib模块.

errors module:TensorFlow错误的异常类型.

estimator 模块:估算器:使用模型的高级工具.

feature_column 模块:FeatureColumns:用于摄取和表示功能的工具.

flags 模块:实现标志接口.

gfile module:导入file_io的路由器.

graph_util 模块:帮助者操纵python中的张量图.

image 模块:图像处理和解码操作.

layers 模块:该库提供了一组高级神经网络层.

logging 模块:记录实用程序.

losses 模块:用于神经网络的丢失操作.

metrics 模块:评估相关指标.

nn 模块:神经网络支持.

python_io 模块:用于直接操作TFRecord格式文件的Python函数.

pywrap_tensorflow module:使用RTLD_GLOBAL导出所有符号的pywrap_tensorflow包装器.

resource_loader 模块:资源管理库.

saved_model 模块:方便的功能来保存模型.

sets 模块:Tensorflow设置操作.

spectral 模块:光谱运算符(例如FFT,RFFT).

summary 模块:用于导出关于模型的信息的Tensor摘要.

sysconfig 模块:系统配置库.

test 模块:测试.

tools 模

train 模块:支持培训模式.

user_ops 模块:所有用户操作.

class AggregationMethod:用于组合梯度的类列表聚合方法.

class AttrValue

class ConditionalAccumulator:用于聚合渐变的条件累加器.

class ConditionalAccumulatorBase:用于聚合渐变的条件累加器.

class ConfigProto

class DType:表示a中元素的类型Tensor.

class DeviceSpec:表示TensorFlow设备的(可能部分的)规范.

class Dimension:表示TensorShape中一维的值.

class Event

class FIFOQueue:以先进先出的顺序对元素进行排队的队列实现.

class FixedLenFeature:用于解析固定长度输入功能的配置.

class FixedLenSequenceFeature:用于将可变长度输入要素解析为a的配置Tensor.

class FixedLengthRecordReader:从文件输出固定长度记录的读卡器.

class GPUOptions

class Graph:TensorFlow计算,表示为数据流图.

class GraphDef

class GraphKeys:用于图形集合的标准名称.

class GraphOptions

class HistogramProto

class IdentityReader:将排队工作输出为键和值的读卡器.

class IndexedSlices:给定索引的一组张量片的稀疏表示.

class InteractiveSession:Session用于交互式上下文的TensorFlow ,如shell.

class LogMessage

class MetaGraphDef

class NameAttrList

class NodeDef

class OpError:TensorFlow执行失败时引发的一般错误.

class Operation:表示对张量进行计算的图形节点.

class OptimizerOptions

class PaddingFIFOQueue:一个FIFOQueue,通过填充支持批量可变大小的张量.

class PriorityQueue:以优先顺序排列元素的队列实现.

class QueueBase:队列实现的基类.

class RandomShuffleQueue:以随机顺序对元素进行排队的队列实现.

class ReaderBase:不同阅读器类型的基类,每一步产生一个记录.

class RegisterGradient:用于注册op类型的渐变函数的装饰器.

class RunMetadata

class RunOptions

class Session:运行TensorFlow操作的类.

class SessionLog

class SparseConditionalAccumulator:用于聚合稀疏梯度的条件累加器.

class SparseFeature:用于解析稀疏输入要素的配置Example.

class SparseTensor:表示稀疏张量.

class SparseTensorValue:SparseTensorValue(indices,values,dense_shape)

class Summary

class TFRecordReader:从TFRecords文件输出记录的读卡器.

class Tensor:代表其中一个输出Operation.

class TensorArray:类包装动态大小,每个时间步长,一次写入张量阵列.

class TensorInfo

class TensorShape:表示a的形状Tensor.

class TextLineReader:输出由换行符分隔的文件行的读卡器.

class VarLenFeature:用于解析可变长度输入功能的配置.

class Variable:见变量如何变

class VariableScope:变量范围对象进行默认提供get_variable.

class WholeFileReader:将文件的全部内容作为值输出的读取器.

class constant_initializer:初始化器生成具有常量值的张量.

class ones_initializer:初始化器生成初始化为1的张量.

class orthogonal_initializer:生成正交矩阵的初始化器.

class random_normal_initializer:生成具有正态分布的张量的初始化器.

class random_uniform_initializer:生成具有均匀分布的张量的初始化器.

class truncated_normal_initializer:生成截断的正态分布的初始化器.

class uniform_unit_scaling_initializer:初始化器生成不缩放方差的张量.

class zeros_initializer:初始化器生成初始化为0的张量.

功能

Assert(...):确定给定条件为真.

NoGradient(...):指定类型的操作op_type是不可区分的.

NotDifferentiable(...):指定类型的操作op_type是不可区分的.

Print(...):打印张量列表.

abs(...):计算张量的绝对值.

accumulate_n(...):返回张量列表的元素方法和.

acos(...):计算x元素的acos.

add(...):返回x + y元素.

add_check_numerics_ops(...):连接check_numerics到每个浮点张量.

add_n(...):以元素方式添加所有输入张量.

add_to_collection(...):Graph.add_to_collection()使用默认图形的包装器.

all_variables(...):见tf.global_variables.(废弃)

arg_max(...):返回在张量的尺寸上具有最大值的索引.

arg_min(...):返回在张量的尺寸上具有最小值的索引.

argmax(...):返回在张量轴上具有最大值的索引.

argmin(...):返回张量的轴的最小值的索引.

as_dtype(...):将给定值转换type_value为a DType.

as_string(...):将给定张量中的每个条目转换为字符串.支持很多数字

asin(...):以元素为单位进行计算.

assert_equal(...):断言条件x == y保持元素.

assert_greater(...):断言条件x > y保持元素.

assert_greater_equal(...):断言条件x >= y保持元素.

assert_integer(...):断言x是整数dtype.

assert_less(...):断言条件x < y保持元素.

assert_less_equal(...):断言条件x <= y保持元素.

assert_negative(...):断言条件x < 0保持元素.

assert_non_negative(...):断言条件x >= 0保持元素.

assert_non_positive(...):断言条件x <= 0保持元素.

assert_none_equal(...):x != y为所有元素断言条件成立.

assert_positive(...):断言条件x > 0保持元素.

assert_proper_iterable(...)静态声明值是“适当的”可迭代的.

assert_rank(...):Assert x有等级rank.

assert_rank_at_least(...):Assert x具有等于rank或等于等于或等于

assert_same_float_dtype(...):根据tensors和验证并返回浮点型dtype.

assert_scalar(...)

assert_type(...):静态断言给定的Tensor是指定的类型.

assert_variables_initialized(...):返回Op以检查变量是否被初始化.

assign(...):通过为其分配“值”来更新'ref'.

assign_add(...):通过向其添加“值”来更新'ref'.

assign_sub(...):通过从它减去“值”来更新'ref'.

atan(...):计算x元素的atan.

atan2(...):计算y/x元素的反正切,尊重参数的符号.

batch_to_space(...):BatchToSpace用于T型的4-D张量

batch_to_space_nd(...):TatchToSpace用于ND的ND张量

betainc(...):计算正则化的不完全β积分\(I_x(a,b)).

bincount(...):计算整数数组中每个值的出现次数.

bitcast(...):将张量从一种类型缩放到另一种类型,而不复制数据.

boolean_mask(...):将布尔蒙版应用于张量.鼻子的等价物是tensor[mask].

broadcast_dynamic_shape(...):返回shape_x和之间广播的动态形状shape_y.

broadcast_static_shape(...):返回shape_x和之间广播的静态形状shape_y.

case(...):创建一个案例操作.

cast(...):将张量投射到新的类型.

ceil(...):返回不小于x的元素最小整数.

check_numerics(...):检查NaN和Inf值的张量.

cholesky(...):计算一个或多个方阵的Cholesky分解.

cholesky_solve(...):求解线性方程组A X = RHS,给出Cholesky因式分解.

clip_by_average_norm(...):将张量值剪切到最大平均L2范数.

clip_by_global_norm(...):通过他们的规范的总和的比例来剪切多张张量的值.

clip_by_norm(...):将张量值剪辑为最大L2范数.

clip_by_value(...):将张量值剪切到指定的最小值和最大值.

complex(...):将两个实数转换为复数.

concat(...):沿一维连接张量.

cond(...):true_fn()如果谓词pred为true 则返回else false_fn().(弃用参数)

confusion_matrix(...):从预测和标签计算混淆矩阵.

conj(...):返回复数的复共轭.

constant(...):创建一个常数张量.

container(...):Graph.container()使用默认图形的包装器.

control_dependencies(...):Graph.control_dependencies()使用默认图形的包装器.

convert_to_tensor(...):将给定值转换value为a Tensor.

convert_to_tensor_or_indexed_slices(...):将给定对象转换为a Tensor或IndexedSlices.

convert_to_tensor_or_sparse_tensor(...):将值转换为SparseTensor或Tensor.

cos(...):计算x元素的cos.

count_nonzero(...):计算张量的尺寸上的非零元素数.

count_up_to(...):增加'ref',直到达到'limit'.

create_partitioned_variables(...):根据给定创建分区变量列表slicing.

cross(...):计算成对交叉产品.

cumprod(...):计算张量的累积产x一起axis.

cumsum(...):计算张量的累积和x一起axis.

decode_base64(...):解码web-safe base64编码的字符串.

decode_csv(...):将CSV记录转换为张量.每列映射到一个张量.

decode_json_example(...):将JSON编码的示例记录转换为二进制协议缓冲区字符串.

decode_raw(...):将字符串的字节重新解释为数字向量.

delete_session_tensor(...):删除给定张量句柄的张量.

depth_to_space(...):DepthToSpace for T型张量

dequantize(...):将“输入”张量反量化为浮动张量.

deserialize_many_sparse(...):SparseTensors从串行化的小型服务器反序列化和串接.

device(...):Graph.device()使用默认图形的包装器.

diag(...):返回具有给定对角线值的对角张量.

diag_part(...):返回张量的对角线部分.

digamma(...):计算Psi,Lgamma的导数(绝对值的对数

div(...):分割x / y元素(使用Python 2除法运算符语义).

divide(...):计算的Python的风格划分x的y.

dynamic_partition(...):分区data为num_partitions使用指数从张量partitions.

dynamic_stitch(...):将data张量的值交织成单张张量.

edit_distance(...):计算序列间的Levenshtein距离.

einsum(...):任意维度张量的广义收缩.

encode_base64(...):将字符串编码为网络安全的base64格式.

equal(...):返回(x == y)元素的真值.

erf(...):计算x元素的高斯误差函数.

erfc(...):计算x元素互补误差函数.

exp(...):以元素为单位计算指数.\(y = e ^ x \).

expand_dims(...):将1的尺寸插入张量的形状.

expm1(...):以元素为单位计算指数.

extract_image_patches(...):提取patches从images,并把他们在“深度”输出尺寸.

eye(...):构造一个单位矩阵,或一批矩阵.

fake_quant_with_min_max_args(...):假定量化“输入”张量,将浮点型输入到相同类型的“输出”张量.

fake_quant_with_min_max_args_gradient(...):计算FakeQuantWithMinMaxArgs操作的渐变.

fake_quant_with_min_max_vars(...):通过全局浮点数量量化float类型的“输入”张量 min

fake_quant_with_min_max_vars_gradient(...):计算FakeQuantWithMinMaxVars操作的渐变.

fake_quant_with_min_max_vars_per_channel(...):假量化类型浮体的“输入”张量和形状中的一个:[d],

fake_quant_with_min_max_vars_per_channel_gradient(...):计算FakeQuantWithMinMaxVarsPerChannel操作的渐变.

fft(...):快速傅立叶变换

fft2d(...):2D快速傅里叶变换.

fft3d(...):3D快速傅立叶变换.

fill(...):创建一个填充了标量值的张量.

fixed_size_partitioner(...):分区器指定沿给定轴的固定数量的分片.

floor(...):返回不大于x的元素最大整数.

floor_div(...):返回x // y元素.

floordiv(...):将x / y元素分割,向最负数整数舍入.

floormod(...):返回除数的元素维数.当x < 0xor y < 0是

foldl(...):折叠在从elems0上解开的张量列表.

foldr(...):elems在维度0上解压缩的张量列表中的foldr .

gather(...)从params根据indices.

gather_nd(...):从收集的值或片params根据indices.

get_collection(...):Graph.get_collection()使用默认图形的包装器.

get_collection_ref(...):Graph.get_collection_ref()使用默认图形的包装器.

get_default_graph(...):返回当前线程的默认图形.

get_default_session(...):返回当前线程的默认会话.

get_local_variable(...):获取现有的局部变量或创建一个新的变量.

get_seed(...):返回一个操作应该使用的本地种子给定一个op特定的种子.

get_session_handle(...):返回句柄data.

get_session_tensor(...):dtype通过馈送张量手柄来获取类型的张量.

get_variable(...):使用这些参数获取现有变量或创建一个新变量.

get_variable_scope(...):返回当前的变量范围.

global_norm(...):计算多张张量的全局范数.

global_variables(...):返回全局变量.

global_variables_initializer(...):返回初始化全局变量的Op.

gradients(...):构造yswrt x 的和的符号偏导数xs.

greater(...):以元素方式返回(x> y)的真值.

greater_equal(...):以元素方式返回(x> = y)的真值.

group(...):创建一个组合多个操作的操作.

hessians(...):构造的总和的Hessian矩阵ys相对于x在xs.

histogram_fixed_width(...):返回值的直方图.

identity(...):返回与输入张量或值相同的形状和内容的张量.

ifft(...):快速傅里叶逆变换.

ifft2d(...):反向二维快速傅里叶变换.

ifft3d(...):反3D快速傅里叶变换.

igamma(...):计算较低的正则化不完全伽玛函数Q(a, x).

igammac(...):计算上限正则化不完全伽玛函数Q(a, x).

imag(...):返回复数的虚部.

import_graph_def(...):将图形graph_def导入当前默认值Graph.

initialize_all_tables(...):返回初始化默认图表的所有表的Op.(废弃)

initialize_all_variables(...):见tf.global_variables_initializer.(废弃)

initialize_local_variables(...):见tf.local_variables_initializer.(废弃)

initialize_variables(...):见tf.variables_initializer.(废弃)

invert_permutation(...):计算张量的逆排列.

is_finite(...):返回x的元素是有限的.

is_inf(...):返回x的元素是Inf.

is_nan(...):返回x的元素是NaN.

is_non_decreasing(...):返回True是否x为递减.

is_numeric_tensor(...)

is_strictly_increasing(...):返回True是否x严格增加.

is_variable_initialized(...):测试变量是否被初始化.

lbeta(...):计算\(ln(| Beta(x)|)\),沿着最后一个维度减少.

less(...):以元素为单位返回(x <y)的真值.

less_equal(...):以元素为单位返回(x <= y)的真值.

lgamma(...):计算Gamma(x)元素绝对值的日志.

lin_space(...):在一个间隔内生成值.

linspace(...):在一个间隔内生成值.

load_file_system_library(...):加载一个包含文件系统实现的TensorFlow插件.

load_op_library(...):加载一个包含自定义操作和内核的TensorFlow插件.

local_variables(...):返回局部变量.

local_variables_initializer(...):返回一个初始化所有局部变量的Op.

log(...):计算x元素的自然对数.

log1p(...):计算(1 + x)元素的自然对数.

log_sigmoid(...):计算单元格的日志Sigmoid x.

logical_and(...):以元素方式返回x AND y的真值.

logical_not(...):返回NOT元素的真值.

logical_or(...):以元素方式返回x OR y的真值.

logical_xor(...):x ^ y =(x | y)&〜(x&y).

make_ndarray(...):从张量创建一个numpy ndarray.

make_template(...)给定一个任意函数,包装它,使它进行变量共享.

make_tensor_proto(...):创建一个TensorProto.

map_fn(...):从elems维度0上解压缩的张量列表中的地图.

matching_files(...):返回与一个或多个glob模式匹配的文件集.

matmul(...):乘矩阵a矩阵b,产生a* b.

matrix_band_part(...):复制一张张量,将每个最内层矩阵中的所有内容设置在中心频带之外

matrix_determinant(...):计算一个方块矩阵的行列式.

matrix_diag(...):返回具有给定批量对角线值的批次对角张量.

matrix_diag_part(...):返回分批张量的批量对角线部分.

matrix_inverse(...):计算一个或多个平方可逆矩阵或它们的倒数

matrix_set_diag(...):返回具有新批批对角线值的批次矩阵张量.

matrix_solve(...):求解线性方程组.

matrix_solve_ls(...):解决一个或多个线性最小二乘问题.

matrix_transpose(...):转移张量的最后两维a.

matrix_triangular_solve(...):用上或下三角矩阵求解线性方程组

maximum(...):返回x和y的最大值(即x> y?x:y).

meshgrid(...):广播ND网格评估参数.

min_max_variable_partitioner(...)分区器分配每个切片的最小大小.

minimum(...):返回x和y的最小值(即x <y?x:y).

mod(...):返回除数的元素维数.当x < 0xor y < 0是

model_variables(...):返回MODEL_VARIABLES集合中的所有变量.

moving_average_variables(...):返回维持移动平均线的所有变量.

multinomial(...):从多项分布中抽取样本.

multiply(...):以元素为单位返回x * y.

name_scope(...):返回定义Python操作时使用的上下文管理器.

negative(...):以元素为单位计算数字负值.

no_op(...): 什么也没做.仅用作控制边的占位符.

no_regularizer(...):使用此函数来防止变量的正则化.

norm(...):计算向量,矩阵和张量的范数.

not_equal(...):以元素方式返回(x!= y)的真值.

one_hot(...):返回一个热张量.

ones(...):创建一个所有元素设置为1的张量.

ones_like(...):创建一个所有元素设置为1的张量.

op_scope(...):DEPRECATED.与上面的name_scope相同,只是不同的参数顺序.

pad(...):贴一张张量

parallel_stack(...):将等级R张数列表(R+1)并列成一个等级.

parse_example(...)解析Example成一张dict张量.

parse_single_example(...)解析一个单一的Example原型.

parse_single_sequence_example(...)解析一个单一的SequenceExample原型.

parse_tensor(...):将序列化的张量流转换成Tensor.

placeholder(...):插入一个总是喂食的张量的占位符.

placeholder_with_default(...):input当输出不输入时通过的占位符op .

polygamma(...):计算多项式函数\(\ psi ^ {(n)}(x)\).

pow(...):计算一个值到另一个值的权力.

py_func(...):包装一个python函数,并将其用作TensorFlow操作.

qr(...):计算一个或多个矩阵的QR分解.

quantize_v2(...):将类型“float”的“输入”张量量化为'T'类型的'输出'张量.

quantized_concat(...):沿一维连接量化张量.

random_crop(...):随机地将张量缩小到给定尺寸.

random_gamma(...):shape从每个给定的伽玛分布中抽取样本.

random_normal(...):从正态分布输出随机值.

random_poisson(...):shape从给定泊松分布中抽取样本.

random_shuffle(...):沿其第一维随机洗牌一张张量.

random_uniform(...):从均匀分布输出随机值.

range(...):创建一个数字序列.

rank(...):返回张量的等级.

read_file(...):读取并输出输入文件名的全部内容.

real(...):返回复数的实部.

realdiv(...):为实际类型返回x / y元素.

reciprocal(...):计算x元素的倒数.

reduce_all(...):计算张量的维数中元素的“逻辑”和“逻辑”.

reduce_any(...):计算张量的尺寸上的元素的“逻辑”或“逻辑”.

reduce_join(...):在给定的维度上加入一个字符串张量.

reduce_logsumexp(...):计算log(sum(exp(元素横跨尺度的元素))).

reduce_max(...):计算张量的尺寸的最大值.

reduce_mean(...):计算张量的尺寸的元素平均值.

reduce_min(...):计算张量的尺寸的最小值.

reduce_prod(...):计算张量的尺寸的元素乘积.

reduce_sum(...):计算张量的尺寸的元素总和.

register_tensor_conversion_function(...):注册转换的对象的功能base_type来Tensor.

report_uninitialized_variables(...):添加操作以列出未初始化变量的名称.

required_space_to_batch_paddings(...):计算使block_shape除以input_shape所需的填充.

reset_default_graph(...):清除默认图形堆栈并重置全局默认图形.

reshape(...)重塑一张张量.

reverse(...):反转张量的具体尺寸.

reverse_sequence(...):反转可变长度切片.

reverse_v2(...):反转张量的具体尺寸.

rint(...):返回最接近x的元素整数.

round(...):将元素的值逐个舍入到最接近的整数.

rsqrt(...):计算x元素平方根的倒数.

saturate_cast(...):执行的安全饱和投value来dtype.

scalar_mul(...):将标量乘以一个Tensor或一个IndexedSlices对象.

scan(...):扫描从elems维度0 解压缩的张量列表.

scatter_add(...):将稀疏更新添加到变量引用.

scatter_div(...):通过稀疏更新来划分变量引用.

scatter_mul(...):将稀疏更新乘以变量引用.

scatter_nd(...):分散updates成一个新的(最初的零)张量indices.

scatter_nd_add(...):应用稀疏加法updates和单个值或切片之间

scatter_nd_sub(...):在updates各个值或片之间应用稀疏减法

scatter_nd_update(...):将稀疏应用于updates给定的单个值或切片

scatter_sub(...):将稀疏更新减去变量引用.

scatter_update(...):将稀疏更新应用于变量引用.

segment_max(...):计算张量的最大值.

segment_mean(...):计算张量段的平均值.

segment_min(...):计算张量段的最小值.

segment_prod(...):沿张量段划分产品.

segment_sum(...):计算张量的线段的总和.

self_adjoint_eig(...):计算一批自伴随矩阵的特征分解.

self_adjoint_eigvals(...):计算一个或多个自伴随矩阵的特征值.

sequence_mask(...):返回表示每行前N个位置的掩码张量.

serialize_many_sparse(...):将一个N-minibatch 序列SparseTensor化成一个[N, 3]字符串Tensor.

serialize_sparse(...):将序列SparseTensor化为字符串3向量(1-D Tensor)对象.

set_random_seed(...):设置图级随机种子.

setdiff1d(...):计算两个数字或字符串列表之间的差异.

shape(...):返回张量的形状.

shape_n(...):返回张量的形状.

sigmoid(...):计算x元素的sigmoid .

sign(...):返回数字符号的元素指示.

sin(...):计算x元素的sin.

size(...):返回张量的大小.

slice(...):从张量提取切片.

space_to_batch(...):用于T型的4-D张量的SpaceToBatch

space_to_batch_nd(...):用于T型ND的张量的SpaceToBatch

space_to_depth(...):对于T型张量的SpaceToDepth

sparse_add(...):添加两个张量,其中至少有一个是a SparseTensor.

sparse_concat(...):连接SparseTensor指定维度的列表.

sparse_fill_empty_rows(...):SparseTensor使用默认值在输入2-D中填充空行.

sparse_mask(...):面具元素IndexedSlices.

sparse_matmul(...):用矩阵“b”乘以矩阵“a”.

sparse_maximum(...):返回两个SparseTensors的元素最大值.

sparse_merge(...):将一批功能ID和值合并为一个SparseTensor.

sparse_minimum(...):返回两个SparseTensors的元素最小值.

sparse_placeholder(...):插入一个将始终供给的稀疏张量的占位符.

sparse_reduce_sum(...):计算SparseTensor的尺寸上的元素总和.

sparse_reduce_sum_sparse(...):计算SparseTensor的尺寸上的元素总和.

sparse_reorder(...):将a SparseTensor重新排列成规范的行排序.

sparse_reset_shape(...):重新设置SparseTensor索引和值不变的形状.

sparse_reshape(...):重塑一个SparseTensor新的密集形状的值.

sparse_retain(...):保留a中指定的非空值SparseTensor.

sparse_segment_mean(...):计算张量稀疏段的平均值.

sparse_segment_sqrt_n(...):计算张量的稀疏段除以N的sqrt之和.

sparse_segment_sum(...):计算张量稀疏片段的总和.

sparse_softmax(...):将softmax应用于批量ND SparseTensor.

sparse_split(...):分割SparseTensor成num_split张量axis.

sparse_tensor_dense_matmul(...):乘以稀疏传感器(等级2)“A”由密集矩阵“B”.

sparse_tensor_to_dense(...):将A SparseTensor转换为密集张量.

sparse_to_dense(...):将稀疏表示转换为密集张量.

sparse_to_indicator(...):将SparseTensorids转换为密集的布尔指标张量.

sparse_transpose(...):转移a SparseTensor

split(...):将张量分解成子张量.

sqrt(...):计算x元素的平方根.

square(...):计算x元素的平方.

squared_difference(...):返回(x - y)(x - y)元素.

squeeze(...):从张量的形状去除尺寸1的尺寸.

stack(...):将等级R张数列入一个等级(R+1).

stop_gradient(...):停止梯度计算.

strided_slice(...):提取张量片(广义python数组索引).

string_join(...):将给定的弦张量列表中的字符串连接成一个张量;

string_split(...):劈裂元素source根据delimiter成SparseTensor.

string_to_hash_bucket(...):将输入Tensor中的每个字符串转换为其哈希值多个桶.

string_to_hash_bucket_fast(...):将输入Tensor中的每个字符串转换为其哈希值多个桶.

string_to_hash_bucket_strong(...):将输入Tensor中的每个字符串转换为其哈希值多个桶.

string_to_number(...):将输入Tensor中的每个字符串转换为指定的数字类型.

substr(...):从Tensor字符串中返回子串.

subtract(...):返回x-y元素.

svd(...):计算一个或多个矩阵的奇异值分解.

tables_initializer(...):返回初始化默认图表的所有表的Op.

tan(...):计算x元素的tan.

tanh(...):计算x元素的双曲正切.

tensordot(...):a和b沿指定轴的张量收缩.

tile(...):通过平铺给定的张量构造张量.

to_bfloat16(...):用一个张量来输入bfloat16.

to_double(...):用一个张量来输入float64.

to_float(...):用一个张量来输入float32.

to_int32(...):用一个张量来输入int32.

to_int64(...):用一个张量来输入int64.

trace(...):计算张量的轨迹x.

trainable_variables(...):返回创建的所有变量trainable=True.

transpose(...):转置a.根据尺寸来确定perm.

truediv(...):分割x / y元素(使用Python 3除法运算符语义).

truncated_normal(...):从截断的正态分布输出随机值.

truncatediv(...):对整数类型返回x / y元素.

truncatemod(...):返回除数的元素维数.这样就模​​拟了C语义

tuple(...):组合张量在一起

unique(...):在1-D张量中找到独特的元素.

unique_with_counts(...):在1-D张量中找到独特的元素.

unsorted_segment_max(...):计算张量段的最大值.

unsorted_segment_sum(...):计算张量的线段的总和.

unstack(...):解包一个秩的给定尺寸R张成秩(R-1)张量.

variable_axis_size_partitioner(...):获取VariableScope的分隔符,以将碎片保留在下面max_shard_bytes.

variable_op_scope(...):已弃用:用于定义创建变量的操作的上下文管理器.

variable_scope(...):返回一个用于定义创建变量(层)的op的上下文管理器.

variables_initializer(...):返回一个初始化变量列表的Op.

verify_tensor_all_finite(...):断言张量不包含任何NaN或Inf.

where(...):从x或返回元素y,取决于condition.

while_loop(...):body条件cond为真时重复.

write_file(...):将内容写入文件,输入文件名.创建文件(如果不存在).

zeros(...):创建一个所有元素设置为零的张量.

zeros_like(...):创建一个所有元素设置为零的张量.

zeta(...):计算Hurwitz zeta函数\(\ zeta(x,q)\).

其他成员

COMPILER_VERSION

GIT_VERSION

GRAPH_DEF_VERSION

GRAPH_DEF_VERSION_MIN_CONSUMER

GRAPH_DEF_VERSION_MIN_PRODUCER

QUANTIZED_DTYPES

VERSION

__compiler_version__

__git_version__

__version__

bfloat16

bool

complex128

complex64

double

float16

float32

float64

half

int16

int32

int64

int8

newaxis

qint16

qint32

qint8

quint16

quint8

resource

string

uint16

uint8

以上内容是否对您有帮助:
在线笔记
App下载
App下载

扫描二维码

下载编程狮App

公众号
微信公众号

编程狮公众号