TensorFlow层(contrib)

包含用于构建神经网络层,正则化,摘要等的操作。

建立神经网络层的高级操作

此包提供了一些操作,它们负责在内部创建以一致方式使用的变量,并为许多常见的机器学习算法提供构建块。

  • tf.contrib.layers.avg_pool2d
  • tf.contrib.layers.batch_norm
  • tf.contrib.layers.convolution2d
  • tf.contrib.layers.conv2d_in_plane
  • tf.contrib.layers.convolution2d_in_plane
  • tf.nn.conv2d_transpose
  • tf.contrib.layers.convolution2d_transpose
  • tf.nn.dropout
  • tf.contrib.layers.flatten
  • tf.contrib.layers.fully_connected
  • tf.contrib.layers.layer_norm
  • tf.contrib.layers.linear
  • tf.contrib.layers.max_pool2d
  • tf.contrib.layers.one_hot_encoding
  • tf.nn.relu
  • tf.nn.relu6
  • tf.contrib.layers.repeat
  • tf.contrib.layers.safe_embedding_lookup_sparse
  • tf.nn.separable_conv2d
  • tf.contrib.layers.separable_convolution2d
  • tf.nn.softmax
  • tf.stack
  • tf.contrib.layers.unit_norm
  • tf.contrib.layers.embed_sequence

设置默认激活功能的 fully_connected 的别名可用:relu,relu6 和 linear.

stack 操作也可用,它通过重复应用层来构建一叠层。

正则化

正则化可以帮助防止过度配合。这些都有签名 fn(权重)。损失通常被添加到 tf.GraphKeys.REGULARIZATION_LOSSES。

  • tf.contrib.layers.apply_regularization
  • tf.contrib.layers.l1_regularizer
  • tf.contrib.layers.l2_regularizer
  • tf.contrib.layers.sum_regularizer

初始化

用于初始化具有明确值的变量,给出其大小,数据类型和目的。

  • tf.contrib.layers.xavier_initializer
  • tf.contrib.layers.xavier_initializer_conv2d
  • tf.contrib.layers.variance_scaling_initializer

优化

由于损失而优化权重。

  • tf.contrib.layers.optimize_loss

摘要

帮助函数来汇总特定变量或操作。

  • tf.contrib.layers.summarize_activation
  • tf.contrib.layers.summarize_tensor
  • tf.contrib.layers.summarize_tensors
  • tf.contrib.layers.summarize_collection

层模块定义方便的函数 summarize_variables,summarize_weights 和 summarize_biases,分别将 summarize_collection 集合参数设置为变量、权重和偏差。

  • tf.contrib.layers.summarize_activations

功能列

功能列提供了将数据映射到模型的机制。

  • tf.contrib.layers.bucketized_column
  • tf.contrib.layers.check_feature_columns
  • tf.contrib.layers.create_feature_spec_for_parsing
  • tf.contrib.layers.crossed_column
  • tf.contrib.layers.embedding_column
  • tf.contrib.layers.scattered_embedding_column
  • tf.contrib.layers.input_from_feature_columns
  • tf.contrib.layers.joint_weighted_sum_from_feature_columns
  • tf.contrib.layers.make_place_holder_tensors_for_base_features
  • tf.contrib.layers.multi_class_target
  • tf.contrib.layers.one_hot_column
  • tf.contrib.layers.parse_feature_columns_from_examples
  • tf.contrib.layers.parse_feature_columns_from_sequence_examples
  • tf.contrib.layers.real_valued_column
  • tf.contrib.layers.shared_embedding_columns
  • tf.contrib.layers.sparse_column_with_hash_bucket
  • tf.contrib.layers.sparse_column_with_integerized_feature
  • tf.contrib.layers.sparse_column_with_keys
  • tf.contrib.layers.weighted_sparse_column
  • tf.contrib.layers.weighted_sum_from_feature_columns
  • tf.contrib.layers.infer_real_valued_columns
  • tf.contrib.layers.sequence_input_from_feature_columns
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

意见反馈
返回顶部