Nn Ops

Realiza un agrupamiento promedio en la entrada.

Realiza un agrupamiento de promedios 3D en la entrada.

Calcula los gradientes de la función de agrupación promedio.

Agrega bias al value .

La operación hacia atrás para "BiasAdd" en el tensor de "sesgo".

Calcula una convolución 2-D dada la input 4-D y filter tensores de filter .

Calcula los gradientes de convolución con respecto al filtro.

Calcula los gradientes de convolución con respecto a la entrada.

Calcula una convolución 3-D dada la input 5-D y filter tensores de filter .

Calcula los gradientes de convolución 3-D con respecto al filtro.

Calcula los gradientes de convolución 3-D con respecto a la entrada.

Devuelve el índice de dimensión en el formato de datos de destino dado en.

Devuelve el vector / tensor permutado en el formato de datos de destino dado el.

Calcula una convolución en profundidad 2-D dada la input 4-D y filter tensores de filter .

Calcula los gradientes de convolución en profundidad con respecto al filtro.

Calcula los gradientes de convolución en profundidad con respecto a la entrada.

Calcula la dilatación en escala de grises de la input 4-D y los tensores de filter 3-D.

Calcula el gradiente de dilatación morfológica bidimensional con respecto al filtro.

Calcula el gradiente de dilatación morfológica bidimensional con respecto a la entrada.

Calcula exponencial lineal: exp(features) - 1 si <0, features caso contrario.

Realiza un agrupamiento promedio fraccional en la entrada.

Realiza un agrupamiento máximo fraccional en la entrada.

Normalización por lotes.

Gradiente para normalización de lotes.

Gradiente para normalización de lotes.

Gradiente para normalización de lotes.

Normalización por lotes.

Normalización por lotes.

Realiza un relleno como preproceso durante una convolución.

Realiza un cambio de tamaño y relleno como un preproceso durante una convolución.

Dice si los objetivos se encuentran en las primeras K predicciones.

Dice si los objetivos se encuentran en las primeras K predicciones.

Pérdida L2.

Normalización de la respuesta local.

Calcula las activaciones de log softmax.

Realiza la agrupación máxima en la entrada.

Realiza una agrupación máxima 3D en la entrada.

Calcula los gradientes de la función de agrupación máxima.

Calcula gradientes de segundo orden de la función maxpooling.

Calcula gradientes de segundo orden de la función maxpooling.

Calcula gradientes de segundo orden de la función maxpooling.

Calcula gradientes de segundo orden de la función maxpooling.

Calcula los gradientes de la función maxpooling.

Realiza la agrupación máxima en la entrada.

Realiza un agrupamiento máximo en la entrada y genera valores máximos e índices.

Encuentra valores de la estadística de n -ésimo orden para la última dimensión.

Produce el grupo promedio del tensor de entrada para tipos cuantificados.

Normalización cuantificada de lotes.

Adds Tensor 'sesgo' a Tensor 'entrada' para este tipo de cuantificar.

Calcula una convolución 2D dada una entrada 4D cuantificada y tensores de filtro.

Produce el grupo máximo del tensor de entrada para tipos cuantificados.

Calcula lineal rectificado cuantificado: max(features, 0)

Calcula cuantificado rectificado lineal 6: min(max(features, 0), 6)

Calcula el X lineal rectificado cuantificado: min(max(features, 0), max_value)

Calcula rectificado lineal: max(features, 0) .

Calcula rectificado lineal 6: min(max(features, 0), 6) .

Calcula lineal exponencial escalado: scale * alpha * (exp(features) - 1)

Calcula activaciones softmax.

Calcula el costo de la entropía cruzada de Softmax y los gradientes para propagar hacia atrás.

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

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

Calcula el costo de la entropía cruzada softmax y los gradientes para propagar hacia atrás.

Encuentra valores e índices de los k elementos más grandes para la última dimensión.