ยกเลิก | ยกข้อยกเว้นเพื่อยกเลิกกระบวนการเมื่อถูกเรียก |
ทั้งหมด | คำนวณ "ตรรกะและ" ขององค์ประกอบในมิติต่างๆ ของเทนเซอร์ |
ออลทูออล <T> | Op เพื่อแลกเปลี่ยนข้อมูลระหว่างแบบจำลอง TPU |
AnonymousIteratorV2 | คอนเทนเนอร์สำหรับทรัพยากรตัววนซ้ำ |
หน่วยความจำแคชที่ไม่ระบุชื่อ | |
AnonymousMultiDeviceIterator | คอนเทนเนอร์สำหรับทรัพยากรตัววนซ้ำหลายอุปกรณ์ |
เครื่องกำเนิดเมล็ดพันธุ์แบบสุ่มที่ไม่เปิดเผยตัวตน | |
เครื่องกำเนิดเมล็ดพันธุ์ที่ไม่เปิดเผยตัวตน | |
ใดๆ | คำนวณ "ตรรกะหรือ" ขององค์ประกอบในมิติต่างๆ ของเทนเซอร์ |
ApplyAdagradV2 <T> | อัปเดต '*var' ตามรูปแบบ adagrad |
AssertCardinalityชุดข้อมูล | |
AssertNextชุดข้อมูล | การเปลี่ยนแปลงที่ยืนยันว่าการเปลี่ยนแปลงใดจะเกิดขึ้นต่อไป |
ยืนยันสิ่งนั้น | ยืนยันว่าเงื่อนไขที่กำหนดเป็นจริง |
กำหนด <T> | อัปเดต 'ref' โดยกำหนด 'value' ให้กับมัน |
มอบหมายเพิ่ม <T> | อัปเดต 'ref' โดยเพิ่ม 'value' เข้าไป |
AssignAddVariableOp | เพิ่มค่าให้กับค่าปัจจุบันของตัวแปร |
มอบหมายย่อย <T> | อัปเดต 'ref' โดยลบ 'value' ออกจากมัน |
กำหนด SubVariableOp | ลบค่าออกจากค่าปัจจุบันของตัวแปร |
กำหนดตัวแปรOp | กำหนดค่าใหม่ให้กับตัวแปร |
ชุดข้อมูล AutoShard | สร้างชุดข้อมูลที่แบ่งส่วนชุดข้อมูลอินพุต |
BandedTriangleSolve <T> | |
สิ่งกีดขวาง | กำหนดอุปสรรคที่ยังคงมีอยู่ในการประมวลผลกราฟต่างๆ |
สิ่งกีดขวางปิด | ปิดสิ่งกีดขวางที่กำหนด |
สิ่งกีดขวางขนาดไม่สมบูรณ์ | คำนวณจำนวนองค์ประกอบที่ไม่สมบูรณ์ในแผงกั้นที่กำหนด |
สิ่งกีดขวางแทรกมากมาย | สำหรับแต่ละคีย์ ให้กำหนดค่าตามลำดับให้กับส่วนประกอบที่ระบุ |
Barrier ReadySize | คำนวณจำนวนองค์ประกอบที่สมบูรณ์ในแผงกั้นที่กำหนด |
BarrierTakeMany | นำองค์ประกอบที่เสร็จสมบูรณ์ตามจำนวนที่กำหนดจากสิ่งกีดขวาง |
แบทช์ | แบทช์เทนเซอร์อินพุตทั้งหมดโดยไม่กำหนดไว้ |
BatchMatMulV2 <T> | คูณเทนเซอร์สองตัวเป็นชุด |
BatchMatMulV3 <V> | คูณเทนเซอร์สองตัวเป็นชุด |
แบทช์ทูสเปซ <T> | BatchToSpace สำหรับเทนเซอร์ 4 มิติประเภท T |
BatchToSpaceNd <T> | BatchToSpace สำหรับเทนเซอร์ ND ประเภท T |
BesselI0 <T ขยายหมายเลข> | |
BesselI1 <T ขยายจำนวน> | |
BesselJ0 <T ขยายจำนวน> | |
BesselJ1 <T ขยายจำนวน> | |
BesselK0 <T ขยายหมายเลข> | |
BesselK0e <T ขยายหมายเลข> | |
BesselK1 <T ขยายหมายเลข> | |
BesselK1e <T ขยายหมายเลข> | |
BesselY0 <T ขยายจำนวน> | |
BesselY1 <T ขยายจำนวน> | |
บิตคาสต์ <U> | Bitcasts เทนเซอร์จากประเภทหนึ่งไปยังอีกประเภทหนึ่งโดยไม่ต้องคัดลอกข้อมูล |
BlockLSTM <T ขยายหมายเลข> | คำนวณการแพร่กระจายเซลล์ไปข้างหน้าของ LSTM สำหรับขั้นตอนเวลาทั้งหมด |
BlockLSTMGrad <T ขยายหมายเลข> | คำนวณการแพร่กระจายเซลล์ LSTM ย้อนหลังสำหรับลำดับเวลาทั้งหมด |
BlockLSTMGradV2 <T ขยายหมายเลข> | คำนวณการแพร่กระจายเซลล์ LSTM ย้อนหลังสำหรับลำดับเวลาทั้งหมด |
BlockLSTMV2 <T ขยายหมายเลข> | คำนวณการแพร่กระจายเซลล์ไปข้างหน้าของ LSTM สำหรับขั้นตอนเวลาทั้งหมด |
BoostedTreesAggregateStats | รวมสรุปสถิติสะสมสำหรับแบตช์ |
BoostedTreesBucketize | เก็บข้อมูลแต่ละฟีเจอร์ตามขอบเขตของบัคเก็ต |
BoostedTreesคำนวณคุณสมบัติที่ดีที่สุดแยก | คำนวณกำไรสำหรับแต่ละคุณสมบัติและส่งกลับข้อมูลการแยกที่ดีที่สุดเท่าที่เป็นไปได้สำหรับคุณสมบัตินั้น |
BoostedTreesคำนวณคุณสมบัติที่ดีที่สุดSplitV2 | คำนวณกำไรสำหรับแต่ละคุณสมบัติและส่งกลับข้อมูลการแยกที่ดีที่สุดที่เป็นไปได้สำหรับแต่ละโหนด |
BoostedTrees คำนวณสิ่งที่ดีที่สุดกำไรต่อคุณสมบัติ | คำนวณกำไรสำหรับแต่ละคุณสมบัติและส่งกลับข้อมูลการแยกที่ดีที่สุดเท่าที่เป็นไปได้สำหรับคุณสมบัตินั้น |
BoostedTreesCenterBias | คำนวณค่าก่อนหน้าจากข้อมูลการฝึก (อคติ) และเติมค่าก่อนหน้าของการบันทึกในโหนดแรก |
BoostedTreesCreateEnsemble | สร้างแบบจำลองทั้งมวลของแผนภูมิและส่งกลับหมายเลขอ้างอิง |
BoostedTreesCreateQuantileStreamResource | สร้างทรัพยากรสำหรับสตรีม Quantile |
BoostedTreesDeserializeEnsemble | ดีซีเรียลไลซ์การกำหนดค่า Tree Ensemble ที่เป็นอนุกรมและแทนที่แผนผังปัจจุบัน ทั้งมวล |
BoostedTreesEnsembleResourceHandleOp | สร้างหมายเลขอ้างอิงให้กับ BoostedTreesEnsembleResource |
BoostedTreesExampleDebugOutputs | เอาต์พุตการตีความการดีบัก/โมเดลสำหรับแต่ละตัวอย่าง |
BoostedTreesFlushQuantileสรุป | ล้างข้อมูลสรุปควอนไทล์จากทรัพยากรสตรีมควอนไทล์แต่ละรายการ |
BoostedTreesGetEnsembleStates | เรียกข้อมูลโทเค็นการประทับทรัพยากรชุดต้นไม้ จำนวนต้นไม้ และสถิติการเติบโต |
BoostedTreesMakeQuantileSummaries | จัดทำข้อมูลสรุปของปริมาณสำหรับแบทช์ |
BoostedTreesMakeStatsSummary | ทำการสรุปสถิติสะสมสำหรับแบตช์ |
BoostedTreesทำนาย | รันตัวทำนายชุดการถดถอยแบบบวกหลายตัวบนอินสแตนซ์อินพุตและ คำนวณบันทึก |
BoostedTreesQuantileStreamResourceAddSummary | เพิ่มข้อมูลสรุปควอนไทล์ให้กับทรัพยากรสตรีมควอนไทล์แต่ละรายการ |
BoostedTreesQuantileStreamResourceDeserialize | ดีซีเรียลไลซ์ขอบเขตบัคเก็ตและตั้งค่าสถานะพร้อมลงใน QuantileAccumulator ปัจจุบัน |
BoostedTreesQuantileStreamResourceFlush | ล้างข้อมูลสรุปสำหรับทรัพยากรสตรีมแบบควอนไทล์ |
BoostedTreesQuantileStreamResourceGetBucketBoundaries | สร้างขอบเขตบัคเก็ตสำหรับแต่ละฟีเจอร์ตามข้อมูลสรุปที่สะสม |
BoostedTreesQuantileStreamResourceHandleOp | สร้างหมายเลขอ้างอิงให้กับ BoostedTreesQuantileStreamResource |
BoostedTreesSerializeEnsemble | ทำให้ชุดต้นไม้เป็นอนุกรมเป็นโปรโต |
BoostedTreesSparseAggregateStats | รวมสรุปสถิติสะสมสำหรับแบตช์ |
BoostedTreesSparseCalculateBestFeatureSplit | คำนวณกำไรสำหรับแต่ละคุณสมบัติและส่งกลับข้อมูลการแยกที่ดีที่สุดเท่าที่เป็นไปได้สำหรับคุณสมบัตินั้น |
BoostedTreesTrainingทำนาย | รันตัวทำนายชุดการถดถอยแบบบวกหลายตัวบนอินสแตนซ์อินพุตและ คำนวณการอัปเดตเป็นบันทึกที่แคชไว้ |
BoostedTreesUpdateEnsemble | อัปเดตชุดต้นไม้โดยการเพิ่มเลเยอร์ให้กับต้นไม้ต้นสุดท้ายที่กำลังเติบโต หรือโดยการเริ่มต้นไม้ใหม่ |
BoostedTreesUpdateEnsembleV2 | อัปเดตชุดต้นไม้โดยการเพิ่มเลเยอร์ให้กับต้นไม้ต้นสุดท้ายที่กำลังเติบโต หรือโดยการเริ่มต้นไม้ใหม่ |
BroadcastDynamicShape <T ขยายหมายเลข> | คืนรูปร่างของ s0 op s1 พร้อมการออกอากาศ |
BroadcastGradientArgs <T ขยายหมายเลข> | ส่งกลับดัชนีการลดสำหรับการคำนวณการไล่ระดับสีของ s0 op s1 พร้อมการออกอากาศ |
ออกอากาศ ถึง <T> | ออกอากาศอาร์เรย์สำหรับรูปร่างที่เข้ากันได้ |
ถัง | Bucketizes 'อินพุต' ตาม 'ขอบเขต' |
CSRSparseMatrixComponents <T> | อ่านส่วนประกอบ CSR ที่แบทช์ `ดัชนี` |
CSRSparseMatrixToDense <T> | แปลง CSRSparseMatrix (อาจเป็นแบตช์) เป็นหนาแน่น |
CSRSparseMatrixToSparseTensor <T> | แปลง CSRSparesMatrix (อาจเป็นชุด) เป็น SparseTensor |
ชุดข้อมูล CSV | |
CSVDatasetV2 | |
CTCLossV2 | คำนวณการสูญเสีย CTC (ความน่าจะเป็นของบันทึก) สำหรับรายการแบตช์แต่ละรายการ |
ชุดข้อมูลแคชV2 | |
CheckNumericsV2 <T ขยายหมายเลข> | ตรวจสอบเทนเซอร์สำหรับค่า NaN, -Inf และ +Inf |
เลือกชุดข้อมูลที่เร็วที่สุด | |
ClipByValue <T> | ตัดค่าเทนเซอร์ให้เป็นค่าต่ำสุดและสูงสุดที่ระบุ |
CollectiveBcastRecvV2 <U> | รับค่าเทนเซอร์ที่ถ่ายทอดจากอุปกรณ์อื่น |
CollectiveBcastSendV2 <T> | ออกอากาศค่าเทนเซอร์ไปยังอุปกรณ์อื่นอย่างน้อยหนึ่งเครื่อง |
CollectiveGather <T ขยายหมายเลข> | สะสมเทนเซอร์หลายตัวที่มีประเภทและรูปร่างเหมือนกันร่วมกัน |
CollectiveGatherV2 <T ขยายหมายเลข> | สะสมเทนเซอร์หลายตัวที่มีประเภทและรูปร่างเหมือนกันร่วมกัน |
CollectivePermute <T> | Op เพื่อเปลี่ยนเทนเซอร์ข้ามอินสแตนซ์ TPU ที่จำลองแบบ |
CollectiveReduceV2 <T ขยายหมายเลข> | ลดเทนเซอร์หลายตัวที่มีประเภทและรูปร่างเหมือนกันร่วมกัน |
รวม NonMaxSuppression | เลือกชุดย่อยของกรอบขอบเขตอย่างตะกละตะกลามโดยเรียงลำดับคะแนนจากมากไปหาน้อย การดำเนินการนี้ดำเนินการ non_max_suppression บนอินพุตต่อแบตช์ ในทุกคลาส |
คอมโพสิตเทนเซอร์ตัวแปรจากส่วนประกอบ | เข้ารหัสค่า "ExtensionType" เป็นสเกลาร์เทนเซอร์ "ตัวแปร" |
คอมโพสิต TensorVariantToComponents | ถอดรหัสเทนเซอร์สเกลาร์ "ตัวแปร" ให้เป็นค่า "ExtensionType" |
บีบอัดองค์ประกอบ | บีบอัดองค์ประกอบชุดข้อมูล |
ComputeBatchSize | คำนวณขนาดแบตช์แบบคงที่ของชุดข้อมูลโดยไม่ใช้แบตช์บางส่วน |
เชื่อมต่อ <T> | เชื่อมต่อเทนเซอร์ตามมิติเดียว |
กำหนดค่า DistributedTPU | ตั้งค่าโครงสร้างแบบรวมศูนย์สำหรับระบบ TPU แบบกระจาย |
กำหนดค่าการฝัง TPU | ตั้งค่า TPUEmbedding ในระบบ TPU แบบกระจาย |
ค่าคงที่ <T> | ตัวดำเนินการที่สร้างค่าคงที่ |
ใช้ MutexLock | การดำเนินการนี้ใช้การล็อกที่สร้างโดย `MutexLock` |
ทริกเกอร์ควบคุม | ไม่ทำอะไรเลย |
คัดลอก <ท> | คัดลอกเทนเซอร์จาก CPU-to-CPU หรือ GPU-to-GPU |
คัดลอกโฮสต์ <T> | คัดลอกเทนเซอร์ไปยังโฮสต์ |
CountUpTo <T ขยายหมายเลข> | เพิ่ม 'การอ้างอิง' จนกว่าจะถึง 'ขีดจำกัด' |
CrossReplicaSum <T ขยายหมายเลข> | อินพุต Op to sum ในอินสแตนซ์ TPU ที่จำลองแบบ |
CudnnRNNBackpropV3 <T ขยายหมายเลข> | ขั้นบันไดหลัง CudnnRNNV3. |
CudnnRNNCanonicalToParamsV2 <T ขยายหมายเลข> | แปลงพารามิเตอร์ CudnnRNN จากรูปแบบมาตรฐานเป็นรูปแบบที่ใช้งานได้ |
CudnnRNNParamsToCanonicalV2 <T ขยายหมายเลข> | ดึงข้อมูลพารามิเตอร์ CudnnRNN ในรูปแบบมาตรฐาน |
CudnnRNNV3 <T ขยายหมายเลข> | RNN ที่สนับสนุนโดย cuDNN |
CumulativeLogsumexp <T ขยายหมายเลข> | คำนวณผลคูณสะสมของเทนเซอร์ `x` ตามแนว 'แกน' |
DataServiceชุดข้อมูล | สร้างชุดข้อมูลที่อ่านข้อมูลจากบริการ tf.data |
DataServiceDatasetV2 | สร้างชุดข้อมูลที่อ่านข้อมูลจากบริการ tf.data |
ชุดข้อมูลCardinality | ส่งกลับจำนวนสมาชิกของ `input_dataset` |
ชุดข้อมูลFromGraph | สร้างชุดข้อมูลจาก `graph_def` ที่กำหนด |
ชุดข้อมูล ToGraphV2 | ส่งกลับ GraphDef ที่เป็นอนุกรมซึ่งเป็นตัวแทนของ `input_dataset` |
Dawsn <T ขยายจำนวน> | |
DebugGradientIdentity <T> | การระบุตัวตนสำหรับการดีบักการไล่ระดับสี |
DebugGradientRefIdentity <T> | การระบุตัวตนสำหรับการดีบักการไล่ระดับสี |
ตรวจแก้จุดบกพร่อง <T> | จัดเตรียมการแมปข้อมูลประจำตัวของเทนเซอร์อินพุตประเภทที่ไม่ใช่การอ้างอิงสำหรับการดีบัก |
DebugIdentityV2 <T> | การแก้ไขข้อบกพร่อง Identity V2 Op. |
ดีบักNanCount | ดีบักตัวนับค่า NaN Op. |
ดีบักสรุปตัวเลข | ดีบักสรุปตัวเลข Op. |
DebugNumericSummaryV2 <U ขยายหมายเลข> | ดีบักสรุปตัวเลข V2 Op. |
DecodeImage <T ขยายหมายเลข> | ฟังก์ชันสำหรับ decode_bmp, decode_gif, decode_jpeg และ decode_png |
DecodePaddedRaw <T ขยายหมายเลข> | ตีความไบต์ของสตริงใหม่เป็นเวกเตอร์ของตัวเลข |
ถอดรหัสโปรโต | สหกรณ์แยกฟิลด์จากข้อความบัฟเฟอร์โปรโตคอลแบบซีเรียลไลซ์เป็นเทนเซอร์ |
ดีพคัดลอก <T> | สร้างสำเนาของ `x` |
ลบIterator | คอนเทนเนอร์สำหรับทรัพยากรตัววนซ้ำ |
ลบ MemoryCache | |
ลบ MultiDeviceIterator | คอนเทนเนอร์สำหรับทรัพยากรตัววนซ้ำ |
ลบ RandomSeedGenerator | |
ลบSeedGenerator | |
ลบเซสชัน Tensor | ลบเทนเซอร์ที่ระบุโดยตัวจัดการในเซสชัน |
DenseBincount <U ขยายหมายเลข> | นับจำนวนครั้งของแต่ละค่าในอาร์เรย์จำนวนเต็ม |
DenseCountSparseOutput <U ขยายหมายเลข> | ดำเนินการนับถังเอาท์พุตแบบกระจัดกระจายสำหรับอินพุต tf.tensor |
DenseToCSRSparseMatrix | แปลงเทนเซอร์หนาแน่นเป็น CSRSparseMatrix (อาจเป็นแบตช์) |
ทำลายทรัพยากรOp | ลบทรัพยากรที่ระบุโดยหมายเลขอ้างอิง |
ทำลายตัวแปรชั่วคราว <T> | ทำลายตัวแปรชั่วคราวและส่งกลับค่าสุดท้าย |
ดัชนีอุปกรณ์ | ส่งคืนดัชนีของอุปกรณ์ที่ op ทำงาน |
ชุดข้อมูล DirectedInterleave | ใช้แทน `InterleaveDataset` ในรายการชุดข้อมูล `N` ที่คงที่ |
DrawBoundingBoxesV2 <T ขยายหมายเลข> | วาดกรอบขอบบนชุดรูปภาพ |
DummyIterationCounter | |
DummyMemoryCache | |
เครื่องกำเนิด DummySeed | |
พาร์ติชันไดนามิก <T> | แบ่งพาร์ติชัน `data` เป็นเทนเซอร์ `num_partitions` โดยใช้ดัชนีจาก `partitions` |
ไดนามิกสติทช์ <T> | แทรกค่าจากเทนเซอร์ "ข้อมูล" ลงในเทนเซอร์ตัวเดียว |
แก้ไขระยะทาง | คำนวณระยะทางแก้ไขของ Levenshtein (อาจเป็นมาตรฐาน) |
อิ๊ก <U> | คำนวณการสลายตัวแบบลักษณะเฉพาะของเมทริกซ์จตุรัสตั้งแต่หนึ่งเมทริกซ์ขึ้นไป |
ไอน์ซุม <T> | การหดตัวของเทนเซอร์ตามแบบแผนการรวมของไอน์สไตน์ |
ว่างเปล่า <T> | สร้างเทนเซอร์ตามรูปร่างที่กำหนด |
ว่างเปล่า TensorList | สร้างและส่งกลับรายการเทนเซอร์ที่ว่างเปล่า |
แผนที่ Tensor ว่างเปล่า | สร้างและส่งกลับแผนที่เทนเซอร์ว่างเปล่า |
เข้ารหัสโปรโต | op ทำให้ข้อความ protobuf อยู่ในเทนเซอร์อินพุต |
เข้าคิว TPUembedingIntegerBatch | การดำเนินการที่จัดคิวรายการเทนเซอร์แบทช์อินพุตเป็น TPUEmbedding |
เข้าคิว TPUembedRaggedTensorBatch | ทำให้การย้ายโค้ดที่ใช้ tf.nn.embedding_lookup() ง่ายขึ้น |
เข้าคิวTPUmbeddingSparseBatch | การดำเนินการที่จัดคิวดัชนีอินพุต TPUEmbedding จาก SparseTensor |
จัดคิว TPUembedSparseTensorBatch | ทำให้การย้ายโค้ดที่ใช้ tf.nn.embedding_lookup_sparse() ง่ายขึ้น |
ตรวจสอบรูปร่าง <T> | ตรวจสอบให้แน่ใจว่ารูปร่างของเทนเซอร์ตรงกับรูปร่างที่คาดหวัง |
ป้อน <T> | สร้างหรือค้นหาเฟรมย่อย และทำให้ 'ข้อมูล' พร้อมใช้งานสำหรับเฟรมย่อย |
Erfinv <T ขยายหมายเลข> | |
ยูคลิดนอร์ม <T> | คำนวณบรรทัดฐานยุคคลิดขององค์ประกอบในมิติของเมตริกซ์ |
ออกจาก <T> | ออกจากเฟรมปัจจุบันไปยังเฟรมหลัก |
ขยาย Dims <T> | แทรกมิติ 1 ลงในรูปร่างของเทนเซอร์ |
ชุดข้อมูล AutoShard แบบทดลอง | สร้างชุดข้อมูลที่แบ่งส่วนชุดข้อมูลอินพุต |
ชุดข้อมูล ExperimentalBytesProducedStats | บันทึกขนาดไบต์ของแต่ละองค์ประกอบของ `input_dataset` ใน StatsAggregator |
ชุดข้อมูลแบบทดลองเลือกเร็วที่สุด | |
ชุดข้อมูลเชิงทดลอง Cardinality | ส่งกลับจำนวนสมาชิกของ `input_dataset` |
ชุดข้อมูลทดลองToTFRecord | เขียนชุดข้อมูลที่กำหนดลงในไฟล์ที่กำหนดโดยใช้รูปแบบ TFRecord |
ชุดข้อมูล DenseToSparseBatch แบบทดลอง | สร้างชุดข้อมูลที่จัดกลุ่มองค์ประกอบอินพุตลงใน SparseTensor |
ชุดข้อมูล LatencyStats แบบทดลอง | บันทึกเวลาแฝงของการสร้างองค์ประกอบ `input_dataset` ใน StatsAggregator |
ชุดข้อมูลการจับคู่ไฟล์แบบทดลอง | |
ชุดข้อมูลการทดลองMaxIntraOpParallelism | สร้างชุดข้อมูลที่แทนที่ความขนานภายในปฏิบัติการสูงสุด |
ชุดข้อมูลตัวอย่างแยกวิเคราะห์เชิงทดลอง | แปลง `input_dataset` ที่มีโปรโต 'ตัวอย่าง' เป็นเวกเตอร์ของ DT_STRING ให้เป็นชุดข้อมูลของวัตถุ 'Tensor' หรือ 'SparseTensor' ที่แสดงถึงคุณลักษณะที่แยกวิเคราะห์ |
ชุดข้อมูล PrivateThreadPool แบบทดลอง | สร้างชุดข้อมูลที่ใช้พูลเธรดที่กำหนดเองเพื่อคำนวณ `input_dataset` |
ชุดข้อมูลสุ่มทดลอง | สร้างชุดข้อมูลที่ส่งคืนตัวเลขสุ่มเทียม |
ชุดข้อมูลรีแบทช์แบบทดลอง | สร้างชุดข้อมูลที่เปลี่ยนขนาดแบตช์ |
ชุดข้อมูล ExperimentalSetStatsAggregator | |
ชุดข้อมูลหน้าต่างเลื่อนแบบทดลอง | สร้างชุดข้อมูลที่ส่งผ่านหน้าต่างแบบเลื่อนบน `input_dataset` |
ชุดข้อมูล ExperimentalSql | สร้างชุดข้อมูลที่ดำเนินการแบบสอบถาม SQL และส่งเสียงแถวของชุดผลลัพธ์ |
ExperimentalStatsAggregatorHandle | สร้างทรัพยากรตัวจัดการสถิติ |
ExperimentalStatsAggregatorสรุป | สร้างข้อมูลสรุปของสถิติใดๆ ที่บันทึกโดยผู้จัดการสถิติที่กำหนด |
ชุดข้อมูล Unbatch แบบทดลอง | ชุดข้อมูลที่แบ่งองค์ประกอบของอินพุตออกเป็นหลายองค์ประกอบ |
Expint <T ขยายหมายเลข> | |
แยกGlimpseV2 | แยกข้อมูลเหลือบจากเทนเซอร์อินพุต |
ExtractVolumePatches <T ขยายหมายเลข> | แยก "แพตช์" ออกจาก "อินพุต" และวางไว้ในมิติเอาต์พุต "ความลึก" |
เติม <U> | สร้างเมตริกซ์ที่เต็มไปด้วยค่าสเกลาร์ |
สรุปชุดข้อมูล | สร้างชุดข้อมูลโดยใช้ `tf.data.Options` กับ `input_dataset` |
ลายนิ้วมือ | สร้างค่าลายนิ้วมือ |
FresnelCos <T ขยายหมายเลข> | |
FresnelSin <T ขยายหมายเลข> | |
FusedBatchNormGradV3 <T ขยายหมายเลข U ขยายหมายเลข> | การไล่ระดับสีสำหรับการทำให้เป็นมาตรฐานแบบแบทช์ |
FusedBatchNormV3 <T ขยายหมายเลข U ขยายหมายเลข> | การทำให้เป็นมาตรฐานแบบแบตช์ |
GRUBlockCell <T ขยายหมายเลข> | คำนวณการแพร่กระจายไปข้างหน้าของเซลล์ GRU เป็นเวลา 1 ขั้นตอน |
GRUBlockCellGrad <T ขยายหมายเลข> | คำนวณการแพร่กระจายกลับของเซลล์ GRU เป็นเวลา 1 ขั้นตอน |
รวบรวม <T> | รวบรวมชิ้นส่วนจากแกน 'params' 'axis' ตาม 'ดัชนี' |
รวบรวม <T> | รวบรวมชิ้นส่วนจาก 'params' ลงในเทนเซอร์ที่มีรูปร่างที่ระบุโดย 'ดัชนี' |
สร้าง BoundingBoxProposals | การดำเนินการนี้สร้างภูมิภาคที่สนใจจากกล่องขอบเขตที่กำหนด (bbox_deltas) พุก wrt ที่เข้ารหัสตาม eq.2 ใน arXiv:1506.01497 op เลือกกล่องให้คะแนน `pre_nms_topn` อันดับต้นๆ ถอดรหัสด้วยความเคารพต่อจุดยึด ใช้การปราบปรามที่ไม่สูงสุดบนกล่องที่ทับซ้อนกันที่มีค่ามากกว่า `nms_threshold` ค่าทางแยก-over-union (iou) ทิ้งกล่องที่ด้านสั้นกว่าน้อยกว่า ` ขั้นต่ำ_ขนาด`. |
รับตัวเลือก | ส่งคืน `tf.data.Options` ที่แนบมากับ `input_dataset` |
รับ SessionHandle | เก็บเทนเซอร์อินพุตไว้ในสถานะของเซสชันปัจจุบัน |
GetSessionTensor <T> | รับค่าของเทนเซอร์ที่ระบุโดยที่จับ |
การไล่ระดับสี | เพิ่มการดำเนินการเพื่อคำนวณอนุพันธ์บางส่วนของผลรวมของ y s wrt x s เช่น d(y_1 + y_2 + ...)/dx_1, d(y_1 + y_2 + ...)/dx_2... หากมีการตั้งค่า Options.dx() ค่าเหล่านั้นจะเป็นอนุพันธ์บางส่วนเชิงสัญลักษณ์เริ่มต้นของฟังก์ชันการสูญเสีย L wrt |
รับประกันConst <T> | รับประกันรันไทม์ TF ว่าเทนเซอร์อินพุตมีค่าคงที่ |
แฮชเทเบิล | สร้างตารางแฮชที่ไม่ได้เตรียมใช้งาน |
HistogramFixedWidth <U ขยายตัวเลข> | ส่งกลับฮิสโตแกรมของค่า |
ตัวตน <T> | ส่งกลับเทนเซอร์ที่มีรูปร่างและเนื้อหาเหมือนกับเทนเซอร์หรือค่าอินพุต |
อัตลักษณ์N | ส่งคืนรายการเทนเซอร์ที่มีรูปร่างและเนื้อหาเหมือนกับอินพุต เทนเซอร์ |
ละเว้นชุดข้อมูลข้อผิดพลาด | สร้างชุดข้อมูลที่มีองค์ประกอบของ `input_dataset` โดยไม่สนใจข้อผิดพลาด |
ImageProjectiveTransformV2 <T ขยายจำนวน> | ใช้การแปลงที่กำหนดกับแต่ละภาพ |
ImageProjectiveTransformV3 <T ขยายจำนวน> | ใช้การแปลงที่กำหนดกับแต่ละภาพ |
Const ที่ไม่เปลี่ยนรูป <T> | ส่งกลับเทนเซอร์ที่ไม่เปลี่ยนรูปจากขอบเขตหน่วยความจำ |
InfeedDequeue <T> | ตัวยึดตำแหน่งใช้สำหรับค่าที่จะป้อนเข้าสู่การคำนวณ |
InfeedDequeueTuple | ดึงค่าหลายค่าจากการป้อนเข้าเป็นทูเพิล XLA |
ป้อนเข้าคิว | op ที่ป้อนค่า Tensor เดียวในการคำนวณ |
InfeedEnqueuePrelinearizedBuffer | การดำเนินการที่จัดคิวบัฟเฟอร์ที่กำหนดไว้ล่วงหน้าลงในอินพุต TPU |
InfeedEnqueueTuple | ฟีดค่าเทนเซอร์หลายค่าลงในการคำนวณเป็นทูเพิล XLA |
เตรียมใช้งานตาราง | เครื่องมือเริ่มต้นตารางที่รับเทนเซอร์สองตัวสำหรับคีย์และค่าตามลำดับ |
เตรียมใช้งานTableFromDataset | |
เตรียมใช้งาน TableFromTextFile | เตรียมข้อมูลเบื้องต้นให้กับตารางจากไฟล์ข้อความ |
แทนที่เพิ่ม <T> | เพิ่ม v ลงในแถวที่ระบุของ x |
InplaceSub <T> | ลบ `v` ลงในแถวที่ระบุของ `x` |
แทนที่การอัปเดต <T> | อัพเดตแถวที่ระบุ 'i' ด้วยค่า 'v' |
IsBoostedTreesEnsemble เริ่มต้นแล้ว | ตรวจสอบว่า Tree Ensemble ได้รับการเตรียมใช้งานแล้วหรือไม่ |
IsBoostedTreesQuantileStreamResourceเริ่มต้นแล้ว | ตรวจสอบว่าสตรีมควอนไทล์ได้รับการเริ่มต้นแล้วหรือไม่ |
เป็นตัวแปรเริ่มต้น | ตรวจสอบว่าได้เตรียมใช้งานเทนเซอร์แล้วหรือไม่ |
IsotonicRegression <U ขยายจำนวน> | แก้ปัญหาการถดถอยไอโซโทนิกชุดหนึ่ง |
IteratorGetDevice | ส่งกลับชื่อของอุปกรณ์ที่ได้วาง "ทรัพยากร" ไว้ |
การเริ่มต้น KMC2Chain | ส่งกลับดัชนีของจุดข้อมูลที่ควรเพิ่มลงในชุดเริ่มต้น |
การเริ่มต้น KmeansPlusPlus | เลือกแถวอินพุต num_to_sample โดยใช้เกณฑ์ KMeans++ |
KthOrderStatistic | คำนวณสถิติลำดับ K ของชุดข้อมูล |
ชุดข้อมูล LMDB | สร้างชุดข้อมูลที่ปล่อยคู่คีย์-ค่าในไฟล์ LMDB อย่างน้อย 1 ไฟล์ |
LSTMBlockCell <T ขยายหมายเลข> | คำนวณการแพร่กระจายเซลล์ไปข้างหน้า LSTM สำหรับขั้นตอน 1 ครั้ง |
LSTMBlockCellGrad <T ขยายหมายเลข> | คำนวณการแพร่กระจายเซลล์ LSTM ย้อนหลังเป็นเวลา 1 ครั้ง |
LinSpace <T ขยายหมายเลข> | สร้างค่าในช่วงเวลา |
โหลดTPUEmbeddingADAMพารามิเตอร์ | โหลดพารามิเตอร์การฝัง ADAM |
โหลด TPU การฝัง ADAMP พารามิเตอร์ GradAccum Debug | โหลดพารามิเตอร์การฝัง ADAM พร้อมการสนับสนุนการแก้ไขข้อบกพร่อง |
โหลดTPUEmbeddingAdadeltaParameters | โหลดพารามิเตอร์การฝัง Adadelta |
โหลด TPU การฝัง AdadeltaParametersGradAccumDebug | โหลดพารามิเตอร์ Adadelta พร้อมการสนับสนุนการดีบัก |
โหลดTPUEmbeddingAdagradParameters | โหลดพารามิเตอร์การฝัง Adagrad |
โหลด TPU การฝัง AdagradParametersGradAccumDebug | โหลดพารามิเตอร์การฝัง Adagrad ด้วยการสนับสนุนการแก้ไขข้อบกพร่อง |
โหลดTPUEmbeddingCenteredRMSPropParameters | โหลดพารามิเตอร์การฝัง RMSProp ที่กึ่งกลาง |
โหลดTPUEmbeddingFTRLParameters | โหลดพารามิเตอร์การฝัง FTRL |
โหลด TPU การฝัง FTRLParametersGradAccumDebug | โหลดพารามิเตอร์การฝัง FTRL พร้อมการสนับสนุนการแก้ไขข้อบกพร่อง |
โหลดTPUEmbeddingFrequencyEstimatorพารามิเตอร์ | โหลดพารามิเตอร์การประมาณค่าความถี่ที่ฝังอยู่ |
โหลด TPU การฝังตัวประมาณความถี่พารามิเตอร์ GradAccum Debug | โหลดตัวประมาณความถี่ที่ฝังพารามิเตอร์พร้อมการสนับสนุนการแก้ไขข้อบกพร่อง |
โหลดTPUEmbeddingMDLAdagradLightParameters | โหลดพารามิเตอร์การฝัง MDL Adagrad Light |
โหลดพารามิเตอร์ TPU การฝังโมเมนตัม | โหลดพารามิเตอร์การฝังโมเมนตัม |
โหลด TPU การฝังโมเมนตัมพารามิเตอร์ GradAccum Debug | โหลดพารามิเตอร์การฝังโมเมนตัมพร้อมการสนับสนุนการแก้ไขข้อบกพร่อง |
โหลดTPUEmbeddingProximalAdagradParameters | โหลดพารามิเตอร์การฝัง Adagrad ใกล้เคียง |
โหลด TPUmbeddingProximalAdagradParametersGradAccumDebug | โหลดพารามิเตอร์การฝัง Adagrad ใกล้เคียงพร้อมการสนับสนุนการแก้ไขข้อบกพร่อง |
โหลดพารามิเตอร์ TPUUEmbeddingProximalYogi | |
โหลดTPUEการฝังProximalYogiParametersGradAccumDebug | |
โหลดTPUEmbeddingRMSPropParameters | โหลดพารามิเตอร์การฝัง RMSProp |
โหลดTPUEmbeddingRMSPropParametersGradAccumDebug | โหลดพารามิเตอร์การฝัง RMSProp ด้วยการสนับสนุนการดีบัก |
โหลดTPUEการฝังพารามิเตอร์ StochasticGradientDescent | โหลดพารามิเตอร์การฝัง SGD |
โหลดTPUการฝังStochasticGradientDescentParametersGradAccumDebug | โหลดพารามิเตอร์การฝัง SGD |
LookupTableExport <T, U> | ส่งออกคีย์และค่าทั้งหมดในตาราง |
LookupTableFind <U> | ค้นหาคีย์ในตาราง ส่งออกค่าที่เกี่ยวข้อง |
LookupTableนำเข้า | แทนที่เนื้อหาของตารางด้วยคีย์และค่าที่ระบุ |
LookupTableInsert | อัพเดตตารางเพื่อเชื่อมโยงคีย์กับค่า |
LookupTable ลบ | ลบคีย์และค่าที่เกี่ยวข้องออกจากตาราง |
LookupTableSize | คำนวณจำนวนองค์ประกอบในตารางที่กำหนด |
ห่วงCond | ส่งต่ออินพุตไปยังเอาต์พุต |
LowerBound <U ขยายตัวเลข> | ใช้ lower_bound(sorted_search_values, ค่า) ในแต่ละแถว |
Lu <T, U ขยายจำนวน> | คำนวณการสลายตัวของ LU ของเมทริกซ์จตุรัสตั้งแต่หนึ่งเมทริกซ์ขึ้นไป |
ทำให้ไม่ซ้ำใคร | ทำให้องค์ประกอบทั้งหมดในมิติที่ไม่ใช่แบทช์ไม่ซ้ำกัน แต่ \"ปิด\" ค่าเริ่มต้นของพวกเขา |
แผนที่เคลียร์ | Op จะลบองค์ประกอบทั้งหมดในคอนเทนเนอร์ที่อยู่ด้านล่าง |
แผนที่ขนาดไม่สมบูรณ์ | Op ส่งคืนจำนวนองค์ประกอบที่ไม่สมบูรณ์ในคอนเทนเนอร์ต้นแบบ |
MapPeek | Op ดูค่าที่คีย์ที่ระบุ |
ขนาดแผนที่ | Op ส่งคืนจำนวนองค์ประกอบในคอนเทนเนอร์ต้นแบบ |
แผนที่Stage | สเตจ (คีย์, ค่า) ในคอนเทนเนอร์ที่ซ่อนอยู่ซึ่งทำงานเหมือนกับแฮชเทเบิล |
แผนที่Unstage | Op ลบและส่งกลับค่าที่เกี่ยวข้องกับคีย์ จากภาชนะที่อยู่ด้านล่าง |
แผนที่UnstageNoKey | Op ลบและส่งกลับการสุ่ม (คีย์, ค่า) จากภาชนะที่อยู่ด้านล่าง |
MatrixDiagPartV2 <T> | ส่งกลับส่วนเส้นทแยงมุมแบบแบทช์ของเทนเซอร์แบบแบทช์ |
MatrixDiagPartV3 <T> | ส่งกลับส่วนเส้นทแยงมุมแบบแบทช์ของเทนเซอร์แบบแบทช์ |
MatrixDiagV2 <T> | ส่งกลับเทนเซอร์แนวทแยงแบบแบทช์พร้อมค่าแนวทแยงแบบแบทช์ที่กำหนด |
MatrixDiagV3 <T> | ส่งกลับเทนเซอร์แนวทแยงแบบแบทช์พร้อมค่าแนวทแยงแบบแบทช์ที่กำหนด |
MatrixSetDiagV2 <T> | ส่งกลับเมทริกซ์เทนเซอร์แบบแบทช์พร้อมค่าแนวทแยงแบบแบทช์ใหม่ |
MatrixSetDiagV3 <T> | ส่งกลับเมทริกซ์เทนเซอร์แบบแบทช์พร้อมค่าแนวทแยงแบบแบทช์ใหม่ |
สูงสุด <T> | คำนวณองค์ประกอบสูงสุดในมิติต่างๆ ของเทนเซอร์ |
ชุดข้อมูล MaxIntraOpParallelism | สร้างชุดข้อมูลที่แทนที่ความขนานภายในปฏิบัติการสูงสุด |
ผสาน <T> | ส่งต่อค่าของเทนเซอร์ที่มีอยู่จาก "อินพุต" ไปยัง "เอาต์พุต" |
ขั้นต่ำ <T> | คำนวณองค์ประกอบขั้นต่ำตามมิติของเทนเซอร์ |
มิเรอร์แพด <T> | แพดเทนเซอร์ด้วยค่าที่มิเรอร์ |
MirrorPadGrad <T> | การไล่ระดับสีสำหรับ `MirrorPad` op |
MlirPassthroughOp | ล้อมการคำนวณ MLIR ตามอำเภอใจที่แสดงเป็นโมดูลด้วยฟังก์ชัน main() |
มุลโนแนน <T> | ส่งคืนองค์ประกอบ x * y |
ตาราง DenseHashTable ที่เปลี่ยนแปลงได้ | สร้างตารางแฮชว่างที่ใช้เทนเซอร์เป็นที่เก็บสำรอง |
ตารางแฮชที่ไม่แน่นอน | สร้างตารางแฮชที่ว่างเปล่า |
ตารางแฮชที่ผันแปรได้ของเทนเซอร์ | สร้างตารางแฮชที่ว่างเปล่า |
มูเท็กซ์ | สร้างทรัพยากร Mutex ที่สามารถล็อกได้โดย `MutexLock` |
MutexLock | ล็อกทรัพยากร mutex |
NcclAllReduce <T ขยายหมายเลข> | เอาท์พุตเทนเซอร์ที่มีการลดลงในเทนเซอร์อินพุตทั้งหมด |
NcclBroadcast <T ขยายหมายเลข> | ส่ง 'อินพุต' ไปยังอุปกรณ์ทั้งหมดที่เชื่อมต่อกับเอาต์พุต |
NcclReduce <T ขยายหมายเลข> | ลด "อินพุต" จาก "num_devices" โดยใช้ "การลด" ลงในอุปกรณ์เครื่องเดียว |
Ndtri <T ขยายจำนวน> | |
เพื่อนบ้านที่ใกล้ที่สุด | เลือก k ศูนย์กลางที่ใกล้ที่สุดสำหรับแต่ละจุด |
ถัดไปหลังจาก <T ขยายหมายเลข> | ส่งคืนค่าตัวแทนถัดไปของ "x1" ไปในทิศทางของ "x2" ตามองค์ประกอบ |
การวนซ้ำครั้งถัดไป <T> | ทำให้อินพุตพร้อมใช้งานในการวนซ้ำครั้งถัดไป |
ไม่อป | ไม่ทำอะไรเลย |
NonDetermisticInts <U> | สร้างจำนวนเต็มบางส่วนโดยไม่ได้กำหนดไว้ |
NonMaxSuppressionV5 <T ขยายหมายเลข> | เลือกชุดย่อยของกรอบขอบเขตอย่างตะกละตะกลามโดยเรียงลำดับคะแนนจากมากไปหาน้อย การตัดกล่องที่มีจุดตัดกันเกินสหภาพ (IOU) สูงซ้อนทับกับกล่องที่เลือกไว้ก่อนหน้านี้ |
ชุดข้อมูลที่ไม่สามารถซีเรียลไลซ์ได้ | |
วันฮอต <U> | ส่งกลับเทนเซอร์แบบร้อนเดียว |
คนอย่าง <T> | ส่งกลับเทนเซอร์ของวัตถุที่มีรูปร่างและประเภทเดียวกันกับ x |
OptimizeDatasetV2 | สร้างชุดข้อมูลโดยใช้การเพิ่มประสิทธิภาพที่เกี่ยวข้องกับ `input_dataset` |
ตัวเลือกชุดข้อมูล | สร้างชุดข้อมูลโดยการแนบ tf.data.Options กับ `input_dataset` |
สั่งซื้อMapClear | Op จะลบองค์ประกอบทั้งหมดในคอนเทนเนอร์ที่อยู่ด้านล่าง |
สั่งซื้อแผนที่ขนาดไม่สมบูรณ์ | Op ส่งคืนจำนวนองค์ประกอบที่ไม่สมบูรณ์ในคอนเทนเนอร์ต้นแบบ |
สั่งซื้อMapPeek | Op ดูค่าที่คีย์ที่ระบุ |
สั่งซื้อMapSize | Op ส่งคืนจำนวนองค์ประกอบในคอนเทนเนอร์ต้นแบบ |
สั่งซื้อMapStage | สเตจ (คีย์, ค่า) ในคอนเทนเนอร์ที่ซ่อนอยู่ซึ่งทำงานเหมือนได้รับคำสั่ง คอนเทนเนอร์ที่เกี่ยวข้อง |
สั่งซื้อแผนที่Unstage | Op ลบและส่งกลับค่าที่เกี่ยวข้องกับคีย์ จากภาชนะที่อยู่ด้านล่าง |
สั่งซื้อMapUnstageNoKey | Op ลบและส่งกลับองค์ประกอบ (key, value) ที่มีขนาดเล็กที่สุด คีย์จากคอนเทนเนอร์ที่ซ่อนอยู่ |
OutfeedDequeue <T> | ดึงข้อมูลเทนเซอร์ตัวเดียวจากเอาท์พุตการคำนวณ |
OutfeedDequeueTuple | ดึงค่าหลายค่าจากเอาท์พุตการคำนวณ |
OutfeedDequeueTupleV2 | ดึงค่าหลายค่าจากเอาท์พุตการคำนวณ |
OutfeedDequeueV2 <T> | ดึงข้อมูลเทนเซอร์ตัวเดียวจากเอาท์พุตการคำนวณ |
OutfeedEnqueue | จัดคิวเทนเซอร์บนเอาท์พุตการคำนวณ |
OutfeedEnqueueTuple | จัดคิวค่า Tensor หลายค่าบนเอาท์พุตการคำนวณ |
แพด <T> | แผ่นรองเทนเซอร์ |
ชุดข้อมูลแบบขนาน | |
ParallelConcat <T> | เชื่อมต่อรายการเทนเซอร์ `N` เข้ากับมิติแรก |
ParallelDynamicStitch <T> | แทรกค่าจากเทนเซอร์ "ข้อมูล" ลงในเทนเซอร์ตัวเดียว |
แยกตัวอย่างชุดข้อมูล V2 | แปลง `input_dataset` ที่มีโปรโต 'ตัวอย่าง' เป็นเวกเตอร์ของ DT_STRING ให้เป็นชุดข้อมูลของวัตถุ 'Tensor' หรือ 'SparseTensor' ที่แสดงถึงคุณลักษณะที่แยกวิเคราะห์ |
แยกตัวอย่างV2 | แปลงเวกเตอร์ของโปรโต tf.Example (เป็นสตริง) เป็นเทนเซอร์ที่พิมพ์ |
ParseSequenceตัวอย่างV2 | แปลงเวกเตอร์ของโปรโตส tf.io.SequenceExample (เป็นสตริง) เป็นเทนเซอร์ที่พิมพ์ |
ตัวยึดตำแหน่ง <T> | ตัวยึดตำแหน่งใช้สำหรับค่าที่จะป้อนเข้าสู่การคำนวณ |
ตัวยึดตำแหน่งด้วยค่าเริ่มต้น <T> | ตัวยึดตำแหน่งที่ส่งผ่าน "อินพุต" เมื่อไม่ได้ป้อนเอาต์พุต |
พรีลิเนียร์ | op ที่ทำให้ค่าเทนเซอร์หนึ่งค่าเป็นเส้นตรงไปจนถึงเทนเซอร์ตัวแปรทึบแสง |
พรีลิเนียร์ไรซ์Tuple | op ที่ทำให้ค่าเทนเซอร์หลายค่าเป็นเส้นตรงให้เป็นเทนเซอร์ตัวแปรทึบแสง |
ดั้งเดิมOp | คลาสพื้นฐานสำหรับการใช้งาน Op ที่ได้รับการสนับสนุนโดย Operation เดียว |
พิมพ์ | พิมพ์สเกลาร์สตริง |
ชุดข้อมูล ThreadPool ส่วนตัว | สร้างชุดข้อมูลที่ใช้พูลเธรดที่กำหนดเองเพื่อคำนวณ `input_dataset` |
ผลิตภัณฑ์ <T> | คำนวณผลคูณขององค์ประกอบตามมิติของเทนเซอร์ |
QuantizeAndDequantizeV4 <T ขยายหมายเลข> | การหาปริมาณแล้วจึงแยกเทนเซอร์ออก |
QuantizeAndDequantizeV4Grad <T ขยายหมายเลข> | ส่งกลับค่าการไล่ระดับสีของ `QuantizeAndDequantizeV4` |
QuantizedConcat <T> | เชื่อมต่อเทนเซอร์เชิงปริมาณเข้าด้วยกันในมิติเดียว |
QuantizedConcatV2 <T> | |
QuantizedConv2DAndRelu <V> | |
QuantizedConv2DAndReluAndRequantize <V> | |
QuantizedConv2DAndRequantize <V> | |
QuantizedConv2DPerChannel <V> | คำนวณ QuantizedConv2D ต่อช่องสัญญาณ |
QuantizedConv2Dด้วย อคติ <V> | |
QuantizedConv2DWithBiasAndRelu <V> | |
QuantizedConv2DWithBiasAndReluAndRequantize <W> | |
QuantizedConv2DWithBiasAndRequantize <W> | |
QuantizedConv2DWithBiasSignedSumAndReluAndRequantize <X> | |
QuantizedConv2DWithBiasSumAndRelu <V> | |
QuantizedConv2DWithBiasSumAndReluAndRequantize <X> | |
QuantizedDepthwiseConv2D <V> | คำนวณ Conv2D ในเชิงลึกเชิงปริมาณ |
QuantizedDepthwiseConv2DWithBias <V> | คำนวณ Conv2D ในเชิงลึกเชิงปริมาณด้วย Bias |
QuantizedDepthwiseConv2DWithBiasAndRelu <V> | คำนวณ Conv2D ในเชิงลึกเชิงปริมาณด้วย Bias และ Relu |
QuantizedDepthwiseConv2DWithBiasAndReluAndRequantize <W> | คำนวณ Conv2D ในเชิงลึกเชิงปริมาณด้วย Bias, Relu และ Requantize |
QuantizedMatMulWithBias <W> | ดำเนินการคูณเมทริกซ์เชิงปริมาณของ `a` ด้วยเมทริกซ์ `b` พร้อมบวกอคติ |
QuantizedMatMulWithBiasAndDequantize <W ขยายหมายเลข> | |
QuantizedMatMulWithBiasAndRelu <V> | ทำการคูณเมทริกซ์เชิงปริมาณของ `a` ด้วยเมทริกซ์ `b` โดยมีการรวมอคติบวกและรีลู |
QuantizedMatMulWithBiasAndReluAndRequantize <W> | ดำเนินการคูณเมทริกซ์เชิงปริมาณของ `a` ด้วยเมทริกซ์ `b` โดยมีอคติบวกและ relu และกำหนดปริมาณฟิวชั่นใหม่ |
QuantizedMatMulWithBiasAndRequantize <W> | |
QuantizedReshape <T> | ปรับรูปร่างเทนเซอร์เชิงปริมาณตามตัวเลือก Reshape |
RaggedBincount <U ขยายหมายเลข> | นับจำนวนครั้งของแต่ละค่าในอาร์เรย์จำนวนเต็ม |
RaggedCountSparseOutput <U ขยายหมายเลข> | ดำเนินการนับถังเอาท์พุตแบบกระจัดกระจายสำหรับอินพุตเทนเซอร์ที่ขาดหาย |
RaggedCross <T, U ขยายหมายเลข> | สร้างคุณลักษณะที่ตัดกันจากรายการเทนเซอร์ และส่งกลับเป็น RaggedTensor |
RaggedGather <T ขยายหมายเลข U> | รวบรวมส่วนที่ขาดจากแกน `params` `0` ตาม `ดัชนี` |
RaggedRange <U ขยายหมายเลข T ขยายหมายเลข> | ส่งกลับ `RaggedTensor` ที่มีลำดับตัวเลขที่ระบุ |
RaggedTensorFromVariant <U ขยายหมายเลข T> | ถอดรหัสเทนเซอร์ "ตัวแปร" เป็น "RaggedTensor" |
RaggedTensorToSparse <U> | แปลง `RaggedTensor` ให้เป็น `SparseTensor` ที่มีค่าเดียวกัน |
RaggedTensorToTensor <U> | สร้างเทนเซอร์ที่มีความหนาแน่นสูงจากเทนเซอร์ที่ขาดๆ หายๆ ซึ่งอาจมีการเปลี่ยนแปลงรูปร่างได้ |
RaggedTensorToVariant | เข้ารหัส `RaggedTensor` เป็นเทนเซอร์ 'ตัวแปร' |
RaggedTensorToVariantGradient <U> | ตัวช่วยใช้ในการคำนวณการไล่ระดับสีสำหรับ `RaggedTensorToVariant` |
ช่วง <T ขยายหมายเลข> | สร้างลำดับของตัวเลข |
อันดับ | ส่งกลับอันดับของเทนเซอร์ |
ReadVariableOp <T> | อ่านค่าของตัวแปร |
รีแบทช์ชุดข้อมูล | สร้างชุดข้อมูลที่เปลี่ยนขนาดแบตช์ |
รีแบทช์ DatasetV2 | สร้างชุดข้อมูลที่เปลี่ยนขนาดแบตช์ |
รับ <T> | รับเทนเซอร์ที่มีชื่อจาก send_device บน recv_device |
RecvTPUEmbeddingActivations | ปฏิบัติการที่ได้รับการเปิดใช้งานการฝังบน TPU |
ลดทั้งหมด | คำนวณ "ตรรกะและ" ขององค์ประกอบในมิติต่างๆ ของเทนเซอร์ |
ลดใดๆ | คำนวณ "ตรรกะหรือ" ขององค์ประกอบในมิติต่างๆ ของเทนเซอร์ |
ลดสูงสุด <T> | คำนวณองค์ประกอบสูงสุดในมิติต่างๆ ของเทนเซอร์ |
ลดขั้นต่ำ <T> | คำนวณองค์ประกอบขั้นต่ำตามมิติของเทนเซอร์ |
ลดผลผลิต <T> | คำนวณผลคูณขององค์ประกอบตามมิติของเทนเซอร์ |
ลดผลรวม <T> | คำนวณผลรวมขององค์ประกอบในมิติของเทนเซอร์ |
อ้างอิง <T> | สร้างหรือค้นหาเฟรมย่อย และทำให้ 'ข้อมูล' พร้อมใช้งานสำหรับเฟรมย่อย |
อ้างอิงทางออก <T> | ออกจากเฟรมปัจจุบันไปยังเฟรมหลัก |
การระบุตัวตน <T> | ส่งคืนค่าเทนเซอร์อ้างอิงเดียวกันกับเทนเซอร์อ้างอิงอินพุต |
อ้างอิงการรวม <T> | ส่งต่อค่าของเทนเซอร์ที่มีอยู่จาก "อินพุต" ไปยัง "เอาต์พุต" |
RefNextIteration <T> | ทำให้อินพุตพร้อมใช้งานในการวนซ้ำครั้งถัดไป |
อ้างอิงเลือก <T> | ส่งต่อ "องค์ประกอบดัชนี" ของ "อินพุต" ไปยัง "เอาต์พุต" |
RefSwitch <T> | ส่งต่อเทนเซอร์อ้างอิง `data` ไปยังพอร์ตเอาต์พุตที่กำหนดโดย `pred` |
ลงทะเบียนชุดข้อมูล | ลงทะเบียนชุดข้อมูลกับบริการ tf.data |
RequantizationRangePerChannel | คำนวณช่วงการจัดสรรใหม่ต่อช่องสัญญาณ |
RequantizePerChannel <U> | จัดปริมาณอินพุตใหม่ด้วยค่าต่ำสุดและสูงสุดที่ทราบต่อช่องสัญญาณ |
ปรับรูปร่างใหม่ <T> | เปลี่ยนรูปร่างเทนเซอร์ |
ResourceAccumulatorApplyGradient | ใช้การไล่ระดับสีกับตัวสะสมที่กำหนด |
ResourceAccumulatorNumสะสม | ส่งกลับจำนวนการไล่ระดับสีที่รวมอยู่ในตัวสะสมที่กำหนด |
ResourceAccumulatorSetGlobalStep | อัพเดตตัวสะสมด้วยค่าใหม่สำหรับ global_step |
ResourceAccumulatorTakeGradient <T> | แยกการไล่ระดับสีเฉลี่ยใน ConditionalAccumulator ที่กำหนด |
ResourceApplyAdagradV2 | อัปเดต '*var' ตามรูปแบบ adagrad |
ResourceApplyAdamWithAmsgrad | อัปเดต '*var' ตามอัลกอริทึมของ Adam |
ทรัพยากรใช้KerasMomentum | อัปเดต '*var' ตามรูปแบบโมเมนตัม |
ทรัพยากรแบบมีเงื่อนไขสะสม | ตัวสะสมแบบมีเงื่อนไขสำหรับการรวมการไล่ระดับสี |
ResourceCountUpTo <T ขยายหมายเลข> | เพิ่มตัวแปรที่ชี้ตาม 'ทรัพยากร' จนกว่าจะถึง 'ขีดจำกัด' |
ResourceGather <U> | รวบรวมชิ้นส่วนจากตัวแปรที่ชี้ไปตาม 'ทรัพยากร' ตาม 'ดัชนี' |
ResourceGatherNd <U> | |
ResourceScatterAdd | เพิ่มการอัปเดตแบบกระจัดกระจายให้กับตัวแปรที่อ้างอิงโดย "ทรัพยากร" |
ResourceScatterDiv | แบ่งการอัปเดตแบบกระจัดกระจายออกเป็นตัวแปรที่อ้างอิงโดย "ทรัพยากร" |
ResourceScatterMax | ลดการอัปเดตแบบกระจัดกระจายลงในตัวแปรที่อ้างอิงโดย "ทรัพยากร" โดยใช้การดำเนินการ "สูงสุด" |
ResourceScatterMin | ลดการอัปเดตแบบกระจัดกระจายลงในตัวแปรที่อ้างอิงโดย "ทรัพยากร" โดยใช้การดำเนินการ "ขั้นต่ำ" |
ResourceScatterMul | คูณการอัปเดตแบบกระจัดกระจายลงในตัวแปรที่อ้างอิงโดย "ทรัพยากร" |
ResourceScatterNdAdd | ใช้การเพิ่มเติมแบบกระจายกับแต่ละค่าหรือส่วนต่างๆ ในตัวแปร |
ResourceScatterNdMax | |
ResourceScatterNdMin | |
ResourceScatterNdSub | ใช้การลบแบบกระจายกับแต่ละค่าหรือส่วนต่างๆ ในตัวแปร |
ResourceScatterNdอัปเดต | ใช้ "การอัปเดต" แบบกระจัดกระจายกับแต่ละค่าหรือส่วนต่างๆ ภายในที่กำหนด แปรผันตาม 'ดัชนี' |
ResourceScatterย่อย | ลบการอัปเดตแบบกระจัดกระจายออกจากตัวแปรที่อ้างอิงโดย "ทรัพยากร" |
ResourceScatterอัปเดต | กำหนดการอัปเดตแบบกระจัดกระจายให้กับตัวแปรที่อ้างอิงโดย "ทรัพยากร" |
ทรัพยากรSparseApplyAdagradV2 | อัปเดตรายการที่เกี่ยวข้องใน '*var' และ '*accum' ตามรูปแบบ adagrad |
ทรัพยากรSparseApplyKerasMomentum | อัปเดตรายการที่เกี่ยวข้องใน '*var' และ '*accum' ตามรูปแบบโมเมนตัม |
ResourceStridedSliceAssign | กำหนด `value` ให้กับการอ้างอิงค่า l ที่แบ่งส่วนของ `ref` |
ดึงTPUEmbeddingADAMพารามิเตอร์ | ดึงข้อมูลพารามิเตอร์การฝัง ADAM |
ดึงข้อมูล TPU การฝัง ADAMParametersGradAccumDebug | ดึงพารามิเตอร์การฝัง ADAM พร้อมการสนับสนุนการแก้ไขข้อบกพร่อง |
ดึงข้อมูล TPUembedAdadeltaParameters | ดึงข้อมูลพารามิเตอร์การฝัง Adadelta |
ดึงข้อมูล TPU การฝัง AdadeltaParametersGradAccumDebug | ดึงข้อมูลพารามิเตอร์การฝัง Adadelta ด้วยการสนับสนุนการดีบัก |
ดึงข้อมูล TPUembedAdagradParameters | ดึงข้อมูลพารามิเตอร์การฝัง Adagrad |
ดึงข้อมูล TPU การฝัง AdagradParametersGradAccumDebug | เรียกข้อมูลพารามิเตอร์การฝัง Adagrad ด้วยการสนับสนุนการดีบัก |
ดึงTPUEmbeddingCenteredRMSPropParameters | ดึงข้อมูลพารามิเตอร์การฝัง RMSProp ที่กึ่งกลาง |
ดึงTPUEmbeddingFTRLParameters | รับพารามิเตอร์การฝัง FTRL |
ดึงข้อมูล TPU การฝัง FTRLParametersGradAccumDebug | รับพารามิเตอร์การฝัง FTRL ด้วยการสนับสนุนการแก้ไขข้อบกพร่อง |
ดึงพารามิเตอร์การฝัง TPUEstimatorFrequencyEstimator | เรียกข้อมูลพารามิเตอร์ที่ฝังตัวประมาณความถี่ |
ดึงข้อมูล TPU การฝังตัวประมาณความถี่พารามิเตอร์ GradAccum Debug | เรียกข้อมูลพารามิเตอร์ที่ฝังตัวประมาณความถี่ด้วยการสนับสนุนการแก้ไขข้อบกพร่อง |
ดึงข้อมูล TPUembedMDLAdagradLightParameters | เรียกข้อมูลพารามิเตอร์การฝัง MDL Adagrad Light |
ดึงพารามิเตอร์การฝัง TPUUE โมเมนตัม | รับพารามิเตอร์การฝังโมเมนตัม |
ดึงข้อมูล TPU การฝังโมเมนตัมพารามิเตอร์ GradAccum Debug | ดึงข้อมูลพารามิเตอร์การฝังโมเมนตัมด้วยการสนับสนุนการแก้ไขข้อบกพร่อง |
เรียกข้อมูลพารามิเตอร์ TPUUEmbeddingProximalAdagrad | ดึงข้อมูลพารามิเตอร์การฝัง Adagrad ที่ใกล้เคียง |
ดึงข้อมูล TPUUEmbeddingProximalAdagradParametersGradAccumDebug | ดึงพารามิเตอร์การฝัง Adagrad ใกล้เคียงพร้อมการสนับสนุนการแก้ไขจุดบกพร่อง |
ดึงข้อมูล TPUUEmbeddingProximalYogiParameters | |
ดึงข้อมูล TPUEmbeddingProximalYogiParametersGradAccumDebug | |
เรียกข้อมูล TPUUEmbeddingRMSPropParameters | เรียกพารามิเตอร์การฝัง RMSProp |
เรียกข้อมูล TPUUEmbeddingRMSPropParametersGradAccumDebug | ดึงข้อมูลพารามิเตอร์การฝัง RMSProp ด้วยการสนับสนุนการดีบัก |
ดึงข้อมูล TPU การฝัง StochasticGradientDescentParameters | รับพารามิเตอร์การฝัง SGD |
ดึงข้อมูล TPUE การฝัง StochasticGradientDescentParametersGradAccumDebug | รับพารามิเตอร์การฝัง SGD พร้อมการสนับสนุนการแก้ไขข้อบกพร่อง |
ย้อนกลับ <T> | กลับมิติเฉพาะของเทนเซอร์ |
ลำดับย้อนกลับ <T> | ย้อนกลับส่วนที่มีความยาวผันแปรได้ |
RiscAbs <T ขยายหมายเลข> | |
RiscAdd <T ขยายหมายเลข> | ส่งกลับองค์ประกอบ x + y |
RiscBinaryArithmetic <T ขยายตัวเลข> | |
การเปรียบเทียบ RiscBinary | |
RiscBitcast <U> | |
RiscBroadcast <T> | |
RiscCast <U> | |
RiscCeil <T ขยายหมายเลข> | |
RiscCholesky <T ขยายหมายเลข> | |
ริสก์คอนแคท <T> | |
RiscConv <T ขยายหมายเลข> | |
RiscCos <T ขยายหมายเลข> | |
RiscDiv <T ขยายหมายเลข> | |
RiscDot <T ขยายจำนวน> | |
RiscExp <T ขยายหมายเลข> | |
RiscFft <T> | |
RiscFloor <T ขยายหมายเลข> | |
RiscGather <T> | |
RiscImag <U ขยายหมายเลข> | |
ความเสี่ยงมีจำกัด | |
RiscLog <T ขยายหมายเลข> | |
RiscLogicalAnd | |
RiscLogicalไม่ใช่ | |
RiscLogicalOr | |
RiscMax <T ขยายหมายเลข> | ส่งคืนองค์ประกอบสูงสุด(x, y) |
RiscMin <T ขยายหมายเลข> | |
RiscMul <T ขยายหมายเลข> | |
RiscNeg <T ขยายหมายเลข> | |
RiscPad <T ขยายหมายเลข> | |
RiscPool <T ขยายหมายเลข> | |
RiscPow <T ขยายหมายเลข> | |
RiscRandomUniform | |
RiscReal <U ขยายหมายเลข> | |
RiscReduce <T ขยายหมายเลข> | |
RiscRem <T ขยายตัวเลข> | |
RiscReshape <T ขยายหมายเลข> | |
RiscReverse <T ขยายหมายเลข> | |
RiscScatter <U ขยายหมายเลข> | |
RiscShape <U ขยายตัวเลข> | |
RiscSign <T ขยายหมายเลข> | |
RiscSlice <T ขยายหมายเลข> | |
RiscSort <T ขยายหมายเลข> | |
RiscSqueeze <T> | |
RiscSub <T ขยายหมายเลข> | |
ริสก์ทรานสโพส <T> | |
RiscTriangleSolve <T ขยายตัวเลข> | |
RiscUnary <T ขยายหมายเลข> | |
Rngอ่านและข้าม | เลื่อนเคาน์เตอร์ของ RNG แบบเคาน์เตอร์ |
RngSkip | เลื่อนเคาน์เตอร์ของ RNG แบบเคาน์เตอร์ |
ม้วน <T> | ม้วนองค์ประกอบของเทนเซอร์ไปตามแกน |
ชุดข้อมูลสุ่มตัวอย่าง | สร้างชุดข้อมูลที่รับตัวอย่าง Bernoulli ของเนื้อหาของชุดข้อมูลอื่น |
สเกลและแปล | |
ScaleAndTranslateGrad <T ขยายหมายเลข> | |
กระจายเพิ่ม <T> | เพิ่มการอัพเดตแบบกระจัดกระจายให้กับการอ้างอิงตัวแปร |
กระจายDiv <T> | แบ่งการอ้างอิงตัวแปรด้วยการอัพเดตแบบกระจัดกระจาย |
ScatterMax <T ขยายหมายเลข> | ลดการอัปเดตแบบกระจัดกระจายลงในการอ้างอิงตัวแปรโดยใช้การดำเนินการ "สูงสุด" |
ScatterMin <T ขยายหมายเลข> | ลดการอัปเดตแบบกระจัดกระจายในการอ้างอิงตัวแปรโดยใช้การดำเนินการ "min" |
กระจายมัล <T> | คูณการอัพเดตแบบกระจัดกระจายเป็นการอ้างอิงตัวแปร |
กระจาย Nd <U> | กระจาย 'อัปเดต' เป็นเทนเซอร์ใหม่ตาม 'ดัชนี' |
กระจายNdAdd <T> | ใช้การเพิ่มเติมแบบกระจายกับแต่ละค่าหรือส่วนต่างๆ ในตัวแปร |
กระจายNdMax <T> | คำนวณค่าสูงสุดตามองค์ประกอบ |
กระจายNdMin <T> | คำนวณขั้นต่ำตามองค์ประกอบ |
ScatterNdNonAliasingAdd <T> | ใช้การเพิ่มเติมแบบกระจายกับ "อินพุต" โดยใช้ค่าเดี่ยวๆ หรือการแบ่งส่วน จาก `อัปเดต` ตามดัชนี `ดัชนี` |
กระจายNdSub <T> | ใช้การลบแบบกระจายกับแต่ละค่าหรือส่วนต่างๆ ในตัวแปร |
ScatterNdUpdate <T> | ใช้ "การอัปเดต" แบบกระจัดกระจายกับแต่ละค่าหรือส่วนต่างๆ ภายในที่กำหนด แปรผันตาม 'ดัชนี' |
กระจายย่อย <T> | ลบการอัพเดตแบบกระจัดกระจายไปยังการอ้างอิงตัวแปร |
กระจายอัปเดต <T> | ใช้การอัพเดตแบบกระจัดกระจายกับการอ้างอิงตัวแปร |
เลือกV2 <T> | |
ส่ง | ส่งเทนเซอร์ที่มีชื่อจาก send_device ไปยัง recv_device |
SendTPUการฝังการไล่ระดับสี | ดำเนินการอัปเดตการไล่ระดับสีของตารางที่ฝัง |
SetDiff1d <T, U ขยายหมายเลข> | คำนวณความแตกต่างระหว่างสองรายการตัวเลขหรือสตริง |
กำหนดขนาด | จำนวนองค์ประกอบที่ไม่ซ้ำกันในมิติสุดท้ายของอินพุต `set` |
รูปร่าง <U ขยายตัวเลข> | ส่งกลับรูปร่างของเทนเซอร์ |
ShapeN <U ขยายตัวเลข> | ส่งกลับรูปร่างของเทนเซอร์ |
ShardDataset | สร้าง "ชุดข้อมูล" ที่รวมเพียง 1/`num_shards` ของชุดข้อมูลนี้ |
สลับและทำซ้ำชุดข้อมูล V2 | |
สับเปลี่ยนชุดข้อมูลV2 | |
สับเปลี่ยนชุดข้อมูลV3 | |
ปิดระบบกระจายTPU | ปิดระบบ TPU แบบกระจายที่ทำงานอยู่ |
ขนาด <U ขยายตัวเลข> | ส่งกลับขนาดของเทนเซอร์ |
ข้ามแกรม | แยกวิเคราะห์ไฟล์ข้อความและสร้างชุดตัวอย่าง |
ชุดข้อมูลการนอนหลับ | |
ชิ้น <T> | กลับชิ้นจาก 'อินพุต' |
ชุดข้อมูลหน้าต่างบานเลื่อน | สร้างชุดข้อมูลที่ส่งผ่านหน้าต่างแบบเลื่อนบน `input_dataset` |
สแนปช็อต <T> | ส่งกลับสำเนาของเทนเซอร์อินพุต |
ชุดข้อมูลสแนปชอต | สร้างชุดข้อมูลที่จะเขียนถึง/อ่านจากสแนปช็อต |
SnapshotDatasetReader | |
สแนปชอต NestedDatasetReader | |
SobolSample <T ขยายหมายเลข> | สร้างคะแนนจากลำดับ Sobol |
SpaceToBatchNd <T> | SpaceToBatch สำหรับเทนเซอร์ ND ประเภท T |
SparseApplyAdagradV2 <T> | อัปเดตรายการที่เกี่ยวข้องใน '*var' และ '*accum' ตามรูปแบบ adagrad |
SparseBincount <U ขยายหมายเลข> | นับจำนวนครั้งของแต่ละค่าในอาร์เรย์จำนวนเต็ม |
SparseCountSparseOutput <U ขยายหมายเลข> | ดำเนินการนับถังเอาท์พุตแบบกระจายสำหรับอินพุตเทนเซอร์แบบกระจาย |
เบาบางCrossHashed | สร้าง crosse cross จากรายการเทนเซอร์แบบกระจัดกระจายและหนาแน่น |
เบาบางCrossV2 | สร้าง crosse cross จากรายการเทนเซอร์แบบกระจัดกระจายและหนาแน่น |
เบาบางเมทริกซ์บวก | การบวกเมทริกซ์ CSR สองตัวแบบกระจัดกระจาย C = อัลฟา * A + เบต้า * B |
เบาบางMatrixMatMul <T> | เมทริกซ์คูณเมทริกซ์กระจัดกระจายด้วยเมทริกซ์หนาแน่น |
เบาบางเมทริกซ์Mul | การคูณเมทริกซ์กระจัดกระจายอย่างชาญฉลาดด้วยเทนเซอร์หนาแน่น |
เบาเมทริกซ์NNZ | ส่งกลับจำนวนที่ไม่ใช่ศูนย์ของ `sparse_matrix` |
SparseMatrixการสั่งซื้อAMD | คำนวณลำดับขั้นต่ำโดยประมาณ (AMD) ของ "อินพุต" |
SparseMatrixSoftmax | คำนวณ softmax ของ CSRSparseMatrix |
SparseMatrixSoftmaxGrad | คำนวณการไล่ระดับสีของ SparseMatrixSoftmax op |
SparseMatrixSparseCholesky | คำนวณการสลายตัวของ Cholesky แบบกระจัดกระจายของ `อินพุต` |
SparseMatrixSparseMatMul | เมทริกซ์แบบกระจายจะคูณเมทริกซ์ CSR สองตัว `a` และ `b` |
SparseMatrixTranspose | ย้ายขนาดภายใน (เมทริกซ์) ของ CSRSparseMatrix |
เบาบางเมทริกซ์ศูนย์ | สร้าง CSRSparseMatrix ที่เป็นศูนย์ทั้งหมดที่มีรูปร่าง `dense_shape` |
SparseSegmentSumGrad <T ขยายหมายเลข> | คำนวณการไล่ระดับสีสำหรับ SparseSegmentSum |
SparseTensorToCSRSparseMatrix | แปลง SparseTensor เป็น CSRSparseMatrix (อาจเป็นชุด) |
สเปนซ์ <T ขยายหมายเลข> | |
แยก <T> | แยกเทนเซอร์ออกเป็นเทนเซอร์ "num_split" ตามมิติเดียว |
สปลิทวี <T> | แยกเทนเซอร์ออกเป็นเทนเซอร์ "num_split" ตามมิติเดียว |
บีบ <T> | ลบขนาดขนาด 1 ออกจากรูปทรงของเทนเซอร์ |
สแต็ค <T> | รวบรวมรายการเทนเซอร์ "อันดับ N" - "R" ไว้ในเทนเซอร์ระดับเดียว - "(R+1)" |
เวที | ค่าสเตจคล้ายกับ Enqueue แบบไลท์เวท |
สเตจเคลียร์ | Op จะลบองค์ประกอบทั้งหมดในคอนเทนเนอร์ที่อยู่ด้านล่าง |
StagePeek | Op ดูค่าที่ดัชนีที่ระบุ |
ขนาดเวที | Op ส่งคืนจำนวนองค์ประกอบในคอนเทนเนอร์ต้นแบบ |
StatefulRandomBinomial <V ขยายหมายเลข> | |
statefulStandardNormal <U> | ส่งออกค่าสุ่มจากการแจกแจงแบบปกติ |
สถานะ StandardNormalV2 <U> | ส่งออกค่าสุ่มจากการแจกแจงแบบปกติ |
StatefulTruncatedNormal <U> | ส่งออกค่าสุ่มจากการแจกแจงแบบปกติที่ถูกตัดทอน |
เครื่องแบบของรัฐ <U> | ส่งออกค่าสุ่มจากการแจกแจงแบบสม่ำเสมอ |
StatefulUniformFullInt <U> | ส่งออกจำนวนเต็มสุ่มจากการแจกแจงแบบสม่ำเสมอ |
StatefulUniformInt <U> | ส่งออกจำนวนเต็มสุ่มจากการแจกแจงแบบสม่ำเสมอ |
StatelessParameterizedTruncatedNormal <V ขยายหมายเลข> | |
StatelessRandomBinomial <W ขยายจำนวน> | ส่งออกตัวเลขสุ่มเทียมที่กำหนดขึ้นจากการแจกแจงแบบทวินาม |
StatelessRandomGammaV2 <V ขยายจำนวน> | ส่งออกตัวเลขสุ่มเทียมที่กำหนดขึ้นจากการแจกแจงแกมมา |
ไร้สัญชาติ RandomGetAlg | เลือกอัลกอริธึม RNG แบบเคาน์เตอร์ที่ดีที่สุดตามอุปกรณ์ |
StatelessRandomGetKeyCounter | แย่งเมล็ดลงในคีย์และตัวนับโดยใช้อัลกอริธึมที่ดีที่สุดตามอุปกรณ์ |
ไร้สัญชาติ RandomGetKeyCounterAlg | เลือกอัลกอริธึมที่ดีที่สุดตามอุปกรณ์ และแย่งชิงเมล็ดลงในคีย์และตัวนับ |
StatelessRandomNormalV2 <U ขยายหมายเลข> | ส่งออกค่าสุ่มเทียมที่กำหนดขึ้นจากการแจกแจงแบบปกติ |
StatelessRandomPoisson <W ขยายหมายเลข> | ส่งออกตัวเลขสุ่มเทียมที่กำหนดขึ้นจากการแจกแจงแบบปัวซอง |
StatelessRandomUniformFullInt <V ขยายหมายเลข> | ส่งออกจำนวนเต็มสุ่มเทียมที่กำหนดขึ้นจากการแจกแจงแบบสม่ำเสมอ |
StatelessRandomUniformFullIntV2 <U ขยายหมายเลข> | ส่งออกจำนวนเต็มสุ่มเทียมที่กำหนดขึ้นจากการแจกแจงแบบสม่ำเสมอ |
StatelessRandomUniformIntV2 <U ขยายหมายเลข> | ส่งออกจำนวนเต็มสุ่มเทียมที่กำหนดขึ้นจากการแจกแจงแบบสม่ำเสมอ |
StatelessRandomUniformV2 <U ขยายหมายเลข> | ส่งออกค่าสุ่มเทียมที่กำหนดขึ้นจากการแจกแจงแบบสม่ำเสมอ |
StatelessSampleDistortedBoundingBox <T ขยายหมายเลข> | สร้างกรอบขอบที่บิดเบี้ยวแบบสุ่มสำหรับรูปภาพตามที่กำหนด |
StatelessTruncatedNormalV2 <U ขยายหมายเลข> | ส่งออกค่าสุ่มเทียมที่กำหนดขึ้นจากการแจกแจงแบบปกติที่ถูกตัดทอน |
StatsAggregatorHandleV2 | |
StatsAggregatorSetSummaryWriter | ตั้งค่า summary_writer_interface เพื่อบันทึกสถิติโดยใช้ stats_aggregator ที่กำหนด |
หยุดการไล่ระดับสี <T> | หยุดการคำนวณการไล่ระดับสี |
สตริดสไลซ์ <T> | ส่งกลับส่วนที่เป็นลายเส้นจาก "อินพุต" |
StridedSliceกำหนด <T> | กำหนด `value` ให้กับการอ้างอิงค่า l ที่แบ่งส่วนของ `ref` |
StridedSliceGrad <U> | ส่งกลับค่าการไล่ระดับสีของ "StridedSlice" |
สตริงล่าง | แปลงอักขระตัวพิมพ์ใหญ่ทั้งหมดเป็นการแทนที่ตัวพิมพ์เล็กตามลำดับ |
StringNGrams <T ขยายหมายเลข> | สร้าง ngrams จากข้อมูลสตริงที่ขาดหายไป |
สตริงUpper | แปลงอักขระตัวพิมพ์เล็กทั้งหมดเป็นการแทนที่ตัวพิมพ์ใหญ่ตามลำดับ |
ผลรวม <T> | คำนวณผลรวมขององค์ประกอบในมิติของเทนเซอร์ |
สวิตช์คอนดิชัน <T> | ส่งต่อ 'data' ไปยังพอร์ตเอาต์พุตที่กำหนดโดย 'pred' |
ผลการรวบรวม TPU | ส่งกลับผลลัพธ์ของการคอมไพล์ TPU |
TPUCompile ยืนยันสำเร็จแล้ว | ยืนยันว่าการรวบรวมสำเร็จ |
การเปิดใช้งานการฝัง TPU | การดำเนินการที่ทำให้เกิดความแตกต่างของ TPU Embeddings |
TPUดำเนินการ | Op ที่โหลดและรันโปรแกรม TPU บนอุปกรณ์ TPU |
TPUExecuteAndUpdateVariables | Op ที่รันโปรแกรมด้วยการอัพเดตตัวแปรแบบแทนที่ซึ่งเป็นตัวเลือก |
TPUOrdinalSelector | ตัวเลือกแกน TPU Op |
TPUPartitionedInput <T> | สหกรณ์ที่จัดกลุ่มรายการอินพุตที่แบ่งพาร์ติชันไว้ด้วยกัน |
TPUPartitionedOutput <T> | สหกรณ์ที่แยกเมตริกซ์เทนเซอร์ที่จะแบ่งส่วนโดย XLA ไปยังรายการพาร์ติชัน เอาต์พุตนอกการคำนวณ XLA |
TPUReplicateMetadata | ข้อมูลเมตาที่ระบุว่าควรจำลองการคำนวณ TPU อย่างไร |
TPUReplicatedInput <T> | เชื่อมต่ออินพุต N กับการคำนวณ TPU ที่จำลองแบบ N-way |
TPUReplicatedOutput <T> | เชื่อมต่อเอาต์พุต N จากการคำนวณ TPU ที่จำลองแบบ N-way |
TPUReshardตัวแปร | ปฏิบัติการที่แบ่งตัวแปร TPU บนอุปกรณ์ใหม่เป็นสถานะที่ระบุ |
ตัวแปรชั่วคราว <T> | ส่งกลับเทนเซอร์ที่อาจกลายพันธุ์ แต่คงอยู่ในขั้นตอนเดียวเท่านั้น |
TensorArray | อาร์เรย์ของเทนเซอร์ที่มีขนาดที่กำหนด |
TensorArrayปิด | ลบ TensorArray ออกจากที่เก็บทรัพยากร |
TensorArrayConcat <T> | เชื่อมต่อองค์ประกอบจาก TensorArray ให้เป็นค่า `value` |
TensorArrayGather <T> | รวบรวมองค์ประกอบเฉพาะจาก TensorArray ลงในเอาต์พุต `value` |
TensorArrayGrad | สร้าง TensorArray สำหรับจัดเก็บการไล่ระดับสีของค่าในแฮนเดิลที่กำหนด |
TensorArrayGradWithShape | สร้าง TensorArray สำหรับจัดเก็บค่าการไล่ระดับสีหลายค่าในแฮนเดิลที่กำหนด |
TensorArrayPack <T> | |
TensorArrayRead <T> | อ่านองค์ประกอบจาก TensorArray ลงในเอาต์พุต `value` |
TensorArrayScatter | กระจายข้อมูลจากค่าอินพุตไปยังองค์ประกอบ TensorArray ที่เฉพาะเจาะจง |
ขนาดเทนเซอร์อาร์เรย์ | รับขนาดปัจจุบันของ TensorArray |
เทนเซอร์อาร์เรย์แยก | แยกข้อมูลจากค่าอินพุตออกเป็นองค์ประกอบ TensorArray |
TensorArrayแกะ | |
TensorArrayWrite | ผลักองค์ประกอบไปที่ tensor_array |
TensorListConcat <T> | เชื่อมต่อเทนเซอร์ทั้งหมดในรายการตามมิติที่ 0 |
TensorListConcatLists | |
TensorListConcatV2 <U> | เชื่อมต่อเทนเซอร์ทั้งหมดในรายการตามมิติที่ 0 |
TensorListElementShape <T ขยายหมายเลข> | รูปร่างขององค์ประกอบของรายการที่ระบุเป็นเทนเซอร์ |
TensorListFromTensor | สร้าง TensorList ซึ่งเมื่อซ้อนกันแล้วจะมีค่าเป็น "tensor" |
TensorListGather <T> | สร้าง Tensor โดยการจัดทำดัชนีลงใน TensorList |
TensorListGetItem <T> | |
TensorListLength | ส่งกลับจำนวนเทนเซอร์ในรายการเทนเซอร์อินพุต |
TensorListPopBack <T> | ส่งคืนองค์ประกอบสุดท้ายของรายการอินพุตและรายการที่มีทั้งหมดยกเว้นองค์ประกอบนั้น |
TensorListPushBack | ส่งคืนรายการที่มีการส่งผ่าน "Tensor" เป็นองค์ประกอบสุดท้ายและองค์ประกอบอื่นๆ ของรายการที่กำหนดใน "input_handle" |
TensorListPushBackBatch | |
TensorListReserve | รายการขนาดที่กำหนดซึ่งมีองค์ประกอบว่าง |
TensorListResize | ปรับขนาดรายการ |
TensorListScatter | สร้าง TensorList โดยการจัดทำดัชนีลงใน Tensor |
TensorListScatter เข้าสู่รายการที่มีอยู่ | กระจายเมตริกซ์ที่ดัชนีในรายการอินพุต |
TensorListScatterV2 | สร้าง TensorList โดยการจัดทำดัชนีลงใน Tensor |
TensorListSetItem | |
TensorListSplit | แยกเมตริกซ์ออกเป็นรายการ |
TensorListStack <T> | ซ้อนเทนเซอร์ทั้งหมดในรายการ |
TensorMapErase | ส่งคืนแผนที่เทนเซอร์โดยลบรายการจากคีย์ที่กำหนด |
TensorMapHasKey | ส่งคืนว่ามีรหัสที่กำหนดอยู่ในแผนที่หรือไม่ |
เทนเซอร์แมปแทรก | ส่งกลับแผนที่ที่เป็น 'input_handle' โดยใส่คู่คีย์-ค่าที่กำหนด |
TensorMapLookup <U> | ส่งกลับค่าจากคีย์ที่กำหนดในแผนที่เทนเซอร์ |
TensorMapSize | ส่งกลับจำนวนเทนเซอร์ในแผนที่เทนเซอร์อินพุต |
TensorMapStackKeys <T> | ส่งกลับสแต็กเทนเซอร์ของคีย์ทั้งหมดในแมปเทนเซอร์ |
TensorScatter เพิ่ม <T> | เพิ่ม "การอัปเดต" แบบกระจัดกระจายให้กับเทนเซอร์ที่มีอยู่ตาม "ดัชนี" |
TensorScatterMax <T> | |
TensorScatterMin <T> | |
TensorScatterSub <T> | ลบ "การอัปเดต" แบบกระจายออกจากเทนเซอร์ที่มีอยู่ตาม "ดัชนี" |
TensorScatter อัปเดต <T> | กระจาย 'อัปเดต' ไปยังเทนเซอร์ที่มีอยู่ตาม 'ดัชนี' |
TensorStridedSliceอัปเดต <T> | กำหนด "value" ให้กับการอ้างอิงค่า l ที่แบ่งส่วนของ "input" |
ThreadPoolชุดข้อมูล | สร้างชุดข้อมูลที่ใช้พูลเธรดที่กำหนดเองเพื่อคำนวณ `input_dataset` |
ThreadPoolHandle | สร้างชุดข้อมูลที่ใช้พูลเธรดที่กำหนดเองเพื่อคำนวณ `input_dataset` |
ไทล์ <T> | สร้างเทนเซอร์โดยการปูกระเบื้องเทนเซอร์ที่กำหนด |
การประทับเวลา | ระบุเวลาตั้งแต่ยุคในหน่วยวินาที |
ทูบูล | แปลงเทนเซอร์เป็นเพรดิเคตสเกลาร์ |
TopKUnique | ส่งกลับค่าที่ไม่ซ้ำกัน TopK ในอาร์เรย์ตามลำดับที่จัดเรียง |
TopKWithUnique | ส่งกลับค่า TopK ในอาร์เรย์ตามลำดับที่จัดเรียง |
ตรีทแยงมุมMatMul <T> | คำนวณผลคูณด้วยเมทริกซ์สามเหลี่ยม |
แก้โจทย์สามเหลี่ยม <T> | แก้ระบบสมการตรีโกณมิติ |
เลิกแบตช์ <T> | ย้อนกลับการทำงานของ Batch สำหรับเทนเซอร์เอาต์พุตเดี่ยว |
ยกเลิกแบทช์ Grad <T> | การไล่ระดับสีของ Unbatch |
คลายการบีบอัดองค์ประกอบ | คลายการบีบอัดองค์ประกอบชุดข้อมูลที่บีบอัด |
UnicodeDecode <T ขยายตัวเลข> | ถอดรหัสแต่ละสตริงใน "อินพุต" ให้เป็นลำดับของจุดโค้ด Unicode |
UnicodeEncode | เข้ารหัสเทนเซอร์ของ ints ลงในสตริงยูนิโค้ด |
เฉพาะ <T, V ขยายหมายเลข> | ค้นหาองค์ประกอบที่ไม่ซ้ำกันตามแกนของเทนเซอร์ |
ชุดข้อมูลที่ไม่ซ้ำ | สร้างชุดข้อมูลที่มีองค์ประกอบเฉพาะของ `input_dataset` |
UniqueWithCounts <T, V ขยายหมายเลข> | ค้นหาองค์ประกอบที่ไม่ซ้ำกันตามแกนของเทนเซอร์ |
UnravelIndex <T ขยายหมายเลข> | แปลงอาร์เรย์ของดัชนีแบบแบนให้เป็นทูเพิลของอาร์เรย์พิกัด |
ไม่มีการเรียงลำดับเซ็กเมนต์เข้าร่วม | รวมองค์ประกอบของ `อินพุต` ตาม `segment_ids` |
คลายสแต็ก <T> | คลายมิติที่กำหนดของเทนเซอร์อันดับ-`R` ออกเป็นเทนเซอร์อันดับ `num`-`(R-1)` |
ไม่อยู่บนเวที | Op คล้ายกับ Dequeue ที่มีน้ำหนักเบา |
แกะ DatasetVariant | |
UpperBound <U ขยายตัวเลข> | ใช้ upper_bound(sorted_search_values, ค่า) ในแต่ละแถว |
VarHandleOp | สร้างหมายเลขอ้างอิงให้กับทรัพยากรตัวแปร |
VarIsInitializedOp | ตรวจสอบว่ามีการเตรียมใช้งานตัวแปรตามตัวจัดการทรัพยากรหรือไม่ |
ตัวแปร <T> | คงสถานะไว้ในรูปแบบของเทนเซอร์ที่คงอยู่ข้ามขั้นตอน |
VariableShape <T ขยายตัวเลข> | ส่งกลับรูปร่างของตัวแปรที่ชี้ไปตาม "ทรัพยากร" |
ที่ไหน | ส่งกลับตำแหน่งของค่าที่ไม่ใช่ศูนย์ / ค่าจริงในเทนเซอร์ |
โดยที่3 <T> | เลือกองค์ประกอบจาก "x" หรือ "y" ขึ้นอยู่กับ "เงื่อนไข" |
หน้าต่าง | |
คนงานการเต้นของหัวใจ | คนงาน heartbeat สหกรณ์ |
WrapDatasetVariant | |
เขียนสรุป RawProto | เขียนสรุปโปรโตแบบอนุกรม |
XlaRecvFromHost <T> | การดำเนินการเพื่อรับเทนเซอร์จากโฮสต์ |
XlaSendToHost | การดำเนินการเพื่อส่งเทนเซอร์ไปยังโฮสต์ |
Xlog1py <T> | ส่งคืน 0 ถ้า x == 0 และ x * log1p(y) มิฉะนั้น จะเป็นองค์ประกอบ |
ศูนย์ <T> | ตัวดำเนินการสร้างค่าคงที่ที่เริ่มต้นด้วยค่าศูนย์ของรูปร่างที่กำหนดโดย "สลัว" |
ศูนย์ไลค์ <T> | ส่งกลับเทนเซอร์ของศูนย์ที่มีรูปร่างและประเภทเดียวกันกับ x |