tf.nn

Modules

 

rnn_cell:

Module for constructing RNN Cells.
RNNセルを構築するためのモジュール

 

Classes

 

None

 

Functions

 

all_candidate_sampler(…):

Generate the set of all classes.
すべてのクラスのセットを生成します

atrous_conv2d(…):

Atrous convolution (a.k.a. convolution with holes or dilated convolution).
アトラス畳み込み (別名:「穴あき畳み込み」または「ディレイティド畳み込み」)

atrous_conv2d_transpose(…):

The transpose of atrous_conv2d.
atrous_conv2dの転置

avg_pool(…):

Performs the average pooling on the input.
入力の平均プーリングを実行します

avg_pool3d(…):

Performs 3D average pooling on the input.
入力に3D平均プーリングを実行します

batch_norm_with_global_normalization(…):

Batch normalization.
バッチ正規化

batch_normalization(…):

Batch normalization.
バッチ正規化

bias_add(…):

Adds bias to value.
値にバイアスを加えます

bidirectional_dynamic_rnn(…):

Creates a dynamic version of bidirectional recurrent neural network.
双方向リカレントニューラルネットワークの動的バージョンを作成します

compute_accidental_hits(…):

Compute the position ids in sampled_candidates matching true_classes.
true_classesに一致するsampled_candidatesの位置idを計算します

conv1d(…):

Computes a 1-D convolution given 3-D input and filter tensors. (deprecated arguments)
3次元入力とフィルタテンソルを与えられた1次元畳み込みを計算します(推奨されない引数です)

conv2d(…):

Computes a 2-D convolution given 4-D input and filter tensors.
4-D入力とフィルタテンソルを与えられた2次元畳み込みを計算します

conv2d_backprop_filter(…):

Computes the gradients of convolution with respect to the filter.
フィルタに対する畳み込みの勾配を計算します

conv2d_backprop_input(…):

Computes the gradients of convolution with respect to the input.
入力に対する畳み込みの勾配を計算します

conv2d_transpose(…):

The transpose of conv2d.
conv2dの転置

conv3d(…):

Computes a 3-D convolution given 5-D input and filter tensors.
5-D入力とフィルタテンソルを与えられた3次元畳み込みを計算します

conv3d_backprop_filter_v2(…):

Computes the gradients of 3-D convolution with respect to the filter.
フィルタに対する3次元畳み込みの勾配を計算します

conv3d_transpose(…):

The transpose of conv3d.
conv3dの転置

convolution(…):

Computes sums of N-D convolutions (actually cross-correlation).
N-D畳み込み(実際に相互相関)の合計を計算します

crelu(…):

Computes Concatenated ReLU.
連結されたReLUを計算します

ctc_beam_search_decoder(…):

Performs beam search decoding on the logits given in input.
入力で与えられたロジットに対してビーム検索デコードを実行します

ctc_greedy_decoder(…):

Performs greedy decoding on the logits given in input (best path).
入力で与えられたロジットに対してGreedy(貪欲な)デコードを行います(最善のパス)

ctc_loss(…):

Computes the CTC (Connectionist Temporal Classification) Loss.
CTC(Connectionist Temporal Classification)損失を計算します

depthwise_conv2d(…):

Depthwise 2-D convolution.
2次元の空間方向の畳み込み

depthwise_conv2d_native(…):

Computes a 2-D depthwise convolution given 4-D input and filter tensors.
4-D入力とフィルタテンソルを与えられた2次元の空間方向の畳み込みを計算します

depthwise_conv2d_native_backprop_filter(…):

Computes the gradients of depthwise convolution with respect to the filter.
フィルタに対する空間方向の畳み込みの勾配を計算します

depthwise_conv2d_native_backprop_input(…):

Computes the gradients of depthwise convolution with respect to the input.
入力に対する空間方向の畳み込みの勾配を計算します

dilation2d(…):

Computes the grayscale dilation of 4-D input and 3-D filter tensors.
4-D入力と3-Dフィルタのテンソルのグレースケール拡張を計算します

dropout(…):

Computes dropout.
ドロップアウトを計算します

dynamic_rnn(…):

Creates a recurrent neural network specified by RNNCell cell.
RNNCellセルで指定されたリカレントニューラルネットワーク(RNN)を作成します

elu(…):

Computes exponential linear: exp(features) – 1 if < 0, features otherwise.
指数線形ユニット(ELU)を計算します(0未満なら1を返し、それ以外ならfeatureを返します)

embedding_lookup(…):

Looks up ids in a list of embedding tensors.
埋め込み(embedding)テンソルのリストでIDを検索します

embedding_lookup_sparse(…):

Computes embeddings for the given ids and weights.
指定されたIDと重みの埋め込み(embedding)を計算します

erosion2d(…):

Computes the grayscale erosion of 4-D value and 3-D kernel tensors.
4-D値と3-Dカーネルテンソルのグレースケール収縮処理結果を計算します

fixed_unigram_candidate_sampler(…):

Samples a set of classes using the provided (fixed) base distribution.
提供された(固定された)基本分布を使用してクラスのセットをサンプルします

fractional_avg_pool(…):

Performs fractional average pooling on the input.
入力に対して部分平均プーリングを実行します

fractional_max_pool(…):

Performs fractional max pooling on the input.
入力に対して部分最大プーリングを実行します

fused_batch_norm(…):

Batch normalization.
バッチ正規化

in_top_k(…):

Says whether the targets are in the top K predictions.
ターゲットが上位K予測にあるかどうかを示します

l2_loss(…):

L2 Loss.
L2損失

l2_normalize(…):

Normalizes along dimension axis using an L2 norm. (deprecated arguments)
L2ノルムを使用して次元軸に沿って正規化します。 (非推奨の引数)

leaky_relu(…):

Compute the Leaky ReLU activation function.
Leaky ReLU活性化関数を計算する

learned_unigram_candidate_sampler(…):

Samples a set of classes from a distribution learned during training.
トレーニング中に学習された分布からクラスのセットをサンプルします

local_response_normalization(…):

Local Response Normalization.
局所応答正規化

log_poisson_loss(…):

Computes log Poisson loss given log_input.
log_inputに対するポアソン損失の対数を計算します

log_softmax(…):

Computes log softmax activations. (deprecated arguments)
ソフトマックス活性化値の対数を計算します。 (非推奨の引数)

log_uniform_candidate_sampler(…):

Samples a set of classes using a log-uniform (Zipfian) base distribution.
対数一様分布(ジップ分布)を使用してクラスのセットをサンプルします

lrn(…):

Local Response Normalization.
局所応答正規化

max_pool(…):

Performs the max pooling on the input.
入力に対して最大プーリングを実行します

max_pool3d(…):

Performs 3D max pooling on the input.
入力に対して3次元最大プーリングを実行します

max_pool_with_argmax(…):

Performs max pooling on the input and outputs both max values and indices.
入力に対して最大プーリングを実行し、最大値とインデックスの両方を出力します

moments(…):

Calculate the mean and variance of x.
xの平均と分散を計算する

nce_loss(…):

Computes and returns the noise-contrastive estimation training loss.
NCE損失を計算して返します

normalize_moments(…):

Calculate the mean and variance of based on the sufficient statistics.
十分な統計に基づいて平均と分散を計算します

pool(…):

Performs an N-D pooling operation.
N-Dプーリング操作を実行します

quantized_avg_pool(…):

Produces the average pool of the input tensor for quantized types.
量子化された型の入力テンソルの平均プールを生成します

quantized_conv2d(…):

Computes a 2D convolution given quantized 4D input and filter tensors.
量子化された4D入力とフィルタテンソルを与えられた2D畳み込みを計算します

quantized_max_pool(…):

Produces the max pool of the input tensor for quantized types.
量子化された型の入力テンソルの最大プールを生成します

quantized_relu_x(…):

Computes Quantized Rectified Linear X: min(max(features, 0), max_value)
量子化ReLUであるXを計算する X: min(max(features, 0), max_value)

raw_rnn(…):

Creates an RNN specified by RNNCell cell and loop function loop_fn.
RNNCellセルとループ関数loop_fnで指定されたRNNを作成します

relu(…):

Computes rectified linear: max(features, 0).
正規化線形(Rectified Linear:max(features, 0))を計算します

relu6(…):

Computes Rectified Linear 6: min(max(features, 0), 6).
正規化線形6(Rectified Linear 6:min(max(features, 0), 6))を計算します

relu_layer(…):

Computes Relu(x * weight + biases).
ReLU(x * weight + biases)を計算します

sampled_softmax_loss(…):

Computes and returns the sampled softmax training loss.
サンプリングされたsoftmax学習損失を計算して返します

selu(…):

Computes scaled exponential linear: scale * alpha * (exp(features) – 1)
スケーリングされた指数関数線形(scale * alpha * (exp(features) – 1))を計算します

separable_conv2d(…):

2-D convolution with separable filters.
分離可能なフィルタを用いた2次元畳み込み

sigmoid(…):

Computes sigmoid of x element-wise.
x要素ごとのシグモイドを計算します

sigmoid_cross_entropy_with_logits(…):

Computes sigmoid cross entropy given logits.
シグモイド交差エントロピーのロジットを計算します

softmax(…):

Computes softmax activations. (deprecated arguments)
ソフトマックス活性化値の対数を計算します。 (非推奨の引数)

softmax_cross_entropy_with_logits(…):

Computes softmax cross entropy between logits and labels. (deprecated)
ロジットとラベル間のsoftmaxクロスエントロピーを計算する(非推奨)

softmax_cross_entropy_with_logits_v2(…):

Computes softmax cross entropy between logits and labels.
ロジットとラベル間のsoftmaxクロスエントロピーを計算する

softplus(…):

Computes softplus: log(exp(features) + 1).
ソフトプラス(log(exp(features) + 1))を計算します

softsign(…):

Computes softsign: features / (abs(features) + 1).
ソフトサイン(features / (abs(features) + 1))を計算します

sparse_softmax_cross_entropy_with_logits(…):

Computes sparse softmax cross entropy between logits and labels.
ロジットとラベル間のスパースsoftmaxクロスエントロピーを計算する

static_bidirectional_rnn(…):

Creates a bidirectional recurrent neural network.
双方向リカレントニューラルネットワークを作成します

static_rnn(…):

Creates a recurrent neural network specified by RNNCell cell.
RNNCellセルで指定されたリカレントニューラルネットワークを作成します

static_state_saving_rnn(…):

RNN that accepts a state saver for time-truncated RNN calculation.
時間短縮したRNN計算のための状態セーバーを受け入れるRNN

sufficient_statistics(…):

Calculate the sufficient statistics for the mean and variance of x.
xの平均と分散についての十分な統計量を計算します

tanh(…):

Computes hyperbolic tangent of x element-wise.
x要素の双曲線正接(ハイパボリックタンジェント)を計算します

top_k(…):

Finds values and indices of the k largest entries for the last dimension.
最後の次元のk個の最大エントリの値とインデックスを検索します

uniform_candidate_sampler(…):

Samples a set of classes using a uniform base distribution.
一様分布を基本に用いてクラスの集合をサンプリングする

weighted_cross_entropy_with_logits(…):

Computes a weighted cross entropy.
加重クロスエントロピーを計算します

weighted_moments(…):

Returns the frequency-weighted mean and variance of x.
xの周波数加重平均と分散を返します

with_space_to_batch(…):

Performs op on the space-to-batch representation of input.
入力のスペース・バッチ表現を実行します

xw_plus_b(…):

Computes matmul(x, weights) + biases.
matmul(x, weights) + biasesを計算します

zero_fraction(…):

Returns the fraction of zeros in value.
値がゼロの割合を返します