این صفحه به‌وسیله ‏Cloud Translation API‏ ترجمه شده است.

Op

رابط عمومی Op

زیر کلاس های غیر مستقیم شناخته شده

Abort , Abs <T extensions TNumber >, AccumulateN <T extends TType >, AccumulatorApplyGradient , AccumulatorNumAccumulated , AccumulatorSetGlobalStep , AccumulatorTakeGradient <T extensions TType >, Acos Extends TType >, Acos Extends TType >, Acos Extends TType , <Ttpe extensions بله >، AddManySparseToTensorsMap ، AddN <T گسترش TType >، AddSparseToTensorsMap ، AdjustContrast <T گسترش TNumber >، AdjustHue <T گسترش TNumber > و 1157 مورد دیگر.

سقط	هنگام فراخوانی، یک استثنا برای لغو فرآیند ایجاد کنید.
Abs <T TNumber > را گسترش می دهد	قدر مطلق یک تانسور را محاسبه می کند.
AccumulateN <T TType را گسترش می دهد >	جمع عنصر فهرستی از تانسورها را برمی‌گرداند.
AccumulatorApplyGradient	یک گرادیان را به یک انباشتگر معین اعمال می کند.
AccumulatorNumAccumulated	تعداد گرادیان های جمع شده در انباشته های داده شده را برمی گرداند.
AccumulatorSetGlobalStep	Acumulator را با یک مقدار جدید برای global_step به روز می کند.
AccumulatorTakeGradient <T TType را گسترش می دهد >	گرادیان متوسط را در ConditionalAccumulator داده شده استخراج می کند.
Acos <T TType > را گسترش می دهد	aco از x را از نظر عنصر محاسبه می کند.
Acosh <T TType > را گسترش می دهد	محاسبه کسینوس هذلولی معکوس x از نظر عنصر.
<T extensions TType > را اضافه کنید	از نظر عنصر x + y را برمی‌گرداند.
AddManySparseToTensorsMap	یک «SparseTensor» کوچک «N» را به «SparseTensorsMap» اضافه کنید، دسته‌های «N» را برگردانید.
AddN <T TType > را گسترش می دهد	همه عناصر تانسور ورودی را از نظر عاقلانه اضافه کنید.
AddSparseToTensorsMap	یک «SparseTensor» به یک «SparseTensorsMap» دسته آن اضافه کنید.
AdjustContrast <T TNumber > را گسترش می دهد	کنتراست یک یا چند تصویر را تنظیم کنید.
AdjustHue <T TNumber را گسترش می دهد >	رنگ یک یا چند تصویر را تنظیم کنید.
AdjustSaturation <T TNumber را گسترش می دهد >	اشباع یک یا چند تصویر را تنظیم کنید.
همه	"منطقی و" عناصر را در ابعاد یک تانسور محاسبه می کند.
AllCandidateSampler	برچسب‌هایی را برای نمونه‌گیری کاندید با توزیع یک‌گرم آموخته‌شده تولید می‌کند.
AllReduce <T Extracts TNumber >	به طور متقابل تانسورهای متعدد از نوع و شکل یکسان را کاهش می دهد.
AllToAll <T TType > را گسترش می دهد	یک عملیات برای تبادل داده در بین کپی های TPU.
زاویه <U TNumber > را گسترش می دهد	آرگومان یک عدد مختلط را برمی گرداند.
ناشناس تکرار کننده	ظرفی برای یک منبع تکرارکننده.
AnonymousMemoryCache
AnonymousMultiDeviceIterator	ظرفی برای منبع تکرارکننده چند دستگاهی.
ناشناس RandomSeed Generator
Anonymous SeedGenerator
هر	"منطقی یا" عناصر را در ابعاد یک تانسور محاسبه می کند.
ApplyAdaMax <T TType را گسترش می دهد >	"*var" را طبق الگوریتم AdaMax به روز کنید.
ApplyAdadelta <T گسترش TType >	"*var" را طبق طرح adadelta به روز کنید.
ApplyAdagrad <T گسترش TType >	"*var" را طبق طرح adagrad به روز کنید.
ApplyAdagradDa <T TType را گسترش می دهد >	"*var" را طبق طرح آداگراد پروگزیمال به روز کنید.
ApplyAdagradV2 <T TType را گسترش می دهد >	"*var" را طبق طرح adagrad به روز کنید.
ApplyAdam <T گسترش TType >	"*var" را طبق الگوریتم Adam به روز کنید.
ApplyAddSign <T گسترش TType >	"*var" را مطابق به روز رسانی AddSign به روز کنید.
ApplyCenteredRmsProp <T TType > را گسترش می دهد	"*var" را مطابق با الگوریتم RMSProp متمرکز به روز کنید.
ApplyFtrl <T TType را گسترش می دهد >	"*var" را طبق طرح Ftrl-proximal به روز کنید.
ApplyGradientDescent <T TType را گسترش می دهد >	«var» را با کم کردن «alpha» «delta» از آن به‌روزرسانی کنید.
ApplyMomentum <T TType را گسترش می دهد >	"*var" را مطابق طرح حرکت به روز کنید.
ApplyPowerSign <T TType را گسترش می دهد >	"*var" را مطابق به روز رسانی AddSign به روز کنید.
ApplyProximalAdagrad <T گسترش TType >	«var» و «accum» را مطابق با FOBOS با نرخ یادگیری Adagrad به‌روزرسانی کنید.
ApplyProximalGradientDescent <T TType را گسترش می دهد	"*var" را به عنوان الگوریتم FOBOS با نرخ یادگیری ثابت به روز کنید.
ApplyRmsProp <T TType > را گسترش می دهد	"*var" را طبق الگوریتم RMSProp به روز کنید.
تقریبی برابر	مقدار حقیقت abs(xy) < تحمل عنصر را برمی‌گرداند.
ArgMax <V TNumber را گسترش می دهد	شاخصی را با بیشترین مقدار در ابعاد یک تانسور برمی‌گرداند.
ArgMin <V TNumber را گسترش می دهد	شاخصی را با کمترین مقدار در ابعاد یک تانسور برمی‌گرداند.
AsString	هر ورودی در تانسور داده شده را به رشته تبدیل می کند.
Asin <T TType > را گسترش می دهد	سینوس معکوس مثلثاتی x را از نظر عنصر محاسبه می کند.
Asinh <T TType > را گسترش می دهد	سینوس هذلولی معکوس x را از نظر عنصر محاسبه می کند.
AssertCardinalityDataset
AssertNextDataset
ادعا کن	ادعا می کند که شرط داده شده درست است.
<T extends TType > را اختصاص دهید	"ref" را با اختصاص دادن "value" به آن به روز کنید.
AssignAdd <T extends TType >	"ref" را با افزودن "value" به آن به روز کنید.
AssignAddVariableOp	یک مقدار به مقدار فعلی یک متغیر اضافه می کند.
AssignSub <T گسترش TType >	"ref" را با کم کردن "value" از آن به روز کنید.
AssignSubVariableOp	مقداری را از مقدار فعلی یک متغیر کم می کند.
AssignVariableOp	مقدار جدیدی را به یک متغیر اختصاص می دهد.
آتان <T TType > را گسترش می دهد	مماس معکوس مثلثاتی x را از نظر عنصر محاسبه می کند.
Atan2 <T TNumber را گسترش می دهد >	با رعایت نشانه‌های آرگومان‌ها، مماس «y/x» را از نظر عنصر محاسبه می‌کند.
Atanh <T گسترش TType >	مماس هذلولی معکوس x را از نظر عنصر محاسبه می کند.
طیف صوتی	تصویری از داده های صوتی را در طول زمان تولید می کند.
خلاصه صوتی	بافر پروتکل «Summary» را همراه با صدا خروجی می‌دهد.
AutoShardDataset	مجموعه داده ای ایجاد می کند که مجموعه داده ورودی را خرد می کند.
AvgPool <T TNumber را گسترش می دهد	ادغام متوسط را روی ورودی انجام می دهد.
AvgPool3d <T TNumber را گسترش می دهد >	ادغام میانگین سه بعدی را روی ورودی انجام می دهد.
AvgPool3dGrad <T TNumber را گسترش می دهد	گرادیان تابع ادغام متوسط را محاسبه می کند.
AvgPoolGrad <T TNumber را گسترش می دهد	گرادیان تابع ادغام متوسط را محاسبه می کند.
BandPart <T TType > را گسترش می دهد	یک تانسور را کپی کنید که همه چیز خارج از باند مرکزی را در درونی ترین ماتریس صفر تنظیم می کند.
BandedTriangularSolve <T TType را گسترش می دهد
مانع	مانعی را تعریف می کند که در اجرای گراف های مختلف وجود دارد.
BarrierClose	سد داده شده را می بندد.
BarrierIncompleteSize	تعداد عناصر ناقص را در مانع داده شده محاسبه می کند.
BarrierInsertMany	برای هر کلید، مقدار مربوطه را به جزء مشخص شده اختصاص می دهد.
BarrierReadySize	تعداد عناصر کامل را در مانع داده شده محاسبه می کند.
BarrierTakeMany	تعداد داده شده عناصر تکمیل شده را از یک مانع می گیرد.
دسته ای	همه تانسورهای ورودی را به صورت غیر قطعی دسته بندی می کند.
BatchCholesky <T TNumber را گسترش می دهد
BatchCholeskyGrad <T TNumber را گسترش می دهد
BatchDataset	مجموعه داده‌ای ایجاد می‌کند که عناصر «بچ_اندازه» را از «مجموعه داده‌های ورودی» دسته‌بندی می‌کند.
BatchFft
BatchFft2d
BatchFft3d
BatchIfft
BatchIfft2d
BatchIfft3d
BatchMatMul <T TType > را گسترش می دهد	برش های دو تانسور را به صورت دسته ای ضرب می کند.
BatchMatrixBandPart <T TType > را گسترش می دهد
BatchMatrixDeterminant <T TType > را گسترش می دهد
BatchMatrixDiag <T TType > را گسترش می دهد
BatchMatrixDiagPart <T TType > را گسترش می دهد
BatchMatrixInverse <T TNumber > را گسترش می دهد
BatchMatrixSetDiag <T TType > را گسترش می دهد
BatchMatrixSolve <T TNumber را گسترش می دهد
BatchMatrixSolveLs <T TNumber را گسترش می دهد
BatchMatrixTriangularSolve <T تعداد TNumber را گسترش می دهد
BatchNormWithGlobalNormalization <T TType > را گسترش می دهد	نرمال سازی دسته ای
BatchNormWithGlobalNormalizationGrad <T TType > را گسترش می دهد	گرادیان برای نرمال سازی دسته ای.
BatchSelfAdjointEig <T TNumber > را گسترش می دهد
BatchSvd <T TType را گسترش می دهد >
BatchToSpace <T TType > را گسترش می دهد	BatchToSpace برای تانسورهای 4 بعدی از نوع T.
BatchToSpaceNd <T TType > را گسترش می دهد	BatchToSpace برای تانسورهای ND از نوع T.
BesselI0 <T TNumber > را گسترش می دهد
BesselI0e <T TNumber را گسترش می دهد >
BesselI1 <T TNumber > را گسترش می دهد
BesselI1e <T TNumber را گسترش می دهد >
BesselJ0 <T TNumber > را گسترش می دهد
BesselJ1 <T TNumber > را گسترش می دهد
BesselK0 <T TNumber > را گسترش می دهد
BesselK0e <T TNumber را گسترش می دهد >
BesselK1 <T TNumber > را گسترش می دهد
BesselK1e <T TNumber را گسترش می دهد >
BesselY0 <T TNumber > را گسترش می دهد
BesselY1 <T TNumber > را گسترش می دهد
Betainc <T تعداد TNumber را گسترش می دهد	انتگرال بتای ناقص منظم را محاسبه کنید \\(I_x(a, b)\\).
BiasAdd <T گسترش TType >	"سوگیری" را به "ارزش" اضافه می کند.
BiasAddGrad <T گسترش TType >	عملیات معکوس برای "BiasAdd" روی تانسور "bias".
Bincount <T TNumber را گسترش می دهد >	تعداد دفعات هر مقدار را در یک آرایه عدد صحیح می شمارد.
Bitcast <U TType را گسترش می دهد >	یک تانسور را از یک نوع به نوع دیگر بدون کپی کردن داده ارسال می کند.
BitwiseAnd <T TNumber > را گسترش می دهد	Elementwise AND بیتی «x» و «y» را محاسبه می کند.
BitwiseOr <T TNumber > را گسترش می دهد	Elementwise OR بیتی «x» و «y» را محاسبه می کند.
BitwiseXor <T TNumber > را گسترش می دهد	Elementwise XOR بیتی «x» و «y» را محاسبه می کند.
BlockLSTM <T تعداد TNumber را گسترش می دهد	انتشار سلول LSTM به جلو را برای تمام مراحل زمانی محاسبه می کند.
BlockLSTMGrad <T TNumber را گسترش می دهد >	انتشار سلول LSTM به عقب را برای کل توالی زمانی محاسبه می کند.
BoostedTreesAggregateStats	خلاصه آمار انباشته شده را برای دسته جمع آوری می کند.
BoostedTreesBucketize	هر ویژگی را بر اساس مرزهای سطل سطل کنید.
BoostedTreesCalculateBestFeatureSplit	سود هر ویژگی را محاسبه می کند و بهترین اطلاعات تقسیم ممکن را برای ویژگی برمی گرداند.
BoostedTreesCalculateBestFeatureSplitV2	سود هر ویژگی را محاسبه می کند و بهترین اطلاعات تقسیم ممکن را برای هر گره برمی گرداند.
BoostedTreesCalculateBestGainsPerFeature	سود هر ویژگی را محاسبه می کند و بهترین اطلاعات تقسیم ممکن را برای ویژگی برمی گرداند.
BoostedTreesCenterBias	پیشین را از داده های آموزشی محاسبه می کند (بایاس) و اولین گره را با پیشین logits پر می کند.
BoostedTreesCreateEnsemble	یک مدل مجموعه درختی ایجاد می کند و یک دسته را به آن برمی گرداند.
BoostedTreesCreateQuantileStreamResource	منبع برای Quantile Streams ایجاد کنید.
BoostedTreesDeserializeEnsemble	پیکربندی مجموعه درختی سریالی را از حالت سریال خارج می کند و درخت فعلی را جایگزین می کند گروه
BoostedTreesEnsembleResourceHandleOp	یک دسته برای یک BoostedTreesEnsembleResource ایجاد می کند
BoostedTreesExampleDebugOutputs	اشکال زدایی/خروجی های تفسیرپذیری مدل برای هر مثال.
BoostedTreesFlushQuantileSummaries	خلاصه‌های چندک را از هر منبع جریان چندک بشویید.
BoostedTreesGetEnsembleStates	نشانه تمبر منابع مجموعه درختی، تعداد درختان و آمار رشد را بازیابی می کند.
BoostedTreesMakeQuantileSummaries	خلاصه چندک ها را برای دسته تهیه می کند.
BoostedTreesMakeStatsSummary	خلاصه ای از آمار انباشته شده را برای دسته ایجاد می کند.
BoostedTreesPredict	پیش‌بینی‌کننده‌های گروه رگرسیون افزایشی چندگانه را روی نمونه‌های ورودی و لاجیت ها را محاسبه می کند.
BoostedTreesQuantileStreamResourceAddSummaries	خلاصه‌های کمیت را به هر منبع جریان چندک اضافه کنید.
BoostedTreesQuantileStreamResourceDeserialize	مرزهای سطل را از حالت سریال خارج کنید و پرچم آماده را در QuantileAccumulator فعلی علامت گذاری کنید.
BoostedTreesQuantileStreamResourceFlush	خلاصه‌ها را برای یک منبع جریان چندگانه شستشو دهید.
BoostedTreesQuantileStreamResourceGetBucketBoundaries	بر اساس خلاصه های انباشته شده، مرزهای سطل را برای هر ویژگی ایجاد کنید.
BoostedTreesQuantileStreamResourceHandleOp	یک دسته برای BoostedTreesQuantileStreamResource ایجاد می کند.
BoostedTreesSerializeEnsemble	مجموعه درخت را به یک پروتو سریال می کند.
BoostedTreesSparseAggregateStats	خلاصه آمار انباشته شده را برای دسته جمع آوری می کند.
BoostedTreesSparseCalculateBestFeatureSplit	سود هر ویژگی را محاسبه می کند و بهترین اطلاعات تقسیم ممکن را برای ویژگی برمی گرداند.
BoostedTreesTrainingPredict	پیش‌بینی‌کننده‌های گروه رگرسیون افزایشی چندگانه را روی نمونه‌های ورودی و به روز رسانی را به لاجیت های کش محاسبه می کند.
BoostedTreesUpdateEnsemble	با افزودن یک لایه به آخرین درخت در حال رشد، مجموعه درختی را به روز می کند یا با شروع یک درخت جدید.
BoostedTreesUpdateEnsembleV2	با افزودن یک لایه به آخرین درخت در حال رشد، مجموعه درختی را به روز می کند یا با شروع یک درخت جدید.
BroadcastDynamicShape <T TNumber > را گسترش می دهد	شکل s0 op s1 را با پخش برگردانید.
BroadcastGradientArgs <T TNumber را گسترش می دهد	شاخص های کاهش را برای محاسبه گرادیان های s0 op s1 با پخش برگردانید.
BroadcastHelper <T TType را گسترش می دهد >	اپراتور کمکی برای انجام پخش به سبک XLA با استفاده از قوانین پخش XLA برای اپراتورهای باینری، «lhs» و «rhs» را با افزودن ابعاد 1 به هر یک از «lhs» و «rhs» که رتبه‌های پایین‌تری دارند، در یک رتبه پخش می‌کند.
BroadcastRecv <T TType را گسترش می دهد >	یک مقدار تانسور را از دستگاه دیگری دریافت می کند.
BroadcastSend <T گسترش TType >	یک مقدار تانسور را به یک یا چند دستگاه دیگر پخش می کند.
BroadcastTo <T TType > را گسترش می دهد	پخش یک آرایه برای یک شکل سازگار.
سطل کردن	"ورودی" را بر اساس "مرزها" سطل می کند.
BytesProducedStatsDataset	اندازه بایت هر عنصر «مجموعه_داده‌های ورودی» را در یک StatsAggregator ثبت می‌کند.
CSRSparseMatrixComponents <T گسترش TType >	مؤلفه‌های CSR را در «شاخص» دسته‌ای می‌خواند.
CSRSparseMatrixToDense <T TType > را گسترش می دهد	یک CSRSparseMatrix (احتمالا دسته ای) را به متراکم تبدیل کنید.
CSRSparseMatrixToSparseTensor <T TType > را گسترش می دهد	یک CSRSparesMatrix (احتمالا دسته‌ای) را به SparseTensor تبدیل می‌کند.
CSVDataset
CSVDatasetV2
CTCLossV2	CTC Loss (احتمال ورود به سیستم) را برای هر ورودی دسته محاسبه می کند.
CacheDataset	مجموعه داده‌ای ایجاد می‌کند که عناصر را از «مجموعه داده‌های ورودی» ذخیره می‌کند.
CacheDatasetV2
Cast <U گسترش TType >	x از نوع SrcT را به y از DstT بریزید.
Ceil <T TNumber > را گسترش می دهد	کوچکترین عدد صحیح را از نظر عنصر که کمتر از x نباشد برمی گرداند.
CheckNumerics <T TNumber را گسترش می دهد >	یک تانسور را برای مقادیر NaN، -Inf و +Inf بررسی می کند.
Cholesky <T گسترش TType >	تجزیه Cholesky یک یا چند ماتریس مربع را محاسبه می کند.
CholeskyGrad <T TNumber را گسترش می دهد >	گرادیان پس انتشار حالت معکوس الگوریتم Cholesky را محاسبه می کند.
FastestDataset را انتخاب کنید
ClipByValue <T TType را گسترش می دهد >	مقادیر تانسور را به حداقل و حداکثر مشخص می کند.
CloseSummaryWriter
ClusterOutput <T TType > را گسترش می دهد	اپراتوری که خروجی یک محاسبات XLA را به گره های گراف مصرف کننده دیگر متصل می کند.
CollectiveGather <T TNumber را گسترش می دهد	متقابل تانسورهای متعدد از نوع و شکل یکسان را جمع می کند.
CollectivePermute <T TType را گسترش می دهد >	عملیاتی برای جابجایی تانسورها در نمونه های تکرار شده TPU.
CombinedNonMaxSuppression	حریصانه زیرمجموعه ای از جعبه های مرزی را به ترتیب امتیاز نزولی انتخاب می کند، این عملیات non_max_suppression را روی ورودی‌های هر دسته، در همه کلاس‌ها انجام می‌دهد.
CompareAndBitpack	مقادیر «ورودی» را با «آستانه» مقایسه کنید و بیت های حاصل را در «uint8» بسته بندی کنید.
نتیجه گردآوری	نتیجه یک کامپایل TPU را برمی‌گرداند.
CompileSucceededAssert	ادعا می کند که گردآوری موفق بوده است.
مجتمع <U TType را گسترش می دهد >	دو عدد واقعی را به عدد مختلط تبدیل می کند.
ComplexAbs <U TNumber را گسترش می دهد >	قدر مطلق مختلط یک تانسور را محاسبه می کند.
CompressElement	یک عنصر مجموعه داده را فشرده می کند.
ComputeAccidentalHits	شناسه موقعیت‌ها را در sampled_candidates که با true_label‌ها مطابقت دارند محاسبه می‌کند.
ComputeBatchSize	اندازه دسته ایستا یک مجموعه داده بدون دسته های جزئی را محاسبه می کند.
Concat <T TType > را گسترش می دهد	تانسورها را در یک بعد به هم متصل می کند.
ConcatenateDataset	مجموعه داده‌ای ایجاد می‌کند که «مجموعه داده‌های ورودی» را با «مجموعه_داده دیگری» پیوند می‌دهد.
Conditional Accumulator	یک انباشته شرطی برای تجمیع گرادیان ها.
ConfigureDistributedTPU	ساختارهای متمرکز را برای یک سیستم TPU توزیع شده تنظیم می کند.
پیکربندی TPUEmbedding	TPUEmbedding را در یک سیستم TPU توزیع شده تنظیم می کند.
Conj <T TType > را گسترش می دهد	مزدوج مختلط یک عدد مختلط را برمی‌گرداند.
ConjugateTranspose <T گسترش TType >	ابعاد x را بر اساس یک جایگشت مخلوط کنید و نتیجه را مزدوج کنید.
ثابت <T TType > را گسترش می دهد	عملگر که مقدار ثابتی را تولید می کند.
ConsumeMutexLock	این عملیات یک قفل ایجاد شده توسط "MutexLock" را مصرف می کند.
ControlTrigger	هیچ کاری نمی کند.
تبدیل <T TType > را گسترش می دهد	اپراتور XLA ConvGeneralDilated را که در مستند شده است، می پیچد https://www.tensorflow.org/performance/xla/operation_semantics#conv_convolution.
Conv2d <T TNumber > را گسترش می دهد	یک پیچیدگی دوبعدی را با تانسورهای 4 بعدی «ورودی» و «فیلتر» محاسبه می‌کند.
Conv2dBackpropFilter <T TNumber > را گسترش می دهد	گرادیان کانولوشن را با توجه به فیلتر محاسبه می کند.
Conv2dBackpropInput <T TNumber > را گسترش می دهد	شیب کانولوشن را با توجه به ورودی محاسبه می کند.
Conv3d <T TNumber > را گسترش می دهد	یک پیچیدگی سه بعدی را با تانسورهای 5 بعدی «ورودی» و «فیلتر» محاسبه می‌کند.
Conv3dBackpropFilter <T TNumber > را گسترش می دهد	گرادیان های پیچش سه بعدی را با توجه به فیلتر محاسبه می کند.
Conv3dBackpropInput <U TNumber > را گسترش می دهد	گرادیان های کانولوشن سه بعدی را با توجه به ورودی محاسبه می کند.
<T extensions TType > را کپی کنید	یک تانسور را از CPU به CPU یا GPU به GPU کپی کنید.
CopyHost <T TType را گسترش می دهد	یک تانسور را در میزبان کپی کنید.
Cos <T TType > را گسترش می دهد	cos x را از نظر عنصر محاسبه می کند.
Cosh <T TType را گسترش می دهد >	کسینوس هذلولی x از نظر عنصر را محاسبه می کند.
CountUpTo <T TNumber > را گسترش می دهد	"ref" را تا رسیدن به "حد" افزایش می دهد.
CreateSummaryDbWriter
CreateSummaryFileWriter
CropAndResize	برش ها را از تانسور تصویر ورودی استخراج می کند و اندازه آنها را تغییر می دهد.
CropAndResizeGradboxes	گرادیان crop_and_resize را در تانسور جعبه های ورودی محاسبه می کند.
CropAndResizeGradImage <T TNumber > را گسترش می دهد	گرادیان crop_and_resize را در تانسور تصویر ورودی محاسبه می کند.
Cross <T TNumber > را گسترش می دهد	حاصل ضرب زوجی را محاسبه کنید.
CrossReplicaSum <T TNumber > را گسترش می دهد	یک عملیات جمع‌آوری ورودی‌ها در نمونه‌های تکراری TPU.
CtcBeamSearchDecoder <T TNumber > را گسترش می دهد	رمزگشایی جستجوی پرتو را بر روی لاجیت های داده شده در ورودی انجام می دهد.
CtcGreedyDecoder <T TNumber > را گسترش می دهد	رمزگشایی حریصانه را بر روی لاجیت های داده شده در ورودی ها انجام می دهد.
CtcLoss <T TNumber > را گسترش می دهد	CTC Loss (احتمال ورود به سیستم) را برای هر ورودی دسته محاسبه می کند.
CudnnRNN <T TNumber > را گسترش می دهد	یک RNN با پشتیبانی cuDNN.
CudnnRNNBackprop <T TNumber > را گسترش می دهد	مرحله پشتیبان CudnnRNNV3.
CudnnRNNCcanonicalToParams <T TNumber > را گسترش می دهد	پارامترهای CudnnRNN را از فرم متعارف به فرم قابل استفاده تبدیل می کند.
CudnnRNNParamsToCanonical <T TNumber > را گسترش می دهد	پارامترهای CudnnRNN را به شکل متعارف بازیابی می کند.
CudnnRnnParamsSize <U گسترش TNumber >	اندازه وزن هایی را محاسبه می کند که می تواند توسط یک مدل Cudnn RNN استفاده شود.
Cumprod <T TType > را گسترش می دهد	حاصلضرب تجمعی تانسور x را در امتداد «محور» محاسبه کنید.
Cumsum <T TType > را گسترش می دهد	مجموع تجمعی تانسور "x" را در امتداد "محور" محاسبه کنید.
CumulativeLogsumexp <T TNumber > را گسترش می دهد	حاصلضرب تجمعی تانسور x را در امتداد «محور» محاسبه کنید.
DataFormatDimMap <T TNumber > را گسترش می دهد	شاخص ابعاد را در قالب داده مقصد با توجه به یک in برمی‌گرداند فرمت داده منبع
DataFormatVecPermute <T TNumber > را گسترش می دهد	تانسور ورودی را از "src_format" به "dst_format" تغییر دهید.
DataServiceDataset
DatasetCardinality	اصلی بودن «مجموعه_داده‌های ورودی» را برمی‌گرداند.
DatasetFromGraph	یک مجموعه داده از «graph_def» داده شده ایجاد می کند.
DatasetToGraph	یک GraphDef سریالی را که «مجموعه داده‌های ورودی» را نشان می‌دهد، برمی‌گرداند.
DatasetToSingleElement	خروجی عنصر واحد از مجموعه داده داده شده.
DatasetToTFRecord	مجموعه داده داده شده را با استفاده از فرمت TFRecord در فایل داده شده می نویسد.
DatasetToTfRecord	مجموعه داده داده شده را با استفاده از فرمت TFRecord در فایل داده شده می نویسد.
Dawsn <T TNumber > را گسترش می دهد
DebugGradientIdentity <T TType را گسترش می دهد >	قابلیت شناسایی برای اشکال زدایی گرادیان.
DebugGradientRefIdentity <T TType را گسترش می دهد	قابلیت شناسایی برای اشکال زدایی گرادیان.
DebugIdentity <T TType را گسترش می دهد >	Debug Identity V2 Op.
DebugNanCount	Debug NaN Value Counter Op.
DebugNumericsSummary <U گسترش TNumber >	اشکال زدایی خلاصه عددی V2 Op.
DecodeAndCropJpeg	رمزگشایی و برش یک تصویر با کد JPEG به تانسور uint8.
DecodeBase64	رشته های کدگذاری شده مبتنی بر وب ایمن را رمزگشایی کنید.
رمزگشایی Bmp	اولین فریم یک تصویر رمزگذاری شده با BMP را به یک تانسور uint8 رمزگشایی کنید.
رمزگشایی فشرده	رشته ها را از حالت فشرده خارج کنید.
رمزگشاییCsv	رکوردهای CSV را به تانسور تبدیل کنید.
DecodeGif	فریم(های) یک تصویر رمزگذاری شده با GIF را به یک تانسور uint8 رمزگشایی کنید.
DecodeImage <T TNumber را گسترش می دهد >	تابعی برای decode_bmp، decode_gif، decode_jpeg و decode_png.
رمزگشایی Jpeg	یک تصویر کد شده با JPEG را به یک تانسور uint8 رمزگشایی کنید.
DecodeJsonExample	رکوردهای نمونه کدگذاری شده با JSON را به رشته های بافر پروتکل باینری تبدیل کنید.
DecodePaddedRaw <T TNumber > را گسترش می دهد	بایت های یک رشته را مجدداً به عنوان بردار اعداد تفسیر کنید.
DecodePng <T TNumber > را گسترش می دهد	یک تصویر رمزگذاری شده با PNG را به تانسور uint8 یا uint16 رمزگشایی کنید.
رمزگشایی پروتو	عملیات، فیلدها را از یک پروتکل سریالی، پیام را به تانسورها استخراج می کند.
DecodeRaw <T TType > را گسترش می دهد	بایت های یک رشته را مجدداً به عنوان بردار اعداد تفسیر کنید.
DecodeWav	یک فایل 16 بیتی PCM WAV را به یک تانسور شناور رمزگشایی کنید.
DeepCopy <T TType را گسترش می دهد >	یک کپی از `x` ایجاد می کند.
DeleteIterator	ظرفی برای یک منبع تکرارکننده.
حذف MemoryCache
حذف MultiDeviceIterator	ظرفی برای یک منبع تکرارکننده.
حذف RandomSeedGenerator
حذف SeedGenerator
DeleteSessionTensor	تانسور مشخص شده توسط دسته آن در جلسه را حذف کنید.
DenseBincount <U گسترش TNumber >	تعداد دفعات هر مقدار را در یک آرایه عدد صحیح می شمارد.
DenseCountSparseOutput <U گسترش TNumber >	شمارش سطل خروجی پراکنده را برای ورودی tf.tensor انجام می دهد.
DenseToCSRSparseMatrix	یک تانسور متراکم را به یک CSRSparseMatrix (احتمالا دسته‌ای) تبدیل می‌کند.
DenseToDenseSetOperation <T TType را گسترش می دهد	عملیات مجموعه را در امتداد آخرین بعد 2 ورودی «تنسور» اعمال می کند.
DenseToSparseBatchDataset	مجموعه داده ای ایجاد می کند که عناصر ورودی را در یک SparseTensor دسته بندی می کند.
DenseToSparseSetOperation <T TType > را گسترش می دهد	عملیات مجموعه را در امتداد آخرین بعد "Tensor" و "SparseTensor" اعمال می کند.
DepthToSpace <T TType > را گسترش می دهد	DepthToSpace برای تانسورهای نوع T.
DepthwiseConv2dNative <T TNumber > را گسترش می دهد	یک انحراف عمقی دو بعدی را با توجه به تانسورهای 4 بعدی «ورودی» و «فیلتر» محاسبه می‌کند.
DepthwiseConv2dNativeBackpropFilter <T TNumber را گسترش می دهد >	شیب پیچش عمقی را با توجه به فیلتر محاسبه می کند.
DepthwiseConv2dNativeBackpropInput <T TNumber > را گسترش می دهد	شیب پیچش عمقی را با توجه به ورودی محاسبه می کند.
کوانتیزه کردن	ورودی uint32 بسته بندی شده را می گیرد و ورودی را در uint8 باز می کند تا انجام دهد کوانتیزاسیون روی دستگاه
DeserializeIterator	تانسور متغیر داده شده را به یک تکرار کننده تبدیل می کند و آن را در منبع داده شده ذخیره می کند.
DeserializeManySparse <T گسترش TType >	«SparseTensors» را از یک مینی‌بچ سریالی غیرمستقیم و الحاق کنید.
DeserializeSparse <U extensions TType >	اشیاء «SparseTensor» را از حالت سریال خارج کنید.
DestroyResourceOp	منبع مشخص شده توسط دسته را حذف می کند.
DestroyTemporaryVariable <T TType > را گسترش می دهد	متغیر موقت را از بین می برد و مقدار نهایی آن را برمی گرداند.
Det <T TType > را گسترش می دهد	تعیین کننده یک یا چند ماتریس مربع را محاسبه می کند.
DeviceIndex	فهرست دستگاهی را که عملیات اجرا می کند برگردانید.
Digamma <T TNumber > را گسترش می دهد	Psi را محاسبه می کند، مشتق Lgamma (log قدر مطلق «گاما(x)»، از نظر عنصر.
Dilation2d <T TNumber را گسترش می دهد >	اتساع مقیاس خاکستری تانسورهای «ورودی» 4 بعدی و «فیلتر» سه بعدی را محاسبه می کند.
Dilation2dBackpropFilter <T TNumber > را گسترش می دهد	گرادیان اتساع مورفولوژیکی 2 بعدی را با توجه به فیلتر محاسبه می کند.
Dilation2dBackpropInput <T TNumber > را گسترش می دهد	گرادیان اتساع مورفولوژیکی 2 بعدی را با توجه به ورودی محاسبه می کند.
DirectedInterleaveDataset	جایگزینی برای «InterleaveDataset» در یک لیست ثابت از مجموعه داده «N».
Div <T TType > را گسترش می دهد	x/y را بر حسب عنصر برمی‌گرداند.
DivNoNan <T TType > را گسترش می دهد	اگر مخرج صفر باشد 0 را برمی گرداند.
نقطه <T TType > را گسترش می دهد	اپراتور XLA DotGeneral را می‌پیچد، مستند در https://www.tensorflow.org/performance/xla/operation_semantics#dotgeneral.
DrawBoundingBoxes <T TNumber را گسترش می دهد >	بر روی دسته ای از تصاویر، کادرهای مرزی را رسم کنید.
DummyIterationCounter
DummyMemoryCache
DummySeedGenerator
DynamicPartition <T TType را گسترش می دهد	"داده" را با استفاده از شاخص های "پارتیشن" به تانسورهای "تعداد_پارتیشن" تقسیم می کند.
DynamicSlice <T TType > را گسترش می دهد	عملگر XLA DynamicSlice را می‌پیچد، مستند در https://www.tensorflow.org/performance/xla/operation_semantics#dynamicslice.
DynamicStitch <T TType را گسترش می دهد	مقادیر تانسورهای «داده» را در یک تانسور واحد قرار دهید.
DynamicUpdateSlice <T TType را گسترش می دهد	عملگر XLA DynamicUpdateSlice را که در مستند شده است، می پیچد https://www.tensorflow.org/performance/xla/operation_semantics#dynamicupdateslice.
Edit Distance	فاصله ویرایش لوونشتاین (احتمالاً نرمال شده) را محاسبه می کند.
Eig <U TType > را گسترش می دهد	تجزیه ویژه یک یا چند ماتریس مربع را محاسبه می کند.
Einsum <T TType > را گسترش می دهد	عملیاتی که از einsum op اولیه با 2 ورودی و 1 خروجی پشتیبانی می کند.
Elu <T TNumber > را گسترش می دهد	خطی نمایی را محاسبه می کند: «exp(ویژگی ها) - 1» اگر < 0 باشد، «ویژگی ها» در غیر این صورت.
EluGrad <T TNumber را گسترش می دهد >	گرادیان ها را برای عملیات خطی نمایی (Elu) محاسبه می کند.
EmbeddingActivations	تمایز تعبیه‌های TPU را قادر می‌سازد.
خالی <T گسترش TType >	با شکل داده شده یک تانسور ایجاد می کند.
EmptyTensorList	یک لیست تانسور خالی ایجاد و برمی گرداند.
EmptyTensorMap	یک نقشه تانسور خالی ایجاد و برمی گرداند.
EncodeBase64	رشته ها را در قالب وب ایمن base64 رمزگذاری کنید.
EncodeJpeg	JPEG یک تصویر را رمزگذاری کنید.
EncodeJpegVariableQuality	تصویر ورودی کد JPEG با کیفیت فشرده سازی ارائه شده.
EncodePng	PNG یک تصویر را رمزگذاری کنید.
EncodeProto	عملیات، پیام های پروتوباف ارائه شده در تانسورهای ورودی را سریال می کند.
EncodeWav	کدگذاری داده های صوتی با استفاده از فرمت فایل WAV.
EnqueueTPUEmbeddingIntegerBatch	عملیاتی که لیستی از تانسورهای دسته ای ورودی را در TPUEmbedding قرار می دهد.
EnqueueTPUEmbeddingRaggedTensorBatch	انتقال کدهایی را که از () tf.nn.embedding_lookup استفاده می کند، آسان می کند.
EnqueueTPUEmbeddingSparseBatch	عملیاتی که شاخص های ورودی TPUEmbedding را از SparseTensor در صف قرار می دهد.
EnqueueTPUEmbeddingSparseTensorBatch	انتقال کدهایی را که از ()tf.nn.embedding_lookup_sparse استفاده می کند، آسان می کند.
EnsureShape <T TType را گسترش می دهد >	اطمینان حاصل می کند که شکل تانسور با شکل مورد انتظار مطابقت دارد.
<T extends TType > را وارد کنید	یک فریم فرزند ایجاد یا پیدا می‌کند و «داده‌ها» را در اختیار فریم فرزند قرار می‌دهد.
برابر	مقدار صدق (x == y) را از نظر عنصر برمی‌گرداند.
Erf <T TNumber > را گسترش می دهد	تابع خطای گاوس "x" را از نظر عنصر محاسبه می کند.
Erfc <T TNumber > را گسترش می دهد	تابع خطای مکمل «x» را از نظر عنصر محاسبه می‌کند.
EuclideanNorm <T TType > را گسترش می دهد	هنجار اقلیدسی عناصر را در ابعاد یک تانسور محاسبه می کند.
اجرا کنید	عملیاتی که یک برنامه TPU را روی دستگاه TPU بارگیری و اجرا می کند.
ExecuteAndUpdateVariables	عملیاتی که برنامه ای را با به روز رسانی های متغیر در محل اختیاری اجرا می کند.
خروج از <T extensions TType >	از فریم فعلی به فریم اصلی خود خارج می شود.
Exp <T TType > را گسترش می دهد	نمایی x را از نظر عنصر محاسبه می کند.
ExpandDims <T گسترش TType >	بعد 1 را به شکل تانسور وارد می کند.
Expint <T TNumber > را گسترش می دهد
Expm1 <T TType را گسترش می دهد >	"exp(x) - 1" را از نظر عنصر محاسبه می کند.
ExtractGlimpse	یک نگاه اجمالی از تانسور ورودی استخراج می کند.
ExtractImagePatches <T گسترش TType >	«وصله‌ها» را از «تصاویر» استخراج کنید و آنها را در بعد خروجی «عمق» قرار دهید.
ExtractJpegShape <T TNumber را گسترش می دهد	اطلاعات شکل یک تصویر با کد JPEG را استخراج کنید.
ExtractVolumePatches <T extensions TNumber >	«وصله‌ها» را از «ورودی» استخراج کرده و در بعد خروجی «عمق» قرار دهید.
واقعیت	خروجی یک واقعیت در مورد فاکتوریل.
FakeQuantWithMinMaxArgs	تانسور «ورودی‌ها» را جعلی کوانتیزه کنید، تانسور float را به «خروجی‌ها» از همان نوع تایپ کنید.
FakeQuantWithMinMaxArgsGradient	گرادیان ها را برای عملیات FakeQuantWithMinMaxArgs محاسبه کنید.
FakeQuantWithMinMaxVars	کوانتیزه ساختگی تانسور ورودی از نوع شناور از طریق اسکالرهای شناور جهانی تانسور «ورودی‌ها» از نوع شناور را از طریق اسکالرهای شناور سراسری «min» و «حداکثر» به تانسور «خروجی‌ها» که همان شکل «ورودی‌ها» است، کوانتیزه کنید.
FakeQuantWithMinMaxVarsGradient	گرادیان ها را برای عملیات FakeQuantWithMinMaxVars محاسبه کنید.
FakeQuantWithMinMaxVarsPerChannel	کوانتیزه ساختگی تانسور ورودی از نوع شناور از طریق شناورهای هر کانال تانسور «ورودی‌ها» از نوع شناور در هر کانال و یکی از اشکال: «[d]»، «[b، d]» «[b، h، w، d]» را از طریق شناورهای هر کانال، کوانتیزه کنید. min» و «max» شکل «[d]» تا تانسور «خروجی» همان شکل «ورودی‌ها».
FakeQuantWithMinMaxVarsPerChannelGradient	گرادیان ها را برای عملیات FakeQuantWithMinMaxVarsPerChannel محاسبه کنید.
Fft <T TType > را گسترش می دهد	تبدیل فوریه سریع
Fft2d <T TType را گسترش می دهد >	تبدیل فوریه دو بعدی سریع
Fft3d <T TType را گسترش می دهد >	تبدیل فوریه سریع سه بعدی.
FifoQueue	صفی که عناصر را به ترتیب اول به اول بیرون تولید می کند.
پر کردن <U extends TType >	یک تانسور پر از یک مقدار اسکالر ایجاد می کند.
FilterByLastComponentDataset	یک مجموعه داده حاوی عناصر اولین مؤلفه «مجموعه داده_ورودی» ایجاد می‌کند که در آخرین مؤلفه درست است.
اثر انگشت	مقادیر اثر انگشت را ایجاد می کند.
FixedLengthRecordDataset
FixedLengthRecordReader	خواننده ای که رکوردهای با طول ثابت را از یک فایل خروجی می دهد.
FixedUnigramCandidateSampler	برچسب‌هایی را برای نمونه‌گیری کاندید با توزیع یک‌گرم آموخته‌شده تولید می‌کند.
طبقه <T تعداد TNumber را گسترش می دهد	بزرگترین عدد صحیح از نظر عنصر را که بزرگتر از x نباشد برمی گرداند.
FloorDiv <T TType را گسترش می دهد >	از نظر عنصر x // y را برمی‌گرداند.
FloorMod <T TNumber را گسترش می دهد	باقیمانده تقسیم را از نظر عنصر برمی‌گرداند.
FlushSummaryWriter
FractionalAvgPool <T TNumber > را گسترش می دهد	ادغام میانگین کسری را روی ورودی انجام می دهد.
FractionalAvgPoolGrad <T TNumber > را گسترش می دهد	گرادیان تابع FractionalAvgPool را محاسبه می کند.
FractionalMaxPool <T TNumber > را گسترش می دهد	ادغام حداکثر کسری را روی ورودی انجام می دهد.
FractionalMaxPoolGrad <T TNumber > را گسترش می دهد	گرادیان تابع FractionalMaxPool را محاسبه می کند.
FresnelCos <T TNumber را گسترش می دهد
FresnelSin <T TNumber > را گسترش می دهد
FusedBatchNorm <T TNumber را گسترش می دهد، U TNumber را گسترش می دهد >	نرمال سازی دسته ای
FusedBatchNormGrad <T TNumber را گسترش می دهد، U TNumber را گسترش می دهد >	گرادیان برای عادی سازی دسته ای.
FusedPadConv2d <T TNumber > را گسترش می دهد	بالشتک را به عنوان یک پیش پردازش در طول یک کانولوشن انجام می دهد.
FusedResizeAndPadConv2d <T TNumber > را گسترش می دهد	تغییر اندازه و padding را به عنوان یک پیش پردازش در طول یک کانولوشن انجام می دهد.
GRUBlockCell <T TNumber > را گسترش می دهد	انتشار سلول GRU را برای 1 مرحله زمانی محاسبه می کند.
GRUBlockCellGrad <T TNumber > را گسترش می دهد	انتشار مجدد سلول GRU را برای 1 مرحله زمانی محاسبه می کند.
جمع آوری <T extensions TType >	اپراتور XLA Gather مستند شده در را می پیچد https://www.tensorflow.org/xla/operation_semantics#gather
GatherNd <T گسترش TType >	برش‌ها را از «پارام‌ها» در یک تانسور با شکل مشخص شده با «شاخص‌ها» جمع‌آوری کنید.
GatherV2 <T TNumber > را گسترش می دهد	متقابل تانسورهای متعدد از نوع و شکل یکسان را جمع می کند.
GenerateBoundingBoxProposals	این عملیات منطقه علایق را از جعبه‌های مرزبندی داده شده (bbox_deltas) لنگرهای wrt کدگذاری شده مطابق معادله 2 در arXiv:1506.01497 تولید می‌کند. این عملیات، جعبه‌های امتیازدهی برتر «pre_nms_topn» را انتخاب می‌کند، آن‌ها را با توجه به لنگرها رمزگشایی می‌کند، در جعبه‌های همپوشانی با مقدار تقاطع بیش از «nms_threshold» بالاتر از «nms_threshold»، جعبه‌هایی را که ضلع کوتاه‌تر از «» کمتر است، اعمال می‌کند. min_size`.
GenerateVocabRemapping	با دادن مسیری به فایل‌های واژگان جدید و قدیمی، یک Remapping Tensor از را برمی‌گرداند طول «num_new_vocab»، جایی که «remapping[i]» حاوی شماره ردیف در واژگان قدیمی است که مربوط به ردیف «i» در واژگان جدید است (شروع از خط «new_vocab_offset» و تا «num_new_vocab» موجودیت‌ها)، یا «- 1` اگر ورودی «i» در واژگان جدید در واژگان قدیمی نباشد.
GetSessionHandle	تانسور ورودی را در وضعیت جلسه جاری ذخیره کنید.
GetSessionTensor <T TType را گسترش می دهد >	مقدار تانسور مشخص شده توسط دسته آن را بدست آورید.
بزرگتر	مقدار حقیقت (x > y) را از نظر عنصر برمی‌گرداند.
بزرگتر برابر	مقدار حقیقت (x >= y) را از نظر عنصر برمی‌گرداند.
GuaranteeConst <T گسترش TType >	به زمان اجرای TF تضمین می دهد که تانسور ورودی ثابت است.
جدول هش	یک جدول هش غیر اولیه ایجاد می کند.
HistogramFixedWidth <U گسترش TNumber >	هیستوگرام مقادیر را برگردانید.
خلاصه هیستوگرام	یک بافر پروتکل «Summary» را با یک هیستوگرام خروجی می‌دهد.
HsvToRgb <T TNumber > را گسترش می دهد	یک یا چند تصویر را از HSV به RGB تبدیل کنید.
هویت <T گسترش TType >	یک تانسور با شکل و محتویات مشابه تانسور یا مقدار ورودی را برگردانید.
IdentityN	فهرستی از تانسورها را با اشکال و محتویات مشابه ورودی برمی‌گرداند تانسورها
IdentityReader	خواننده ای که کار در صف را به عنوان کلید و مقدار خروجی می دهد.
Ifft <T TType > را گسترش می دهد	تبدیل فوریه سریع معکوس
Ifft2d <T TType را گسترش می دهد >	تبدیل فوریه سریع دو بعدی معکوس.
Ifft3d <T TType > را گسترش می دهد	تبدیل فوریه سریع سه بعدی معکوس.
Igamma <T TNumber > را گسترش می دهد	تابع گامای ناقص منظم پایین تر «P(a, x)» را محاسبه کنید.
IgammaGradA <T TNumber را گسترش می دهد	شیب `igamma (a ، x)` wrt `a` را محاسبه می کند.
igammac < t گسترش می دهد>	عملکرد گاما ناقص تنظیم شده فوقانی `Q (A ، X) را محاسبه کنید.
نادیده گرفتن	یک مجموعه داده ایجاد می کند که حاوی عناصر `input_dataset" است که خطاها را نادیده می گیرد.
تصویر <u گسترش TNumber >	قسمت خیالی یک عدد پیچیده را برمی گرداند.
ImageProjectiveTransformv2 <T گسترش TNumber >	تبدیل داده شده را برای هر یک از تصاویر اعمال می کند.
ImageProjectiveTransformv3 <T گسترش TNumber >	تبدیل داده شده را برای هر یک از تصاویر اعمال می کند.
تصویر	یک بافر پروتکل "خلاصه" را با تصاویر خروجی می کند.
ImmutableConst <t گسترش ttype >	تانسور تغییر ناپذیر را از منطقه حافظه برمی گرداند.
وارد کننده
باحزمه کردن	می گوید که آیا اهداف در پیش بینی های برتر k `هستند.
infeeddequeue <t ttype >	یک مکان یابی برای مقداری که در محاسبه تغذیه می شود.
رفیق	مقادیر متعدد را از Infeed به عنوان یک Tuple XLA دریافت می کند.
کاخ	OP که یک مقدار تانسور واحد را در محاسبه تغذیه می کند.
infeedenqueueprelinearizedbuffer	OP که بافر از پیش خط دار را به TPU Infeed تبدیل می کند.
infeedenqueuetuple	مقادیر تانسور متعدد را به عنوان یک Tuple XLA در محاسبات تغذیه می کند.
شروع کنید
اولیه	جدول اولیه جدول که به ترتیب دو تنش برای کلیدها و مقادیر طول می کشد.
initializetable از
initializetableFromTextFile	یک جدول را از یک فایل متنی اولیه می کند.
inplaceadd <t ttype >	V را به ردیف های مشخص شده x اضافه می کند.
inplacesub <t ttype >	تفریق `v` را به ردیف های مشخص شده از` x`.
inplaceUpdate <t گسترش TTYPE >	به روزرسانی ردیف های مشخص شده "I" با مقادیر "V".
inv <t گسترش ttype >	معکوس یک یا چند ماتریس قابل برگشت مربع یا مجایل آنها (انتقال کونژوگه) را محاسبه می کند.
invgrad <t گسترش ttype >	شیب را برای معکوس از `x` WRT ورودی خود محاسبه می کند.
Invert <T گسترش TNumber >	معکوس (تلنگر) هر بیت از انواع پشتیبانی شده. به عنوان مثال ، مقدار `uint8` مقدار 01010101 10101010 می شود.
InvertPermitation <t گسترش TNumber >	جابجایی معکوس یک تانسور را محاسبه می کند.
irfft <u tnumber >	تبدیل سریع فوریه با ارزش واقعی واقعی.
irfft2d <u tnumber >	معکوس 2D واقعی تبدیل سریع فوریه.
irfft3d <u tnumber >	تبدیل سریع فوریه با ارزش واقعی سه بعدی.
isboostedtreesensembleinitialized	بررسی می کند که آیا یک گروه درختی اولیه شده است یا خیر.
isboostedtreesquantilestreamresourceinitialiated	بررسی می کند که آیا یک جریان کمی تنظیم شده است یا خیر.
غیرقانونی	بازده کدام عناصر x محدود هستند.
isinf	بازده که عناصر X inf است.
ایسنان	بازده که عناصر X NAN هستند.
insvarableInitialized	بررسی می کند که آیا تانسور اولیه شده است یا خیر.
isotonicregression <u گسترش می دهد>	یک دسته از مشکلات رگرسیون ایزوتونیک را حل می کند.
تکرار کننده
iteratorfromstringhandle
iteratorgetdevice	نام دستگاهی را که "منبع" در آن قرار داده است ، برمی گرداند.
iteratorgetnext	خروجی بعدی را از تکرار داده شده دریافت می کند.
iteratorgetnextasoptional	خروجی بعدی را از تکرار داده شده به عنوان یک نوع اختیاری دریافت می کند.
iteratorgetnextsync	خروجی بعدی را از تکرار داده شده دریافت می کند.
iteratortostringhandle	`` `« source_handle »را نشان می دهد که یک تکرار کننده را به یک رشته نشان می دهد.
بپیوندید	در لیست داده شده از تنش های رشته ای به یک تنشور به رشته ها می پیوندد. با جداکننده داده شده (پیش فرض یک جداکننده خالی است).
KMC2ChainInitialization	شاخص یک نقطه داده را که باید به مجموعه بذر اضافه شود ، برمی گرداند.
keyValueuuesort <t tnumber را گسترش می دهد ، u ttype >	اپراتور مرتب سازی XLA ، مستند در https://www.tensorflow.org/performance/xla/operation_semantics#sort.
kmeansplusplusinitialization	با استفاده از معیار KMEANS ++ ، ردیف های Num_to_sample از ورودی را انتخاب می کند.
وابسته به	آمار سفارش KTH از یک مجموعه داده را محاسبه می کند.
l2loss < t گسترش می دهد>	ضرر L2
LMDBDataset	یک مجموعه داده ایجاد می کند که جفت های ارزش کلید را در یک یا چند پرونده LMDB منتشر می کند.
lstmblockcell <t گسترش TNumber >	انتشار سلول LSTM را برای 1 مرحله زمانی محاسبه می کند.
lstmblockcellgrad <t گسترش TNumber >	تکثیر سلول LSTM را برای 1 TimeStep محاسبه می کند.
LatencyStatsDataset	تأخیر تولید عناصر `input_dataset" را در یک statsaggregator ثبت می کند.
Leakyrelu <t گسترش TNumber >	محاسبات خطی اصلاح شده: `حداکثر (ویژگی ها ، ویژگی ها * آلفا)`.
Leakyrelugrad <t گسترش TNumber >	شیب های خطی اصلاح شده را برای یک عملیات Leakyrelu محاسبه می کند.
LearningUnigramcandidatesAmpler	برچسب هایی را برای نمونه گیری نامزد با توزیع Unigram آموخته شده تولید می کند.
Leftshift <t گسترش TNumber >	Elementwise تغییر سمت چپ بیت از `x` و` y` را محاسبه می کند.
کمتر	مقدار حقیقت (x <y) عناصر را برمی گرداند.
کم نظیر	مقدار حقیقت (x <= y) عناصر عاقلانه را برمی گرداند.
lgamma <t گسترش TNumber >	ورود به مقدار مطلق `گاما (x)` عناصر را محاسبه می کند.
Linspace <T گسترش TNumber >	مقادیر را در یک بازه تولید می کند.
LMDBDataset
LMDBreader	خواننده ای که سوابق را از یک فایل LMDB خارج می کند.
رفیق	یک Tensor "2-D (ماتریس) را با نام` old_tensor_name 'از ایست بازرسی بار می کند در `ckpt_path` و به طور بالقوه با استفاده از بازسازی های مشخص شده ، ردیف ها و ستون های خود را دوباره تغییر می دهد.
رفیق	پارامترهای جاسازی آدم را بارگیری کنید.
loadtpuembeddingadamparametersgradecumdebug	پارامترهای تعبیه شده آدم را با پشتیبانی اشکال زدایی بارگذاری کنید.
رفیق	پارامترهای جاسازی Adadelta را بارگیری کنید.
لات	پارامترهای adadelta را با پشتیبانی اشکال زدایی بارگذاری کنید.
رفیق	پارامترهای جاسازی Adagrad را بارگیری کنید.
loadtpuembeddingadagradparametersgradecumdebug	پارامترهای جاسازی Adagrad را با پشتیبانی اشکال زدایی بارگذاری کنید.
لات	پارامترهای تعبیه شده RMSProp با محوریت بار.
بار	پارامترهای تعبیه شده FTRL را بارگیری کنید.
loadtpuembeddingftrlparametersgradecumdebug	پارامترهای تعبیه شده FTRL را با پشتیبانی اشکال زدایی بارگذاری کنید.
popuembeddingmdladagradlightparameters	بار پارامترهای تعبیه شده نور MDL ADAGRAD.
kine	پارامترهای تعبیه کننده حرکت بار.
loadtpuembeddingmomentummentamparametersgradecumdebug	بار پارامترهای تعبیه شده با پشتیبانی اشکال زدایی.
ledtpuembeddingproximaladagradparameter	بار پارامترهای جاسازی Adagrad پروگزیمال.
loadtpuembeddingproximaladagradparametersgradactercumdebug	بار پارامترهای جاسازی Adagrad پروگزیمال را با پشتیبانی اشکال زدایی بارگذاری کنید.
بار
loadtpuembeddingproximalogiparametersgradecumdebug
platepuembeddingrmspropparameters	پارامترهای تعبیه شده RMSProp.
loadtpuembeddingrmspropparametersgradecumdebug	بار پارامترهای تعبیه شده RMSProp با پشتیبانی اشکال زدایی.
ppuembeddingstochasticgressionientdescentsparameters	بار پارامترهای جاسازی SGD.
LoadTpuembeddingStoChasticAngrationientDescentsParametersGressAccumdebug	بار پارامترهای جاسازی SGD.
LocalResponseNormalization <t گسترش TNumber >	عادی سازی پاسخ محلی.
LocalResponseNormalizationgrad <t گسترش TNumber >	شیب برای عادی سازی پاسخ محلی.
log <t گسترش ttype >	لگاریتم طبیعی X عنصر را محاسبه می کند.
log1p <t گسترش ttype >	لگاریتم طبیعی (1 + x) عناصر عاقلانه را محاسبه می کند.
logmatrixdeterminner <t گسترش ttype >	علامت و ورود به مقدار مطلق تعیین کننده را محاسبه می کند یک یا چند ماتریس مربع.
logsoftmax <t گسترش TNumber >	فعال سازی های log softmax را محاسبه می کند.
loguniformcandidatesampler	برچسب هایی را برای نمونه گیری نامزد با توزیع یکنواخت ورود به سیستم تولید می کند.
منطقی	مقدار حقیقت x و y عنصر را برمی گرداند.
منطقی	ارزش حقیقت `نه x 'را به صورت عاقلانه برمی گرداند.
منطقی	مقدار حقیقت x یا y عنصر را برمی گرداند.
LookuptableExport <t ttype را گسترش می دهد ، u ttype >	تمام کلیدها و مقادیر موجود در جدول را خروجی می کند.
LookuptableFind <u ttype >	کلیدها را در یک جدول جستجو می کند ، مقادیر مربوطه را خروجی می کند.
LookuptableImport	محتویات جدول را با کلیدها و مقادیر مشخص شده جایگزین می کند.
به نظر می رسد	جدول را به عنوان کلیدها با مقادیر به روز می کند.
Lookuptableremove	کلیدها و مقادیر مرتبط با آن را از یک جدول حذف می کند.
به نظر می رسد	تعداد عناصر موجود در جدول داده شده را محاسبه می کند.
حلقه	ورودی را به خروجی منتقل می کند.
پایین تر	تمام شخصیت های بزرگ را به تعویض های کوچک مربوطه تبدیل می کند.
LowerBound <u tnumber >	در طول هر ردیف پایین_بید (sorted_search_values ، مقادیر) را اعمال می کند.
lu <t ttype را گسترش می دهد ، شما tnumber >	تجزیه LU یک یا چند ماتریس مربع را محاسبه می کند.
سازنده	یک تکرار جدید از مجموعه داده های داده شده ایجاد می کند و آن را در `iterator" ذخیره می کند.
کله	تمام عناصر موجود در بعد غیر دسته ای را منحصر به فرد کنید ، اما "نزدیک" به مقدار اولیه آنها
دارای نقشه نقشه	OP تمام عناصر موجود در ظرف زیرین را از بین می برد.
نقشه برداری	OP تعداد عناصر ناقص را در ظرف زیرین برمی گرداند.
ماپک	OP در مقادیر موجود در کلید مشخص شده است.
نقشه برداری کردن	OP تعداد عناصر موجود در ظرف زیرین را برمی گرداند.
نقشه	مرحله (کلید ، مقادیر) در ظرف زیرین که مانند یک هشتگت رفتار می کند.
غرفه	OP مقادیر مرتبط با کلید را حذف و برمی گرداند از ظرف زیرین.
مگسونستاگنوکی	OP یک تصادفی (کلید ، مقدار) را حذف و برمی گرداند از ظرف زیرین.
Matmul <t گسترش TTYPE >	ماتریس "A" توسط ماتریس "B" را ضرب کنید.
تطبیق	مجموعه ای از پرونده ها را با یک یا چند الگوی کره زمین باز می گرداند.
تطبیق
MatrixDiag <t گسترش TTYPE >	یک تانسور مورب با مقادیر مورب با هم داده شده را برمی گرداند.
MatrixDiagpart <t گسترش TTYPE >	قسمت مورب پخته شده از یک تانسور محکم را برمی گرداند.
MatrixDiagPartv3 <T گسترش TTYPE >	قسمت مورب پخته شده از یک تانسور محکم را برمی گرداند.
MatrixDiagv3 <T گسترش TTYPE >	یک تانسور مورب با مقادیر مورب با هم داده شده را برمی گرداند.
ماتریسلوگاریتم <t گسترش ttype >	لگاریتم ماتریس یک یا چند ماتریس مربع را محاسبه می کند: \\(log(exp(A)) = A\\) این OP فقط برای ماتریس های پیچیده تعریف شده است.
MatrixSetDiag <T گسترش TTYPE >	یک تانسور ماتریس دسته دار را با مقادیر مورب جدید جمع شده برمی گرداند.
MatrixSolvels <t گسترش TTYPE >	یک یا چند مشکل حداقل مربعات خطی را حل می کند.
حداکثر TTYPE >	حداکثر عناصر را در ابعاد یک تانسور محاسبه می کند.
maxintraopparalalismdataset	یک مجموعه داده ایجاد می کند که بر حداکثر موازی بودن داخل عمل غلبه می کند.
MaxPool <t گسترش TTYPE >	حداکثر استخر را روی ورودی انجام می دهد.
maxpool3d <t گسترش TNumber >	استخر حداکثر سه بعدی را روی ورودی انجام می دهد.
maxpool3dgrad <u tnumber >	شیب عملکرد 3D حداکثر استخر را محاسبه می کند.
maxpool3dgradgrad <t گسترش TNumber >	شیب مرتبه دوم عملکرد MaxPooling را محاسبه می کند.
MaxPoolgrad <t گسترش TNumber >	شیب عملکرد MaxPooling را محاسبه می کند.
maxpoolgradgrad <t گسترش tnumber >	شیب مرتبه دوم عملکرد MaxPooling را محاسبه می کند.
maxpoolgradgradwithargmax <t گسترش tnumber >	شیب مرتبه دوم عملکرد MaxPooling را محاسبه می کند.
maxpoolgradwithargmax <t tnumber >	شیب عملکرد MaxPooling را محاسبه می کند.
maxpoolwithargmax <t tnumber را گسترش می دهد ، شما tnumber >	حداکثر استخر را روی ورودی انجام می دهد و هم حداکثر مقادیر و شاخص ها را خروجی می کند.
حداکثر <t tnumber >	حداکثر x و y را برمی گرداند (یعنی
میانگین <t ttype >	میانگین عناصر را در ابعاد یک تانسور محاسبه می کند.
ادغام <t ttype >	مقدار یک تانسور موجود را از "ورودی" به "خروجی" منتقل می کند.
عیاشی	خلاصه ها را ادغام می کند.
mergev2checkpoints	فرمت V2 خاص: پرونده های ابرداده از پاسگاه های باز شده را ادغام می کند.
MFCC	طیف سنجی را به شکلی تبدیل می کند که برای تشخیص گفتار مفید است.
min <t ttype >	حداقل عناصر را در ابعاد یک تانسور محاسبه می کند.
حداقل <t tnumber >	حداقل مینی x و y را برمی گرداند (یعنی
Mirrorpad <t گسترش TTYPE >	لنت یک تانسور با مقادیر آینه دار.
Mirrorpadgrad <t گسترش TTYPE >	OP شیب برای `mirrorpad` op.
مروارید	محاسبه MLIR دلخواه را به عنوان یک ماژول با یک عملکرد اصلی () بیان می کند.
mod <t tnumber >	باقی مانده عنصر بخش تقسیم را برمی گرداند.
مدل	تحول هویت که عملکرد را مدل می کند.
mul <t گسترش ttype >	X * y Element Wise را برمی گرداند.
Mulnonan <t گسترش TTYPE >	X * y Element Wise را برمی گرداند.
چند دستگاه	یک منبع چند منظوره ایجاد می کند.
multideviceiteratorfromstringhandle	از دسته رشته ارائه شده خود یک منبع چند منظوره سازنده تولید می کند.
multideviceitorgetnextnextrshard	عنصر بعدی برای شماره Shard ارائه شده است.
چند منظوره چند منظوره	تکرار سازنده چند دستگاه را با مجموعه داده داده شده آغاز می کند.
multideviceiteratortostringhandle	یک دسته رشته ای را برای multiDeviceTerator داده شده تولید می کند.
Multinomial <u tnumber >	نمونه هایی را از توزیع چندمجمی ترسیم می کند.
جهش یافته	یک میز هش خالی ایجاد می کند که از تانسور به عنوان فروشگاه پشتیبان استفاده می کند.
قابل تغییر	یک میز هش خالی ایجاد می کند.
mutablehashtableoftensors	یک میز هش خالی ایجاد می کند.
مایه	یک منبع mutex ایجاد می کند که می تواند توسط "mutexlock" قفل شود.
مودب	یک منبع mutex را قفل می کند.
ncclallReduce <t tnumber >	یک تانسور حاوی کاهش در تمام تنسورهای ورودی است.
ncclbroadcast <t گسترش TNumber >	"ورودی" را به کلیه دستگاههای متصل به خروجی ارسال می کند.
ncclreduce <t tnumber >	با استفاده از "کاهش" به یک دستگاه واحد ، "ورودی" را از "num_devices" کاهش می دهد.
ndtri <t tnumber >
نزدیکترین ها	نزدیکترین مراکز K را برای هر نقطه انتخاب می کند.
neg <t گسترش ttype >	عنصر ارزش منفی عددی را محاسبه می کند.
نردبان	آموزش از طریق نمونه گیری منفی.
Nextafter <t گسترش TNumber >	مقدار نماینده بعدی `x1` را در جهت` x2` ، عناصر عاقلانه برمی گرداند.
NextIteration <t گسترش ttype >	ورودی خود را در دسترس تکرار بعدی قرار می دهد.
چیز	هیچ کاری نمی کند.
nondeterministicints <u ttype >	غیر قطعی برخی از اعداد صحیح را تولید می کند.
سرکوب غیرقانونی <t گسترش TNumber >	حریص زیر مجموعه ای از جعبه های محدود را به ترتیب نزولی نمره انتخاب می کند ، جعبه های هرس دور که دارای تقاطع بالایی بیش از اتحادیه (IOU) با جعبه های انتخاب شده قبلی هستند.
سرکوب غیرقانونی withoverlaps	حریص زیر مجموعه ای از جعبه های محدود را به ترتیب نزولی نمره انتخاب می کند ، جعبه های هرس که با جعبه های انتخاب شده قبلاً همپوشانی بالایی دارند.
nonserializabledataset
غیر عدالت	مقدار حقیقت (x! = y) عناصر عاقلانه را برمی گرداند.
nthelement <t tnumber >	مقادیر آماری مرتبه «n» را برای آخرین بعد پیدا می کند.
Onehot <u ttype >	یک تانسور یک داغ را برمی گرداند.
آنهایی که TTYPE را گسترش می دهد>	یک اپراتور ایجاد یک ثابت با شکل های شکل داده شده توسط "Dims".
OneSike <t گسترش TTYPE >	یک تانسور از آنهایی که با همان شکل و نوع X را برمی گرداند.
Operand <t گسترش TTYPE >	رابط کاربری توسط عملیات یک عملیات tensorflow.
بهینه سازی شده	با استفاده از بهینه سازی در «input_dataset» یک مجموعه داده ایجاد می کند.
Optimizedatasetv2	با استفاده از بهینه سازی های مرتبط با «input_dataset» یک مجموعه داده ایجاد می کند.
از نظر اختیاری	یک نوع اختیاری را از یک تنش از تانسور ایجاد می کند.
اختیاری	مقدار ذخیره شده در یک نوع اختیاری را برمی گرداند یا در صورت وجود هیچ خطایی ایجاد می کند.
اختیاری	اگر و فقط در صورتی که نوع اختیاری داده شده دارای یک مقدار باشد ، درست باز می گردد.
اختیاری	یک نوع اختیاری و بدون ارزش ایجاد می کند.
ماپل	OP تمام عناصر موجود در ظرف زیرین را از بین می برد.
orderedmapincompletesize	OP تعداد عناصر ناقص را در ظرف زیرین برمی گرداند.
orderedmappeek	OP در مقادیر موجود در کلید مشخص شده است.
سفارش	OP تعداد عناصر موجود در ظرف زیرین را برمی گرداند.
ترتیب	مرحله (کلید ، مقادیر) در ظرف زیرین که مانند یک دستور داده شده رفتار می کند ظرف انجمنی.
ترتیب	OP مقادیر مرتبط با کلید را حذف و برمی گرداند از ظرف زیرین.
orderedmapunstagenokey	OP عنصر (کلید ، مقدار) را با کوچکترین حذف و برمی گرداند کلید از ظرف زیرین.
ترتیب دهنده	OP انتخاب کننده هسته TPU.
outeeddequeue <t گسترش ttype >	یک تانسور واحد را از محاسبات بازیابی می کند.
outeeddequeuetuple	مقادیر مختلف را از محاسبات بازیابی کنید.
outeeddequeuetuplev2	مقادیر مختلف را از محاسبات بازیابی کنید.
outeeddequeuev2 <t گسترش ttype >	یک تانسور واحد را از محاسبات بازیابی می کند.
دلهره	یک تانسور را در محاسبات خارج کنید.
Offeedenqueuetuple	مقادیر تانسور چندگانه را در محاسبات مورد استفاده قرار دهید.
خروجی <t ttype >	یک دسته نمادین به یک تانسور تولید شده توسط یک `Operation` .
پد <t گسترش TTYPE >	اپراتور پد XLA را که در آن ثبت شده است ، می بندد https://www.tensorflow.org/performance/xla/operation_semantics#pad.
یدک	یک مجموعه داده ایجاد می کند که عناصر Batch_Size را از ورودی دسته و لنت ها قرار می دهد.
PaddingFifoqueue	صفی که عناصر را در مرتبه اول اول تولید می کند.
موازی CONCONCAT TTYPE >	لیستی از تنش های "n" را در طول بعد اول جمع می کند.
ParalleldynamicStitch <t گسترش TTYPE >	مقادیر را از تانسرهای "داده" به یک تانسور واحد واگذار کنید.
ParameterizedTruncatedNormal <u tnumber >	مقادیر تصادفی را از یک توزیع عادی خروجی می کند.
نمونه	یک بردار از Protos tf.example (به عنوان رشته) را به تنسورهای تایپ شده تبدیل می کند.
رفیق	`input_dataset` حاوی" مثال "به عنوان بردارهای dt_string را به مجموعه داده های اشیاء" tensor "یا` sparsetensor "نشان می دهد که ویژگی های تجزیه شده را نشان می دهد ، تبدیل می کند.
ParsesequenceExample	یک بردار از tf.io. protos (به عنوان رشته ها) را به تانسرهای تایپ شده تبدیل می کند.
parsesingleexample	یک TF.Example Proto (به عنوان یک رشته) را به تانسرهای تایپ شده تبدیل می کند.
نمونه	یک مغز مقیاس را تبدیل می کند.
parsetensor <t ttype >	یک tensorflow. tensorproto proto را به یک تانسور تبدیل می کند.
partitionedinput <t گسترش TTYPE >	OP که لیستی از ورودی های تقسیم شده را با هم گروه بندی می کند.
partitionedoutput <t گسترش TTYPE >	OP که یک تانسور را که توسط XLA به لیستی از تقسیم شده تبدیل می شود خروجی های خارج از محاسبه XLA.
مکان نگهدارنده <t ttype >	یک مکان یابی برای مقداری که در محاسبه تغذیه می شود.
placeholderwithdefault <t گسترش ttype >	یک مکان یابی که از "ورودی" عبور می کند ، هنگامی که خروجی آن تغذیه نشود.
polygamma < t گسترش می دهد>	عملکرد پلیگاما را محاسبه کنید \\(\psi^{(n)}(x)\\).
جمعیت	شمارش جمعیت عاقلانه را محاسبه می کند (با نام مستعار
POW <T گسترش TTYPE >	قدرت یک مقدار را به مقدار دیگر محاسبه می کند.
پیش فرض	یک مجموعه داده ایجاد می کند که به طور غیر همزمان عناصر را از `input_dataset" ترجیح می دهد.
از پیش خطی کردن	OP که یک مقدار تانسور را به یک تانسور نوع مات خطی می کند.
پیش خطی	OP که مقادیر تانسور متعدد را به یک تانسور نوع مات خطی می کند.
پیشگیری از ttype >	در صورت درخواست شیب ، یک هویت OP که باعث ایجاد خطایی می شود.
چاپ کنید	یک مقیاس رشته را چاپ می کند.
اولویت	صفی که عناصر طبقه بندی شده بر اساس اولین مقدار مؤلفه را تولید می کند.
PrivateThreadPooldataset	یک مجموعه داده ایجاد می کند که از یک استخر موضوع سفارشی برای محاسبه "input_dataset" استفاده می کند.
prod <t گسترش ttype >	محصول عناصر را در ابعاد یک تانسور محاسبه می کند.
qr <t ttype >	تجزیه QR یک یا چند ماتریس را محاسبه می کند.
Quantize <t ttype >	تانسور "ورودی" از نوع شناور را به "خروجی" تانسور نوع "t" کمی کنید.
QuantizeAndDequantize <t گسترش TNumber >	و سپس یک تانسور را کم می کند.
QuantizeAndDequantizev3 <t گسترش TNumber >	و سپس یک تانسور را کم می کند.
QuantizeAndDequantizev4 <t گسترش TNumber >	گرادیان `Quantization.QuantizeAndDequantizev4` را برمی گرداند.
QuantizeAndDequantizev4grad <t گسترش TNumber >	شیب `QuantizeAndDequantizev4` را برمی گرداند.
QuantizedOwnandShrinkRange <u گسترش ttype >	تانسور "ورودی" کمی را به یک خروجی با دقت پایین تبدیل کنید ، با استفاده از توزیع واقعی مقادیر برای به حداکثر رساندن استفاده از عمق بیت پایین و تنظیم بازده حداقل و حداکثر بر این اساس.
Quantizedadd <V گسترش TTYPE >	x + y عنصر عاقلانه را برمی گرداند و روی بافرهای کمتری کار می کند.
QuantizedAvgpool <t گسترش ttype >	استخر متوسط تانسور ورودی را برای انواع کمیت تولید می کند.
QuantizedBatchNormwithGlobalNormalization <u گسترش TTYPE >	عادی سازی دسته ای کم.
QuantizedBiasadd <V گسترش ttype >	برای انواع کمیت ، "تعصب" tensor را به Tensor "ورودی" اضافه می کند.
QuantizedConcat <t گسترش ttype >	تانسور های کمیت شده را در طول یک بعد جمع می کند.
QuantizedConv2Dandrelu <V گسترش ttype >
QuantizedConv2DandreluandRequantize <V گسترش TTYPE >
QuantizedConv2DandRequantize <V گسترش ttype >
QuantizedConv2DperChannel <V گسترش ttype >	در هر کانال QuaseizedConv2d را محاسبه می کند.
QuantizedConv2dwithBias <V گسترش TTYPE >
QuantizedConv2dwithBiasAndrelu <V گسترش ttype >
QuantizedConv2dwithBiasAndReluandRequantize <w گسترش ttype >
QuantizedConv2dwithBiasandRequantize <w گسترش TTYPE >
QuantizedConv2DwithBiasSignedSumandReluandRequantize <x گسترش TTYPE >
QuantizedConv2DwithBiasSumandRelu <V گسترش TTYPE >
QuantizedConv2dwithBiasSumandReluandRequantize <x گسترش TTYPE >
QuantizedConv2d <V گسترش ttype >	با توجه به ورودی 4D و تانسور فیلتر 4D ، یک اتصال 2D را محاسبه می کند.
QuantizedDepthWiseconv2d <V گسترش TTYPE >	محاسبه عمق کمتری را محاسبه می کند.
QuantizedDepthWiseconv2DwithBias <V گسترش TTYPE >	محاسبه شده با عمق و عمق Conv2d را با تعصب محاسبه می کند.
QuantizedDepthWiseconv2DwithBiasAndRelu <V گسترش TTYPE >	محاسبات اندازه گیری عمق را با تعصب و RELU محاسبه می کند.
QuantizedDepthWiseconv2DwithBiasAndReluandRequantize <w گسترش TTYPE >	محاسبه شده با عمق و عمق Conv2d را با تعصب ، RELU و مورد نیاز محاسبه می کند.
QuantizedInstanCenorm <t گسترش TTYPE >	عادی سازی نمونه کم.
QuantizedMatmul <V گسترش ttype >	ضرب ماتریس کمیت شده از `a` توسط ماتریس` b` را انجام دهید.
Quantizedmatmulwithbias <w گسترش ttype >	ضرب ماتریس کمیت شده از `a` توسط ماتریس` b` با اضافه کردن تعصب را انجام می دهد.
QuantizedMulwithBiasandDequantize <w گسترش TNumber >
QuantizedMulwithBiasAndrelu <V گسترش TTYPE >	ضرب ماتریس کمیت شده از `a` توسط ماتریس` b` را با افزودن تعصب و همجوشی انجام دهید.
Quantizedmatmulwithbiasandreluandrequantize <w گسترش TTYPE >	ضرب ماتریس کمیت شده از `a` توسط ماتریس` b` را با اضافه کردن تعصب و relu و نیاز به فیوژن انجام دهید.
QuantizedMulwithBiasandRequantize <w گسترش TTYPE >
QuantizedMaxpool <t گسترش TTYPE >	حداکثر استخر تانسور ورودی را برای انواع کمتری تولید می کند.
QuantizedMul <V گسترش ttype >	x * y عنصر عاقلانه ، کار بر روی بافرهای کمکی را برمی گرداند.
QuantizedRelu <u ttype >	خطی اصلاح شده کمی را محاسبه می کند: `حداکثر (ویژگی ها ، 0)`
QuantizedRelu6 <u ttype >	محاسبه شده خطی اصلاح شده 6: `min (حداکثر (ویژگی ها ، 0) ، 6)`
QuantizedRelux <u ttype >	خطی اصلاح شده خطی X: `min (حداکثر (ویژگی ها ، 0) ، max_value) را محاسبه می کند.
QuantizedReshape <t ttype >	مطابق با تغییر شکل ، یک تانسور کمیت را تغییر شکل می دهد.
QuantizedResizeBilinear <t گسترش ttype >	با استفاده از درون یابی دوتایی کمکی ، "تصاویر" را به اندازه "اندازه" تغییر دهید.
خط	صف داده شده را می بندد.
صف	از یک صف داده شده یک یا چند تنش را از بین می برد.
صف	dequeues `n 'tuples از یک یا چند تنش از صف داده شده.
صف	dequeues `n 'tuples از یک یا چند تنش از صف داده شده.
صف	در صف داده شده ، یک یا چند تانسور را در آن قرار می دهد.
صف	در صف داده شده صفر یا بیشتر از یک یا چند تنشور را در خود جای می دهد.
در صف	اگر صف بسته باشد ، درست برمی گردد.
در صف قرار دادن	تعداد عناصر موجود در صف داده شده را محاسبه می کند.
RaggedBincount <u tnumber >	تعداد وقایع هر مقدار را در یک آرایه عدد صحیح شمارش می کند.
RaggedCountSparseOutput <u tnumber >	شمارش سطل پراکنده خروجی را برای ورودی تانسور خزنده انجام می دهد.
RaggedCross <t ttype را گسترش می دهد ، شما tnumber >	از لیستی از تنسورها یک صلیب ویژگی ایجاد می کند و آن را به عنوان یک خزنده باز می گرداند.
RaggedGather <T TNUMBER را گسترش می دهد ، شما TTYPE را گسترش می دهد>	برش های خاردار را از محور "پارامس" با توجه به "شاخص" جمع کنید.
RaggedRange <u tnumber ، t tnumber > گسترش می دهد>	یک "RaggedTensor" حاوی توالی های مشخص از اعداد را برمی گرداند.
RaggedTensorFromVariart <u tnumber ، t ttype > گسترش می یابد	یک تانسور "نوع" را به یک "raggedtensor" تبدیل می کند.
raggedtensortosparse <u ttype >	با همان مقادیر یک «raggedtensor» را به «sparsetensor» تبدیل می کند.
raggedtensortotensor <u ttype >	یک تانسور متراکم از یک تانسور خزنده ایجاد کنید ، احتمالاً شکل آن را تغییر می دهد.
خنجر	یک «raggedTensor» را در یک تانسور "Variant" رمزگذاری می کند.
raggedtensortovariantgradient <u ttype >	یاور برای محاسبه شیب برای "raggedtensortovariant" استفاده می شد.
RandomCrop <t TNUMBER >	به طور تصادفی محصول "تصویر".
تصادفی	یک مجموعه داده ایجاد می کند که شماره های شبه ورد را برمی گرداند.
RandomGamma <u tnumber >	مقادیر تصادفی از توزیع گاما (های) شرح داده شده توسط آلفا را خروجی می کند.
RandomGammagrad <t گسترش TNumber >	مشتق یک نمونه تصادفی گاما را محاسبه می کند
Randompoisson <V گسترش TNumber >	مقادیر تصادفی از توزیع پواسون (های) شرح داده شده توسط نرخ را خروجی می کند.
RandomShuffle <T گسترش TTYPE >	به طور تصادفی یک تانسور را در بعد اول خود تغییر می دهد.
شبه تصادفی	صفی که ترتیب عناصر را تصادفی می کند.
تصادفی تصادفی <u tnumber >	مقادیر تصادفی را از یک توزیع عادی خروجی می کند.
RandomInform <u tnumber >	مقادیر تصادفی را از توزیع یکنواخت خارج می کند.
RandomInformint <u tnumber >	عدد صحیح تصادفی را از توزیع یکنواخت خارج می کند.
دامنه <t tnumber >	دنباله ای از اعداد را ایجاد می کند.
دامنه	یک مجموعه داده با طیف وسیعی از مقادیر ایجاد می کند.
رتبه	رتبه یک تانسور را برمی گرداند.
ساق پا	یک کلاس پایه برای اجرای `Op` که توسط یک `Operation` واحد پشتیبانی می شود.
فیلی	کل محتوای نام پرونده ورودی را می خواند و خروجی می کند.
readVarableOp <t ttype >	مقدار یک متغیر را می خواند.
readernumrecordsproduced	تعداد سوابق این خواننده را تولید کرده است.
readernumworkunitscompleded	تعداد واحدهای کاری را که این خواننده پردازش به پایان رسانده است ، برمی گرداند.
سرپرست	رکورد بعدی (کلید ، جفت مقدار) تولید شده توسط یک خواننده را برمی گرداند.
readeReadupto	به جفت های NUM_RECORDS '(کلید ، مقدار) تولید شده توسط یک خواننده باز می گردد.
خواننده	خواننده را به حالت تمیز اولیه خود بازگردانید.
خوانده شده	یک خواننده را به حالت قبلاً ذخیره شده بازگردانید.
خوانندگان	یک تانسور رشته ای تولید کنید که وضعیت خواننده را رمزگذاری می کند.
واقعی <u tnumber >	قسمت واقعی یک شماره پیچیده را برمی گرداند.
RealDiv <t گسترش TTYPE >	عنصر x / y را برای انواع واقعی برمی گرداند.
rebatchdataset	یک مجموعه داده ایجاد می کند که اندازه دسته را تغییر می دهد.
RebatchDatasetv2	یک مجموعه داده ایجاد می کند که اندازه دسته را تغییر می دهد.
متقابل <t ttype >	محاسبه متقابل عنصر X را محاسبه می کند.
متقابل <t ttype >	شیب را برای معکوس از `x` WRT ورودی خود محاسبه می کند.
ضبط	سوابق تصادفی را منتشر می کند.
recv <t گسترش ttype >	Tensor نامگذاری شده را از یک محاسبه XLA دیگر دریافت می کند.
recvtpuembeddingactivations	OP که فعالیت های جاسازی شده در TPU را دریافت می کند.
کاهش <t tnumber >	به طور متقابل چندین تنش از نوع و شکل یکسان را کاهش می دهد.
کاهش	عناصر "منطقی و" را در ابعاد تانسور محاسبه می کند.
کاهش	عناصر "منطقی یا" را در ابعاد تانسور محاسبه می کند.
کاهش Join	به یک تانسور رشته ای در ابعاد داده شده می پیوندد.
کاهش TTYPE >	حداکثر عناصر را در ابعاد یک تانسور محاسبه می کند.
کاهش ttype >	حداقل عناصر را در ابعاد یک تانسور محاسبه می کند.
کاهش TType >	محصول عناصر را در ابعاد یک تانسور محاسبه می کند.
کاهش TType >	جمع عناصر را در ابعاد یک تانسور محاسبه می کند.
کاهش TNumber >	به طور متقابل چندین تنش از نوع و شکل یکسان را کاهش می دهد.
Refenter <t گسترش TTYPE >	یک قاب کودک را ایجاد یا پیدا می کند ، و "داده ها" را در دسترس قاب کودک قرار می دهد.
Refexit <t گسترش TTYPE >	از قاب فعلی به قاب والدین خود خارج می شود.
refitientity <t ttype >	همان تانسور Ref Tensor را به عنوان Tensor Ref Ref برگردانید.
Refmerge <t گسترش TTYPE >	مقدار یک تانسور موجود را از "ورودی" به "خروجی" منتقل می کند.
refnextiteration <t ttype >	ورودی خود را در دسترس تکرار بعدی قرار می دهد.
refselect <t ttype >	عنصر "Index" ورودی "ورودی" را به "خروجی" منتقل می کند.
Refswitch <t گسترش TTYPE >	Tensor ref را به پورت خروجی که توسط "Pred" تعیین می شود ، ارسال می کند.
regexfullmatch	بررسی کنید که آیا ورودی با الگوی Regex مطابقت دارد یا خیر.
regexreplace	جایگزین مسابقات "الگوی" معمولی در "ورودی" با رشته جایگزینی ارائه شده در "بازنویسی" می شود.
RegisterDataset	یک مجموعه داده را با سرویس tf.data ثبت می کند.
Relu <T گسترش TTYPE >	محاسبات خطی اصلاح شده: `حداکثر (ویژگی ها ، 0).
RELU6 <T گسترش TNumber >	محاسبات خطی اصلاح شده 6: `min (حداکثر (ویژگی ها ، 0) ، 6).
Relu6grad <T گسترش TNumber >	6 شیب خطی اصلاح شده را برای یک عمل Relu6 محاسبه می کند.
Relugrad <t گسترش TNumber >	شیب های خطی اصلاح شده را برای یک عملیات RELU محاسبه می کند.
از راه دور	یک نمودار فرعی را روی یک پردازنده از راه دور اجرا کنید.
تکرار داتاس	یک مجموعه داده ایجاد می کند که خروجی بارهای `input_dataset` را منتشر می کند.
مافن	شناسه ماکت
مجدداً	ابرداده نشان می دهد که چگونه محاسبه TPU باید تکثیر شود.
ReplicatedInput <T گسترش TTYPE >	ورودی های N را به محاسبات TPU تکرار شده N متصل می کند.
ReplicatedOutput <t گسترش ttype >	خروجی های N را از محاسبه TPU تکرار شده N- واژگون می کند.
رفیق	طیف وسیعی را محاسبه می کند که مقادیر واقعی موجود در یک تانسور کمکی را پوشش می دهد.
LovelantizationRangePerchannel	محدوده لازم را در هر کانال محاسبه می کند.
مورد نیاز <u ttype >	تانسور "ورودی" کمیت را به یک خروجی با دقت پایین تبدیل می کند.
lovalantizeperchannel <u ttype >	ورودی را با مقادیر حداقل و حداکثر شناخته شده در هر کانال مورد نیاز قرار می دهد.
تغییر شکل <t ttype >	یک تانسور را تغییر شکل می دهد.
رفیق	با استفاده از درون یابی منطقه ، "تصاویر" را به "اندازه" تغییر دهید.
دارای تغییر شکل	با استفاده از درون یابی بیگوبیک ، `تصاویر را به اندازه" اندازه "تغییر دهید.
rizeBicubicgrad <t گسترش TNumber >	شیب درون یابی دوتایی را محاسبه می کند.
بین خطی	با استفاده از درون یابی دو طرفه ، "تصاویر" را به "اندازه" تغییر دهید.
rizebilineargrad <t گسترش TNumber >	شیب درون یابی دو طرفه را محاسبه می کند.
resizenearestneighbor <t گسترش TNumber >	با استفاده از نزدیکترین درون یابی همسایه ، "تصاویر" را به اندازه "اندازه" تغییر دهید.
resizenearestneighborgrad <t گسترش tnumber >	شیب نزدیکترین همسایه را محاسبه می کند.
منبع	یک شیب را برای یک باتری معین اعمال می کند.
منبع	تعداد شیب های جمع شده در باتری های داده شده را برمی گرداند.
منابع	باتری را با مقدار جدیدی برای Global_Step به روز می کند.
ResourceAccumulatortakeGradient <t گسترش TTYPE >	شیب متوسط را در شرط بندی شده ConditionActratulation استخراج می کند.
منبع	"*var" را مطابق با الگوریتم Adamax به روز کنید.
منبع	مطابق طرح Adadelta '*var' را به روز کنید.
منبع	مطابق طرح ADAGRAD "*var" را به روز کنید.
منبع	"*var" را با توجه به طرح Adagrad پروگزیمال به روز کنید.
منبع	مطابق با الگوریتم آدم "*var" را به روز کنید.
منابع	مطابق با الگوریتم آدم "*var" را به روز کنید.
منبع	"*var" را با توجه به بروزرسانی AddSign به روز کنید.
منبع	با توجه به الگوریتم RMSProp محور "*var" را به روز کنید.
منبع	"*var" را با توجه به طرح ftrl-proximal به روز کنید.
منبع	" * var" را با تفریق "آلفا" * "دلتا" از آن به روز کنید.
منبع	"*var" را با توجه به طرح حرکت به روز کنید.
منبع	Update '*var' according to the momentum scheme.
ResourceApplyPowerSign	Update '*var' according to the AddSign update.
ResourceApplyProximalAdagrad	Update 'var' and 'accum' according to FOBOS with Adagrad learning rate.
ResourceApplyProximalGradientDescent	Update '*var' as FOBOS algorithm with fixed learning rate.
ResourceApplyRmsProp	Update '*var' according to the RMSProp algorithm.
ResourceConditionalAccumulator	A conditional accumulator for aggregating gradients.
ResourceCountUpTo <T extends TNumber >	Increments variable pointed to by 'resource' until it reaches 'limit'.
ResourceGather <U extends TType >	Gather slices from the variable pointed to by `resource` according to `indices`.
ResourceGatherNd <U extends TType >
ResourceScatterAdd	Adds sparse updates to the variable referenced by `resource`.
ResourceScatterDiv	Divides sparse updates into the variable referenced by `resource`.
ResourceScatterMax	Reduces sparse updates into the variable referenced by `resource` using the `max` operation.
ResourceScatterMin	Reduces sparse updates into the variable referenced by `resource` using the `min` operation.
ResourceScatterMul	Multiplies sparse updates into the variable referenced by `resource`.
ResourceScatterNdAdd	Applies sparse addition to individual values or slices in a Variable.
ResourceScatterNdMax
ResourceScatterNdMin
ResourceScatterNdSub	Applies sparse subtraction to individual values or slices in a Variable.
ResourceScatterNdUpdate	Applies sparse `updates` to individual values or slices within a given variable according to `indices`.
ResourceScatterSub	Subtracts sparse updates from the variable referenced by `resource`.
ResourceScatterUpdate	Assigns sparse updates to the variable referenced by `resource`.
ResourceSparseApplyAdadelta	var: Should be from a Variable().
ResourceSparseApplyAdagrad	Update relevant entries in 'var' and 'accum' according to the adagrad scheme.
ResourceSparseApplyAdagradDa	Update entries in 'var' and 'accum' according to the proximal adagrad scheme.
ResourceSparseApplyAdagradV2	Update relevant entries in 'var' and 'accum' according to the adagrad scheme.
ResourceSparseApplyCenteredRmsProp	Update '*var' according to the centered RMSProp algorithm.
ResourceSparseApplyFtrl	Update relevant entries in '*var' according to the Ftrl-proximal scheme.
ResourceSparseApplyKerasMomentum	Update relevant entries in 'var' and 'accum' according to the momentum scheme.
ResourceSparseApplyMomentum	Update relevant entries in 'var' and 'accum' according to the momentum scheme.
ResourceSparseApplyProximalAdagrad	Sparse update entries in 'var' and 'accum' according to FOBOS algorithm.
ResourceSparseApplyProximalGradientDescent	Sparse update '*var' as FOBOS algorithm with fixed learning rate.
ResourceSparseApplyRmsProp	Update '*var' according to the RMSProp algorithm.
ResourceStridedSliceAssign	Assign `value` to the sliced l-value reference of `ref`.
بازیابی کنید	Restores tensors from a V2 checkpoint.
RestoreSlice <T extends TType >	Restores a tensor from checkpoint files.
RetrieveTPUEmbeddingADAMParameters	Retrieve ADAM embedding parameters.
RetrieveTPUEmbeddingADAMParametersGradAccumDebug	Retrieve ADAM embedding parameters with debug support.
RetrieveTPUEmbeddingAdadeltaParameters	Retrieve Adadelta embedding parameters.
RetrieveTPUEmbeddingAdadeltaParametersGradAccumDebug	Retrieve Adadelta embedding parameters with debug support.
RetrieveTPUEmbeddingAdagradParameters	Retrieve Adagrad embedding parameters.
RetrieveTPUEmbeddingAdagradParametersGradAccumDebug	Retrieve Adagrad embedding parameters with debug support.
RetrieveTPUEmbeddingCenteredRMSPropParameters	Retrieve centered RMSProp embedding parameters.
RetrieveTPUEmbeddingFTRLParameters	Retrieve FTRL embedding parameters.
RetrieveTPUEmbeddingFTRLParametersGradAccumDebug	Retrieve FTRL embedding parameters with debug support.
RetrieveTPUEmbeddingMDLAdagradLightParameters	Retrieve MDL Adagrad Light embedding parameters.
RetrieveTPUEmbeddingMomentumParameters	Retrieve Momentum embedding parameters.
RetrieveTPUEmbeddingMomentumParametersGradAccumDebug	Retrieve Momentum embedding parameters with debug support.
RetrieveTPUEmbeddingProximalAdagradParameters	Retrieve proximal Adagrad embedding parameters.
RetrieveTPUEmbeddingProximalAdagradParametersGradAccumDebug	Retrieve proximal Adagrad embedding parameters with debug support.
RetrieveTPUEmbeddingProximalYogiParameters
RetrieveTPUEmbeddingProximalYogiParametersGradAccumDebug
RetrieveTPUEmbeddingRMSPropParameters	Retrieve RMSProp embedding parameters.
RetrieveTPUEmbeddingRMSPropParametersGradAccumDebug	Retrieve RMSProp embedding parameters with debug support.
RetrieveTPUEmbeddingStochasticGradientDescentParameters	Retrieve SGD embedding parameters.
RetrieveTPUEmbeddingStochasticGradientDescentParametersGradAccumDebug	Retrieve SGD embedding parameters with debug support.
Reverse <T extends TType >	Reverses specific dimensions of a tensor.
ReverseSequence <T extends TType >	Reverses variable length slices.
Rfft <U extends TType >	Real-valued fast Fourier transform.
Rfft2d <U extends TType >	2D real-valued fast Fourier transform.
Rfft3d <U extends TType >	3D real-valued fast Fourier transform.
RgbToHsv <T extends TNumber >	Converts one or more images from RGB to HSV.
RightShift <T extends TNumber >	Elementwise computes the bitwise right-shift of `x` and `y`.
Rint <T extends TNumber >	Returns element-wise integer closest to x.
RngReadAndSkip	Advance the counter of a counter-based RNG.
RngSkip	Advance the counter of a counter-based RNG.
Roll <T extends TType >	Rolls the elements of a tensor along an axis.
Round <T extends TType >	Rounds the values of a tensor to the nearest integer, element-wise.
Rpc	Perform batches of RPC requests.
Rsqrt <T extends TType >	Computes reciprocal of square root of x element-wise.
RsqrtGrad <T extends TType >	Computes the gradient for the rsqrt of `x` wrt its input.
SampleDistortedBoundingBox <T extends TNumber >	Generate a single randomly distorted bounding box for an image.
SamplingDataset	Creates a dataset that takes a Bernoulli sample of the contents of another dataset.
ذخیره کنید	Saves tensors in V2 checkpoint format.
SaveSlices	Saves input tensors slices to disk.
ScalarSummary	Outputs a `Summary` protocol buffer with scalar values.
ScaleAndTranslate
ScaleAndTranslateGrad <T extends TNumber >
ScatterAdd <T extends TType >	Adds sparse updates to a variable reference.
ScatterDiv <T extends TType >	Divides a variable reference by sparse updates.
ScatterMax <T extends TNumber >	Reduces sparse updates into a variable reference using the `max` operation.
ScatterMin <T extends TNumber >	Reduces sparse updates into a variable reference using the `min` operation.
ScatterMul <T extends TType >	Multiplies sparse updates into a variable reference.
ScatterNd <U extends TType >	Scatter `updates` into a new tensor according to `indices`.
ScatterNdAdd <T extends TType >	Applies sparse addition to individual values or slices in a Variable.
ScatterNdMax <T extends TType >	Computes element-wise maximum.
ScatterNdMin <T extends TType >	Computes element-wise minimum.
ScatterNdNonAliasingAdd <T extends TType >	Applies sparse addition to `input` using individual values or slices from `updates` according to indices `indices`.
ScatterNdSub <T extends TType >	Applies sparse subtraction to individual values or slices in a Variable.
ScatterNdUpdate <T extends TType >	Applies sparse `updates` to individual values or slices within a given variable according to `indices`.
ScatterSub <T extends TType >	Subtracts sparse updates to a variable reference.
ScatterUpdate <T extends TType >	Applies sparse updates to a variable reference.
SdcaFprint	Computes fingerprints of the input strings.
SdcaOptimizer	Distributed version of Stochastic Dual Coordinate Ascent (SDCA) optimizer for linear models with L1 + L2 regularization.
SdcaShrinkL1	Applies L1 regularization shrink step on the parameters.
SegmentMax <T extends TNumber >	Computes the maximum along segments of a tensor.
SegmentMean <T extends TType >	Computes the mean along segments of a tensor.
SegmentMin <T extends TNumber >	Computes the minimum along segments of a tensor.
SegmentProd <T extends TType >	Computes the product along segments of a tensor.
SegmentSum <T extends TType >	Computes the sum along segments of a tensor.
Select <T extends TType >
SelfAdjointEig <T extends TType >	Computes the eigen decomposition of a batch of self-adjoint matrices (Note: Only real inputs are supported).
Selu <T extends TNumber >	Computes scaled exponential linear: `scale * alpha * (exp(features) - 1)` if < 0, `scale * features` otherwise.
SeluGrad <T extends TNumber >	Computes gradients for the scaled exponential linear (Selu) operation.
ارسال کنید	Sends the named tensor to another XLA computation.
SendTPUEmbeddingGradients	Performs gradient updates of embedding tables.
SerializeIterator	Converts the given `resource_handle` representing an iterator to a variant tensor.
SerializeManySparse <U extends TType >	Serialize an `N`-minibatch `SparseTensor` into an `[N, 3]` `Tensor` object.
SerializeSparse <U extends TType >	Serialize a `SparseTensor` into a `[3]` `Tensor` object.
SerializeTensor	Transforms a Tensor into a serialized TensorProto proto.
SetDiff1d <T extends TType , U extends TNumber >	Computes the difference between two lists of numbers or strings.
SetSize	Number of unique elements along last dimension of input `set`.
SetStatsAggregatorDataset
Shape <U extends TNumber >	Returns the shape of a tensor.
ShapeN <U extends TNumber >	Returns shape of tensors.
ShardDataset	Creates a `Dataset` that includes only 1/`num_shards` of this dataset.
ShardedFilename	Generate a sharded filename.
ShardedFilespec	Generate a glob pattern matching all sharded file names.
Sharding <T extends TType >	An op which shards the input based on the given sharding attribute.
ShuffleAndRepeatDataset
ShuffleDataset
ShutdownDistributedTPU	Shuts down a running distributed TPU system.
Sigmoid <T extends TType >	Computes sigmoid of `x` element-wise.
SigmoidGrad <T extends TType >	Computes the gradient of the sigmoid of `x` wrt its input.
Sign <T extends TType >	Returns an element-wise indication of the sign of a number.
Sin <T extends TType >	Computes sine of x element-wise.
Sinh <T extends TType >	Computes hyperbolic sine of x element-wise.
Size <U extends TNumber >	Returns the size of a tensor.
SkipDataset	Creates a dataset that skips `count` elements from the `input_dataset`.
Skipgram	Parses a text file and creates a batch of examples.
SleepDataset
Slice <T extends TType >	Return a slice from 'input'.
SlidingWindowDataset	Creates a dataset that passes a sliding window over `input_dataset`.
Snapshot <T extends TType >	Returns a copy of the input tensor.
SobolSample <T extends TNumber >	Generates points from the Sobol sequence.
Softmax <T extends TNumber >	Computes softmax activations.
SoftmaxCrossEntropyWithLogits <T extends TNumber >	Computes softmax cross entropy cost and gradients to backpropagate.
Softplus <T extends TNumber >	Computes softplus: `log(exp(features) + 1)`.
SoftplusGrad <T extends TNumber >	Computes softplus gradients for a softplus operation.
Softsign <T extends TNumber >	Computes softsign: `features / (abs(features) + 1)`.
SoftsignGrad <T extends TNumber >	Computes softsign gradients for a softsign operation.
Solve <T extends TType >	Solves systems of linear equations.
Sort <T extends TType >	Wraps the XLA Sort operator, documented at https://www.tensorflow.org/performance/xla/operation_semantics#sort .
SpaceToBatch <T extends TType >	SpaceToBatch for 4-D tensors of type T.
SpaceToBatchNd <T extends TType >	SpaceToBatch for ND tensors of type T.
SpaceToDepth <T extends TType >	SpaceToDepth for tensors of type T.
SparseAccumulatorApplyGradient	Applies a sparse gradient to a given accumulator.
SparseAccumulatorTakeGradient <T extends TType >	Extracts the average sparse gradient in a SparseConditionalAccumulator.
SparseAdd <T extends TType >	Adds two `SparseTensor` objects to produce another `SparseTensor`.
SparseAddGrad <T extends TType >	The gradient operator for the SparseAdd op.
SparseApplyAdadelta <T extends TType >	var: Should be from a Variable().
SparseApplyAdagrad <T extends TType >	Update relevant entries in 'var' and 'accum' according to the adagrad scheme.
SparseApplyAdagradDa <T extends TType >	Update entries in 'var' and 'accum' according to the proximal adagrad scheme.
SparseApplyCenteredRmsProp <T extends TType >	Update '*var' according to the centered RMSProp algorithm.
SparseApplyFtrl <T extends TType >	Update relevant entries in '*var' according to the Ftrl-proximal scheme.
SparseApplyMomentum <T extends TType >	Update relevant entries in 'var' and 'accum' according to the momentum scheme.
SparseApplyProximalAdagrad <T extends TType >	Sparse update entries in 'var' and 'accum' according to FOBOS algorithm.
SparseApplyProximalGradientDescent <T extends TType >	Sparse update '*var' as FOBOS algorithm with fixed learning rate.
SparseApplyRmsProp <T extends TType >	Update '*var' according to the RMSProp algorithm.
SparseBincount <U extends TNumber >	Counts the number of occurrences of each value in an integer array.
SparseConcat <T extends TType >	Concatenates a list of `SparseTensor` along the specified dimension.
SparseConditionalAccumulator	A conditional accumulator for aggregating sparse gradients.
SparseCountSparseOutput <U extends TNumber >	Performs sparse-output bin counting for a sparse tensor input.
SparseCross	Generates sparse cross from a list of sparse and dense tensors.
SparseCrossHashed	Generates sparse cross from a list of sparse and dense tensors.
SparseDenseCwiseAdd <T extends TType >	Adds up a SparseTensor and a dense Tensor, using these special rules: (1) Broadcasts the dense side to have the same shape as the sparse side, if eligible; (2) Then, only the dense values pointed to by the indices of the SparseTensor participate in the cwise addition.
SparseDenseCwiseDiv <T extends TType >	Component-wise divides a SparseTensor by a dense Tensor.
SparseDenseCwiseMul <T extends TType >	Component-wise multiplies a SparseTensor by a dense Tensor.
SparseFillEmptyRows <T extends TType >	Fills empty rows in the input 2-D `SparseTensor` with a default value.
SparseFillEmptyRowsGrad <T extends TType >	The gradient of SparseFillEmptyRows.
SparseMatMul	Multiply matrix "a" by matrix "b".
SparseMatrixAdd	Sparse addition of two CSR matrices, C = alpha * A + beta * B.
SparseMatrixMatMul <T extends TType >	Matrix-multiplies a sparse matrix with a dense matrix.
SparseMatrixMul	Element-wise multiplication of a sparse matrix with a dense tensor.
SparseMatrixNNZ	Returns the number of nonzeroes of `sparse_matrix`.
SparseMatrixOrderingAMD	Computes the Approximate Minimum Degree (AMD) ordering of `input`.
SparseMatrixSoftmax	Calculates the softmax of a CSRSparseMatrix.
SparseMatrixSoftmaxGrad	Calculates the gradient of the SparseMatrixSoftmax op.
SparseMatrixSparseCholesky	Computes the sparse Cholesky decomposition of `input`.
SparseMatrixSparseMatMul	Sparse-matrix-multiplies two CSR matrices `a` and `b`.
SparseMatrixTranspose	Transposes the inner (matrix) dimensions of a CSRSparseMatrix.
SparseMatrixZeros	Creates an all-zeros CSRSparseMatrix with shape `dense_shape`.
SparseReduceMax <T extends TNumber >	Computes the max of elements across dimensions of a SparseTensor.
SparseReduceMaxSparse <T extends TNumber >	Computes the max of elements across dimensions of a SparseTensor.
SparseReduceSum <T extends TType >	Computes the sum of elements across dimensions of a SparseTensor.
SparseReduceSumSparse <T extends TType >	Computes the sum of elements across dimensions of a SparseTensor.
SparseReorder <T extends TType >	Reorders a SparseTensor into the canonical, row-major ordering.
SparseReshape	Reshapes a SparseTensor to represent values in a new dense shape.
SparseSegmentMean <T extends TNumber >	Computes the mean along sparse segments of a tensor.
SparseSegmentMeanGrad <T extends TNumber >	Computes gradients for SparseSegmentMean.
SparseSegmentMeanWithNumSegments <T extends TNumber >	Computes the mean along sparse segments of a tensor.
SparseSegmentSqrtN <T extends TNumber >	Computes the sum along sparse segments of a tensor divided by the sqrt of N.
SparseSegmentSqrtNGrad <T extends TNumber >	Computes gradients for SparseSegmentSqrtN.
SparseSegmentSqrtNWithNumSegments <T extends TNumber >	Computes the sum along sparse segments of a tensor divided by the sqrt of N.
SparseSegmentSum <T extends TNumber >	Computes the sum along sparse segments of a tensor.
SparseSegmentSumWithNumSegments <T extends TNumber >	Computes the sum along sparse segments of a tensor.
SparseSlice <T extends TType >	Slice a `SparseTensor` based on the `start` and `size`.
SparseSliceGrad <T extends TType >	The gradient operator for the SparseSlice op.
SparseSoftmax <T extends TNumber >	Applies softmax to a batched ND `SparseTensor`.
SparseSoftmaxCrossEntropyWithLogits <T extends TNumber >	Computes softmax cross entropy cost and gradients to backpropagate.
SparseSparseMaximum <T extends TNumber >	Returns the element-wise max of two SparseTensors.
SparseSparseMinimum <T extends TType >	Returns the element-wise min of two SparseTensors.
SparseSplit <T extends TType >	Split a `SparseTensor` into `num_split` tensors along one dimension.
SparseTensorDenseAdd <U extends TType >	Adds up a `SparseTensor` and a dense `Tensor`, producing a dense `Tensor`.
SparseTensorDenseMatMul <U extends TType >	Multiply SparseTensor (of rank 2) "A" by dense matrix "B".
SparseTensorSliceDataset	Creates a dataset that splits a SparseTensor into elements row-wise.
SparseTensorToCSRSparseMatrix	Converts a SparseTensor to a (possibly batched) CSRSparseMatrix.
SparseToDense <U extends TType >	Converts a sparse representation into a dense tensor.
SparseToSparseSetOperation <T extends TType >	Applies set operation along last dimension of 2 `SparseTensor` inputs.
Spence <T extends TNumber >
Split <T extends TType >	Splits a tensor into `num_split` tensors along one dimension.
SplitV <T extends TType >	Splits a tensor into `num_split` tensors along one dimension.
SqlDataset	Creates a dataset that executes a SQL query and emits rows of the result set.
Sqrt <T extends TType >	Computes square root of x element-wise.
SqrtGrad <T extends TType >	Computes the gradient for the sqrt of `x` wrt its input.
Sqrtm <T extends TType >	Computes the matrix square root of one or more square matrices: matmul(sqrtm(A), sqrtm(A)) = A The input matrix should be invertible.
Square <T extends TType >	Computes square of x element-wise.
SquaredDifference <T extends TType >	Returns conj(x - y)(x - y) element-wise.
Squeeze <T extends TType >	Removes dimensions of size 1 from the shape of a tensor.
Stack <T extends TType >	Packs a list of `N` rank-`R` tensors into one rank-`(R+1)` tensor.
مرحله	Stage values similar to a lightweight Enqueue.
StageClear	Op removes all elements in the underlying container.
StagePeek	Op peeks at the values at the specified index.
StageSize	Op returns the number of elements in the underlying container.
StatefulRandomBinomial <V extends TNumber >
StatefulStandardNormal <U extends TType >	Outputs random values from a normal distribution.
StatefulTruncatedNormal <U extends TType >	Outputs random values from a truncated normal distribution.
StatefulUniform <U extends TType >	Outputs random values from a uniform distribution.
StatefulUniformFullInt <U extends TType >	Outputs random integers from a uniform distribution.
StatefulUniformInt <U extends TType >	Outputs random integers from a uniform distribution.
StatelessMultinomial <V extends TNumber >	Draws samples from a multinomial distribution.
StatelessParameterizedTruncatedNormal <V extends TNumber >
StatelessRandomBinomial <W extends TNumber >	Outputs deterministic pseudorandom random numbers from a binomial distribution.
StatelessRandomGamma <V extends TNumber >	Outputs deterministic pseudorandom random numbers from a gamma distribution.
StatelessRandomGetKeyCounterAlg	Picks the best algorithm based on device, and scrambles seed into key and counter.
StatelessRandomNormal <V extends TNumber >	Outputs deterministic pseudorandom values from a normal distribution.
StatelessRandomNormalV2 <U extends TNumber >	Outputs deterministic pseudorandom values from a normal distribution.
StatelessRandomPoisson <W extends TNumber >	Outputs deterministic pseudorandom random numbers from a Poisson distribution.
StatelessRandomUniform <V extends TNumber >	Outputs deterministic pseudorandom random values from a uniform distribution.
StatelessRandomUniformFullInt <V extends TNumber >	Outputs deterministic pseudorandom random integers from a uniform distribution.
StatelessRandomUniformFullIntV2 <U extends TNumber >	Outputs deterministic pseudorandom random integers from a uniform distribution.
StatelessRandomUniformInt <V extends TNumber >	Outputs deterministic pseudorandom random integers from a uniform distribution.
StatelessRandomUniformIntV2 <U extends TNumber >	Outputs deterministic pseudorandom random integers from a uniform distribution.
StatelessRandomUniformV2 <U extends TNumber >	Outputs deterministic pseudorandom random values from a uniform distribution.
StatelessSampleDistortedBoundingBox <T extends TNumber >	Generate a randomly distorted bounding box for an image deterministically.
StatelessTruncatedNormal <V extends TNumber >	Outputs deterministic pseudorandom values from a truncated normal distribution.
StatelessTruncatedNormalV2 <U extends TNumber >	Outputs deterministic pseudorandom values from a truncated normal distribution.
StaticRegexFullMatch	Check if the input matches the regex pattern.
StaticRegexReplace	Replaces the match of pattern in input with rewrite.
StatsAggregatorHandle
StatsAggregatorSetSummaryWriter	Set a summary_writer_interface to record statistics using given stats_aggregator.
StatsAggregatorSummary	Produces a summary of any statistics recorded by the given statistics manager.
StopGradient <T extends TType >	Stops gradient computation.
StridedSlice <T extends TType >	Return a strided slice from `input`.
StridedSliceAssign <T extends TType >	Assign `value` to the sliced l-value reference of `ref`.
StridedSliceGrad <U extends TType >	Returns the gradient of `StridedSlice`.
StringFormat	Formats a string template using a list of tensors.
StringLength	String lengths of `input`.
StringNGrams <T extends TNumber >	Creates ngrams from ragged string data.
StringSplit	Split elements of `source` based on `sep` into a `SparseTensor`.
نوار	Strip leading and trailing whitespaces from the Tensor.
Sub <T extends TType >	Returns x - y element-wise.
Substr	Return substrings from `Tensor` of strings.
Sum <T extends TType >	Computes the sum of elements across dimensions of a tensor.
SummaryWriter
Svd <T extends TType >	Computes the eigen decomposition of a batch of self-adjoint matrices (Note: Only real inputs are supported).
SwitchCond <T extends TType >	Forwards `data` to the output port determined by `pred`.
TPUCompilationResult	Returns the result of a TPU compilation.
TPUEmbeddingActivations	An op enabling differentiation of TPU Embeddings.
TPUReplicateMetadata	Metadata indicating how the TPU computation should be replicated.
TPUReplicatedInput <T extends TType >	Connects N inputs to an N-way replicated TPU computation.
TPUReplicatedOutput <T extends TType >	Connects N outputs from an N-way replicated TPU computation.
TakeDataset	Creates a dataset that contains `count` elements from the `input_dataset`.
TakeManySparseFromTensorsMap <T extends TType >	Read `SparseTensors` from a `SparseTensorsMap` and concatenate them.
Tan <T extends TType >	Computes tan of x element-wise.
Tanh <T extends TType >	Computes hyperbolic tangent of `x` element-wise.
TanhGrad <T extends TType >	Computes the gradient for the tanh of `x` wrt its input.
TemporaryVariable <T extends TType >	Returns a tensor that may be mutated, but only persists within a single step.
TensorArray	An array of Tensors of given size.
TensorArrayClose	Delete the TensorArray from its resource container.
TensorArrayConcat <T extends TType >	Concat the elements from the TensorArray into value `value`.
TensorArrayGather <T extends TType >	Gather specific elements from the TensorArray into output `value`.
TensorArrayGrad	Creates a TensorArray for storing the gradients of values in the given handle.
TensorArrayGradWithShape	Creates a TensorArray for storing multiple gradients of values in the given handle.
TensorArrayPack <T extends TType >
TensorArrayRead <T extends TType >	Read an element from the TensorArray into output `value`.
TensorArrayScatter	Scatter the data from the input value into specific TensorArray elements.
TensorArraySize	Get the current size of the TensorArray.
TensorArraySplit	Split the data from the input value into TensorArray elements.
TensorArrayUnpack
TensorArrayWrite	Push an element onto the tensor_array.
TensorDataset	Creates a dataset that emits `components` as a tuple of tensors once.
TensorDiag <T extends TType >	Returns a diagonal tensor with a given diagonal values.
TensorDiagPart <T extends TType >	Returns the diagonal part of the tensor.
TensorForestCreateTreeVariable	Creates a tree resource and returns a handle to it.
TensorForestTreeDeserialize	Deserializes a proto into the tree handle
TensorForestTreeIsInitializedOp	Checks whether a tree has been initialized.
TensorForestTreePredict	Output the logits for the given input data
TensorForestTreeResourceHandleOp	Creates a handle to a TensorForestTreeResource
TensorForestTreeSerialize	Serializes the tree handle to a proto
TensorForestTreeSize	Get the number of nodes in a tree
TensorListConcat <U extends TType >	Concats all tensors in the list along the 0th dimension.
TensorListConcatLists
TensorListElementShape <T extends TNumber >	The shape of the elements of the given list, as a tensor.
TensorListFromTensor	Creates a TensorList which, when stacked, has the value of `tensor`.
TensorListGather <T extends TType >	Creates a Tensor by indexing into the TensorList.
TensorListGetItem <T extends TType >
TensorListLength	Returns the number of tensors in the input tensor list.
TensorListPopBack <T extends TType >	Returns the last element of the input list as well as a list with all but that element.
TensorListPushBack	Returns a list which has the passed-in `Tensor` as last element and the other elements of the given list in `input_handle`.
TensorListPushBackBatch
TensorListReserve	List of the given size with empty elements.
TensorListResize	Resizes the list.
TensorListScatter	Creates a TensorList by indexing into a Tensor.
TensorListScatterIntoExistingList	Scatters tensor at indices in an input list.
TensorListSetItem
TensorListSplit	Splits a tensor into a list.
TensorListStack <T extends TType >	Stacks all tensors in the list.
TensorMapErase	Returns a tensor map with item from given key erased.
TensorMapHasKey	Returns whether the given key exists in the map.
TensorMapInsert	Returns a map that is the 'input_handle' with the given key-value pair inserted.
TensorMapLookup <U extends TType >	Returns the value from a given key in a tensor map.
TensorMapSize	Returns the number of tensors in the input tensor map.
TensorMapStackKeys <T extends TType >	Returns a Tensor stack of all keys in a tensor map.
TensorScatterNdAdd <T extends TType >	Adds sparse `updates` to an existing tensor according to `indices`.
TensorScatterNdMax <T extends TType >
TensorScatterNdMin <T extends TType >
TensorScatterNdSub <T extends TType >	Subtracts sparse `updates` from an existing tensor according to `indices`.
TensorScatterNdUpdate <T extends TType >	Scatter `updates` into an existing tensor according to `indices`.
TensorSliceDataset	Creates a dataset that emits each dim-0 slice of `components` once.
TensorStridedSliceUpdate <T extends TType >	Assign `value` to the sliced l-value reference of `input`.
TensorSummary	Outputs a `Summary` protocol buffer with a tensor and per-plugin data.
TextLineDataset	Creates a dataset that emits the lines of one or more text files.
TextLineReader	A Reader that outputs the lines of a file delimited by '\n'.
TfRecordDataset	Creates a dataset that emits the records from one or more TFRecord files.
TfRecordReader	A Reader that outputs the records from a TensorFlow Records file.
ThreadPoolDataset	Creates a dataset that uses a custom thread pool to compute `input_dataset`.
ThreadPoolHandle	Creates a dataset that uses a custom thread pool to compute `input_dataset`.
Tile <T extends TType >	Constructs a tensor by tiling a given tensor.
TileGrad <T extends TType >	Returns the gradient of `Tile`.
مهر زمان	Provides the time since epoch in seconds.
ToBool	Converts a tensor to a scalar predicate.
ToHashBucket	Converts each string in the input Tensor to its hash mod by a number of buckets.
ToHashBucketFast	Converts each string in the input Tensor to its hash mod by a number of buckets.
ToHashBucketStrong	Converts each string in the input Tensor to its hash mod by a number of buckets.
ToNumber <T extends TNumber >	Converts each string in the input Tensor to the specified numeric type.
TopK <T extends TNumber >	Finds values and indices of the `k` largest elements for the last dimension.
TopKUnique	Returns the TopK unique values in the array in sorted order.
TopKWithUnique	Returns the TopK values in the array in sorted order.
Transpose <T extends TType >	Shuffle dimensions of x according to a permutation.
TriangularSolve <T extends TType >	Solves systems of linear equations with upper or lower triangular matrices by backsubstitution.
TridiagonalMatMul <T extends TType >	Calculate product with tridiagonal matrix.
TridiagonalSolve <T extends TType >	Solves tridiagonal systems of equations.
TruncateDiv <T extends TType >	Returns x / y element-wise for integer types.
TruncateMod <T extends TNumber >	Returns element-wise remainder of division.
TruncatedNormal <U extends TNumber >	Outputs random values from a truncated normal distribution.
TryRpc	Perform batches of RPC requests.
Unbatch <T extends TType >	Reverses the operation of Batch for a single output Tensor.
UnbatchDataset	A dataset that splits the elements of its input into multiple elements.
UnbatchGrad <T extends TType >	Gradient of Unbatch.
UncompressElement	Uncompresses a compressed dataset element.
UnicodeDecode <T extends TNumber >	Decodes each string in `input` into a sequence of Unicode code points.
UnicodeDecodeWithOffsets <T extends TNumber >	Decodes each string in `input` into a sequence of Unicode code points.
UnicodeEncode	Encode a tensor of ints into unicode strings.
UnicodeScript	Determine the script codes of a given tensor of Unicode integer code points.
UnicodeTranscode	Transcode the input text from a source encoding to a destination encoding.
UniformCandidateSampler	Generates labels for candidate sampling with a uniform distribution.
Unique <T extends TType , V extends TNumber >	Finds unique elements along an axis of a tensor.
UniqueDataset	Creates a dataset that contains the unique elements of `input_dataset`.
UniqueWithCounts <T extends TType , V extends TNumber >	Finds unique elements along an axis of a tensor.
UnravelIndex <T extends TNumber >	Converts an array of flat indices into a tuple of coordinate arrays.
UnsortedSegmentJoin	Joins the elements of `inputs` based on `segment_ids`.
UnsortedSegmentMax <T extends TNumber >	Computes the maximum along segments of a tensor.
UnsortedSegmentMin <T extends TNumber >	Computes the minimum along segments of a tensor.
UnsortedSegmentProd <T extends TType >	Computes the product along segments of a tensor.
UnsortedSegmentSum <T extends TType >	Computes the sum along segments of a tensor.
Unstack <T extends TType >	Unpacks a given dimension of a rank-`R` tensor into `num` rank-`(R-1)` tensors.
Unstage	Op is similar to a lightweight Dequeue.
UnwrapDatasetVariant
بالا	Converts all lowercase characters into their respective uppercase replacements.
UpperBound <U extends TNumber >	Applies upper_bound(sorted_search_values, values) along each row.
VarHandleOp	Creates a handle to a Variable resource.
VarIsInitializedOp	Checks whether a resource handle-based variable has been initialized.
Variable <T extends TType >	Holds state in the form of a tensor that persists across steps.
VariableShape <T extends TNumber >	Returns the shape of the variable pointed to by `resource`.
Where	Returns locations of nonzero / true values in a tensor.
WholeFileReader	A Reader that outputs the entire contents of a file as a value.
WindowDataset	Combines (nests of) input elements into a dataset of (nests of) windows.
WorkerHeartbeat	Worker heartbeat op.
WrapDatasetVariant
WriteAudioSummary	Writes an audio summary.
WriteFile	Writes contents to the file at input filename.
WriteGraphSummary	Writes a graph summary.
WriteHistogramSummary	Writes a histogram summary.
WriteImageSummary	Writes an image summary.
WriteRawProtoSummary	Writes a serialized proto summary.
WriteScalarSummary	Writes a scalar summary.
WriteSummary	Writes a tensor summary.
Xdivy <T extends TType >	Returns 0 if x == 0, and x / y otherwise, elementwise.
XlaRecvFromHost <T extends TType >	An op to receive a tensor from the host.
XlaSendToHost	An op to send a tensor to the host.
XlaSetBound	Set a bound for the given input value as a hint to Xla compiler, returns the same value.
XlaSpmdFullToShardShape <T extends TType >	An op used by XLA SPMD partitioner to switch from automatic partitioning to manual partitioning.
XlaSpmdShardToFullShape <T extends TType >	An op used by XLA SPMD partitioner to switch from manual partitioning to automatic partitioning.
Xlog1py <T extends TType >	Returns 0 if x == 0, and x * log1p(y) otherwise, elementwise.
Xlogy <T extends TType >	Returns 0 if x == 0, and x * log(y) otherwise, elementwise.
Zeros <T extends TType >	An operator creating a constant initialized with zeros of the shape given by `dims`.
ZerosLike <T extends TType >	Returns a tensor of zeros with the same shape and type as x.
Zeta <T extends TNumber >	Compute the Hurwitz zeta function \\(\zeta(x, q)\\).
ZipDataset	Creates a dataset that zips together `input_datasets`.
erfinv <T extends TNumber >

A logical unit of computation.

Op implementations provide a strongly typed API for building and executing operations without the use of literals and indexes, as required in internal classes like Operation .

Ops can be classified under two categories:

Raw ops target a single TensorFlow operation and are, in most cases, generated automatically from the OpDef proto definitions exposed by TensorFlow runtime library.
Composite ops execute a series of other ops to accomplish a task logically presented as a single unit of computation.

Public Methods

abstract ExecutionEnvironment	env () Return the execution environment this op was created in.
abstract Operation	op () Return this unit of computation as a single `Operation` .

Public Methods

public abstract ExecutionEnvironment env ()

Return the execution environment this op was created in.

public abstract Operation op ()

Return this unit of computation as a single Operation .

For a raw op, the returned value correspond to the TensorFlow operation wrapped by this op.

For a composite op, the returned value usually correspond to the last operation invoked in a chain or to a NoOp grouping one or more operations as a single unit of computation.

برمی گرداند

an Operation

Op با مجموعه‌ها، منظم بمانید ذخیره و طبقه‌بندی محتوا براساس اولویت‌های شما.

Public Methods

Public Methods

public abstract ExecutionEnvironment env ()

public abstract Operation op ()

برمی گرداند

Op