Modules
app
模块:通用入口点脚本。
audio
模块:tf.audio名称空间的公共API。
autograph
模块:将纯Python转换为TensorFlow图形代码。
bitwise
模块:用于操作整数的二进制表示的操作。
compat
模块:Python 2与3兼容性的功能。
config
模块:tf.config名称空间的公共API。
contrib
模块:包含易失性或实验代码的Contrib模块。
data
模块:tf.data.Dataset
输入管道的API。
debugging
模块:tf.debugging名称空间的公共API。
distribute
模块:用于跨多个设备运行计算的库。
distributions
模块:TensorFlow分发对象和帮助程序的核心模块。
dtypes
模块:tf.dtypes名称空间的公共API。
errors
模块:TensorFlow错误的异常类型。
estimator
模块:估计器:用于处理模型的高级工具。
experimental
模块:tf.experimental名称空间的公共API。
feature_column
模块:tf.feature_column名称空间的公共API。
gfile
模块:为file_io导入路由器。
graph_util
模块:帮助程序在python中处理张量图。
image
模块:图像处理和解码操作。
initializers
模块:tf.initializers命名空间的公共API。
io
模块:tf.io名称空间的公共API。
keras
模块:Keras API的实现旨在成为TensorFlow的高级API。
layers
模块:tf.layers命名空间的公共API。
linalg
模块:线性代数的运算。
lite
模块:tf.lite名称空间的公共API。
logging
模块:日志记录和摘要操作。
lookup
模块:tf.lookup名称空间的公共API。
losses
模块:用于神经网络的损失运算。
manip
模块:用于操纵张量的运算符。
math
模块:数学运算。
metrics
模块:与评估相关的指标。
nest
模块:tf.nest名称空间的公共API。
nn
模块:用于原始神经网络(NN)操作的包装程序。
profiler
模块:tf.profiler名称空间的公共API。
python_io
模块:直接处理TFRecord格式文件的Python函数。
quantization
模块:tf.quantization名称空间的公共API。
queue
模块:tf.queue命名空间的公共API。
ragged
模块:参差不齐的张量。
random
模块:tf.random名称空间的公共API。
raw_ops
模块:注意:tf.raw_ops
提供对所有TensorFlow操作的直接/低级访问。参见 RFC
resource_loader
模块:资源管理库。
saved_model
模块:tf.saved_model命名空间的公共API。
sets
模块:Tensorflow设置操作。
signal
模块:信号处理操作。
sparse
模块:稀疏张量表示。
spectral
模块:tf.spectral名称空间的公共API。
strings
模块:使用字符串张量的操作。
summary
模块:用于编写摘要数据的操作,用于分析和可视化。
sysconfig
模块:系统配置库。
test
模块:测试。
tpu
模块:与张量处理单元有关的操作。
train
模块:支持训练模型。
user_ops
模块:tf.user_ops命名空间的公共API。
version
模块:tf.version名称空间的公共API。
xla
模块:tf.xla名称空间的公共API。
class
class AggregationMethod
:列出用于组合渐变的聚合方法的类。
class AttrValue
:协议消息
class ConditionalAccumulator
:用于累计梯度的条件累加器。
class ConditionalAccumulatorBase
:用于累计梯度的条件累加器。
class ConfigProto
:协议消息
class CriticalSection
:关键部分。
class DType
:表示中元素的类型Tensor
。
class DeviceSpec
:代表TensorFlow设备的(可能是部分)规范。
class Dimension
:表示TensorShape中一维的值。
class Event
:协议消息
class FIFOQueue
:一种队列实现,以先进先出的顺序使元素出队。
class FixedLenFeature
:用于解析固定长度输入功能的配置。
class FixedLenSequenceFeature
:用于将可变长度输入功能解析为的配置Tensor
。
class FixedLengthRecordReader
:读取器,从文件输出定长记录。
class GPUOptions
:协议消息
class GradientTape
:记录操作以自动区分。
class Graph
:一个TensorFlow计算,表示为数据流图。
class GraphDef
:协议消息
class GraphKeys
:用于图形集合的标准名称。
class GraphOptions
:协议消息
class HistogramProto
:协议消息
class IdentityReader
:读取器,将排队的工作作为键和值输出。
class IndexedSlices
:在给定索引处的一组张量切片的稀疏表示。
class IndexedSlicesSpec
:的类型规范tf.IndexedSlices
。
class InteractiveSession
:一个TensorFlow Session
,用于交互式上下文(例如shell)。
class LMDBReader
:读取器,从LMDB文件输出记录。
class LogMessage
:协议消息
class MetaGraphDef
:协议消息
class Module
:基础神经网络模块类。
class NameAttrList
:协议消息
class NodeDef
:协议消息
class OpError
:TensorFlow执行失败时引发的一般错误。
class Operation
:表示在张量上执行计算的图节点。
class OptionalSpec
:表示可能包含结构化值的可选。
class PaddingFIFOQueue
:一个FIFOQueue,通过填充支持批量可变大小的张量。
class PriorityQueue
:按优先级出队元素的队列实现。
class QueueBase
:队列实现的基类。
class RaggedTensor
:表示参差不齐的张量。
class RaggedTensorSpec
:的类型规范tf.RaggedTensor
。
class RandomShuffleQueue
:以随机顺序出队元素的队列实现。
class ReaderBase
:不同阅读器类型的基类,每个步骤都会产生一条记录。
class RegisterGradient
:一个装饰器,用于为op类型注册渐变函数。
class RunMetadata
:协议消息
class RunOptions
:协议消息
class Session
:用于运行TensorFlow操作的类。
class SessionLog
:协议消息
class SparseConditionalAccumulator
:用于累积稀疏梯度的条件累加器。
class SparseFeature
:从解析稀疏输入特征的配置Example
。
class SparseTensor
:表示稀疏张量。
class SparseTensorSpec
:的类型规范tf.SparseTensor
。
class SparseTensorValue
:SparseTensorValue(指标,值,密实形状)
class Summary
:协议消息
class TFRecordReader
:一个Reader,它从TFRecords文件输出记录。
class Tensor
:表示的输出之一Operation
。
class TensorArray
:类包装动态大小的,按时间划分的一次写入Tensor数组。
class TensorArraySpec
:的类型规范tf.TensorArray
。
class TensorInfo
:协议消息
class TensorShape
:代表的形状Tensor
。
class TensorSpec
:描述一个tf.Tensor。
class TextLineReader
:读取器,输出用换行符分隔的文件行。
class TypeSpec
:指定TensorFlow值类型。
class UnconnectedGradients
:控制y不依赖x时梯度计算的行为。
class VarLenFeature
:用于解析可变长度输入功能的配置。
class Variable
:请参见《变量指南》。
class VariableAggregation
:指示将如何聚合分布式变量。
class VariableScope
:可变范围对象,以携带默认值提供给get_variable
。
class VariableSynchronization
:指示何时同步分布式变量。
class WholeFileReader
:将文件的全部内容作为值输出的Reader。