TensorFlow函数总览

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 OptimizerOptions：协议消息

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 SummaryMetadata：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。

class constant_initializer：初始化程序生成具有恒定值的张量。

class glorot_normal_initializer：Glorot普通初始化器，也称为Xavier普通初始化器。

class glorot_uniform_initializer：Glorot统一初始化器，也称为Xavier统一初始化器。

class name_scope：定义Python op时使用的上下文管理器。

class ones_initializer：生成张量初始化为1的初始化程序。

class orthogonal_initializer：生成正交矩阵的初始化程序。

class random_normal_initializer：初始化器，生成具有正态分布的张量。

class random_uniform_initializer：初始化程序，生成具有均匀分布的张量。

class truncated_normal_initializer：初始化程序，会生成截断的正态分布。

class uniform_unit_scaling_initializer：初始化器，生成张量而不缩放方差。

class variable_scope：用于定义创建变量（层）的操作的上下文管理器。

class variance_scaling_initializer：初始化器，能够使其尺度适应权重张量的形状。

class zeros_initializer：生成张量初始化为0的初始化程序。

functions

Assert(...)：断言给定条件为真。

NoGradient(...)：指定类型的操作数op_type不可区分。

NotDifferentiable(...)：指定类型的操作数op_type不可区分。

Print(...)：打印张量列表。（已弃用）

abs(...)：计算张量的绝对值。

accumulate_n(...)：返回张量列表的按元素和。

acos(...)：计算x元素的acos。

acosh(...)：计算元素x的反双曲余弦值。

add(...)：按元素返回x + y。

add_check_numerics_ops(...)：将a连接tf.debugging.check_numerics到每个浮点张量。

add_n(...)：按元素添加所有输入张量。

add_to_collection(...)：Graph.add_to_collection()使用默认图形的包装器。

add_to_collections(...)：Graph.add_to_collections()使用默认图形的包装器。

all_variables(...)：tf.compat.v1.global_variables改为使用。（已弃用）

angle(...)：返回复杂（或实数）张量的逐元素参数。

arg_max(...)：返回在张量维度上具有最大值的索引。

arg_min(...)：返回张量维度上具有最小值的索引。

argmax(...)：返回跨张量轴的最大值的索引。（不建议使用的参数）

argmin(...)：返回跨张量轴的最小值的索引。（不建议使用的参数）

argsort(...)：返回张量的索引，该索引给出沿轴的排序顺序。

as_dtype(...)：将给定转换type_value为DType。

as_string(...)：将给定张量中的每个条目转换为字符串。

asin(...)：计算元素x的三角反正弦。

asinh(...)：计算x元素的反双曲正弦值。

assert_equal(...)：断言条件x == y在元素方面保持正确。

assert_greater(...)：断言条件x > y在元素方面保持正确。

assert_greater_equal(...)：断言条件x >= y在元素方面保持正确。

assert_integer(...)：声明x整数dtype。

assert_less(...)：断言条件x < y在元素方面保持正确。

assert_less_equal(...)：断言条件x <= y在元素方面保持正确。

assert_near(...)：声明条件x并y在元素方面接近。

assert_negative(...)：断言条件x < 0在元素方面保持正确。

assert_non_negative(...)：断言条件x >= 0在元素方面保持正确。

assert_non_positive(...)：断言条件x <= 0在元素方面保持正确。

assert_none_equal(...)：断言条件x != y在元素方面保持正确。

assert_positive(...)：断言条件x > 0在元素方面保持正确。

assert_proper_iterable(...)：静态断言值是“适当的”可迭代的。

assert_rank(...)：断言x等级等于rank。

assert_rank_at_least(...)：断言的x等级等于rank或更高。

assert_rank_in(...)：断言x排名在ranks。

assert_same_float_dtype(...)：根据tensors和验证并返回浮点类型dtype。

assert_scalar(...)：断言给定的tensor是标量（即零维）。

assert_type(...)：静态断言给定Tensor是指定类型的。

assert_variables_initialized(...)：返回一个Op，以检查变量是否已初始化。

assign(...)：ref通过分配value给它进行更新。

assign_add(...)：ref通过添加value进行更新。

assign_sub(...)：从中ref减去更新value。

atan(...)：计算元素x的三角逆切线。

atan2(...)：计算y/x元素明智的反正切，并遵守参数的符号。

atanh(...)：计算元素x的反双曲正切值。

batch_gather(...)：根据索引收集带参数的切片，并带有前导批调暗淡。（已弃用）

batch_scatter_update(...)：泛化tf.compat.v1.scatter_update到非0的轴。（不建议使用）

batch_to_space(...)：BatchToSpace用于类型T的4-D张量。

batch_to_space_nd(...)：BatchToSpace用于类型T的ND张量。

betainc(...)：计算正则化的不完全Beta积分 一世X（一种，b）。

bincount(...)：计算整数数组中每个值的出现次数。

bitcast(...)：将张量从一种类型比特转换为另一种类型，而不复制数据。

boolean_mask(...)：将布尔蒙版应用于张量。

broadcast_dynamic_shape(...)：计算给定符号形状的广播的形状。

broadcast_static_shape(...)：计算已知形状的广播形状。

broadcast_to(...)：广播数组以获得兼容的形状。

case(...)：创建案例操作。

cast(...)：将张量转换为新类型。

ceil(...)：返回不小于x的逐元素最小整数。

check_numerics(...)：检查张量的NaN和Inf值。

cholesky(...)：计算一个或多个平方矩阵的Cholesky分解。

cholesky_solve(...)：根据A X = RHS给定的Cholesky分解，求解线性方程组。

clip_by_average_norm(...)：将张量值裁剪为最大平均L2范数。（已弃用）

clip_by_global_norm(...)：按其范数总和的比率裁剪多个张量的值。

clip_by_norm(...)：将张量值裁剪为最大L2范数。

clip_by_value(...)：将张量值裁剪为指定的最小值和最大值。

colocate_with(...)：不推荐使用的功能

complex(...)：将两个实数转换为复数。

concat(...)：沿着一维连接张量。

cond(...)：true_fn()如果谓词pred为true，则返回else false_fn()。（不建议使用的参数）

confusion_matrix(...)：根据预测和标签计算混淆矩阵。

conj(...)：返回复数的复共轭。

constant(...)：创建一个常数张量。

container(...)：Graph.container()使用默认图形的包装器。

control_dependencies(...)：Graph.control_dependencies()使用默认图形的包装器。

control_flow_v2_enabled(...)：返回True是否启用了v2控制流。

convert_to_tensor(...)：将给定转换value为Tensor。

convert_to_tensor_or_indexed_slices(...)：将给定的对象转换为Tensor或IndexedSlices。

convert_to_tensor_or_sparse_tensor(...)：将值转换为SparseTensor或Tensor。

cos(...)：计算x元素的cos。

cosh(...)：计算元素x的双曲余弦值。

count_nonzero(...)：计算张量维度上非零元素的数量。（不建议使用的参数）（不建议使用的参数）

count_up_to(...)：递增“参考”直到达到“极限”。（已弃用）

create_partitioned_variables(...)：根据给定的内容创建分区变量列表slicing。（已弃用）

cross(...)：计算成对叉积。

cumprod(...)：计算x沿着的张量的累积乘积axis。

cumsum(...)：计算x沿的张量的累积和axis。

custom_gradient(...)：装饰器，用于使用自定义渐变定义函数。

decode_base64(...)：解码网络安全的base64编码的字符串。

decode_compressed(...)：解压缩字符串。

decode_csv(...)：将CSV记录转换为张量。每一列映射到一个张量。

decode_json_example(...)：将JSON编码的Example记录转换为二进制协议缓冲区字符串。

decode_raw(...)：将原始字节字符串转换为张量。（不建议使用的参数）

delete_session_tensor(...)：删除给定张量手柄的张量。

depth_to_space(...)：DepthToSpace用于类型T的张量。

dequantize(...)：将“输入”张量均衡为浮动张量。

deserialize_many_sparse(...)：SparseTensors从序列化的小批量反序列化并连接。

device(...)：Graph.device()使用默认图形的包装器。

diag(...)：返回具有给定对角线值的对角张量。

diag_part(...)：返回张量的对角线部分。

digamma(...)：计算Psi，即Lgamma的导数（绝对值的对数

dimension_at_index(...)：允许TF中的V1和V2行为所需的兼容性实用程序。

dimension_value(...)：允许TF中的V1和V2行为所需的兼容性实用程序。

disable_control_flow_v2(...)：选择退出控制流程v2。

disable_eager_execution(...)：禁用急切执行。

disable_resource_variables(...)：选择退出资源变量。（已弃用）

disable_tensor_equality(...)：按张量ID比较张量，并且可以将其散列。

disable_v2_behavior(...)：禁用TensorFlow 2.x行为。

disable_v2_tensorshape(...)：禁用V2 TensorShape行为并恢复为V1行为。

div(...)：按元素划分x / y（使用Python 2除法运算符语义）。（已弃用）

div_no_nan(...)：计算不安全的除法，如果y为零，则返回0。

divide(...)：的单位计算的Python风格划分x的y。

dynamic_partition(...)：使用来自的索引划分data为num_partitions张量partitions。

dynamic_stitch(...)：将data张量中的值交织到单个张量中。

edit_distance(...)：计算序列之间的Levenshtein距离。

einsum(...)：指定指标和外部乘积的张量收缩。

enable_control_flow_v2(...)：使用控制流程v2。

enable_eager_execution(...)：在此程序的整个生命周期内都渴望执行。

enable_resource_variables(...)：默认情况下创建资源变量。

enable_tensor_equality(...)：将张量与按元素进行比较比较，因此不可散列。

enable_v2_behavior(...)：启用TensorFlow 2.x行为。

enable_v2_tensorshape(...)：在TensorFlow 2.0中，对TensorShape实例进行迭代会返回值。

encode_base64(...)：将字符串编码为网络安全的base64格式。

ensure_shape(...)：更新张量的形状并在运行时检查形状是否保持。

equal(...)：按元素返回（x == y）的真值。

erf(...)：计算基于x元素的高斯误差函数。

erfc(...)：计算xelement-wise 的互补误差函数。

executing_eagerly(...)：如果当前线程已启用急切执行，则返回True。

exp(...)：计算元素x的指数。 ÿ=ËX。

expand_dims(...)：将张量为1的尺寸插入。（不建议使用的参数）

expm1(...)：按exp(x) - 1元素计算。

extract_image_patches(...)：patches从中提取images并将其放在“深度”输出维度中。

extract_volume_patches(...)：patches从中提取input并将其放在“深度”输出维度中。的3D扩展extract_image_patches。

eye(...)：构造一个单位矩阵或一批矩阵。

fake_quant_with_min_max_args(...)：伪造量化“输入”张量，将float键入为相同类型的“输出”张量。

fake_quant_with_min_max_args_gradient(...)：计算FakeQuantWithMinMaxArgs操作的梯度。

fake_quant_with_min_max_vars(...)：通过全局浮点标量对浮点类型的“输入”张量进行伪量化 min

fake_quant_with_min_max_vars_gradient(...)：计算FakeQuantWithMinMaxVars操作的梯度。

fake_quant_with_min_max_vars_per_channel(...)：伪量化float类型的'inputs'张量和以下形状之一：[d]，

fake_quant_with_min_max_vars_per_channel_gradient(...)：计算FakeQuantWithMinMaxMaxVarsPerChannel操作的梯度。

fft(...)：快速傅立叶变换。

fft2d(...)：2D快速傅里叶变换。

fft3d(...)：3D快速傅立叶变换。

fill(...)：创建一个用标量值填充的张量。

fingerprint(...)：生成指纹值。

fixed_size_partitioner(...)：分区程序，用于沿给定轴指定固定数量的分片。

floor(...)：返回不大于x的逐元素最大整数。

floor_div(...)：返回x // y元素级。

floordiv(...)：按x / y元素划分，四舍五入到最负的整数。

floormod(...)：返回元素的除法余数。当x < 0 xor  y < 0是

foldl(...)：elems在维数为0 的张量列表中折叠。

foldr(...)：从elems维度0展开的张量列表中的文件夹。

function(...)：从Python函数创建可调用的TensorFlow图。

gather(...)：根据索引从参数轴收集切片。

gather_nd(...)：将切片从中params拉伸为张量，其形状由指定indices。

get_collection(...)：Graph.get_collection()使用默认图形的包装器。

get_collection_ref(...)：Graph.get_collection_ref()使用默认图形的包装器。

get_default_graph(...)：返回当前线程的默认图形。

get_default_session(...)：返回当前线程的默认会话。

get_local_variable(...)：获取现有的局部变量或创建一个新的局部变量。

get_logger(...)：返回TF记录器实例。

get_seed(...)：返回给定op特定种子的操作应使用的本地种子。

get_session_handle(...)：返回的句柄data。

get_session_tensor(...)：dtype通过拉紧张量手柄获得类型的张量。

get_static_value(...)：如果可以有效计算，则返回给定张量的常数值。

get_variable(...)：获取具有这些参数的现有变量或创建一个新变量。

get_variable_scope(...)：返回当前变量范围。

global_norm(...)：计算多个张量的全局范数。

global_variables(...)：返回全局变量。

global_variables_initializer(...)：返回一个初始化全局变量的Op。

grad_pass_through(...)：使用f中提供的向前行为创建grad-pass-op操作。

gradients(...)：在中构造yswrt x 之和的符号导数xs。

greater(...)：按元素返回（x> y）的真值。

greater_equal(...)：按元素返回（x> = y）的真值。

group(...)：创建将多个操作分组的操作。

guarantee_const(...)：保证TF运行时输入张量是一个常数。

hessians(...)：构造的总和的Hessian矩阵ys相对于x在xs。

histogram_fixed_width(...)：返回值的直方图。

histogram_fixed_width_bins(...)：对给定值进行绑定以用于直方图。

identity(...)：返回具有与输入相同的形状和内容的张量。

identity_n(...)：返回具有与输入相同的形状和内容的张量列表

ifft(...)：快速傅里叶逆变换。

ifft2d(...)：二维快速傅里叶逆变换。

ifft3d(...)：3D快速傅里叶逆变换。

igamma(...)：计算较低的正则化不完全Gamma函数P(a, x)。

igammac(...)：计算上正则化不完全Gamma函数Q(a, x)。

imag(...)：返回复数（或实数）张量的虚部。

import_graph_def(...)：将图形从graph_def导入到当前默认值Graph。（不建议使用的参数）

init_scope(...)：上下文管理器，可将操作移出控制流范围和功能构建图。

initialize_all_tables(...)：返回一个Op，该Op初始化默认图形的所有表。（已弃用）

initialize_all_variables(...)：参见tf.compat.v1.global_variables_initializer。（已弃用）

initialize_local_variables(...)：参见tf.compat.v1.local_variables_initializer。（已弃用）

initialize_variables(...)：参见tf.compat.v1.variables_initializer。（已弃用）

invert_permutation(...)：计算张量的逆排列。

is_finite(...)：返回x的哪些元素是有限的。

is_inf(...)：返回x的哪些元素是Inf。

is_nan(...)：返回x的哪些元素为NaN。

is_non_decreasing(...)：True如果x不减小则返回。

is_numeric_tensor(...)：True如果的元素tensor是数字，则返回。

is_strictly_increasing(...)：True如果x严格增加则返回。

is_tensor(...)：检查x是张量还是“类张量”。

is_variable_initialized(...)：测试变量是否已初始化。

lbeta(...)：计算 升ñ（|乙ËŤ一种（X）|），沿最后一个尺寸减小。

less(...)：按元素返回（x

less_equal(...)：按元素返回（x <= y）的真值。

lgamma(...)：计算Gamma(x)element-wise 绝对值的对数。

lin_space(...)：按时间间隔生成值。

linspace(...)：按时间间隔生成值。

load_file_system_library(...)：加载一个TensorFlow插件，其中包含文件系统实现。（已弃用）

load_library(...)：加载TensorFlow插件。

load_op_library(...)：加载一个TensorFlow插件，其中包含自定义操作和内核。

local_variables(...)：返回局部变量。

local_variables_initializer(...)：返回一个初始化所有局部变量的Op。

log(...)：计算x元素的自然对数。

log1p(...)：按元素计算（1 + x）的自然对数。

log_sigmoid(...)：按x元素计算对数S形。

logical_and(...)：按元素返回x和y的真值。

logical_not(...)：返回NOT x元素级的真值。

logical_or(...)：按元素返回x或y的真值。

logical_xor(...)：逻辑XOR功能。

make_ndarray(...)：从张量创建一个numpy ndarray。

make_template(...)：给定任意函数，将其包装起来以便进行变量共享。

make_tensor_proto(...)：创建一个TensorProto。

map_fn(...)：映射从elems维度0 解压缩的张量列表。

matching_files(...)：返回与一个或多个全局模式匹配的文件集。

matmul(...)：将矩阵a乘以矩阵b，得到a* b。

matrix_band_part(...)：复制张量，将每个最里面的矩阵的中心带之外的所有内容都设置为

matrix_determinant(...)：计算一个或多个平方矩阵的行列式。

matrix_diag(...)：返回具有给定批次对角线值的批次对角线张量。

matrix_diag_part(...)：返回成批张量的成批对角线部分。

matrix_inverse(...)：计算一个或多个平方可逆矩阵或其矩阵的逆

matrix_set_diag(...)：返回具有新的批处理对角线值的批处理矩阵张量。

matrix_solve(...)：求解线性方程组。

matrix_solve_ls(...)：解决一个或多个线性最小二乘问题。

matrix_square_root(...)：计算一个或多个平方矩阵的矩阵平方根：

matrix_transpose(...)：转置张量的最后两个维度a。

matrix_triangular_solve(...)：通过反替换来求解具有上或下三角矩阵的线性方程组。

maximum(...)：按元素返回x和y的最大值（即x> y？x：y）。

meshgrid(...)：广播参数以在ND网格上进行评估。

min_max_variable_partitioner(...)：分区程序为每个切片分配最小大小。

minimum(...)：按元素返回x和y的最小值（即x

mod(...)：返回元素的除法余数。当x < 0 xor  y < 0是

model_variables(...)：返回MODEL_VARIABLES集合中的所有变量。

moving_average_variables(...)：返回所有保持其移动平均线的变量。

multinomial(...)：从多项分布中抽取样本。（已弃用）

multiply(...)：按元素返回x * y。

negative(...)：按元素计算数值负值。

no_gradient(...)：指定类型的操作数op_type不可区分。

no_op(...)： 什么也没做。仅用作控件边缘的占位符。

no_regularizer(...)：使用此功能可防止变量正则化。

nondifferentiable_batch_function(...)：批处理由装饰函数完成的计算。

norm(...)：计算向量，矩阵和张量的范数。（不建议使用的参数）

not_equal(...)：按元素返回（x！= y）的真值。

numpy_function(...)：包装python函数并将其用作TensorFlow op。

one_hot(...)：返回一个单张量张量。

ones(...)：创建一个将所有元​​素设置为1的张量。

ones_like(...)：创建一个将所有元​​素设置为1的张量。

op_scope(...)：已弃用。与上面的name_scope相同，只是参数顺序不同。

pad(...)：填充张量。

parallel_stack(...)：将等级R张量的列表(R+1)并行堆叠到一个等级张量中。

parse_example(...)：将Example原型解析dict为张量。

parse_single_example(...)：解析单个Example原型。

parse_single_sequence_example(...)：解析单个SequenceExample原型。

parse_tensor(...)：将序列化的tensorflow.TensorProto原型转换为Tensor。

placeholder(...)：为将始终填充的张量插入一个占位符。

placeholder_with_default(...)：占位符op，input当未输出其输出时通过。

polygamma(...)：计算多伽玛函数 ψ（ñ）（X）。

pow(...)：计算一个值对另一个值的幂。

print(...)：打印指定的输入。

py_func(...)：包装python函数并将其用作TensorFlow op。

py_function(...)：将python函数包装到一个TensorFlow op中，并迅速执行该函数。

qr(...)：计算一个或多个矩阵的QR分解。

quantize(...)：将float类型的'输入'张量量化为'T'类型的'输出'张量。

quantize_v2(...)：请tf.quantization.quantize改用。

quantized_concat(...)：沿着一维连接量化张量。

random_crop(...)：将张量随机裁剪为给定大小。

random_gamma(...)：shape从每个给定的Gamma分布中抽取样本。

random_normal(...)：从正态分布输出随机值。

random_poisson(...)：shape从每个给定的泊松分布中抽取样本。

random_shuffle(...)：沿张量的第一个维度随机调整张量。

random_uniform(...)：从均匀分布输出随机值。

range(...)：创建数字序列。

rank(...)：返回张量的等级。

read_file(...)：读取并输出输入文件名的全部内容。

real(...)：返回复数（或实数）张量的实部。

realdiv(...)：对于实类型，按元素返回x / y。

reciprocal(...)：计算元素x的倒数。

recompute_grad(...)：兼容的recompute_grad版本。

reduce_all(...)：计算张量维度上元素的“逻辑与”。（不建议使用的参数）

reduce_any(...)：计算张量维度上元素的“逻辑或”。（不建议使用的参数）

reduce_join(...)：在给定的维度上连接字符串Tensor。

reduce_logsumexp(...)：计算log（sum（exp（横跨张量维的元素）））。（不建议使用的参数）

reduce_max(...)：计算张量维度上的最大元素。（不建议使用的参数）

reduce_mean(...)：计算张量维度上元素的均值。

reduce_min(...)：计算张量维度上的最小元素。（不建议使用的参数）

reduce_prod(...)：计算张量维度上元素的乘积。（不建议使用的参数）

reduce_sum(...)：计算张量中各个维度的元素之和。（不建议使用的参数）

regex_replace(...)：替换的元件input匹配正则表达式pattern与rewrite。

register_tensor_conversion_function(...)：注册转换的对象的功能base_type来Tensor。

repeat(...)：重复元素 input

report_uninitialized_variables(...)：添加操作以列出未初始化变量的名称。

required_space_to_batch_paddings(...)：计算使block_shape划分input_shape所需的填充。

reset_default_graph(...)：清除默认图形堆栈并重置全局默认图形。

reshape(...)：重塑张量。

resource_variables_enabled(...)：返回True是否启用资源变量。

reverse(...)：反转张量的特定尺寸。

reverse_sequence(...)：反转可变长度切片。

reverse_v2(...)：反转张量的特定尺寸。

rint(...)：返回最接近x的逐元素整数。

roll(...)：沿轴滚动张量的元素。

round(...)：将张量的值四舍五入为最接近的整数（逐元素）。

rsqrt(...)：计算元素x的平方根的倒数。

saturate_cast(...)：对进行安全的饱和value转换dtype。

scalar_mul(...)：将标量乘以Tensor或IndexedSlices对象。

scan(...)：扫描从elems维度0 解压缩的张量列表。

scatter_add(...)：将稀疏更新添加到所引用的变量resource。

scatter_div(...)：将变量引用除以稀疏更新。

scatter_max(...)：使用该max操作将稀疏更新减少为变量引用。

scatter_min(...)：使用该min操作将稀疏更新减少为变量引用。

scatter_mul(...)：将稀疏更新乘以变量引用。

scatter_nd(...)：updates根据展开到一个新张量indices。

scatter_nd_add(...)：对变量中的单个值或切片应用稀疏加法。

scatter_nd_sub(...)：对变量中的单个值或切片应用稀疏减法。

scatter_nd_update(...)：将稀疏updates应用于单个值或变量中的切片。

scatter_sub(...)：将稀疏更新减去变量引用。

scatter_update(...)：将稀疏更新应用于变量引用。

searchsorted(...)：在输入张量中搜索最里面维度上的值。

segment_max(...)：计算沿张量线段的最大值。

segment_mean(...)：计算沿张量线段的均值。

segment_min(...)：计算沿张量线段的最小值。

segment_prod(...)：沿着张量的分段计算乘积。

segment_sum(...)：计算沿张量线段的和。

self_adjoint_eig(...)：计算一批自伴矩阵的本征分解。

self_adjoint_eigvals(...)：计算一个或多个自伴矩阵的特征值。

sequence_mask(...)：返回表示每个单元格的前N个位置的掩码张量。

serialize_many_sparse(...)：将N-minibatch 序列SparseTensor化为[N, 3] Tensor。

serialize_sparse(...)：SparseTensor将a 序列化为3-vector（1-D Tensor）对象。

serialize_tensor(...)：将Tensor转换为序列化的TensorProto原型。

set_random_seed(...)：为默认图形设置图形级随机种子。

setdiff1d(...)：计算两个数字或字符串列表之间的差异。

shape(...)：返回张量的形状。

shape_n(...)：返回张量的形状。

sigmoid(...)：按x元素计算S形。

sign(...)：返回数字符号的逐元素指示。

sin(...)：计算x元素的正弦值。

sinh(...)：计算x元素的双曲正弦值。

size(...)：返回张量的大小。

slice(...)：从张量提取切片。

sort(...)：对张量进行排序。

space_to_batch(...)：用于类型T的4-D张量的SpaceToBatch。

space_to_batch_nd(...)：SpaceToBatch用于T类型的ND张量。

space_to_depth(...)：T型张量的SpaceToDepth。

sparse_add(...)：添加两个张量，每个张量至少一个为SparseTensor。（不建议使用的参数）

sparse_concat(...)：串联SparseTensor指定维度的列表。（不建议使用的参数）

sparse_fill_empty_rows(...)：SparseTensor使用默认值填充输入2-D中的空行。

sparse_mask(...)：遮罩的元素IndexedSlices。

sparse_matmul(...)：将矩阵“ a”乘以矩阵“ b”。

sparse_maximum(...)：返回两个SparseTensors的按元素最大值。

sparse_merge(...)：将一批功能部件ID和值组合到一个中SparseTensor。（已弃用）

sparse_minimum(...)：返回两个SparseTensors的逐元素最小值。

sparse_placeholder(...)：为将始终供给的稀疏张量插入一个占位符。

sparse_reduce_max(...)：计算SparseTensor各个维度上的元素最大值。（不建议使用的参数）（不建议使用的参数）

sparse_reduce_max_sparse(...)：计算SparseTensor各个维度上的元素最大值。（不建议使用的参数）

sparse_reduce_sum(...)：计算SparseTensor各个维度上元素的总和。（不建议使用的参数）（不建议使用的参数）

sparse_reduce_sum_sparse(...)：计算SparseTensor各个维度上元素的总和。（不建议使用的参数）

sparse_reorder(...)：将a SparseTensor重新排序为规范的行优先排序。

sparse_reset_shape(...)：重置a的形状，使其SparseTensor索引和值保持不变。

sparse_reshape(...)：重塑a SparseTensor以以新的密集形状表示值。

sparse_retain(...)：保留内指定的非空值SparseTensor。

sparse_segment_mean(...)：计算沿张量的稀疏段的均值。

sparse_segment_sqrt_n(...)：计算沿着张量的稀疏段的总和除以sqrt（N）。

sparse_segment_sum(...)：沿着张量的稀疏段计算总和。

sparse_slice(...)：SparseTensor根据start和大小对a 进行切片。

sparse_softmax(...)：将softmax应用于批处理的ND SparseTensor。

sparse_split(...)：沿着分裂SparseTensor成num_split张量axis。（不建议使用的参数）

sparse_tensor_dense_matmul(...)：将稀疏张量（等级2）“ A”乘以密集矩阵“ B”。

sparse_tensor_to_dense(...)：将a SparseTensor转换为密集的张量。

sparse_to_dense(...)：将稀疏表示形式转换为密集张量。（已弃用）

sparse_to_indicator(...)：将SparseTensorid转换为密集的布尔指标张量。

sparse_transpose(...)：转置一个 SparseTensor

split(...)：将张量拆分为次张量。

sqrt(...)：计算元素x的平方根。

square(...)：计算元素x的平方。

squared_difference(...)：按元素返回（x-y）（x-y）。

squeeze(...)：从张量形状中删除大小为1的尺寸。（不建议使用的参数）

stack(...)：将等级R张量列表堆叠到一个等级(R+1)张量中。

stop_gradient(...)：停止梯度计算。

strided_slice(...)：提取张量的跨步切片（广义python数组索引）。

string_join(...)：将给定的字符串张量列表中的字符串连接为一个张量；

string_split(...)：source基于拆分元素delimiter。（不建议使用的参数）

string_strip(...)：从Tensor去除开头和结尾的空格。

string_to_hash_bucket(...)：通过多个存储桶将输入Tensor中的每个字符串转换为其哈希模式。

string_to_hash_bucket_fast(...)：通过多个存储桶将输入Tensor中的每个字符串转换为其哈希模式。

string_to_hash_bucket_strong(...)：通过多个存储桶将输入Tensor中的每个字符串转换为其哈希模式。

string_to_number(...)：将输入张量中的每个字符串转换为指定的数字类型。

substr(...)：返回字符串中的子Tensor字符串。

subtract(...)：按元素返回x-y。

svd(...)：计算一个或多个矩阵的奇异值分解。

switch_case(...)：创建一个switch / case操作，即一个整数索引的条件。

tables_initializer(...)：返回一个Op，该Op初始化默认图形的所有表。

tan(...)：计算x元素的正切值。

tanh(...)：计算x元素明智的双曲正切。

tensor_scatter_add(...)：updates根据，将稀疏添加到现有张量indices。

tensor_scatter_nd_add(...)：updates根据，将稀疏添加到现有张量indices。

tensor_scatter_nd_sub(...)：updates根据减去现有张量的稀疏indices。

tensor_scatter_nd_update(...)：updates根据分散到现有张量中indices。

tensor_scatter_sub(...)：updates根据减去现有张量的稀疏indices。

tensor_scatter_update(...)：updates根据分散到现有张量中indices。

tensordot(...)：a和b沿指定轴和外部乘积的张量收缩。

tile(...)：通过平铺给定张量构造张量。

timestamp(...)：提供自纪元以来的时间（以秒为单位）。

to_bfloat16(...)：转换张量以键入bfloat16。（已弃用）

to_complex128(...)：转换张量以键入complex128。（已弃用）

to_complex64(...)：转换张量以键入complex64。（已弃用）

to_double(...)：转换张量以键入float64。（已弃用）

to_float(...)：转换张量以键入float32。（已弃用）

to_int32(...)：转换张量以键入int32。（已弃用）

to_int64(...)：转换张量以键入int64。（已弃用）

trace(...)：计算张量的轨迹x。

trainable_variables(...)：返回使用创建的所有变量trainable=True。

transpose(...)：转置a。

truediv(...)：按元素划分x / y（使用Python 3除法运算符语义）。

truncated_normal(...)：从截断的正态分布中输出随机值。

truncatediv(...)：对于整数类型，按元素返回x / y。

truncatemod(...)：返回元素的除法余数。这在其中模拟了C语义

tuple(...)：将张量组合在一起。

unique(...)：在一维张量中查找唯一元素。

unique_with_counts(...)：在一维张量中查找唯一元素。

unravel_index(...)：将平面索引数组转换为坐标数组的元组。

unsorted_segment_max(...)：计算沿张量线段的最大值。

unsorted_segment_mean(...)：计算沿张量线段的均值。

unsorted_segment_min(...)：计算沿张量线段的最小值。

unsorted_segment_prod(...)：沿着张量的分段计算乘积。

unsorted_segment_sqrt_n(...)：计算沿张量的各部分的总和除以sqrt（N）。

unsorted_segment_sum(...)：计算沿张量线段的和。

unstack(...)：将给定R张量的维解压缩为(R-1)张量。

variable_axis_size_partitioner(...)：为VariableScope获取一个分区，以将碎片保留在下面max_shard_bytes。

variable_creator_scope(...)：范围，定义了由variable（）使用的变量创建函数。

variable_op_scope(...)：不建议使用：上下文管理器，用于定义创建变量的操作。

variables_initializer(...)：返回一个初始化变量列表的Op。

vectorized_map(...)：从elems维0展开的张量列表上的平行贴图。

verify_tensor_all_finite(...)：声明张量不包含任何NaN或Inf。

where(...)：返回元件，无论是从x或y，视condition。（已弃用）

where_v2(...)：返回元件，无论是从x或y，视condition。

while_loop(...)：body条件cond为真时重复。

wrap_function(...)：将TF 1.x函数fn包装为图形函数。

write_file(...)：将内容写入输入文件名的文件中。创建文件并递归

zeros(...)：创建一个将所有元​​素设置为零的张量。

zeros_like(...)：创建一个将所有元​​素设置为零的张量。

zeta(...)：计算Hurwitz zeta函数 ζ（X，q）。