TensorFlow v2.16 Overview

发布于：2025-02-22 ⋅ 阅读:(14) ⋅ 点赞:(0)

TensorFlow v2.16 Overview

TensorFlow v2.16.1 Overview

一、模块 Modules

模块是TensorFlow中组织代码的一种方式，将相关的功能和类封装在一起，方便用户使用和管理。每个模块都提供了特定领域的公共API。

序号 模块名称 中文名称 英文说明 中文说明 作用解释
1 audio module 音频模块 Public API for tf._api.v2.audio namespace 音频处理相关的公共 API 命名空间 该模块提供了一系列用于处理音频数据的公共 API，可进行音频文件的读取、写入、特征提取等操作，常用于语音识别、音频分类、语音合成等与音频相关的机器学习任务。
2 autodiff module 自动微分模块 Public API for tf._api.v2.autodiff namespace 自动微分相关的公共 API 命名空间 此模块的公共 API 主要用于自动计算函数的导数。在深度学习训练中，它能高效计算损失函数关于模型参数的梯度，从而为优化算法（如梯度下降）更新模型参数提供关键支持。
3 autograph module 自动图模块 Public API for tf._api.v2.autograph namespace 自动图转换相关的公共 API 命名空间 该模块的公共 API 可以将 Python 代码自动转换为 TensorFlow 图代码。图模式执行效率更高，使用此模块能让用户以更自然的 Python 语法编写代码，同时享受图模式带来的性能提升。
4 bitwise module 位运算模块 Public API for tf._api.v2.bitwise namespace 位运算相关的公共 API 命名空间 提供了对张量进行位运算的公共 API，像按位与、按位或、按位异或等操作。在某些特定算法或数据处理场景中，位运算可实现高效的数据编码、压缩等功能。
5 compat module 兼容性模块 Public API for tf._api.v2.compat namespace 兼容性处理相关的公共 API 命名空间 该模块的公共 API 用于处理不同版本 TensorFlow 之间的兼容性问题。当从旧版本升级到新版本或混合使用不同版本代码时，可帮助在新版本中使用旧版本的 API，减少代码修改量。
6 config module 配置模块 Public API for tf._api.v2.config namespace 系统配置相关的公共 API 命名空间 其公共 API 允许用户对 TensorFlow 的运行环境进行配置，例如设置 GPU 内存分配策略、指定使用的计算设备等，以优化程序性能，充分利用硬件资源。
7 data module 数据模块 Public API for tf._api.v2.data namespace 数据处理与加载相关的公共 API 命名空间 该模块的公共 API 用于构建高效的数据输入管道。在机器学习中，能方便地创建、转换和批量处理数据集，适用于处理大规模数据集，提高数据处理和模型训练的效率。
8 debugging module 调试模块 Public API for tf._api.v2.debugging namespace 调试工具相关的公共 API 命名空间 提供了一系列用于调试 TensorFlow 程序的公共 API，如打印张量的值、检查张量的形状和类型等，帮助开发者在开发过程中快速定位和解决问题。
9 distribute module 分布式模块 Public API for tf._api.v2.distribute namespace 分布式训练与推理相关的公共 API 命名空间 此模块的公共 API 支持在多个设备（如多个 GPU、多个服务器）上进行分布式训练和推理。通过并行计算，可显著提高模型的训练和推理速度，加快开发周期。
10 dtypes module 数据类型模块 Public API for tf._api.v2.dtypes namespace 数据类型定义相关的公共 API 命名空间 该模块定义了 TensorFlow 中支持的各种数据类型，如整数类型、浮点类型、布尔类型等，并提供了对这些数据类型进行管理和操作的公共 API，在创建张量和进行计算时需指定合适的数据类型。
11 errors module 错误处理模块 Public API for tf._api.v2.errors namespace 错误处理相关的公共 API 命名空间 包含了 TensorFlow 中可能出现的各种错误类型和异常处理机制的公共 API。当程序出现错误时，可帮助开发者识别和处理不同类型的错误，增强程序的健壮性。
12 experimental module 实验性模块 Public API for tf._api.v2.experimental namespace 实验性功能相关的公共 API 命名空间 该模块的公共 API 包含了一些处于实验阶段的功能和特性。这些功能可能还不稳定，但为开发者提供了探索新方法和新技术的机会，可用于尝试新的应用场景。
13 feature_column module 特征列模块 Public API for tf._api.v2.feature_column namespace 特征工程相关的公共 API 命名空间 其公共 API 主要用于处理机器学习中的特征工程任务。可以对不同类型的特征（如数值特征、分类特征）进行预处理和转换，方便构建和训练机器学习模型。
14 graph_util module 图工具模块 Public API for tf._api.v2.graph_util namespace 计算图操作与优化相关的公共 API 命名空间 提供了一系列用于操作和优化 TensorFlow 计算图的公共 API，如合并图、冻结图等。这些操作可优化图的结构，减少内存占用和计算量，提高模型的部署效率。
15 image module 图像模块 Public API for tf._api.v2.image namespace 图像处理相关的公共 API 命名空间 该模块的公共 API 用于处理图像数据，包括图像的读取、解码、裁剪、缩放、旋转等操作。在图像分类、目标检测、图像生成等计算机视觉任务中广泛应用。
16 io module 输入输出模块 Public API for tf._api.v2.io namespace 数据输入输出相关的公共 API 命名空间 提供了数据的输入和输出操作的公共 API，例如读取和写入各种格式的文件（如 CSV、JSON 等），以及保存和加载模型等，方便数据的存储和加载。
17 keras module Keras 模块 DO NOT EDIT. Keras 框架相关的公共 API 命名空间 Keras 是一个高级神经网络 API，该模块集成了 Keras 的功能，提供了简单易用的接口来构建、编译和训练深度学习模型，支持各种常见的模型架构。
18 linalg module 线性代数模块 Public API for tf._api.v2.linalg namespace 线性代数运算相关的公共 API 命名空间 其公共 API 提供了一系列线性代数运算功能，如矩阵乘法、矩阵求逆、特征值分解等。在深度学习中，许多操作都依赖于线性代数运算，该模块为这些运算提供了高效的实现。
19 lite module 轻量级模块 Public API for tf._api.v2.lite namespace 轻量级模型部署相关的公共 API 命名空间 该模块的公共 API 主要用于将 TensorFlow 模型转换为适用于移动和嵌入式设备的轻量级格式。通过模型压缩和优化，减少模型大小和计算量，实现资源受限设备上的高效推理。
20 lookup module 查找表模块 Public API for tf._api.v2.lookup namespace 查找表操作相关的公共 API 命名空间 提供了创建和使用查找表的公共 API，用于将离散的键映射到相应的值。在处理分类数据时，可方便地将类别标签转换为数值，提高数据处理效率。
21 math module 数学模块 Public API for tf._api.v2.math namespace 数学运算相关的公共 API 命名空间 包含了各种数学运算的公共 API，如基本算术运算、三角函数、指数函数、对数函数等。在深度学习中，这些运算用于构建模型的损失函数、激活函数等。
22 mlir module MLIR 模块 Public API for tf._api.v2.mlir namespace MLIR 中间表示相关的公共 API 命名空间 MLIR（Multi - Level Intermediate Representation）是一种中间表示形式，该模块的公共 API 用于对 TensorFlow 计算图进行基于 MLIR 的优化和转换，提高模型的执行效率。
23 nest module 嵌套结构模块 Public API for tf._api.v2.nest namespace 嵌套数据结构处理相关的公共 API 命名空间 提供了处理嵌套数据结构（如列表、元组、字典等）的公共 API，可对这些结构进行扁平化、反扁平化等操作，方便在处理复杂数据结构时进行数据处理和操作。
24 nn module 神经网络模块 Public API for tf._api.v2.nn namespace 神经网络层与操作相关的公共 API 命名空间 该模块的公共 API 提供了构建神经网络所需的各种层和操作，如卷积层、池化层、全连接层、激活函数等，是构建深度学习模型的基础。
25 profiler module 性能分析模块 Public API for tf._api.v2.profiler namespace 性能分析工具相关的公共 API 命名空间 其公共 API 用于对 TensorFlow 程序进行性能分析，可获取程序的运行时间、内存使用情况等信息，帮助开发者找出性能瓶颈并进行优化。
26 quantization module 量化模块 Public API for tf._api.v2.quantization namespace 模型量化相关的公共 API 命名空间 该模块的公共 API 用于对模型进行量化处理，将模型中的浮点数参数转换为低精度的整数或定点数，从而减少模型大小和计算量，提高推理速度，同时尽量保持模型精度。
27 queue module 队列模块 Public API for tf._api.v2.queue namespace 队列操作相关的公共 API 命名空间 提供了队列操作的公共 API，用于在 TensorFlow 中实现异步数据处理和多线程操作。队列可作为数据缓冲区，协调不同线程或进程之间的数据传输，提高数据处理效率。
28 ragged module 不规则张量模块 Public API for tf._api.v2.ragged namespace 不规则张量处理相关的公共 API 命名空间 用于处理不规则张量（某些维度长度不同的张量）的公共 API。在处理变长数据（如文本序列）时，可更自然地表示和处理数据，无需进行填充操作。
29 random module 随机数模块 Public API for tf._api.v2.random namespace 随机数生成相关的公共 API 命名空间 该模块的公共 API 提供了生成随机数的功能，如随机整数、随机浮点数、随机分布等。在深度学习中，随机数用于初始化模型参数、数据增强等操作。
30 raw_ops module 原始操作模块 Public API for tf._api.v2.raw_ops namespace 原始操作相关的公共 API 命名空间 包含了 TensorFlow 的原始操作的公共 API，这些操作是 TensorFlow 底层的基本操作，通常用于实现更高级的功能，一般开发者较少直接使用。
31 saved_model module 保存模型模块 Public API for tf._api.v2.saved_model namespace 模型保存与加载相关的公共 API 命名空间 提供了保存和加载 TensorFlow 模型的公共 API，可将训练好的模型保存到磁盘，以便后续部署和使用，也可加载之前保存的模型进行推理或继续训练。
32 sets module 集合模块 Public API for tf._api.v2.sets namespace 集合运算相关的公共 API 命名空间 其公共 API 提供了对集合进行操作的功能，如集合的并集、交集、差集等，可用于处理需要进行集合运算的任务。
33 signal module 信号处理模块 Public API for tf._api.v2.signal namespace 信号处理相关的公共 API 命名空间 该模块的公共 API 用于处理信号数据（如音频信号、图像信号），提供了信号处理的操作，如傅里叶变换、卷积等，可用于信号的分析和处理。
34 sparse module 稀疏张量模块 Public API for tf._api.v2.sparse namespace 稀疏张量处理相关的公共 API 命名空间 提供了处理稀疏张量（大部分元素为零的张量）的公共 API，包括稀疏张量的创建、操作和计算等功能。在处理大规模稀疏数据时，可节省内存和计算资源。
35 strings module 字符串模块 Public API for tf._api.v2.strings namespace 字符串处理相关的公共 API 命名空间 其公共 API 提供了对字符串进行操作的功能，如字符串的拼接、分割、编码、解码等，在处理文本数据时非常有用。
36 summary module 摘要模块 Public API for tf._api.v2.summary namespace 训练信息记录与可视化相关的公共 API 命名空间 该模块的公共 API 用于记录和可视化训练过程中的各种信息，如损失值、准确率、模型参数等。可将这些信息保存到文件，使用 TensorBoard 工具进行可视化分析。
37 sysconfig module 系统配置信息模块 Public API for tf._api.v2.sysconfig namespace 系统配置信息相关的公共 API 命名空间 提供了关于 TensorFlow 系统配置的信息的公共 API，如编译选项、依赖库等，帮助开发者了解 TensorFlow 的编译环境和配置情况。
38 test module 测试模块 Public API for tf._api.v2.test namespace 单元测试相关的公共 API 命名空间 其公共 API 用于编写和运行 TensorFlow 程序的单元测试，提供了测试工具和断言函数，确保代码的正确性和稳定性。
39 tpu module TPU 模块 Public API for tf._api.v2.tpu namespace TPU 计算相关的公共 API 命名空间 该模块的公共 API 用于支持在张量处理单元（TPU）上进行训练和推理。TPU 是专门为深度学习设计的硬件加速器，此模块可充分利用 TPU 的高性能进行模型训练。
40 train module 训练模块 Public API for tf._api.v2.train namespace 模型训练相关的公共 API 命名空间 提供了训练模型所需的工具和算法的公共 API，如优化器、学习率调度器等，帮助开发者选择合适的训练策略，提高模型训练效果。
41 types module 类型模块 Public API for tf._api.v2.types namespace 类型定义与操作相关的公共 API 命名空间 定义了 TensorFlow 中各种类型的抽象和接口的公共 API，用于统一和规范不同类型的对象，提高代码的可读性和可维护性。
42 version module 版本模块 Public API for tf._api.v2.version namespace 版本信息相关的公共 API 命名空间 提供了关于 TensorFlow 版本信息的公共 API，如版本号、发布日期等，方便开发者了解当前使用的版本，并在需要时进行版本管理。
43 xla module XLA 模块 Public API for tf._api.v2.xla namespace XLA 编译相关的公共 API 命名空间 XLA（Accelerated Linear Algebra）是一种用于加速线性代数运算的编译器，该模块的公共 API 可将 TensorFlow 计算图编译为 XLA 可执行的代码，提高模型的执行效率。

二、类 Classes

类是面向对象编程中的一种抽象，用于封装数据和方法。TensorFlow中的类提供了各种功能和数据结构。

序号 类名称 中文名称 英文说明 中文说明 作用解释
1 AggregationMethod 聚合方法类 A class listing aggregation methods used to combine gradients. 列出用于合并梯度的聚合方法的类。 在分布式训练中，不同设备计算出的梯度需要进行合并。该类提供了各种合并梯度的方法，例如求和、求平均等，帮助用户选择合适的方式来聚合梯度，从而更有效地更新模型参数。
2 CriticalSection 临界区类 Critical section. 临界区。 用于在多线程或多进程环境中，确保同一时间只有一个线程或进程可以访问特定的资源或执行特定的代码块，避免数据竞争和不一致的问题，保证程序的正确性和稳定性。
3 DType 数据类型类 Represents the type of the elements in a .Tensor 表示张量中元素的类型。 在 TensorFlow 中，张量的元素可以有不同的数据类型，如整数、浮点数、布尔值等。该类用于定义和管理这些数据类型，在创建张量和进行计算时，需要明确指定数据类型以确保计算的正确性。
4 DeviceSpec 设备规格类 Represents a (possibly partial) specification for a TensorFlow device. 表示 TensorFlow 设备的（可能是部分的）规格。 当需要指定张量的计算设备（如 CPU、GPU、TPU）时，使用该类来定义设备的相关规格，包括设备的类型、编号等信息，从而将计算任务分配到指定的设备上执行。
5 GradientTape 梯度带类 Record operations for automatic differentiation. 记录用于自动微分的操作。 在深度学习中，需要计算损失函数关于模型参数的梯度来更新模型。该类可以记录在其上下文内执行的所有操作，然后通过回溯这些操作来自动计算梯度，是实现自动微分的关键工具。
6 Graph 计算图类 A TensorFlow computation, represented as a dataflow graph. 一个 TensorFlow 计算，以数据流图的形式表示。 TensorFlow 使用计算图来表示计算任务，图中的节点表示操作，边表示张量的流动。该类用于构建和管理计算图，通过将计算过程抽象为图结构，可以实现高效的计算和优化。
7 IndexedSlices 索引切片类 A sparse representation of a set of tensor slices at given indices. 在给定索引处的一组张量切片的稀疏表示。 当处理稀疏数据时，使用该类可以更高效地表示和处理部分非零元素的张量。通过记录非零元素的索引和对应的值，可以减少内存占用和计算量。
8 IndexedSlicesSpec 索引切片规格类 Type specification for a tf.IndexedSlices. tf.IndexedSlices 的类型规格。 用于定义 IndexedSlices 对象的类型信息，包括其形状、数据类型等，方便在程序中对 IndexedSlices 进行类型检查和处理。
9 Module 模块类 Base neural network module class. 神经网络模块的基类。 在构建神经网络时，可以通过继承该类来创建自定义的神经网络模块。模块可以包含多个层和操作，将相关的功能封装在一起，提高代码的复用性和可维护性。
10 Operation 操作类 Represents a graph node that performs computation on tensors. 表示在张量上执行计算的图节点。 计算图中的每个节点都是一个操作，该类用于表示这些操作，例如加法、乘法、卷积等。操作接收输入张量，进行计算并产生输出张量。
11 OptionalSpec 可选规格类 Type specification for tf.experimental.Optional. tf.experimental.Optional 的类型规格。 用于定义 tf.experimental.Optional 对象的类型信息，确保在使用可选值时类型的一致性和正确性。
12 RaggedTensor 不规则张量类 Represents a ragged tensor. 表示不规则张量。 不规则张量是指某些维度长度不同的张量，适用于处理变长数据，如文本序列。该类提供了对不规则张量的创建、操作和计算等功能，无需对数据进行填充。
13 RaggedTensorSpec 不规则张量规格类 Type specification for a tf.RaggedTensor. tf.RaggedTensor 的类型规格。 用于定义不规则张量的类型信息，包括其形状、数据类型等，方便对不规则张量进行类型检查和处理。
14 RegisterGradient 注册梯度类 A decorator for registering the gradient function for an op type. 用于为操作类型注册梯度函数的装饰器。 当需要自定义某个操作的梯度计算方法时，可以使用该装饰器将自定义的梯度函数与操作类型关联起来，在自动微分过程中使用自定义的梯度计算方法。
15 SparseTensor 稀疏张量类 Represents a sparse tensor. 表示稀疏张量。 稀疏张量是指大部分元素为零的张量，在处理大规模稀疏数据时，使用该类可以节省内存和计算资源。它通过记录非零元素的索引和对应的值来表示张量。
16 SparseTensorSpec 稀疏张量规格类 Type specification for a tf.sparse.SparseTensor. tf.sparse.SparseTensor 的类型规格。 用于定义稀疏张量的类型信息，包括其形状、数据类型等，方便对稀疏张量进行类型检查和处理。
17 Tensor 张量类 A tf.Tensor represents a multidimensional array of elements. tf.Tensor 表示一个多维元素数组。 张量是 TensorFlow 中最基本的数据结构，类似于多维数组。它可以存储和表示各种数据，如图像、文本、数值等，并作为计算的输入和输出。
18 TensorArray 张量数组类 Class wrapping dynamic-sized, per-time-step, Tensor arrays. 包装动态大小、按时间步的张量数组的类。 在处理序列数据时，需要动态地存储和访问不同时间步的张量。该类提供了一个动态大小的张量数组，允许在运行时添加和访问张量，适用于循环和递归操作。
19 TensorArraySpec 张量数组规格类 Type specification for a tf.TensorArray. tf.TensorArray 的类型规格。 用于定义张量数组的类型信息，包括其形状、数据类型等，方便对张量数组进行类型检查和处理。
20 TensorShape 张量形状类 Represents the shape of a .Tensor 表示张量的形状。 张量的形状描述了其每个维度的大小，该类用于表示和操作张量的形状信息。在创建张量、进行计算和检查数据的一致性时，需要了解和处理张量的形状。
21 TensorSpec 张量规格类 Describes the type of a tf.Tensor. 描述 tf.Tensor 的类型。 用于定义张量的类型信息，包括其形状、数据类型等，在函数签名、数据验证和类型检查等场景中使用，确保输入和输出张量的类型符合预期。
22 TypeSpec 类型规格类 Specifies a TensorFlow value type. 指定 TensorFlow 值的类型。 是所有类型规格类的基类，用于统一和规范不同类型的对象的类型信息，提供了一种通用的方式来描述和验证 TensorFlow 中的值的类型。
23 UnconnectedGradients 无连接梯度类 Controls how gradient computation behaves when y does not depend on x. 控制当 y 不依赖于 x 时梯度计算的行为。 在自动微分过程中，有时会出现目标变量 y 不依赖于某个变量 x 的情况。该类用于指定在这种情况下如何处理梯度计算，例如返回零梯度或抛出异常。
24 Variable 变量类 See the variable guide. 参见变量指南。 在 TensorFlow 中，变量用于存储模型的参数，如权重和偏置。该类表示可训练的变量，其值可以在训练过程中不断更新，是模型学习的关键部分。
25 VariableAggregation 变量聚合类 Indicates how a distributed variable will be aggregated. 指示分布式变量将如何聚合。 在分布式训练中，不同设备上的变量需要进行聚合。该类定义了各种聚合方式，如求和、求平均等，帮助用户选择合适的方式来合并分布式变量的值。
26 VariableSynchronization 变量同步类 Indicates when a distributed variable will be synced. 指示分布式变量将何时同步。 在分布式训练中，为了保证不同设备上的变量值一致，需要进行同步操作。该类指定了变量同步的时机，例如在每个训练步骤后同步或在一定数量的步骤后同步。
27 constant_initializer 常量初始化器类 Initializer that generates tensors with constant values. 生成具有常数值的张量的初始化器。 在创建张量时，需要对其进行初始化。该类用于生成所有元素都具有相同常数值的张量，例如全为 5 的张量，常用于初始化模型的偏置等参数。
28 name_scope 名称作用域类 A context manager for use when defining a Python op. 定义 Python 操作时使用的上下文管理器。 在构建计算图时，使用名称作用域可以将相关的操作组织在一起，使图的结构更加清晰。它为操作和张量添加前缀，方便管理和调试计算图。
29 ones_initializer 全 1 初始化器类 Initializer that generates tensors initialized to 1. 生成初始化为 1 的张量的初始化器。 用于创建所有元素都为 1 的张量，在某些场景下，如初始化权重矩阵为全 1 时可以使用该初始化器。
30 random_normal_initializer 随机正态初始化器类 Initializer that generates tensors with a normal distribution. 生成具有正态分布的张量的初始化器。 在初始化模型参数时，使用正态分布随机初始化可以使参数具有不同的值，避免模型陷入局部最优。该类根据指定的均值和标准差生成符合正态分布的随机张量。
31 random_uniform_initializer 随机均匀初始化器类 Initializer that generates tensors with a uniform distribution. 生成具有均匀分布的张量的初始化器。 用于创建元素值在指定范围内均匀分布的随机张量。在初始化模型参数时，均匀分布的随机初始化可以使参数具有多样化的值，有助于模型的学习。
32 zeros_initializer 全 0 初始化器类 Initializer that generates tensors initialized to 0. 生成初始化为 0 的张量的初始化器。 用于创建所有元素都为 0 的张量，常用于初始化模型的偏置等参数，在某些算法中，初始化为 0 可以简化计算和分析。

三、函数 Functions

函数是一段可重复使用的代码块，用于执行特定的任务。TensorFlow中的函数提供了各种操作和计算方法。

序号 函数名称 中文名称 英文说明 中文说明 作用解释
1 Assert(…) 断言函数 Asserts that the given condition is true. 断言给定条件为真。 在代码执行过程中，检查某个条件是否满足。若条件不成立，会抛出异常，帮助开发者快速定位错误，确保程序在预期的条件下运行。例如在数据预处理时，可断言数据的形状或取值范围是否符合要求。
2 abs(…) 绝对值函数 Computes the absolute value of a tensor. 计算张量的绝对值。 对输入张量中的每个元素取绝对值，常用于处理需要非负数值的场景，如计算误差或距离时。
3 acos(…) 反余弦函数 Computes acos of x element-wise. 逐元素计算 x 的反余弦值。 对张量中的每个元素求反余弦，常用于涉及三角函数计算和几何问题的场景，如计算向量间的夹角。
4 acosh(…) 反双曲余弦函数 Computes inverse hyperbolic cosine of x element-wise. 逐元素计算 x 的反双曲余弦值。 在一些数学模型和物理问题中会用到反双曲余弦函数，该函数对张量的每个元素进行此计算。
5 add(…) 加法函数 Returns x + y element-wise. 逐元素返回 x 和 y 的和。 对两个张量的对应元素进行相加操作，是基本的数学运算函数，常用于模型中的线性组合等操作。
6 add_n(…) 多张量求和函数 Returns the element-wise sum of a list of tensors. 返回张量列表的逐元素和。 可对多个张量进行逐元素求和，当需要同时处理多个张量的加法时使用，简化代码。
7 approx_top_k(…) 近似 top-k 函数 Returns min/max k values and their indices of the input operand in an approximate manner. 以近似方式返回输入操作数的最小/最大 k 个值及其索引。 在处理大规模数据时，精确的 top-k 计算可能开销较大，该函数通过近似算法快速得到结果，适用于对精度要求不是极高但对速度要求较高的场景。
8 argmax(…) 最大值索引函数 Returns the index with the largest value across axes of a tensor. 返回张量沿指定轴的最大值的索引。 在分类问题中，常用于找出预测概率最大的类别对应的索引。
9 argmin(…) 最小值索引函数 Returns the index with the smallest value across axes of a tensor. 返回张量沿指定轴的最小值的索引。 可用于找出数据中最小元素的位置，例如在寻找距离最近的点时。
10 argsort(…) 排序索引函数 Returns the indices of a tensor that give its sorted order along an axis. 返回张量沿指定轴排序后的索引。 可得到张量元素排序后的索引序列，方便对数据进行排序和重排操作。
11 as_dtype(…) 数据类型转换函数 Converts the given to a tf.DType.type_value 将给定对象转换为 tf.DType 类型的值。 在需要明确指定数据类型的场景中使用，确保数据类型的一致性，避免因类型不匹配导致的错误。
12 as_string(…) 转字符串函数 Converts each entry in the given tensor to strings. 将给定张量中的每个元素转换为字符串。 在需要将数值数据转换为字符串进行输出或存储时使用，例如保存数据到文本文件。
13 asin(…) 反正弦函数 Computes the trignometric inverse sine of x element-wise. 逐元素计算 x 的三角函数反正弦值。 常用于涉及三角函数计算和几何问题的场景，如计算角度。
14 asinh(…) 反双曲正弦函数 Computes inverse hyperbolic sine of x element-wise. 逐元素计算 x 的反双曲正弦值。 在一些数学模型和物理问题中会用到反双曲正弦函数，该函数对张量的每个元素进行此计算。
15 assert_equal(…) 相等断言函数 Assert the condition holds element-wise.x == y 逐元素断言 x 等于 y。 在代码中检查两个张量的对应元素是否相等，若不相等则抛出异常，用于确保数据的一致性。
16 assert_greater(…) 大于断言函数 Assert the condition holds element-wise.x > y 逐元素断言 x 大于 y。 用于检查一个张量的元素是否都大于另一个张量的对应元素，可在数据验证时使用。
17 assert_less(…) 小于断言函数 Assert the condition holds element-wise.x < y 逐元素断言 x 小于 y。 用于检查一个张量的元素是否都小于另一个张量的对应元素，保证数据的取值范围符合要求。
18 assert_rank(…) 秩断言函数 Assert that has rank equal to .xrank 断言 x 的秩等于指定的秩。 在处理张量时，确保张量的维度数量符合预期，避免因维度错误导致的计算问题。
19 atan(…) 反正切函数 Computes the trignometric inverse tangent of x element-wise. 逐元素计算 x 的三角函数反正切值。 常用于涉及三角函数计算和几何问题的场景，如计算斜率对应的角度。
20 atan2(…) 四象限反正切函数 Computes arctangent of element-wise, respecting signs of the arguments.y/x 逐元素计算 y/x 的反正切值，同时考虑参数的符号。 能根据 x 和 y 的符号确定正确的象限，得到更准确的角度值，在几何和物理计算中很有用。
21 atanh(…) 反双曲正切函数 Computes inverse hyperbolic tangent of x element-wise. 逐元素计算 x 的反双曲正切值。 在一些数学模型和物理问题中会用到反双曲正切函数，该函数对张量的每个元素进行此计算。
22 batch_to_space(…) 批量到空间转换函数 BatchToSpace for N-D tensors of type T. 对类型为 T 的 N 维张量进行批量到空间的转换。 常用于图像处理和卷积神经网络中，可将批量维度的信息重新分配到空间维度，实现数据的重新排列。
23 bitcast(…) 位转换函数 Bitcasts a tensor from one type to another without copying data. 在不复制数据的情况下，将张量从一种类型按位转换为另一种类型。 在需要改变数据类型但不想复制数据以节省内存时使用，例如将整数类型按位转换为浮点数类型。
24 boolean_mask(…) 布尔掩码函数 Apply boolean mask to tensor. 将布尔掩码应用于张量。 根据布尔掩码选择张量中的元素，可用于过滤数据，只保留满足条件的元素。
25 broadcast_dynamic_shape(…) 动态广播形状计算函数 Computes the shape of a broadcast given symbolic shapes. 根据符号形状计算广播后的形状。 在进行张量广播操作前，计算广播后的形状，以确保操作的正确性。
26 broadcast_static_shape(…) 静态广播形状计算函数 Computes the shape of a broadcast given known shapes. 根据已知形状计算广播后的形状。 与动态广播形状计算函数类似，但适用于已知形状的情况，提前确定广播后的形状。
27 broadcast_to(…) 广播函数 Broadcast an array for a compatible shape. 将数组广播为兼容的形状。 使不同形状的张量能够进行逐元素操作，通过广播将张量扩展为合适的形状。
28 case(…) 条件分支函数 Create a case operation. 创建一个条件分支操作。 根据不同的条件执行不同的操作，类似于编程语言中的 switch-case 语句，用于实现复杂的逻辑控制。
29 cast(…) 类型转换函数 Casts a tensor to a new type. 将张量转换为新的类型。 在不同数据类型的张量之间进行转换，例如将整数类型的张量转换为浮点数类型，以满足不同计算的需求。
30 clip_by_global_norm(…) 全局范数裁剪函数 Clips values of multiple tensors by the ratio of the sum of their norms. 根据多个张量的范数之和的比例裁剪它们的值。 在训练深度学习模型时，用于防止梯度爆炸，通过限制梯度的全局范数来稳定训练过程。
31 clip_by_norm(…) 范数裁剪函数 Clips tensor values to a maximum L2-norm. 将张量的值裁剪到最大 L2 范数。 对单个张量的元素进行裁剪，确保其 L2 范数不超过指定的最大值，可用于限制梯度或其他参数的大小。
32 clip_by_value(…) 值裁剪函数 Clips tensor values to a specified min and max. 将张量的值裁剪到指定的最小值和最大值之间。 用于确保张量的元素在指定的范围内，避免出现过大或过小的值，常用于处理数据的取值范围。
33 complex(…) 复数转换函数 Converts two real numbers to a complex number. 将两个实数转换为一个复数。 在需要处理复数的场景中使用，例如在信号处理和复数运算中。
34 concat(…) 拼接函数 Concatenates tensors along one dimension. 沿一个维度拼接张量。 将多个张量在指定的维度上连接成一个更大的张量，常用于特征拼接等操作。
35 cond(…) 条件判断函数 Return if the predicate is true else .true_fn()predfalse_fn() 如果谓词为真，则返回 true_fn() 的结果，否则返回 false_fn() 的结果。 类似于编程语言中的 if-else 语句，根据条件执行不同的函数，实现条件控制。
36 constant(…) 常量创建函数 Creates a constant tensor from a tensor-like object. 从类似张量的对象创建一个常量张量。 用于创建固定值的张量，在模型中可作为常量参数使用，例如初始化权重矩阵为固定值。
37 control_dependencies(…) 控制依赖函数 Wrapper for Graph.control_dependencies() using the default graph. 使用默认图的 Graph.control_dependencies() 的包装器。 用于指定操作之间的执行顺序，确保某些操作在其他操作完成后再执行，保证程序的逻辑正确性。
38 conv(…) 卷积函数 Computes a N-D convolution given (N+1+batch_dims)-D and (N+2)-D tensors.inputfilter 根据 (N + 1 + 批量维度) 维的输入张量和 (N + 2) 维的滤波器张量计算 N 维卷积。 在卷积神经网络中用于提取特征，通过滤波器在输入数据上滑动进行卷积操作，捕捉数据的局部特征。
39 conv2d_backprop_filter_v2(…) 卷积滤波器梯度计算函数 Computes the gradients of convolution with respect to the filter. 计算卷积关于滤波器的梯度。 在训练卷积神经网络时，用于计算损失函数关于滤波器的梯度，以便更新滤波器的参数。
40 conv2d_backprop_input_v2(…) 卷积输入梯度计算函数 Computes the gradients of convolution with respect to the input. 计算卷积关于输入的梯度。 在训练卷积神经网络时，用于计算损失函数关于输入的梯度，可用于特征可视化等任务。
41 convert_to_tensor(…) 张量转换函数 Converts the given to a .valueTensor 将给定对象转换为张量。 可将 Python 列表、NumPy 数组等对象转换为 TensorFlow 张量，方便在 TensorFlow 中进行计算。
42 cos(…) 余弦函数 Computes cos of x element-wise. 逐元素计算 x 的余弦值。 对张量中的每个元素求余弦，常用于涉及三角函数计算和几何问题的场景。
43 cosh(…) 双曲余弦函数 Computes hyperbolic cosine of x element-wise. 逐元素计算 x 的双曲余弦值。 在一些数学模型和物理问题中会用到双曲余弦函数，该函数对张量的每个元素进行此计算。
44 cumsum(…) 累积和函数 Compute the cumulative sum of the tensor along .xaxis 计算张量沿指定轴的累积和。 可得到张量元素沿指定轴的累积和序列，常用于计算累积概率、累积收益等。
45 custom_gradient(…) 自定义梯度函数 Decorator to define a function with a custom gradient. 用于定义具有自定义梯度的函数的装饰器。 当默认的自动微分机制不能满足需求时，可使用该装饰器自定义函数的梯度计算方法。
46 device(…) 设备指定函数 Specifies the device for ops created/executed in this context. 指定在此上下文中创建/执行的操作的设备。 可将计算任务分配到特定的设备（如 CPU、GPU、TPU）上执行，优化计算资源的使用。
47 divide(…) 除法函数 Computes Python style division of by .xy 计算 x 除以 y 的 Python 风格除法。 根据 Python 的除法规则对两个张量进行逐元素除法，返回商。
48 dynamic_partition(…) 动态分区函数 Partitions into tensors using indices from .datanum_partitionspartitions 根据分区索引将数据划分为多个张量。 可根据给定的索引将一个张量分成多个子张量，常用于数据分组和分类。
49 dynamic_stitch(…) 动态拼接函数 Interleave the values from the tensors into a single tensor.data 将多个张量的值交错合并成一个张量。 与动态分区函数相反，可将多个子张量合并成一个大张量，实现数据的重组。
50 edit_distance(…) 编辑距离函数 Computes the Levenshtein distance between sequences. 计算序列之间的 Levenshtein 距离。 用于衡量两个序列之间的差异程度，常用于自然语言处理中的字符串匹配和纠错任务。
51 eig(…) 特征分解函数 Computes the eigen decomposition of a batch of matrices. 计算一批矩阵的特征分解。 在数据分析和机器学习中，特征分解可用于降维、矩阵对角化等操作，该函数可同时处理多个矩阵。
52 eigvals(…) 特征值计算函数 Computes the eigenvalues of one or more matrices. 计算一个或多个矩阵的特征值。 特征值在矩阵分析和线性代数中有重要应用，可用于判断矩阵的性质和求解线性方程组等。
53 einsum(…) 爱因斯坦求和函数 Tensor contraction over specified indices and outer product. 根据指定的索引进行张量收缩和外积运算。 可实现复杂的张量运算，如矩阵乘法、张量点积等，通过简洁的符号表示进行高效计算。
54 ensure_shape(…) 形状确保函数 Updates the shape of a tensor and checks at runtime that the shape holds. 更新张量的形状，并在运行时检查形状是否符合要求。 用于确保张量的形状在计算过程中保持一致，避免因形状变化导致的错误。
55 equal(…) 相等比较函数 Returns the truth value of (x == y) element-wise. 逐元素返回 x 等于 y 的真值。 比较两个张量的对应元素是否相等，常用于判断条件和筛选数据。
56 executing_eagerly(…) 即时执行检查函数 Checks whether the current thread has eager execution enabled. 检查当前线程是否启用了即时执行。 在需要根据执行模式进行不同操作时使用，例如即时执行模式下可方便地调试代码。
57 exp(…) 指数函数 Computes exponential of x element-wise. 逐元素计算 x 的指数值。 对张量中的每个元素求指数，常用于激活函数和概率计算等场景。
58 expand_dims(…) 维度扩展函数 Returns a tensor with a length 1 axis inserted at index .axis 返回在指定索引处插入长度为 1 的轴的张量。 用于增加张量的维度，在需要匹配其他张量的维度时使用，例如在进行广播操作前。
59 extract_volume_patches(…) 体积块提取函数 Extract from and put them in the output dimension. 3D extension of .patchesinput"depth"extract_image_patches 从输入中提取体积块并放入输出维度，是 extract_image_patches 的 3D 扩展。 在 3D 图像处理和卷积神经网络中，用于提取 3D 体积块，可捕捉 3D 数据的局部特征。
60 eye(…) 单位矩阵创建函数 Construct an identity matrix, or a batch of matrices. 构造一个单位矩阵或一批单位矩阵。 单位矩阵在矩阵运算中有重要作用，可用于初始化权重矩阵等，该函数可同时创建多个单位矩阵。
61 fftnd(…) N 维快速傅里叶变换函数 ND fast Fourier transform. N 维快速傅里叶变换。 将信号从时域转换到频域，用于信号处理、图像处理等领域，可快速计算 N 维信号的傅里叶变换。
62 fill(…) 填充函数 Creates a tensor filled with a scalar value. 创建一个用标量值填充的张量。 可创建指定形状且所有元素都为同一值的张量，常用于初始化张量。
63 fingerprint(…) 指纹生成函数 Generates fingerprint values. 生成指纹值。 为数据生成唯一的指纹，可用于数据的验证、去重等操作。
64 floor(…) 向下取整函数 Returns element-wise largest integer not greater than x. 逐元素返回不大于 x 的最大整数。 对张量中的每个元素进行向下取整操作，常用于处理需要整数结果的场景。
65 foldl(…) 左折叠函数 foldl on the list of tensors unpacked from on dimension 0. (deprecated argument values)elems 对从 elems 沿维度 0 展开的张量列表进行左折叠操作。（部分参数已弃用） 左折叠是一种递归操作，从序列的左侧开始，依次将元素和累积结果进行特定运算。在处理序列数据时，可用于实现累加、累积乘积等操作，不过由于部分参数已弃用，使用时需注意兼容性。例如，对一系列张量进行累积求和操作。
66 foldr(…) 右折叠函数 foldr on the list of tensors unpacked from on dimension 0. (deprecated argument values)elems 对从 elems 沿第 0 维解包得到的张量列表进行右折叠操作。（部分参数已弃用） 右折叠是一种函数式编程中的操作，它从序列的右侧开始，依次将元素与一个累积值进行合并。在 TensorFlow 里，此函数对张量列表进行右折叠，不过部分参数已不再推荐使用。常用于对序列数据进行累积操作。
67 function(…) 函数编译函数 Compiles a function into a callable TensorFlow graph. (deprecated arguments) (deprecated arguments) (deprecated arguments) 将一个函数编译成可调用的 TensorFlow 图。（部分参数已弃用） 把 Python 函数转换为 TensorFlow 图模式下可执行的形式，图模式执行效率更高。但有部分参数已被弃用，使用时需注意。可加速模型的训练和推理过程。
68 gather(…) 收集函数 Gather slices from params axis according to indices. (deprecated arguments)axis 根据 indices 从 params 沿指定轴收集切片。（部分参数已弃用） 依据索引从输入张量中选取特定的切片，在需要从张量中提取特定元素或子张量时很有用，但部分参数已不推荐使用。
69 gather_nd(…) 多维收集函数 Gather slices from into a Tensor with shape specified by .paramsindices 根据 indices 从 params 中收集切片并组合成指定形状的张量。 能处理多维索引，从输入张量中精确地收集元素并重新组合成新的张量，常用于复杂的数据提取和重组任务。
70 get_current_name_scope(…) 获取当前名称作用域函数 Returns current full name scope specified by tf.name_scope(…)s. 返回由 tf.name_scope(...) 指定的当前完整名称作用域。 在构建 TensorFlow 计算图时，名称作用域用于组织和管理操作的命名。此函数可获取当前所处的名称作用域，方便对图结构进行调试和可视化。
71 get_logger(…) 获取日志记录器函数 Return TF logger instance. 返回 TensorFlow 日志记录器实例。 可获取 TensorFlow 的日志记录器，用于记录程序运行过程中的信息，如调试信息、警告信息等，便于程序的调试和监控。
72 get_static_value(…) 获取静态值函数 Returns the constant value of the given tensor, if efficiently calculable. 如果可以高效计算，返回给定张量的常数值。 尝试获取张量的静态常数值，当张量是常量或可静态计算时，能直接得到其值，有助于在图构建阶段进行一些预计算。
73 grad_pass_through(…) 梯度直通函数 Creates a grad-pass-through op with the forward behavior provided in f. 使用 f 中提供的前向行为创建一个梯度直通操作。 在自动微分过程中，该操作允许梯度直接通过，而不改变其值，可用于自定义梯度流动的场景。
74 gradients(…) 梯度计算函数 Constructs symbolic derivatives of sum of w.r.t. x in .ysxs 构建 ys 中元素之和关于 xs 中元素的符号导数。 在深度学习中，用于计算损失函数关于模型参数的梯度，是反向传播算法的核心操作，为模型的优化提供依据。
75 greater(…) 大于比较函数 Returns the truth value of (x > y) element-wise. 逐元素返回 x 大于 y 的真值。 对两个张量的对应元素进行比较，判断 x 是否大于 y，返回布尔类型的张量，常用于条件判断和筛选操作。
76 greater_equal(…) 大于等于比较函数 Returns the truth value of (x >= y) element-wise. 逐元素返回 x 大于等于 y 的真值。 对两个张量的对应元素进行比较，判断 x 是否大于等于 y，返回布尔类型的张量，可用于数据筛选和条件判断。
77 group(…) 操作分组函数 Create an op that groups multiple operations. 创建一个将多个操作分组的操作。 将多个操作组合在一起，确保这些操作在执行时作为一个整体进行调度，常用于控制操作的执行顺序和依赖关系。
78 guarantee_const(…) 常量保证函数 Promise to the TF runtime that the input tensor is a constant. (deprecated) 向 TensorFlow 运行时保证输入张量是常量。（已弃用） 该函数已不再推荐使用，其原本的作用是告知运行时输入张量为常量，以进行一些优化，但现在可能有更好的替代方法。
79 hessians(…) 海森矩阵计算函数 Constructs the Hessian of sum of with respect to in .ysxxs 构建 ys 中元素之和关于 xs 中元素的海森矩阵。 海森矩阵包含了函数的二阶导数信息，在优化算法中，可用于更精确地分析函数的曲率，帮助确定优化方向。
80 histogram_fixed_width(…) 固定宽度直方图函数 Return histogram of values. 返回值的直方图。 将输入的值划分为固定宽度的区间，并统计每个区间内值的数量，得到直方图，可用于数据的分布分析。
81 histogram_fixed_width_bins(…) 固定宽度直方图分箱函数 Bins the given values for use in a histogram. 将给定的值进行分箱，用于构建直方图。 把输入的值分配到不同的箱中，为后续生成直方图做准备，确定每个值所属的区间。
82 identity(…) 恒等函数 Return a Tensor with the same shape and contents as input. 返回一个与输入具有相同形状和内容的张量。 输出与输入完全相同的张量，常用于占位或确保张量在某些操作中不发生改变。
83 identity_n(…) 多恒等函数 Returns a list of tensors with the same shapes and contents as the input 返回一个与输入具有相同形状和内容的张量列表。 对输入的多个张量分别进行恒等操作，返回包含这些张量的列表，保持它们的形状和内容不变。
84 ifftnd(…) N 维逆快速傅里叶变换函数 ND inverse fast Fourier transform. N 维逆快速傅里叶变换。 将频域信号转换回时域信号，是 fftnd 的逆操作，在信号处理和图像处理中用于恢复原始信号。
85 import_graph_def(…) 导入图定义函数 Imports the graph from into the current default . (deprecated arguments)graph_defGraph 从 graph_def 导入图到当前默认图中。（部分参数已弃用） 将一个预定义的图结构导入到当前的 TensorFlow 图中，但部分参数已不再推荐使用，可用于复用已有的图模型。
86 init_scope(…) 初始化作用域函数 A context manager that lifts ops out of control-flow scopes and function-building graphs. 一个上下文管理器，将操作从控制流作用域和函数构建图中提升出来。 在某些情况下，确保操作在特定的初始化上下文中执行，避免受到控制流和函数构建的影响。
87 inside_function(…) 函数内部检查函数 Indicates whether the caller code is executing inside a tf.function. 指示调用代码是否在 tf.function 内部执行。 用于判断当前代码是否在 tf.function 所定义的图模式函数内部运行，可根据不同的执行环境进行不同的操作。
88 irfftnd(…) N 维逆实快速傅里叶变换函数 ND inverse real fast Fourier transform. N 维逆实快速傅里叶变换。 对实值信号的频域表示进行逆变换，得到时域的实值信号，在处理实值信号时比 ifftnd 更高效。
89 is_symbolic_tensor(…) 符号张量判断函数 Test if is a symbolic Tensor.tensor 测试 tensor 是否为符号张量。 判断一个张量是否为符号张量，符号张量是图模式下的一种抽象表示，可用于区分不同类型的张量。
90 is_tensor(…) 张量判断函数 Checks whether is a TF-native type that can be passed to many TF ops.x 检查 x 是否为可以传递给许多 TensorFlow 操作的原生 TensorFlow 类型。 判断一个对象是否为 TensorFlow 原生的张量类型，确保在进行 TensorFlow 操作时输入的对象类型正确。
91 less(…) 小于比较函数 Returns the truth value of (x < y) element-wise. 逐元素返回 x 小于 y 的真值。 对两个张量的对应元素进行比较，判断 x 是否小于 y，返回布尔类型的张量，常用于条件判断和数据筛选。
92 less_equal(…) 小于等于比较函数 Returns the truth value of (x <= y) element-wise. 逐元素返回 x 小于等于 y 的真值。 对两个张量的对应元素进行比较，判断 x 是否小于等于 y，返回布尔类型的张量，可用于设置条件和筛选数据。
93 linspace(…) 线性间距生成函数 Generates evenly-spaced values in an interval along a given axis. 在给定区间内沿指定轴生成等间距的值。 在指定的区间内生成一系列等间距的数值，可用于生成坐标轴上的刻度或采样点。
94 load_library(…) 加载库函数 Loads a TensorFlow plugin. 加载一个 TensorFlow 插件。 用于加载自定义的 TensorFlow 插件，扩展 TensorFlow 的功能，例如加载包含自定义操作的库。
95 load_op_library(…) 加载操作库函数 Loads a TensorFlow plugin, containing custom ops and kernels. 加载一个包含自定义操作和内核的 TensorFlow 插件。 专门用于加载包含自定义操作和内核的插件，方便用户使用自定义的计算操作。
96 logical_and(…) 逻辑与函数 Returns the truth value of x AND y element-wise. 逐元素返回 x 和 y 的逻辑与真值。 对两个布尔类型的张量进行逐元素的逻辑与操作，常用于组合多个条件判断。
97 logical_not(…) 逻辑非函数 Returns the truth value of element-wise.NOT x 逐元素返回 x 的逻辑非真值。 对布尔类型的张量进行逐元素的逻辑非操作，用于反转条件判断的结果。
98 logical_or(…) 逻辑或函数 Returns the truth value of x OR y element-wise. 逐元素返回 x 和 y 的逻辑或真值。 对两个布尔类型的张量进行逐元素的逻辑或操作，用于组合多个条件判断。
99 make_ndarray(…) 创建 NumPy 数组函数 Create a numpy ndarray from a tensor. 从张量创建一个 NumPy 数组。 将 TensorFlow 张量转换为 NumPy 数组，方便使用 NumPy 的各种功能进行数据处理和分析。
100 make_tensor_proto(…) 创建张量原型函数 Create a TensorProto. 创建一个 TensorProto 对象。 TensorProto 是 TensorFlow 中用于序列化张量的协议缓冲区消息，该函数可将张量转换为这种格式，便于存储和传输。
101 map_fn(…) 映射函数 Transforms by applying to each element unstacked on axis 0. (deprecated arguments)elemsfn 将 fn 应用于从 elems 沿第 0 维解包得到的每个元素进行转换。（部分参数已弃用） 对张量的每个元素或切片应用指定的函数，实现元素级别的转换，但部分参数已不再推荐使用。
102 matmul(…) 矩阵乘法函数 Multiplies matrix by matrix , producing * .abab 将矩阵 a 与矩阵 b 相乘，得到 a * b。 执行矩阵乘法操作，是深度学习中常用的运算，用于实现神经网络中的线性变换。
103 matrix_square_root(…) 矩阵平方根函数 Computes the matrix square root of one or more square matrices: 计算一个或多个方阵的矩阵平方根。 对于方阵，找到一个矩阵，使得该矩阵的平方等于原矩阵，在一些数学和物理问题中有应用。
104 maximum(…) 最大值函数 Returns the max of x and y (i.e. x > y ? x : y) element-wise. 逐元素返回 x 和 y 中的最大值。 对两个张量的对应元素进行比较，取最大值，常用于处理需要取较大值的场景。
105 meshgrid(…) 网格生成函数 Broadcasts parameters for evaluation on an N-D grid. 广播参数以在 N 维网格上进行评估。 生成 N 维网格坐标矩阵，可用于在多维空间中进行采样和计算，例如绘制三维图形时生成网格点。
106 minimum(…) 最小值函数 Returns the min of x and y (i.e. x < y ? x : y) element-wise. 逐元素返回 x 和 y 中的最小值。 对两个张量的对应元素进行比较，取最小值，常用于处理需要取较小值的场景。
107 multiply(…) 乘法函数 Returns an element-wise x * y. 逐元素返回 x 乘以 y 的结果。 对两个张量的对应元素进行乘法操作，是基本的数学运算函数，在模型中常用于特征组合等操作。
108 negative(…) 取负函数 Computes numerical negative value element-wise. 逐元素计算数值的负值。 对张量中的每个元素取负，改变其符号，可用于一些数学变换。
109 no_gradient(…) 无梯度指定函数 Specifies that ops of type is not differentiable.op_type 指定类型为 op_type 的操作不可微分。 当自定义的操作没有定义梯度计算方法时，使用该函数告知 TensorFlow 该操作不可微分，避免在自动微分时出错。
110 no_op(…) 空操作函数 Does nothing. Only useful as a placeholder for control edges. 不执行任何操作，仅作为控制边的占位符有用。 在构建计算图时，可作为占位符，用于控制操作的执行顺序和依赖关系。
111 nondifferentiable_batch_function(…) 不可微批量函数 Batches the computation done by the decorated function. 对装饰函数的计算进行批量处理。 用于对不可微的函数进行批量计算，提高计算效率，在处理大量数据时很有用。
112 norm(…) 范数计算函数 Computes the norm of vectors, matrices, and tensors. 计算向量、矩阵和张量的范数。 范数是衡量向量、矩阵或张量大小的一种度量，可用于评估模型的复杂度、正则化等。
113 not_equal(…) 不相等比较函数 Returns the truth value of (x != y) element-wise. 逐元素返回 x 不等于 y 的真值。 对两个张量的对应元素进行比较，判断 x 是否不等于 y，返回布尔类型的张量，常用于条件判断和数据筛选。
114 numpy_function(…) NumPy 函数包装函数 Wraps a python function and uses it as a TensorFlow op. 包装一个 Python 函数并将其用作 TensorFlow 操作。 允许在 TensorFlow 图中使用自定义的 NumPy 函数，扩展了 TensorFlow 的功能。
115 one_hot(…) 独热编码函数 Returns a one-hot tensor. 返回一个独热编码的张量。 将类别索引转换为独热编码的向量，常用于分类问题中对类别标签进行编码。
116 ones(…) 全 1 张量创建函数 Creates a tensor with all elements set to one (1). 创建一个所有元素都设置为 1 的张量。 用于创建指定形状且元素全为 1 的张量，可用于初始化权重矩阵或偏置项等。
117 ones_like(…) 类似全 1 张量创建函数 Creates a tensor of all ones that has the same shape as the input. 创建一个与输入具有相同形状且所有元素都为 1 的张量。 根据输入张量的形状创建一个元素全为 1 的张量，方便进行一些初始化操作。
118 pad(…) 填充函数 Pads a tensor. 对张量进行填充。 在张量的边缘添加额外的元素，可用于调整张量的形状，例如在卷积操作中进行零填充。
119 parallel_stack(…) 并行堆叠函数 Stacks a list of rank- tensors into one rank- tensor in parallel.R(R+1) 将一组秩为 R 的张量并行堆叠成一个秩为 R + 1 的张量。 将多个张量在新的维度上进行堆叠，可并行处理多个张量，常用于批量处理数据。
120 pow(…) 幂运算函数 Computes the power of one value to another. 计算一个值的另一个值次幂。 对两个张量的对应元素进行幂运算，实现元素级别的指数计算。
121 print(…) 打印函数 Print the specified inputs. 打印指定的输入。 在 TensorFlow 程序中打印张量或其他对象的值
122 py_function(…) Python 函数包装操作 Wraps a python function into a TensorFlow op that executes it eagerly. 将一个 Python 函数包装成一个即时执行的 TensorFlow 操作。 允许在 TensorFlow 计算图中使用自定义的 Python 函数。在需要使用 Python 特有的库或复杂逻辑时很有用，不过由于涉及 Python 解释器的调用，可能会影响性能。例如在数据预处理阶段使用自定义的 Python 数据增强函数。
123 ragged_fill_empty_rows(…) 不规则张量填充空行 - 填充不规则张量中的空行。 在处理不规则张量时，若存在空行，该函数可以对其进行填充操作，使数据更规整，便于后续处理。比如在自然语言处理中处理变长文本序列时，若某些序列为空，可以使用此函数进行填充。
124 ragged_fill_empty_rows_grad(…) 不规则张量填充空行的梯度计算 - 计算不规则张量填充空行操作的梯度。 在反向传播过程中，用于计算损失函数关于不规则张量填充空行操作的梯度，以更新相关参数。
125 random_index_shuffle(…) 随机索引打乱 Outputs the position of in a permutation of [0, …, max_index].value 输出 value 在 [0, ..., max_index] 的一个排列中的位置。 可用于生成随机排列，并确定某个值在该排列中的位置，常用于数据打乱和随机采样的场景。例如在训练神经网络时随机打乱数据集的顺序。
126 range(…) 范围生成 Creates a sequence of numbers. 创建一个数字序列。 类似于 Python 的 range 函数，用于生成一个指定范围的数字序列，可用于循环索引或生成特定规律的数据。比如在创建等差数列时使用。
127 rank(…) 张量秩计算 Returns the rank of a tensor. 返回一个张量的秩。 张量的秩表示其维度的数量，该函数可帮助用户了解张量的维度信息，在进行张量操作和形状检查时非常有用。例如在验证输入数据的维度是否符合模型要求时使用。
128 realdiv(…) 实数除法 Returns x / y element-wise for real types. 对实数类型的张量逐元素进行 x / y 操作。 对两个实数类型的张量进行逐元素的除法运算，返回商的张量。常用于需要进行实数除法的数学计算中。
129 recompute_grad(…) 重新计算梯度 Defines a function as a recompute-checkpoint for the tape auto-diff. 将一个函数定义为磁带自动微分的重新计算检查点。 在自动微分过程中，为了节省内存，可以使用此函数标记某些函数，在反向传播时重新计算这些函数的值，而不是保存中间结果。适用于内存受限的情况，如处理大规模数据时。
130 reduce_all(…) 全量逻辑与归约 Computes tf.math.logical_and of elements across dimensions of a tensor. 对张量的各维度元素进行 tf.math.logical_and 归约操作。 沿着指定维度对张量元素进行逻辑与运算，最终得到一个标量或低维张量，常用于判断所有元素是否都满足某个条件。例如检查一个布尔张量中的所有元素是否都为 True。
131 reduce_any(…) 存在逻辑或归约 Computes tf.math.logical_or of elements across dimensions of a tensor. 对张量的各维度元素进行 tf.math.logical_or 归约操作。 沿着指定维度对张量元素进行逻辑或运算，最终得到一个标量或低维张量，用于判断是否存在元素满足某个条件。例如检查一个布尔张量中是否有元素为 True。
132 reduce_logsumexp(…) 对数求和指数归约 Computes log(sum(exp(elements across dimensions of a tensor))). 计算张量各维度元素的 exp 求和后的对数。 在数值计算中，直接计算 log(sum(exp(x))) 可能会出现数值溢出问题，该函数使用更稳定的算法进行计算，常用于概率计算和统计模型中。
133 reduce_max(…) 最大值归约 Computes tf.math.maximum of elements across dimensions of a tensor. 对张量的各维度元素进行 tf.math.maximum 归约操作。 沿着指定维度找出张量元素中的最大值，可用于找出一组数据中的最大值，如在图像识别中找出特征图中的最大激活值。
134 reduce_mean(…) 均值归约 Computes the mean of elements across dimensions of a tensor. 计算张量各维度元素的均值。 沿着指定维度计算张量元素的平均值，常用于统计分析和模型评估中。例如计算一批样本的平均损失。
135 reduce_min(…) 最小值归约 Computes the tf.math.minimum of elements across dimensions of a tensor. 对张量的各维度元素进行 tf.math.minimum 归约操作。 沿着指定维度找出张量元素中的最小值，可用于找出一组数据中的最小值，如在优化问题中找出最小的损失值。
136 reduce_prod(…) 乘积归约 Computes tf.math.multiply of elements across dimensions of a tensor. 对张量的各维度元素进行 tf.math.multiply 归约操作。 沿着指定维度对张量元素进行乘法运算，最终得到一个标量或低维张量，可用于计算元素的累积乘积。
137 reduce_sum(…) 求和归约 Computes the sum of elements across dimensions of a tensor. 计算张量各维度元素的总和。 沿着指定维度对张量元素进行求和操作，常用于计算总量或累积和。例如计算一批样本的总损失。
138 register_tensor_conversion_function(…) 注册张量转换函数 Registers a function for converting objects of to .base_typeTensor 注册一个用于将 base_type 对象转换为 Tensor 的函数。 当需要将自定义类型的对象转换为 TensorFlow 张量时，可以使用此函数注册转换函数，方便在 TensorFlow 中使用自定义数据类型。
139 repeat(…) 元素重复 Repeat elements of .input 重复输入张量的元素。 可以按照指定的规则重复输入张量的元素，用于扩展数据或生成特定模式的数据。例如将一个向量的元素重复多次以生成更长的向量。
140 required_space_to_batch_paddings(…) 空间到批量填充计算 Calculate padding required to make block_shape divide input_shape. 计算使 block_shape 能整除 input_shape 所需的填充量。 在进行空间到批量的转换操作前，确定需要对输入张量进行多少填充，以满足特定的块形状要求，常用于图像处理和卷积操作中。
141 reshape(…) 张量重塑 Reshapes a tensor. 重塑一个张量的形状。 改变张量的维度和大小，同时保持元素数量不变。在数据处理和模型构建中经常使用，例如将图像数据从一维向量重塑为二维矩阵。
142 reverse(…) 维度反转 Reverses specific dimensions of a tensor. 反转张量的特定维度。 可以将张量在指定维度上的元素顺序颠倒，用于数据的翻转操作，如在图像处理中水平或垂直翻转图像。
143 reverse_sequence(…) 可变长度序列反转 Reverses variable length slices. 反转可变长度的切片。 对于包含可变长度序列的张量，该函数可以反转每个序列的元素顺序，常用于处理变长数据，如自然语言处理中的句子序列。
144 rfftnd(…) N 维实快速傅里叶变换 ND fast real Fourier transform. N 维实快速傅里叶变换。 对实值信号进行 N 维快速傅里叶变换，将时域信号转换为频域信号，在信号处理和图像处理中用于分析信号的频率成分。
145 roll(…) 元素滚动 Rolls the elements of a tensor along an axis. 沿着指定轴滚动张量的元素。 将张量的元素在指定轴上循环移动，可用于数据的循环移位操作，例如将图像的行或列进行循环移动。
146 round(…) 四舍五入 Rounds the values of a tensor to the nearest integer, element-wise. 逐元素将张量的值四舍五入到最接近的整数。 对张量中的每个元素进行四舍五入操作，常用于需要整数结果的场景，如将浮点数的预测结果转换为整数标签。
147 saturate_cast(…) 饱和类型转换 Performs a safe saturating cast of to .valuedtype 对 value 进行安全的饱和类型转换到 dtype。 在进行类型转换时，确保转换后的值不会超出目标类型的范围，避免溢出问题。例如将一个较大的整数转换为较小范围的整数类型时使用。
148 scalar_mul(…) 标量乘法 Multiplies a scalar times a or object.TensorIndexedSlices 将一个标量与 Tensor 或 IndexedSlices 对象相乘。 将一个标量值与张量或索引切片对象的每个元素相乘，实现标量缩放操作，常用于调整张量的大小或权重。
149 scan(…) 扫描操作 scan on the list of tensors unpacked from on dimension 0. (deprecated argument values)elems 对从 elems 沿第 0 维解包得到的张量列表进行扫描操作。（部分参数已弃用） 对张量列表进行累积计算，类似于 foldl 或 foldr，但会保留中间结果。不过部分参数已不再推荐使用，在处理序列数据的累积计算时可使用。
150 scatter_nd(…) 多维散列操作 Scatters into a tensor of shape according to .updatesshapeindices 根据 indices 将 updates 散列到形状为 shape 的张量中。 将更新值根据索引位置插入到指定形状的张量中，常用于构建稀疏张量或更新特定位置的值。例如在构建词嵌入矩阵时更新特定词的嵌入向量。
151 searchsorted(…) 搜索排序位置 Searches for where a value would go in a sorted sequence. 搜索一个值在排序序列中的插入位置。 在一个已排序的序列中查找一个值应该插入的位置，可用于二分查找和排序算法中，也可用于确定数据的分组位置。
152 sequence_mask(…) 序列掩码生成 Returns a mask tensor representing the first N positions of each cell. 返回一个掩码张量，表示每个单元的前 N 个位置。 根据指定的长度生成一个布尔掩码张量，用于标记序列中的有效位置，常用于处理变长序列，如在循环神经网络中掩码填充部分。
153 shape(…) 张量形状获取 Returns a tensor containing the shape of the input tensor. 返回一个包含输入张量形状的张量。 获取输入张量的形状信息，以张量的形式返回，方便在计算图中使用形状信息进行后续操作，如重塑或索引。
154 shape_n(…) 多个张量形状获取 Returns shape of a list of tensors. 返回一个张量列表的形状。 一次性获取多个张量的形状信息，可用于批量处理和检查多个张量的形状是否符合要求。
155 sigmoid(…) Sigmoid 函数 Computes sigmoid of element-wise.x 逐元素计算 x 的 Sigmoid 值。 Sigmoid 函数将输入值映射到 (0, 1) 区间，常用于神经网络的激活函数，将线性输出转换为概率值，也用于二分类问题中的输出层。
156 sign(…) 符号函数 Returns an element-wise indication of the sign of a number. 逐元素返回一个数的符号指示。 对于张量中的每个元素，返回其符号（正、负或零），常用于数值计算和梯度处理中，如符号梯度下降算法。
157 sin(…) 正弦函数 Computes sine of x element-wise. 逐元素计算 x 的正弦值。 对张量中的每个元素求正弦值，在三角函数计算、信号处理和几何问题中经常使用。
158 sinh(…) 双曲正弦函数 Computes hyperbolic sine of x element-wise. 逐元素计算 x 的双曲正弦值。 在一些数学模型和物理问题中会用到双曲正弦函数，该函数对张量的每个元素进行此计算。
159 size(…) 张量大小计算 Returns the size of a tensor. 返回一个张量的大小（元素总数）。 计算张量中元素的总数，可用于了解数据的规模和内存占用情况，也可用于数据验证和统计分析。
160 slice(…) 张量切片 Extracts a slice from a tensor. 从一个张量中提取一个切片。 根据指定的起始和结束位置从张量中提取部分元素，类似于 Python 列表的切片操作，可用于数据的选择和提取。
161 sort(…) 张量排序 Sorts a tensor. 对一个张量进行排序。 对张量的元素进行排序，可按升序或降序排列，常用于数据的排序和筛选，如找出前 k 大的元素。
162 space_to_batch(…) 空间到批量转换 SpaceToBatch for N-D tensors of type T. 对类型为 T 的 N 维张量进行空间到批量的转换。 将输入张量的空间维度信息重新分配到批量维度，常用于卷积神经网络中，可增加批量大小以提高计算效率。
163 space_to_batch_nd(…) N 维空间到批量转换 SpaceToBatch for N-D tensors of type T. 对类型为 T 的 N 维张量进行空间到批量的转换。 与 space_to_batch 类似，但支持更灵活的 N 维操作，可处理不同维度的张量，在复杂的图像处理和卷积操作中使用。
164 split(…) 张量分割 Splits a tensor into a list of sub tensors.value 将一个张量分割成一个子张量列表。 根据指定的规则将一个张量分割成多个子张量，可按维度或数量进行分割，常用于数据的分组和并行处理。
165 sqrt(…) 平方根函数 Computes element-wise square root of the input tensor. 逐元素计算输入张量的平方根。 对张量中的每个元素求平方根，在数学计算和归一化操作中经常使用。
166 square(…) 平方函数 Computes square of x element-wise. 逐元素计算 x 的平方。 对张量中的每个元素求平方，可用于计算误差的平方、特征的平方等，在损失函数和特征工程中常用。
167 squeeze(…) 维度压缩 Removes dimensions of size 1 from the shape of a tensor. 从张量的形状中移除大小为 1 的维度。 去除张量中大小为 1 的维度，使张量的形状更简洁，便于后续处理和计算，例如将 (1, 10) 的张量压缩为 (10,)。
168 stack(…) 张量堆叠 Stacks a list of rank- tensors into one rank- tensor.R(R+1) 将一组秩为 R 的张量堆叠成一个秩为 R + 1 的张量。 将多个相同形状的张量在新的维度上进行堆叠，形成一个更高维度的张量，常用于批量处理和数据组合。
169 stop_gradient(…) 停止梯度传播 Stops gradient computation. 停止梯度计算。 在反向传播过程中，阻止梯度通过该操作，可用于固定某些参数或部分网络，避免其参与训练。例如在迁移学习中冻结预训练模型的部分层。
170 strided_slice(…) 跨步切片 Extracts a strided slice of a tensor (generalized Python array indexing). 提取一个张量的跨步切片（广义的 Python 数组索引）。 可以更灵活地从张量中提取切片，支持跨步操作，类似于 Python 数组的高级索引方式，可用于复杂的数据提取和筛选。
171 subtract(…) 减法函数 Returns x - y element-wise. 逐元素返回 x - y 的结果。 对两个张量的对应元素进行减法运算，是基本的数学运算函数，在模型中常用于计算差值和梯度。
172 switch_case(…) 开关 - 案例操作 Create a switch/case operation, i.e. 创建一个开关 - 案例操作。 根据不同的条件选择执行不同的操作，类似于编程语言中的 switch - case 语句，用于实现复杂的逻辑控制，在模型中可根据不同的输入情况选择不同的处理流程。
173 tan(…) 正切函数 Computes tan of x element-wise. 逐元素计算 x 的正切值。 对张量中的每个元素求正切值，在三角函数计算、信号处理和几何问题中经常使用。
174 tanh(…) 双曲正切函数 Computes hyperbolic tangent of element-wise.x 逐元素计算 x 的双曲正切值。 双曲正切函数将输入值映射到 (-1, 1) 区间，常用于神经网络的激活函数，与 Sigmoid 函数类似，但输出范围更广，可缓解梯度消失问题。
175 tensor_scatter_nd_add(…) 多维张量稀疏加法 Adds sparse to an existing tensor according to .updatesindices 根据 indices 将稀疏的 updates
176 tensor_scatter_nd_max(…) 多维张量稀疏最大值更新 Apply a sparse update to a tensor taking the element-wise maximum. 对一个张量进行稀疏更新，逐元素取最大值。 根据给定的索引和更新值，将更新值与原张量中对应位置的元素逐元素比较，取最大值更新原张量。在处理稀疏数据且需要更新最大值时很有用，例如在更新模型参数时，仅对部分位置的参数取最大值更新。
177 tensor_scatter_nd_min(…) 多维张量稀疏最小值更新 - 对一个张量进行稀疏更新，逐元素取最小值。 根据给定的索引和更新值，将更新值与原张量中对应位置的元素逐元素比较，取最小值更新原张量。适用于需要更新最小值的场景，如在优化问题中更新某些参数的下限。
178 tensor_scatter_nd_sub(…) 多维张量稀疏减法 Subtracts sparse from an existing tensor according to .updatesindices 根据 indices 从一个现有张量中减去稀疏的 updates。 按照指定的索引，从原张量中对应位置的元素减去更新值，实现稀疏减法操作。常用于对张量的部分元素进行减法更新，例如在更新模型梯度时对部分参数进行减法操作。
179 tensor_scatter_nd_update(…) 多维张量稀疏更新 Scatter into an existing tensor according to .updatesindices 根据 indices 将 updates 散布到一个现有张量中。 依据给定的索引，将更新值替换原张量中对应位置的元素，实现对张量的稀疏更新。可用于更新模型参数、填充稀疏矩阵等场景。
180 tensordot(…) 张量点积与外积 Tensor contraction of a and b along specified axes and outer product. 沿着指定轴对 a 和 b 进行张量收缩和外积运算。 根据指定的轴，对两个张量进行点积和外积操作，实现复杂的张量运算。可以看作是矩阵乘法在多维张量上的推广，常用于深度学习中的特征组合和变换。
181 tile(…) 张量平铺 Constructs a tensor by tiling a given tensor. 通过平铺一个给定的张量来构造一个新的张量。 将输入张量在各个维度上进行重复平铺，生成一个更大的张量。可用于扩展数据、复制特征等场景，例如在图像数据增强中重复图像块。
182 timestamp(…) 时间戳获取 Provides the time since epoch in seconds. 提供从纪元开始到现在的时间（以秒为单位）。 返回当前的时间戳，可用于记录事件发生的时间、测量程序运行时间等。在日志记录、性能分析等方面有应用。
183 transpose(…) 张量转置 Transposes , where is a Tensor.aa 对张量 a 进行转置操作。 交换张量的维度顺序，常用于矩阵转置和多维张量的维度调整。在深度学习中，常用于调整输入数据的形状以满足模型的输入要求。
184 truediv(…) 真除法 Divides x / y elementwise (using Python 3 division operator semantics). 逐元素进行 x / y 除法（使用 Python 3 除法运算符语义）。 对两个张量的对应元素进行除法运算，结果保留小数部分，符合 Python 3 的除法规则。在需要精确除法结果的场景中使用。
185 truncatediv(…) 截断除法 Returns x / y element-wise, rounded towards zero. 逐元素返回 x / y 的结果，向零取整。 对两个张量的对应元素进行除法运算，并将结果向零取整，舍去小数部分。常用于需要整数结果的除法场景，如计算索引位置。
186 truncatemod(…) 截断取模 Returns element-wise remainder of division. 逐元素返回除法的余数。 对两个张量的对应元素进行除法运算，返回余数。在循环索引、周期性数据处理等场景中有用。
187 tuple(…) 张量分组 Groups tensors together. 将多个张量组合在一起。 将多个张量打包成一个元组，方便在函数中同时返回多个张量或在操作中同时处理多个张量。
188 type_spec_from_value(…) 从值获取类型规格 Returns a tf.TypeSpec that represents the given .value 返回一个表示给定 value 的 tf.TypeSpec。 根据输入的值生成对应的类型规格对象，用于描述张量的类型和形状信息。在 TensorFlow 的类型系统中，有助于进行类型检查和推理。
189 unique(…) 一维张量去重 Finds unique elements in a 1-D tensor. 找出一维张量中的唯一元素。 对一维张量进行去重操作，返回一个包含唯一元素的新张量。常用于数据清洗、特征选择等场景，去除重复的数据。
190 unique_with_counts(…) 一维张量去重并计数 Finds unique elements in a 1-D tensor. 找出一维张量中的唯一元素，并返回每个唯一元素的计数。 除了找出一维张量中的唯一元素外，还统计每个唯一元素在原张量中出现的次数。可用于数据分析和统计，了解数据的分布情况。
191 unravel_index(…) 一维索引转多维坐标 Converts an array of flat indices into a tuple of coordinate arrays. 将一维的扁平索引数组转换为多维坐标数组的元组。 在多维数组中，将一维的索引转换为对应的多维坐标，方便进行多维数组的索引和访问。例如在图像处理中，将一维的像素索引转换为二维的图像坐标。
192 unstack(…) 张量解堆叠 Unpacks the given dimension of a rank- tensor into rank- tensors.R(R-1) 将一个秩为 R 的张量在指定维度上解堆叠成秩为 R - 1 的张量。 与 stack 操作相反，将一个高维张量在指定维度上拆分成多个低维张量。常用于将批量数据拆分成单个样本或处理多维序列数据。
193 variable_creator_scope(…) 变量创建作用域 Scope which defines a variable creation function to be used by variable(). 定义一个变量创建函数的作用域，供 variable() 使用。 在该作用域内可以自定义变量的创建方式，例如指定变量的初始化方法、存储设备等。在需要对变量创建进行统一管理和定制时使用。
194 vectorized_map(…) 向量映射 Parallel map on the list of tensors unpacked from on dimension 0.elems 对从 elems 沿第 0 维解包得到的张量列表进行并行映射操作。 对张量列表中的每个元素并行应用指定的函数，提高计算效率。适用于处理大规模数据的并行计算场景，如批量数据的预处理。
195 where(…) 条件索引或多路选择 Returns the indices of non-zero elements, or multiplexes and .xy 返回非零元素的索引，或者根据条件对 x 和 y 进行多路选择。 当只有一个输入时，返回输入张量中非零元素的索引；当有三个输入（条件、x、y）时，根据条件从 x 和 y 中选择元素。常用于条件筛选和数据选择操作。
196 while_loop(…) 循环操作 Repeat while the condition is true. (deprecated argument values)bodycond 当条件 cond 为真时，重复执行 body。（部分参数已弃用） 实现循环控制结构，只要条件满足就不断执行指定的操作。可用于迭代计算、递归算法等场景，但部分参数已不再推荐使用。
197 zeros(…) 全零张量创建 Creates a tensor with all elements set to zero. 创建一个所有元素都设置为零的张量。 用于初始化一个指定形状的全零张量，常用于初始化模型的权重矩阵、偏置项等。
198 zeros_like(…) 类似全零张量创建 Creates a tensor with all elements set to zero. 创建一个与输入张量形状相同且所有元素都为零的张量。 根据输入张量的形状创建一个全零张量，方便在需要与输入张量形状一致的零张量时使用，如初始化梯度张量。

网站公告

今日签到

点亮在社区的每一天
去签到

热门文章

最新发布