TensorFlow 函数介绍
模块 tf
在 tensorflow/__init__.py 中定义
模块
app 模块：通用入口点脚本.
compat 模块：Python 2与3兼容性的功能.
contrib 模块：含有volatile或实验代码的contrib模块.
errors module：TensorFlow错误的异常类型.
estimator 模块：估算器：使用模型的高级工具.
feature_column 模块：FeatureColumns：用于摄取和表示功能的工具.
flags 模块：实现标志接口.
gfile module：导入file_io的路由器.
graph_util 模块：帮助者操纵python中的张量图.
image 模块：图像处理和解码操作.
layers 模块：该库提供了一组高级神经网络层.
logging 模块：记录实用程序.
losses 模块：用于神经网络的丢失操作.
metrics 模块：评估相关指标.
nn 模块：神经网络支持.
python_io 模块：用于直接操作TFRecord格式文件的Python函数.
pywrap_tensorflow module：使用RTLD_GLOBAL导出所有符号的pywrap_tensorflow包装器.
resource_loader 模块：资源管理库.
saved_model 模块：方便的功能来保存模型.
sets 模块：Tensorflow设置操作.
spectral 模块：光谱运算符(例如FFT,RFFT).
summary 模块：用于导出关于模型的信息的Tensor摘要.
sysconfig 模块：系统配置库.
test 模块：测试.
tools 模
train 模块：支持培训模式.
user_ops 模块：所有用户操作.
类
class AggregationMethod：用于组合梯度的类列表聚合方法.
class ConditionalAccumulator：用于聚合渐变的条件累加器.
class ConditionalAccumulatorBase：用于聚合渐变的条件累加器.
class DType：表示a中元素的类型Tensor.
class DeviceSpec：表示TensorFlow设备的(可能部分的)规范.
class Dimension：表示TensorShape中一维的值.
class FIFOQueue：以先进先出的顺序对元素进行排队的队列实现.
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要素解析为a的配置Tensor.
class FixedLengthRecordReader：从文件输出固定长度记录的读卡器.
class Graph：TensorFlow计算,表示为数据流图.
class GraphKeys：用于图形集合的标准名称.
class IdentityReader：将排队工作输出为键和值的读卡器.
class IndexedSlices：给定索引的一组张量片的稀疏表示.
class InteractiveSession：Session用于交互式上下文的TensorFlow ,如shell.
class OpError：TensorFlow执行失败时引发的一般错误.
class Operation：表示对张量进行计算的图形节点.
class PaddingFIFOQueue：一个FIFOQueue,通过填充支持批量可变大小的张量.
class PriorityQueue：以优先顺序排列元素的队列实现.
class QueueBase：队列实现的基类.
class RandomShuffleQueue：以随机顺序对元素进行排队的队列实现.
class ReaderBase：不同阅读器类型的基类,每一步产生一个记录.
class RegisterGradient：用于注册op类型的渐变函数的装饰器.
class Session：运行TensorFlow操作的类.
class SparseConditionalAccumulator：用于聚合稀疏梯度的条件累加器.
class SparseFeature：用于解析稀疏输入要素的配置Example.
class SparseTensor：表示稀疏张量.
class SparseTensorValue：SparseTensorValue(indices,values,dense_shape)
class TFRecordReader：从TFRecords文件输出记录的读卡器.
class Tensor：代表其中一个输出Operation.
class TensorArray：类包装动态大小,每个时间步长,一次写入张量阵列.
class TensorShape：表示a的形状Tensor.
class TextLineReader：输出由换行符分隔的文件行的读卡器.
class VarLenFeature：用于解析可变长度输入功能的配置.
class VariableScope：变量范围对象进行默认提供get_variable.
class WholeFileReader：将文件的全部内容作为值输出的读取器.
class constant_initializer：初始化器生成具有常量值的张量.
class ones_initializer：初始化器生成初始化为1的张量.
class orthogonal_initializer：生成正交矩阵的初始化器.
class random_normal_initializer：生成具有正态分布的张量的初始化器.
class random_uniform_initializer：生成具有均匀分布的张量的初始化器.
class truncated_normal_initializer：生成截断的正态分布的初始化器.
class uniform_unit_scaling_initializer：初始化器生成不缩放方差的张量.
class zeros_initializer：初始化器生成初始化为0的张量.
功能
Assert(...)：确定给定条件为真.
NoGradient(...)：指定类型的操作op_type是不可区分的.
NotDifferentiable(...)：指定类型的操作op_type是不可区分的.
Print(...)：打印张量列表.
abs(...)：计算张量的绝对值.
accumulate_n(...)：返回张量列表的元素方法和.
acos(...)：计算x元素的acos.
add(...)：返回x + y元素.
add_check_numerics_ops(...)：连接check_numerics到每个浮点张量.
add_n(...)：以元素方式添加所有输入张量.
add_to_collection(...)：Graph.add_to_collection()使用默认图形的包装器.
all_variables(...)：见tf.global_variables.(废弃)
arg_max(...)：返回在张量的尺寸上具有最大值的索引.
arg_min(...)：返回在张量的尺寸上具有最小值的索引.
argmax(...)：返回在张量轴上具有最大值的索引.
argmin(...)：返回张量的轴的最小值的索引.
as_dtype(...)：将给定值转换type_value为a DType.
as_string(...)：将给定张量中的每个条目转换为字符串.支持很多数字
asin(...)：以元素为单位进行计算.
assert_equal(...)：断言条件x == y保持元素.
assert_greater(...)：断言条件x > y保持元素.
assert_greater_equal(...)：断言条件x >= y保持元素.
assert_integer(...)：断言x是整数dtype.
assert_less(...)：断言条件x < y保持元素.
assert_less_equal(...)：断言条件x <= y保持元素.
assert_negative(...)：断言条件x < 0保持元素.
assert_non_negative(...)：断言条件x >= 0保持元素.
assert_non_positive(...)：断言条件x <= 0保持元素.
assert_none_equal(...)：x != y为所有元素断言条件成立.
assert_positive(...)：断言条件x > 0保持元素.
assert_proper_iterable(...)静态声明值是“适当的”可迭代的.
assert_rank(...)：Assert x有等级rank.
assert_rank_at_least(...)：Assert x具有等于rank或等于等于或等于
assert_same_float_dtype(...)：根据tensors和验证并返回浮点型dtype.
assert_type(...)：静态断言给定的Tensor是指定的类型.
assert_variables_initialized(...)：返回Op以检查变量是否被初始化.
assign(...)：通过为其分配“值”来更新'ref'.
assign_add(...)：通过向其添加“值”来更新'ref'.
assign_sub(...)：通过从它减去“值”来更新'ref'.
atan(...)：计算x元素的atan.
atan2(...)：计算y/x元素的反正切,尊重参数的符号.
batch_to_space(...)：BatchToSpace用于T型的4-D张量
batch_to_space_nd(...)：TatchToSpace用于ND的ND张量
betainc(...)：计算正则化的不完全β积分\(I_x(a,b)).
bincount(...)：计算整数数组中每个值的出现次数.
bitcast(...)：将张量从一种类型缩放到另一种类型,而不复制数据.
boolean_mask(...)：将布尔蒙版应用于张量.鼻子的等价物是tensor[mask].
broadcast_dynamic_shape(...)：返回shape_x和之间广播的动态形状shape_y.
broadcast_static_shape(...)：返回shape_x和之间广播的静态形状shape_y.
case(...)：创建一个案例操作.
cast(...)：将张量投射到新的类型.
ceil(...)：返回不小于x的元素最小整数.
check_numerics(...)：检查NaN和Inf值的张量.
cholesky(...)：计算一个或多个方阵的Cholesky分解.
cholesky_solve(...)：求解线性方程组A X = RHS,给出Cholesky因式分解.
clip_by_average_norm(...)：将张量值剪切到最大平均L2范数.
clip_by_global_norm(...)：通过他们的规范的总和的比例来剪切多张张量的值.
clip_by_norm(...)：将张量值剪辑为最大L2范数.
clip_by_value(...)：将张量值剪切到指定的最小值和最大值.
complex(...)：将两个实数转换为复数.
concat(...)：沿一维连接张量.
cond(...)：true_fn()如果谓词pred为true 则返回else false_fn().(弃用参数)
confusion_matrix(...)：从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.
convert_to_tensor(...)：将给定值转换value为a Tensor.
convert_to_tensor_or_indexed_slices(...)：将给定对象转换为a 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.
count_nonzero(...)：计算张量的尺寸上的非零元素数.
count_up_to(...)：增加'ref',直到达到'limit'.
create_partitioned_variables(...)：根据给定创建分区变量列表slicing.
cross(...)：计算成对交叉产品.
cumprod(...)：计算张量的累积产x一起axis.
cumsum(...)：计算张量的累积和x一起axis.
decode_base64(...)：解码web-safe base64编码的字符串.
decode_csv(...)：将CSV记录转换为张量.每列映射到一个张量.
decode_json_example(...)：将JSON编码的示例记录转换为二进制协议缓冲区字符串.
decode_raw(...)：将字符串的字节重新解释为数字向量.
delete_session_tensor(...)：删除给定张量句柄的张量.
depth_to_space(...)：DepthToSpace for T型张量
dequantize(...)：将“输入”张量反量化为浮动张量.
deserialize_many_sparse(...)：SparseTensors从串行化的小型服务器反序列化和串接.
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,Lgamma的导数(绝对值的对数
div(...)：分割x / y元素(使用Python 2除法运算符语义).
divide(...)：计算的Python的风格划分x的y.
dynamic_partition(...)：分区data为num_partitions使用指数从张量partitions.
dynamic_stitch(...)：将data张量的值交织成单张张量.
edit_distance(...)：计算序列间的Levenshtein距离.
einsum(...)：任意维度张量的广义收缩.
encode_base64(...)：将字符串编码为网络安全的base64格式.
equal(...)：返回(x == y)元素的真值.
erf(...)：计算x元素的高斯误差函数.
erfc(...)：计算x元素互补误差函数.
exp(...)：以元素为单位计算指数.\(y = e ^ x \).
expand_dims(...)：将1的尺寸插入张量的形状.
expm1(...)：以元素为单位计算指数.
extract_image_patches(...)：提取patches从images,并把他们在“深度”输出尺寸.
eye(...)：构造一个单位矩阵,或一批矩阵.
fake_quant_with_min_max_args(...)：假定量化“输入”张量,将浮点型输入到相同类型的“输出”张量.
fake_quant_with_min_max_args_gradient(...)：计算FakeQuantWithMinMaxArgs操作的渐变.
fake_quant_with_min_max_vars(...)：通过全局浮点数量量化float类型的“输入”张量 min
fake_quant_with_min_max_vars_gradient(...)：计算FakeQuantWithMinMaxVars操作的渐变.
fake_quant_with_min_max_vars_per_channel(...)：假量化类型浮体的“输入”张量和形状中的一个：[d],
fake_quant_with_min_max_vars_per_channel_gradient(...)：计算FakeQuantWithMinMaxVarsPerChannel操作的渐变.
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(...)：创建一个填充了标量值的张量.
fixed_size_partitioner(...)：分区器指定沿给定轴的固定数量的分片.
floor(...)：返回不大于x的元素最大整数.
floor_div(...)：返回x // y元素.
floordiv(...)：将x / y元素分割,向最负数整数舍入.
floormod(...)：返回除数的元素维数.当x < 0xor y < 0是
foldl(...)：折叠在从elems0上解开的张量列表.
foldr(...)：elems在维度0上解压缩的张量列表中的foldr .
gather(...)从params根据indices.
gather_nd(...)：从收集的值或片params根据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变量.
get_seed(...)：返回一个操作应该使用的本地种子给定一个op特定的种子.
get_session_handle(...)：返回句柄data.
get_session_tensor(...)：dtype通过馈送张量手柄来获取类型的张量.
get_variable(...)：使用这些参数获取现有变量或创建一个新变量.
get_variable_scope(...)：返回当前的变量范围.
global_norm(...)：计算多张张量的全局范数.
global_variables(...)：返回全局变量.
global_variables_initializer(...)：返回初始化全局变量的Op.
gradients(...)：构造yswrt x 的和的符号偏导数xs.
greater(...)：以元素方式返回(x> y)的真值.
greater_equal(...)：以元素方式返回(x> = y)的真值.
group(...)：创建一个组合多个操作的操作.
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.
identity(...)：返回与输入张量或值相同的形状和内容的张量.
ifft(...)：快速傅里叶逆变换.
ifft2d(...)：反向二维快速傅里叶变换.
ifft3d(...)：反3D快速傅里叶变换.
igamma(...)：计算较低的正则化不完全伽玛函数Q(a, x).
igammac(...)：计算上限正则化不完全伽玛函数Q(a, x).
imag(...)：返回复数的虚部.
import_graph_def(...)：将图形graph_def导入当前默认值Graph.
initialize_all_tables(...)：返回初始化默认图表的所有表的Op.(废弃)
initialize_all_variables(...)：见tf.global_variables_initializer.(废弃)
initialize_local_variables(...)：见tf.local_variables_initializer.(废弃)
initialize_variables(...)：见tf.variables_initializer.(废弃)
invert_permutation(...)：计算张量的逆排列.
is_finite(...)：返回x的元素是有限的.
is_inf(...)：返回x的元素是Inf.
is_nan(...)：返回x的元素是NaN.
is_non_decreasing(...)：返回True是否x为递减.
is_strictly_increasing(...)：返回True是否x严格增加.
is_variable_initialized(...)：测试变量是否被初始化.
lbeta(...)：计算\(ln(| Beta(x)|)\),沿着最后一个维度减少.
less(...)：以元素为单位返回(x <y)的真值.
less_equal(...)：以元素为单位返回(x <= y)的真值.
lgamma(...)：计算Gamma(x)元素绝对值的日志.
lin_space(...)：在一个间隔内生成值.
linspace(...)：在一个间隔内生成值.
load_file_system_library(...)：加载一个包含文件系统实现的TensorFlow插件.
load_op_library(...)：加载一个包含自定义操作和内核的TensorFlow插件.
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(...)：计算(1 + x)元素的自然对数.
log_sigmoid(...)：计算单元格的日志Sigmoid x.
logical_and(...)：以元素方式返回x AND y的真值.
logical_not(...)：返回NOT元素的真值.
logical_or(...)：以元素方式返回x OR y的真值.
logical_xor(...)：x ^ y =(x | y)＆〜(x＆y).
make_ndarray(...)：从张量创建一个numpy ndarray.
make_template(...)给定一个任意函数,包装它,使它进行变量共享.
make_tensor_proto(...)：创建一个TensorProto.
map_fn(...)：从elems维度0上解压缩的张量列表中的地图.
matching_files(...)：返回与一个或多个glob模式匹配的文件集.
matmul(...)：乘矩阵a矩阵b,产生a* b.
matrix_band_part(...)：复制一张张量,将每个最内层矩阵中的所有内容设置在中心频带之外
matrix_determinant(...)：计算一个方块矩阵的行列式.
matrix_diag(...)：返回具有给定批量对角线值的批次对角张量.
matrix_diag_part(...)：返回分批张量的批量对角线部分.
matrix_inverse(...)：计算一个或多个平方可逆矩阵或它们的倒数
matrix_set_diag(...)：返回具有新批批对角线值的批次矩阵张量.
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_transpose(...)：转移张量的最后两维a.
matrix_triangular_solve(...)：用上或下三角矩阵求解线性方程组
maximum(...)：返回x和y的最大值(即x> y？x：y).
meshgrid(...)：广播ND网格评估参数.
min_max_variable_partitioner(...)分区器分配每个切片的最小大小.
minimum(...)：返回x和y的最小值(即x <y？x：y).
mod(...)：返回除数的元素维数.当x < 0xor y < 0是
model_variables(...)：返回MODEL_VARIABLES集合中的所有变量.
moving_average_variables(...)：返回维持移动平均线的所有变量.
multinomial(...)：从多项分布中抽取样本.
multiply(...)：以元素为单位返回x * y.
name_scope(...)：返回定义Python操作时使用的上下文管理器.
negative(...)：以元素为单位计算数字负值.
no_op(...)： 什么也没做.仅用作控制边的占位符.
no_regularizer(...)：使用此函数来防止变量的正则化.
norm(...)：计算向量,矩阵和张量的范数.
not_equal(...)：以元素方式返回(x！= y)的真值.
one_hot(...)：返回一个热张量.
ones(...)：创建一个所有元素设置为1的张量.
ones_like(...)：创建一个所有元素设置为1的张量.
op_scope(...)：DEPRECATED.与上面的name_scope相同,只是不同的参数顺序.
pad(...)：贴一张张量
parallel_stack(...)：将等级R张数列表(R+1)并列成一个等级.
parse_example(...)解析Example成一张dict张量.
parse_single_example(...)解析一个单一的Example原型.
parse_single_sequence_example(...)解析一个单一的SequenceExample原型.
parse_tensor(...)：将序列化的张量流转换成Tensor.
placeholder(...)：插入一个总是喂食的张量的占位符.
placeholder_with_default(...)：input当输出不输入时通过的占位符op .
polygamma(...)：计算多项式函数\(\ psi ^ {(n)}(x)\).
pow(...)：计算一个值到另一个值的权力.
py_func(...)：包装一个python函数,并将其用作TensorFlow操作.
qr(...)：计算一个或多个矩阵的QR分解.
quantize_v2(...)：将类型“float”的“输入”张量量化为'T'类型的'输出'张量.
quantized_concat(...)：沿一维连接量化张量.
random_crop(...)：随机地将张量缩小到给定尺寸.
random_gamma(...)：shape从每个给定的伽玛分布中抽取样本.
random_normal(...)：从正态分布输出随机值.
random_poisson(...)：shape从给定泊松分布中抽取样本.
random_shuffle(...)：沿其第一维随机洗牌一张张量.
random_uniform(...)：从均匀分布输出随机值.
range(...)：创建一个数字序列.
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(...)：返回复数的实部.
realdiv(...)：为实际类型返回x / y元素.
reciprocal(...)：计算x元素的倒数.
reduce_all(...)：计算张量的维数中元素的“逻辑”和“逻辑”.
reduce_any(...)：计算张量的尺寸上的元素的“逻辑”或“逻辑”.
reduce_join(...)：在给定的维度上加入一个字符串张量.
reduce_logsumexp(...)：计算log(sum(exp(元素横跨尺度的元素))).
reduce_max(...)：计算张量的尺寸的最大值.
reduce_mean(...)：计算张量的尺寸的元素平均值.
reduce_min(...)：计算张量的尺寸的最小值.
reduce_prod(...)：计算张量的尺寸的元素乘积.
reduce_sum(...)：计算张量的尺寸的元素总和.
register_tensor_conversion_function(...)：注册转换的对象的功能base_type来Tensor.
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除以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(...)重塑一张张量.
reverse(...)：反转张量的具体尺寸.
reverse_sequence(...)：反转可变长度切片.
reverse_v2(...)：反转张量的具体尺寸.
rint(...)：返回最接近x的元素整数.
round(...)：将元素的值逐个舍入到最接近的整数.
rsqrt(...)：计算x元素平方根的倒数.
saturate_cast(...)：执行的安全饱和投value来dtype.
scalar_mul(...)：将标量乘以一个Tensor或一个IndexedSlices对象.
scan(...)：扫描从elems维度0 解压缩的张量列表.
scatter_add(...)：将稀疏更新添加到变量引用.
scatter_div(...)：通过稀疏更新来划分变量引用.
scatter_mul(...)：将稀疏更新乘以变量引用.
scatter_nd(...)：分散updates成一个新的(最初的零)张量indices.
scatter_nd_add(...)：应用稀疏加法updates和单个值或切片之间
scatter_nd_sub(...)：在updates各个值或片之间应用稀疏减法
scatter_nd_update(...)：将稀疏应用于updates给定的单个值或切片
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.
segment_max(...)：计算张量的最大值.
segment_mean(...)：计算张量段的平均值.
segment_min(...)：计算张量段的最小值.
segment_prod(...)：沿张量段划分产品.
segment_sum(...)：计算张量的线段的总和.
self_adjoint_eig(...)：计算一批自伴随矩阵的特征分解.
self_adjoint_eigvals(...)：计算一个或多个自伴随矩阵的特征值.
sequence_mask(...)：返回表示每行前N个位置的掩码张量.
serialize_many_sparse(...)：将一个N-minibatch 序列SparseTensor化成一个[N, 3]字符串Tensor.
serialize_sparse(...)：将序列SparseTensor化为字符串3向量(1-D Tensor)对象.
set_random_seed(...)：设置图级随机种子.
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(...)：计算x元素的sigmoid .
sign(...)：返回数字符号的元素指示.
sin(...)：计算x元素的sin.
size(...)：返回张量的大小.
slice(...)：从张量提取切片.
space_to_batch(...)：用于T型的4-D张量的SpaceToBatch
space_to_batch_nd(...)：用于T型ND的张量的SpaceToBatch
space_to_depth(...)：对于T型张量的SpaceToDepth
sparse_add(...)：添加两个张量,其中至少有一个是a SparseTensor.
sparse_concat(...)：连接SparseTensor指定维度的列表.
sparse_fill_empty_rows(...)：SparseTensor使用默认值在输入2-D中填充空行.
sparse_mask(...)：面具元素IndexedSlices.
sparse_matmul(...)：用矩阵“b”乘以矩阵“a”.
sparse_maximum(...)：返回两个SparseTensors的元素最大值.
sparse_merge(...)：将一批功能ID和值合并为一个SparseTensor.
sparse_minimum(...)：返回两个SparseTensors的元素最小值.
sparse_placeholder(...)：插入一个将始终供给的稀疏张量的占位符.
sparse_reduce_sum(...)：计算SparseTensor的尺寸上的元素总和.
sparse_reduce_sum_sparse(...)：计算SparseTensor的尺寸上的元素总和.
sparse_reorder(...)：将a SparseTensor重新排列成规范的行排序.
sparse_reset_shape(...)：重新设置SparseTensor索引和值不变的形状.
sparse_reshape(...)：重塑一个SparseTensor新的密集形状的值.
sparse_retain(...)：保留a中指定的非空值SparseTensor.
sparse_segment_mean(...)：计算张量稀疏段的平均值.
sparse_segment_sqrt_n(...)：计算张量的稀疏段除以N的sqrt之和.
sparse_segment_sum(...)：计算张量稀疏片段的总和.
sparse_softmax(...)：将softmax应用于批量ND SparseTensor.
sparse_split(...)：分割SparseTensor成num_split张量axis.
sparse_tensor_dense_matmul(...)：乘以稀疏传感器(等级2)“A”由密集矩阵“B”.
sparse_tensor_to_dense(...)：将A SparseTensor转换为密集张量.
sparse_to_dense(...)：将稀疏表示转换为密集张量.
sparse_to_indicator(...)：将SparseTensorids转换为密集的布尔指标张量.
sparse_transpose(...)：转移a SparseTensor
split(...)：将张量分解成子张量.
sqrt(...)：计算x元素的平方根.
square(...)：计算x元素的平方.
squared_difference(...)：返回(x - y)(x - y)元素.
squeeze(...)：从张量的形状去除尺寸1的尺寸.
stack(...)：将等级R张数列入一个等级(R+1).
stop_gradient(...)：停止梯度计算.
strided_slice(...)：提取张量片(广义python数组索引).
string_join(...)：将给定的弦张量列表中的字符串连接成一个张量;
string_split(...)：劈裂元素source根据delimiter成SparseTensor.
string_to_hash_bucket(...)：将输入Tensor中的每个字符串转换为其哈希值多个桶.
string_to_hash_bucket_fast(...)：将输入Tensor中的每个字符串转换为其哈希值多个桶.
string_to_hash_bucket_strong(...)：将输入Tensor中的每个字符串转换为其哈希值多个桶.
string_to_number(...)：将输入Tensor中的每个字符串转换为指定的数字类型.
substr(...)：从Tensor字符串中返回子串.
subtract(...)：返回x-y元素.
svd(...)：计算一个或多个矩阵的奇异值分解.
tables_initializer(...)：返回初始化默认图表的所有表的Op.
tan(...)：计算x元素的tan.
tanh(...)：计算x元素的双曲正切.
tensordot(...)：a和b沿指定轴的张量收缩.
tile(...)：通过平铺给定的张量构造张量.
to_bfloat16(...)：用一个张量来输入bfloat16.
to_double(...)：用一个张量来输入float64.
to_float(...)：用一个张量来输入float32.
to_int32(...)：用一个张量来输入int32.
to_int64(...)：用一个张量来输入int64.
trace(...)：计算张量的轨迹x.
trainable_variables(...)：返回创建的所有变量trainable=True.
transpose(...)：转置a.根据尺寸来确定perm.
truediv(...)：分割x / y元素(使用Python 3除法运算符语义).
truncated_normal(...)：从截断的正态分布输出随机值.
truncatediv(...)：对整数类型返回x / y元素.
truncatemod(...)：返回除数的元素维数.这样就模拟了C语义
tuple(...)：组合张量在一起
unique(...)：在1-D张量中找到独特的元素.
unique_with_counts(...)：在1-D张量中找到独特的元素.
unsorted_segment_max(...)：计算张量段的最大值.
unsorted_segment_sum(...)：计算张量的线段的总和.
unstack(...)：解包一个秩的给定尺寸R张成秩(R-1)张量.
variable_axis_size_partitioner(...)：获取VariableScope的分隔符,以将碎片保留在下面max_shard_bytes.
variable_op_scope(...)：已弃用：用于定义创建变量的操作的上下文管理器.
variable_scope(...)：返回一个用于定义创建变量(层)的op的上下文管理器.
variables_initializer(...)：返回一个初始化变量列表的Op.
verify_tensor_all_finite(...)：断言张量不包含任何NaN或Inf.
where(...)：从x或返回元素y,取决于condition.
while_loop(...)：body条件cond为真时重复.
write_file(...)：将内容写入文件,输入文件名.创建文件(如果不存在).
zeros(...)：创建一个所有元素设置为零的张量.
zeros_like(...)：创建一个所有元素设置为零的张量.
zeta(...)：计算Hurwitz zeta函数\(\ zeta(x,q)\).
其他成员
COMPILER_VERSION
GIT_VERSION
GRAPH_DEF_VERSION
GRAPH_DEF_VERSION_MIN_CONSUMER
GRAPH_DEF_VERSION_MIN_PRODUCER
QUANTIZED_DTYPES
VERSION
__compiler_version__
__git_version__
__version__
bfloat16
bool
complex128
complex64
double
float16
float32
float64
half
int16
int32
int64
int8
newaxis
qint16
qint32
qint8
quint16
quint8
resource
string
uint16
uint8