TensorFlow层(contrib)
2019-01-31 18:10 更新
包含用于构建神经网络层,正则化,摘要等的操作。
建立神经网络层的高级操作
此包提供了一些操作,它们负责在内部创建以一致方式使用的变量,并为许多常见的机器学习算法提供构建块。
- tf.contrib.layers.avg_pool2d
- tf.contrib.layers.batch_norm
- tf.contrib.layers.convolution2d
- tf.contrib.layers.conv2d_in_plane
- tf.contrib.layers.convolution2d_in_plane
- tf.nn.conv2d_transpose
- tf.contrib.layers.convolution2d_transpose
- tf.nn.dropout
- tf.contrib.layers.flatten
- tf.contrib.layers.fully_connected
- tf.contrib.layers.layer_norm
- tf.contrib.layers.linear
- tf.contrib.layers.max_pool2d
- tf.contrib.layers.one_hot_encoding
- tf.nn.relu
- tf.nn.relu6
- tf.contrib.layers.repeat
- tf.contrib.layers.safe_embedding_lookup_sparse
- tf.nn.separable_conv2d
- tf.contrib.layers.separable_convolution2d
- tf.nn.softmax
- tf.stack
- tf.contrib.layers.unit_norm
- tf.contrib.layers.embed_sequence
设置默认激活功能的 fully_connected 的别名可用:relu,relu6 和 linear.
stack 操作也可用,它通过重复应用层来构建一叠层。
正则化
正则化可以帮助防止过度配合。这些都有签名 fn(权重)。损失通常被添加到 tf.GraphKeys.REGULARIZATION_LOSSES。
- tf.contrib.layers.apply_regularization
- tf.contrib.layers.l1_regularizer
- tf.contrib.layers.l2_regularizer
- tf.contrib.layers.sum_regularizer
初始化
用于初始化具有明确值的变量,给出其大小,数据类型和目的。
- tf.contrib.layers.xavier_initializer
- tf.contrib.layers.xavier_initializer_conv2d
- tf.contrib.layers.variance_scaling_initializer
优化
由于损失而优化权重。
- tf.contrib.layers.optimize_loss
摘要
帮助函数来汇总特定变量或操作。
- tf.contrib.layers.summarize_activation
- tf.contrib.layers.summarize_tensor
- tf.contrib.layers.summarize_tensors
- tf.contrib.layers.summarize_collection
层模块定义方便的函数 summarize_variables,summarize_weights 和 summarize_biases,分别将 summarize_collection 集合参数设置为变量、权重和偏差。
- tf.contrib.layers.summarize_activations
功能列
功能列提供了将数据映射到模型的机制。
- tf.contrib.layers.bucketized_column
- tf.contrib.layers.check_feature_columns
- tf.contrib.layers.create_feature_spec_for_parsing
- tf.contrib.layers.crossed_column
- tf.contrib.layers.embedding_column
- tf.contrib.layers.scattered_embedding_column
- tf.contrib.layers.input_from_feature_columns
- tf.contrib.layers.joint_weighted_sum_from_feature_columns
- tf.contrib.layers.make_place_holder_tensors_for_base_features
- tf.contrib.layers.multi_class_target
- tf.contrib.layers.one_hot_column
- tf.contrib.layers.parse_feature_columns_from_examples
- tf.contrib.layers.parse_feature_columns_from_sequence_examples
- tf.contrib.layers.real_valued_column
- tf.contrib.layers.shared_embedding_columns
- tf.contrib.layers.sparse_column_with_hash_bucket
- tf.contrib.layers.sparse_column_with_integerized_feature
- tf.contrib.layers.sparse_column_with_keys
- tf.contrib.layers.weighted_sparse_column
- tf.contrib.layers.weighted_sum_from_feature_columns
- tf.contrib.layers.infer_real_valued_columns
- tf.contrib.layers.sequence_input_from_feature_columns