tensorflow python api

training: Optimizer的各种算法 、学习率衰退(learning rate decay)、basic_train_loop、session、checkpoint、处理导数和梯度、队列、分布式执行

ops:绑定的c++ operation

framework:对c++的绑定

client:处理session

Estimator:评估器的抽象,Estimator包装类、输入的队列缓存

models:实现的model

contrib:高层的抽象

layers:层

nn:Neural Network 

contrib细节:

tf.contrib.bayesflow.entropy  香农信息论

tf.contrib.bayesflow.monte_carlo Monte Carlo integration 蒙特卡洛积分

 tf.contrib.bayesflow.stochastic_graph Stochastic Computation Graphs 随机计算图

 tf.contrib.bayesflow.stochastic_tensor 随机张量

 tf.contrib.bayesflow.variational_inference 变分推断

tf.contrib.crf CRF layer 条件随机场(conditional random field)

 tf.contrib.ffmpeg  ffmeg编解码音频

 tf.contrib.framework 参数范围、变量、检查点

 tf.contrib.graph_editor 运行时修改计算图

 tf.contrib.integrate.odeint ode解常微分方程

 tf.contrib.layers   构建层、正则化、初始化、优化、Feature columns(数据与模型之间进行映射)

 tf.contrib.learn    高级学习库

 tf.contrib.linalg   线性代数(矩阵)

tf.contrib.losses 损失函数

tf.contrib.metrics度量标准

tf.contrib.distributions概率分布

tf.contrib.rnn     rnn相关

tf.contrib.seq2seq 基于rnn,实现编解码器

tf.contrib.staging.StagingArea 添加管线

tf.contrib.training  mini batch和组(bucket)

tf.contrib.util 

tf.contrib.nn Sampling 裁剪 信息熵

概括:losses layers training learn rnn seq2seq

相关推荐