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