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