Compatibilidad Con Modelos Y Capas Tensorflow - AWS DeepLens Guia

Activación
BatchNorm
Concat
_contrib_MultiBoxDetection
_contrib_MultiBoxPrior
Convolution
Deconvolution
elemwise_add
Flatten
FullyConnected
InputLayer
L2Norm
LRN
(Local Response Normalization)
Pooling
Reshape
ScaleShift
SoftmaxActivation
SoftmaxOutput
transpose
UpSampling
_mul
_Más
Para obtener más información acerca de las capas MXNet, consulte

Compatibilidad con modelos y capas TensorFlow

AWS DeepLens es compatible con los siguientes modelos y capas TensorFlow para el aprendizaje
profundo.
AWS DeepLens Guía para desarrolladores
Modelos y capas TensorFlow
Capas de modelos MXNet admitidas
Aplica una función de activación a la entrada
Aplica normalización por lotes
Une matrices de entrada a lo largo de un eje determinado
Convierte una predicción de detección de multibox
Genera los cuadros anteriores a partir de datos, tamaños y
proporciones
Aplica una capa de convolución en la entrada
Aplica una convolución transpuesta en la entrada
Aplica incorporación de argumentos algebraicos
Colapsa las dimensiones mayores de una entrada en una matriz
bidimensional
Aplica una transformación lineal de Y = WX + b en la entrada X
Especifica la entrada a una red neuronal
Aplica la normalización L2 a la matriz de entrada
Aplica la normalización de respuesta local a la matriz de entrada
Realiza la agrupación en la entrada
Vuelve a dar forma a la matriz de entrada con una vista diferente sin
cambiar los datos
Aplica operaciones de escala y de cambio en elementos de entrada
Aplica activación Softmax a la entrada
Calcula el gradiente de pérdida de entropía cruzada con respecto a
salida Softmax
Permuta las dimensiones de una matriz
Realiza el upsampling bilineal o vecino más próximo a la entrada
Realiza la multiplicación
Realiza una suma algebraica de las matrices de entrada con
radiodifusión
50
MXNet Gluon Neural Network Layers.