"تي اف إل&39; اللهجة

لهجة TensorFlow Lite.

ترتبط هذه اللهجة بعمليات TensorFlow Lite.

الثوابت:

• جميع القيم من نوع Tensor (على وجه الخصوص، يتم تمثيل الكميات باستخدام الموترات ذات البعد الصفري)؛

العمليات

tfl.abs (TFL::AbsOp)

عامل القيمة المطلقة

بالنظر إلى الموتر x ، تُرجع هذه العملية موترًا يحتوي على القيمة المطلقة لكل عنصر في x . على سبيل المثال، إذا كان x عنصر إدخال وy عنصر إخراج، فستتم عملية الحساب هذه \(y = |x|\).

السمات: AlwaysSpeculatableImplTrait ، QuantizableResult ، SameOperandsAndResultShape

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.add (TFL::AddOp)

عامل الإضافة

عملية إضافة العناصر الحكيمة.

السمات: ::mlir::OpTrait::TFLRuntimeOpTrait ، AlwaysSpeculatableImplTrait ، Commutative ، QuantizableResult ، ResultsBroadcastableShape

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflArithmeticCountOpInterface ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المعاملات:

نتائج:

tfl.add_n (TFL::AddNOp)

_إضافة ن المشغل

يضيف كل عناصر موتر الإدخال.

السمات: AlwaysSpeculatableImplTrait ، Commutative

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflArithmeticCountOpInterface ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.arg_max (TFL::ArgMaxOp)

عامل ارج ماكس

إرجاع الفهرس بأكبر قيمة عبر أبعاد الموتر.

السمات: AlwaysSpeculatableImplTrait ، QuantizableResult

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المعاملات:

نتائج:

tfl.arg_min (TFL::ArgMinOp)

مشغل ArgMin

تُرجع الفهرس بأصغر قيمة عبر أبعاد الموتر. أ = [1، 10، 26.9، 2.8، 166.32، 62.3] ب = tf.math.argmin(input = a) c = tf.keras.backend.eval(b)

السمات: AlwaysSpeculatableImplTrait ، QuantizableResult

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المعاملات:

نتائج:

tfl.assign_variable (TFL::AssignVariableOp)

يعين قيمة جديدة لمتغير.

أي ReadVariableOp مع تبعية تحكم على هذه العملية مضمونة لإرجاع هذه القيمة أو قيمة أحدث لاحقة للمتغير.

الواجهات: TflRuntimeVerifyOpInterface

المعاملات:

tfl.atan2 (TFL::Atan2Op)

عملية أتان2

تحسب العملية "atan2" ظل الزاوية لعنصر y/x، مع مراعاة علامات الوسائط.

السمات: AlwaysSpeculatableImplTrait ، SameOperandsAndResultElementType ، SameOperandsAndResultShape

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.average_pool_2d (TFL::AveragePool2DOp)

_Average_pool مشغل ثنائي الأبعاد

ينفذ عملية التجميع المتوسط ​​على الإدخال.

السمات: AlwaysSpeculatableImplTrait ، QuantizableResult

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflArithmeticCountOpInterface ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المعاملات:

نتائج:

tfl.basic_lstm (TFL::BasicLSTMOp)

عامل lstm الأساسي

مشغل خلية LSTM الأساسي.

السمات: AlwaysSpeculatableImplTrait ، QuantizableResult

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المعاملات:

نتائج:

tfl.batch_matmul (TFL::BatchMatMulOp)

عامل تشغيل مصفوفة الدُفعات

ينفذ عملية ضرب المصفوفة المجمعة على المدخلات. يتبع اصطلاحات TensorFlow BatchMatMulV2، مع دعم الأبعاد غير المعروفة في أبعاد الدفعة والبث.

Inputs:
  `inputs[0]`: required: input LHS
  `inputs[1]`: required: input RHS
  `adjoint_lhs`: optional: Transpose LHS (default false)
  `adjoint_rhs`: optional: Transpose RHS (default false)

السمات: ::mlir::OpTrait::TFLRuntimeOpTrait ، AlwaysSpeculatableImplTrait ، QuantizableResult

الواجهات: ConditionallySpeculatable ، DynamicRangeQuantizedOpInterface ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المعاملات:

نتائج:

tfl.batch_to_space_nd (TFL::BatchToSpaceNdOp)

مشغل BatchToSpaceNd

تعمل هذه العملية على إعادة تشكيل البعد "الدُفعي" 0 إلى أبعاد فضائية.

السمات: AlwaysSpeculatableImplTrait ، QuantizableResult

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.bidirectional_sequence_lstm (TFL::BidirectionalSequenceLSTMOp)

مشغل LSTM للتسلسل ثنائي الاتجاه

lstm ثنائي الاتجاه هو في الأساس نظامان، أحدهما يسير للأمام والآخر يعمل للخلف. والإخراج هو تسلسل الملفين.

السمات: QuantizableResult

الواجهات: DynamicRangeQuantizedOpInterface ، TFL_StatefulOp ، TflRuntimeVerifyOpInterface

صفات:

المعاملات:

نتائج:

tfl.bitcast (TFL::BitcastOp)

مشغل البث الثنائي

Bitcasts موتر من نوع إلى آخر.

السمات: AlwaysSpeculatableImplTrait

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.bitwise_xor (TFL::BitwiseXorOp)

مشغل Bitwise Xor

يحسب Elementwise XOR للبت لـ lhs و rhs .

السمات: AlwaysSpeculatableImplTrait ، Commutative ، ResultsBroadcastableShape ، SameOperandsAndResultElementType

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.broadcast_args (TFL::BroadcastArgsOp)

إرجاع شكل s0 op s1 مع البث.

بالنظر إلى s0 و s1 ، فإن الموترات التي تمثل الأشكال، تحسب r0 ، الشكل الذي تم بثه. s0 و s1 و r0 كلها متجهات أعداد صحيحة.

السمات: AlwaysSpeculatableImplTrait

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.broadcast_to (TFL::BroadcastToOp)

بث مصفوفة للحصول على شكل متوافق.

البث هو عملية جعل المصفوفات تحتوي على أشكال متوافقة للعمليات الحسابية. يكون الشكلان متوافقين إذا كانا متساويين لكل زوج من الأبعاد أو كان أحدهما واحدًا. عند محاولة بث Tensor إلى شكل ما، فإنه يبدأ بالأبعاد الزائدة، ويشق طريقه للأمام.

على سبيل المثال،

x = tf.constant([1, 2, 3]) y = tf.broadcast_to(x, [3, 3]) print(y) tf.Tensor( [[1 2 3] [1 2 3] [1 2 3]]، الشكل=(3، 3)، dtype=int32)

في المثال أعلاه، يتم بث موتر الإدخال بالشكل [1, 3] إلى موتر الإخراج بالشكل [3, 3] .

عند إجراء عمليات البث مثل ضرب الموتر في العددية، يمنح البث (عادةً) بعض الفوائد الزمانية أو المكانية، حيث أن الموتر الذي يتم بثه لا يتحقق أبدًا.

ومع ذلك، broadcast_to لا يحمل معه أي فوائد من هذا القبيل. يأخذ الموتر الذي تم إنشاؤه حديثًا الذاكرة الكاملة للشكل الذي يتم بثه. (في سياق الرسم البياني، قد يتم دمج broadcast_to في عملية لاحقة ثم يتم تحسينها بعد ذلك.)

السمات: AlwaysSpeculatableImplTrait ، QuantizableResult

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.bucketize (TFL::BucketizeOp)

يقوم بتجميع "المدخلات" بناءً على "الحدود".

مثال:

إذا كانت المدخلات هي boundaries = [0, 10, 100] input = [[-5, 10000][150, 10][5, 100]] ، فسيكون الإخراج output = [[0, 3][3, 2][1, 3]] .

السمات: AlwaysSpeculatableImplTrait SameOperandsAndResultShape

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المعاملات:

نتائج:

tfl.call_once (TFL::CallOnceOp)

يستدعي وظيفة التهيئة

تستدعي هذه العملية وظيفة التهيئة المحددة لمهيئ الجلسة بلغة النموذج المحفوظ tf.

الواجهات: TflRuntimeVerifyOpInterface

صفات:

tfl.cast (TFL::CastOp)

مشغل الزهر

يلقي المدخلات من نوع الإدخال إلى نوع الإخراج.

السمات: AlwaysSpeculatableImplTrait SameOperandsAndResultShape

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.ceil (TFL::CeilOp)

مشغل السقف

تُرجع قيمة السقف حسب العناصر للإدخال.

السمات: AlwaysSpeculatableImplTrait ، InferTensorType ، TF::SameOperandsAndResultTypeResolveRef

الواجهات: ConditionallySpeculatable ، InferShapedTypeOpInterface ، InferTypeOpInterface ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.complex_abs (TFL::ComplexAbsOp)

يحسب القيمة المطلقة المعقدة للموتر.

بالنظر إلى موتر x من الأعداد المركبة، تُرجع هذه العملية موترًا من النوع float أو double وهو القيمة المطلقة لكل عنصر في x . جميع العناصر في x يجب أن تكون أرقامًا مركبة من النموذج \(a + bj\). يتم حساب القيمة المطلقة كما \( \sqrt{a^2 + b^2}\).

السمات: AlwaysSpeculatableImplTrait SameOperandsAndResultShape

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.concatenation (TFL::ConcatenationOp)

عامل التسلسل

يسلسل الموترات على طول بعد واحد

السمات: AlwaysSpeculatableImplTrait ، QuantizableResult

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المعاملات:

نتائج:

tfl.control_node (TFL::ControlNodeOp)

تقوم عملية TFL.control_node بتغليف عمليات الكتلة الواحدة من أجل ربط حواف التحكم.

يُستخدم هذا لتغليف المناطق وإرفاق تبعيات التحكم بها. عادةً، سيحدث هذا في إحدى الخطوات الأخيرة قبل إصدار نموذج المخزن المؤقت المسطح من أجل تمكين التحسينات التي تعتمد على ترتيب ثابت للعمليات (مثل إعادة التجسيد). سيقوم مُصدر المخزن المؤقت المسطح بإلغاء تغليف المنطقة الملتفة وإضافة تعليقات توضيحية إلى النموذج الذي تم إنشاؤه باستخدام البيانات التعريفية بحيث تحترم أي عمليات إعادة ترتيب في وقت التشغيل الترتيب الذي تقدمه تبعيات التحكم.

السمات: HasParent<mlir::func::FuncOp> ، RecursiveMemoryEffects ، SingleBlockImplicitTerminator<YieldOp> ، SingleBlock

المعاملات:

نتائج:

tfl.conv_2d (TFL::Conv2DOp)

عامل الالتفاف

ينفذ عملية الالتفاف على المدخلات.

المدخلات: inputs[0] : مطلوب: inputs[1] : مطلوب: inputs[2] : اختياري: موتر التحيز

السمات: AlwaysSpeculatableImplTrait , QuantizableResult , quant::AccumulatorUniformScale<2, 0, 1> , quant::AffineOpCoefficient<0, 1>

الواجهات: AffineQuantizedOpInterface ، ConditionallySpeculatable ، DynamicRangeQuantizedOpInterface ، InferTypeOpInterface ، NoMemoryEffect (MemoryEffectOpInterface) ، TFL_SparseOp ، TflArithmeticCountOpInterface ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المعاملات:

نتائج:

tfl.conv_3d (TFL::Conv3DOp)

عامل الالتواء ثلاثي الأبعاد

ينفذ عملية الالتفاف على المدخلات ثلاثية الأبعاد. المدخلات: inputs[0] : مطلوب: inputs[1] : مطلوب: inputs[2] : اختياري: موتر التحيز

السمات: AlwaysSpeculatableImplTrait ، quant::AccumulatorUniformScale<2, 0, 1>

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المعاملات:

نتائج:

tfl.conv_3d_transpose (TFL::Conv3DTransposeOp)

مشغل الالتواء المنقول ثلاثي الأبعاد

ينفذ عملية الالتواء المنقولة على المدخلات ثلاثية الأبعاد. المدخلات: inputs[0] : مطلوب: شكل inputs[1] : مطلوب: inputs[2] : مطلوب: inputs[3] : اختياري: موتر التحيز

السمات: AlwaysSpeculatableImplTrait ، quant::AccumulatorUniformScale<2, 0, 1>

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المعاملات:

نتائج:

tfl.cos (TFL::CosOp)

عامل جيب التمام

يحسب عنصر جيب التمام للمدخلات

السمات: AlwaysSpeculatableImplTrait ، InferTensorType ، TF::SameOperandsAndResultTypeResolveRef

الواجهات: ConditionallySpeculatable ، InferShapedTypeOpInterface ، InferTypeOpInterface ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.cumsum (TFL::CumsumOp)

عامل كومسوم

حساب المجموع التراكمي للموتر x على طول المحور.

السمات: AlwaysSpeculatableImplTrait

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المعاملات:

نتائج:

tfl.custom (TFL::CustomOp)

المرجع المخصص

عملية عامة لأي عملية مخصصة لـ TFLite.

الإدخال: قائمة المدخلات في المرجع الأصلي. custom_code: سلسلة تُستخدم لتحديد هذه العملية بالضبط، والتي تتوافق مع رمز عامل التشغيل.custom_code في المخزن المؤقت المسطح. custom_option: حامل لحفظ سمات المرجع بطريقة البايت. الإخراج: قائمة المخرجات في المرجع الأصلي.

الواجهات: TflRuntimeVerifyOpInterface

صفات:

المعاملات:

نتائج:

tfl.custom_tf (TFL::CustomTfOp)

Wrapper Op للعمليات المخصصة لـ TF.

غلاف تشغيلي حول أي عملية TF مخصصة. يتضمن ذلك العمليات المحددة باستخدام custom_opdefs أو المرتبطة التي لم يتم تعريفها بلغة TF. تقوم هذه العملية فقط بتغليف العملية المخصصة داخل المنطقة. ملاحظة رقم 1، لن تتضمن هذه العملية عمليات TF Lite المخصصة المحددة باستخدام CustomOp. ملاحظة رقم 2، هذه العملية هي مجرد تمثيل داخلي داخل المحول ولا يتم عرضها/تصديرها عند تصدير النموذج إلى Flatbuffer.

السمات: IsolatedFromAbove ، RecursiveMemoryEffects ، SingleBlockImplicitTerminator<YieldOp> ، SingleBlock

الواجهات: InferTypeOpInterface ، TflRuntimeVerifyOpInterface

المعاملات:

نتائج:

tfl.densify (TFL::DensifyOp)

تكثيف المشغل

يحول الموتر المتناثر إلى تنسيق كثيف.

السمات: AlwaysSpeculatableImplTrait

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.depth_to_space (TFL::DepthToSpaceOp)

مشغل DepthToSpace

إعادة ترتيب البيانات من العمق إلى كتل من البيانات المكانية. هذا هو التحول العكسي لـ SpaceToDepth. وبشكل أكثر تحديدًا، تقوم هذه العملية بإخراج نسخة من موتر الإدخال حيث يتم نقل القيم من بُعد depth في كتل مكانية إلى أبعاد height width . يشير block_size attr إلى حجم كتلة الإدخال وكيفية نقل البيانات.

السمات: AlwaysSpeculatableImplTrait ، QuantizableResult

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المعاملات:

نتائج:

tfl.depthwise_conv_2d (TFL::DepthwiseConv2DOp)

مشغل الالتواء القابل للفصل بعمق

ينفذ عملية الالتفاف على المدخلات.

المدخلات: inputs[0] : مطلوب: inputs[1] : مطلوب: inputs[2] : اختياري: موتر التحيز

السمات: AlwaysSpeculatableImplTrait , QuantizableResult , quant::AccumulatorUniformScale<2, 0, 1> , quant::AffineOpCoefficient<3, 1>

الواجهات: AffineQuantizedOpInterface ، ConditionallySpeculatable ، DynamicRangeQuantizedOpInterface ، NoMemoryEffect (MemoryEffectOpInterface) ، TFL_SparseOp ، TflArithmeticCountOpInterface ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المعاملات:

نتائج:

tfl.dequantize (TFL::DequantizeOp)

عامل نزع الكمية

تحويل المصفوفة الكمية من الأعداد الصحيحة إلى نقاط عائمة وفقًا لمعلمات التكميم.

الواجهات: NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.dilate (TFL::DilateOp)

عامل التمدد

يوسع الموتر عن طريق إضافة عناصر جديدة بين العناصر الموجودة. السمات: AlwaysSpeculatableImplTrait

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.div (TFL::DivOp)

عامل القسم

عملية تقسيم العناصر الحكيمة.

السمات: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , ResultsBroadcastableShape

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflArithmeticCountOpInterface ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المعاملات:

نتائج:

tfl.dynamic_update_slice (TFL::DynamicUpdateSliceOp)

شريحة التحديث الديناميكي.

DynamicUpdateSlice op لها نفس الدلالات مع XLA DynamicUpdateSlice. يُنشئ نتيجة تمثل قيمة معامل صفيف الإدخال، مع الكتابة فوق تحديث الشريحة في start_indices.

راجع https://www.tensorflow.org/xla/operation_semantics#dynamicupdateslice

السمات: AlwaysSpeculatableImplTrait

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.elu (tfl :: eluop)

مشغل الوحدة الخطية الأسية

يحسب الخطي الأسي (x) -> exp (x) -1 لـ x <0 ، x لـ x> = 0. العنصر.

السمات: AlwaysSpeculatableImplTrait ، SameOperandsAndResultShape

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.embedding_lookup (tfl :: inmbdinglookupop)

تضمين مشغل البحث

تبحث عن معرفات في قائمة التنسور التضمين.

السمات: AlwaysSpeculatableImplTrait ، QuantizableResult

واجهات: AffineQuantizedOpInterface ، ConditionallySpeculatable ، DynamicRangeQuantizedOpInterface ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.equal (tfl :: equalop)

مشغل مساوٍ

إرجاع عنصر الحقيقة من x == y العنصر الحكيم

السمات: ::mlir::OpTrait::TFLRuntimeOpTrait ، AlwaysSpeculatableImplTrait ، Commutative ، QuantizableResult ، ResultsBroadcastableShape

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.exp (tfl :: expop)

مشغل الأساس الطبيعي

يقوم بعملية إنشاء الأسعار الطبيعية عن العناصر على الإدخال.

السمات: AlwaysSpeculatableImplTrait ، QuantizableResult

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.expand_dims (tfl :: expeddimsop)

إدراج بعد 1 في شكل الموتر.

بالنظر إلى input الموتر ، تقوم هذه العملية بإدراج بعد 1 في axis مؤشر الأبعاد في شكل input . يبدأ axis مؤشر الأبعاد عند الصفر ؛ إذا قمت بتحديد رقم سالب axis فسيتم حسابه للخلف من النهاية.

تكون هذه العملية مفيدة إذا كنت ترغب في إضافة بعد دفع إلى عنصر واحد. على سبيل المثال ، إذا كان لديك صورة واحدة من الشكل [height, width, channels] ، يمكنك جعلها مجموعة من صورة واحدة مع expand_dims(image, 0) ، والتي ستجعل الشكل [1, height, width, channels] .

أمثلة أخرى:

# 't' is a tensor of shape [2]
shape(expand_dims(t, 0)) ==> [1, 2]
shape(expand_dims(t, 1)) ==> [2, 1]
shape(expand_dims(t, -1)) ==> [2, 1]

# 't2' is a tensor of shape [2, 3, 5]
shape(expand_dims(t2, 0)) ==> [1, 2, 3, 5]
shape(expand_dims(t2, 2)) ==> [2, 3, 1, 5]
shape(expand_dims(t2, 3)) ==> [2, 3, 5, 1]

هذه العملية تتطلب ذلك:

-1-input.dims() <= dim <= input.dims()

ترتبط هذه العملية بالضغط squeeze() ، الذي يزيل أبعاد الحجم 1.

السمات: AlwaysSpeculatableImplTrait ، QuantizableResult

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.external_const (tfl :: externalconstop)

خارجي const op.

يحمل Const Op الخارجي buffer_index الذي يشير إلى ثابت في flatbuffer.

السمات: AlwaysSpeculatableImplTrait ، QuantizableResult

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

نتائج:

tfl.fake_quant (tfl :: fakequantop)

مشغل مزيف

قم بتوزيع موتر "المدخلات" من النوع العائم عبر عوامل التعويم و MAX إلى "المخرجات" من نفس الشكل مثل المدخلات.

السمات: AlwaysSpeculatableImplTrait ، QuantizableResult

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المعاملات:

نتائج:

tfl.fill (tfl :: fillop)

ملء الموتر مع قيمة معينة.

ملء الموتر مع قيمة معينة.

السمات: AlwaysSpeculatableImplTrait ، QuantizableResult

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.floor (tfl :: floorop)

مشغل الأرضية

إرجاع قيمة الأرضية الحكيمة للمدخلات.

السمات: AlwaysSpeculatableImplTrait ، InferTensorType ، TF::SameOperandsAndResultTypeResolveRef

واجهات: ConditionallySpeculatable ، InferShapedTypeOpInterface ، InferTypeOpInterface ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.floor_div (tfl :: floordivop)

مشغل DIV Floor

العنصر الحكيمة.

السمات: ::mlir::OpTrait::TFLRuntimeOpTrait ، AlwaysSpeculatableImplTrait ، ResultsBroadcastableShape

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.floor_mod (tfl :: floormodop)

تذكير التقسيم

عملية تذكير القسم الحكيم.

السمات: ::mlir::OpTrait::TFLRuntimeOpTrait ، AlwaysSpeculatableImplTrait ، ResultsBroadcastableShape

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.fully_connected (tfl :: connectionop)

OP متصل بالكامل

السمات: AlwaysSpeculatableImplTrait ، QuantizableResult ، quant::AccumulatorUniformScale<2, 0, 1> ، quant::AffineOpCoefficient<0, 1>

واجهات: AffineQuantizedOpInterface ، ConditionallySpeculatable ، DynamicRangeQuantizedOpInterface ، NoMemoryEffect (MemoryEffectOpInterface) TflRuntimeVerifyOpInterface TFL_SparseOp ، TflArithmeticCountOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المعاملات:

نتائج:

tfl.gather (tfl :: contherop)

جمع المشغل

جمع الشرائح من axis محور params وفقا indices .

السمات: AlwaysSpeculatableImplTrait ، QuantizableResult

واجهات: ConditionallySpeculatable ، DynamicRangeQuantizedOpInterface ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المعاملات:

نتائج:

tfl.gather_nd (tfl :: gatherndop)

_ Gather ND Operator

جمع شرائح من params إلى موتر مع الشكل المحدد بواسطة indices .

السمات: AlwaysSpeculatableImplTrait ، QuantizableResult

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.gelu (tfl :: geluop)

وظيفة تنشيط جيلو.

يحسب عنصر تنشيط Gelu العنصر.

السمات: AlwaysSpeculatableImplTrait ، QuantizableResult ، SameOperandsAndResultShape

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المعاملات:

نتائج:

tfl.greater (TFL :: Greatop)

عامل أكبر

عنصر أكبر من العناصر.

السمات: ::mlir::OpTrait::TFLRuntimeOpTrait ، AlwaysSpeculatableImplTrait ، QuantizableResult ، ResultsBroadcastableShape

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.greater_equal (tfl :: greatequalop)

_ المشغل المساواة

العنصر الحكيم Greater_equal العملية.

السمات: ::mlir::OpTrait::TFLRuntimeOpTrait ، AlwaysSpeculatableImplTrait ، QuantizableResult ، ResultsBroadcastableShape

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.hard_swish (tfl :: hardswishop)

وظيفة التنشيط الصلبة.

يحسب وظيفة التنشيط الصلب F (x)-> (x * relu6 (x+3))/6 element-wise.

السمات: AlwaysSpeculatableImplTrait ، QuantizableResult ، SameOperandsAndResultShape

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.hashtable (tfl :: hashtableop)

يخلق جدول التجزئة غير المخلوطة.

يقوم هذا OP بإنشاء جدول التجزئة ، ويحدد نوع مفاتيحه وقيمه. قبل استخدام الجدول ، سيتعين عليك تهيئته. بعد التهيئة ، سيكون الجدول غير قابل للتغيير.

واجهات: TflRuntimeVerifyOpInterface

صفات:

نتائج:

tfl.hashtable_find (tfl :: hashtablefindop)

تبحث عن مفاتيح في الجدول ، ويخرج القيم المقابلة.

يجب أن تكون keys الموتر من نفس النوع مثل مفاتيح الجدول. values الإخراج هي من نوع قيم الجدول.

العددية default_value هي إخراج القيمة للمفاتيح غير موجودة في الجدول. يجب أن يكون أيضًا من نفس النوع مثل قيم الجدول.

واجهات: TflRuntimeVerifyOpInterface

المعاملات:

نتائج:

tfl.hashtable_import (tfl :: hashtableimportop)

يحل محل محتويات الجدول بالمفاتيح والقيم المحددة.

يجب أن تكون keys الموتر من نفس النوع مثل مفاتيح الجدول. يجب أن تكون values الموتر من نوع قيم الجدول.

واجهات: TflRuntimeVerifyOpInterface

المعاملات:

tfl.hashtable_size (tfl :: hashtablesizeop)

يحسب عدد العناصر في الجدول المحدد.

واجهات: TflRuntimeVerifyOpInterface

المعاملات:

نتائج:

tfl.if (tfl :: ifop)

إذا كانت عملية إيليس

تمثل عملية tfl.if بنية IF-THEN-ELSE لتنفيذ منطقتين من الكود بشكل مشروط. المعامل إلى IF العملية هي قيمة منطقية. على سبيل المثال:

tfl.if %b  {
  ...
} else {
  ...
}

tfl.if قد ترجع أيضًا نتائج محددة في مناطقها. يتم تحديد القيم المحددة التي يتم اتخاذ مسار التنفيذ.

مثال:

%x, %y = tfl.if %b -> (tensor<f32>, tensor<f32>) {
  %x_true = ...
  %y_true = ...
  tfl.yield %x_true, %y_true : tensor<f32>, tensor<f32>
} else {
  %x_false = ...
  %y_false = ...
  tfl.yield %x_false, %y_false : tensor<f32>, tensor<f32>
}

يتم إنهاء مناطق tfl.if دائمًا مع "tfl.yield". إذا لم يحدد "tfl.if" أي قيم ، فيمكن استبعاد "tfl.yield" ، وسيتم إدراجها ضمنيًا. خلاف ذلك ، يجب أن تكون صريحة. أيضًا ، إذا حدد "tfl.if" قيمًا واحدة أو أكثر ، فلا يمكن حذف كتلة "else".

مثال:

tfl.if %b  {
  ...
}

السمات: NoRegionArguments ، RecursiveMemoryEffects ، SingleBlockImplicitTerminator<YieldOp> ، SingleBlock

واجهات: RegionBranchOpInterface ، TflRuntimeVerifyOpInterface

المعاملات:

نتائج:

tfl.imag (tfl :: formop)

إرجاع الجزء الخيالي من الرقم المعقد.

بالنظر إلى input الموتر من الأرقام المعقدة ، تُرجع هذه العملية float من النوع الذي يعتبر الجزء الخيالي من كل عنصر في input . يجب أن تكون جميع العناصر في input أرقامًا معقدة للنموذج \(a + bj\)، حيث A هو الجزء الحقيقي و B هو الجزء الخيالي الذي تم إرجاعه بواسطة هذه العملية.

السمات: AlwaysSpeculatableImplTrait ، SameOperandsAndResultShape

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.l2_normalization (tfl :: l2normalizationop)

L2 مشغل تطبيع

L2Normalization OP

السمات: AlwaysSpeculatableImplTrait ، QuantizableResult

واجهات: ConditionallySpeculatable TflRuntimeVerifyOpInterface FixedOutputRangeInterface ، NoMemoryEffect (MemoryEffectOpInterface) ، TflArithmeticCountOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المعاملات:

نتائج:

tfl.leaky_relu (tfl :: leakyreluop)

مشغل REAKY RELU

Element -wise Leaky Relu Operator X -> x> = 0؟ س: (ألفا * x)

السمات: AlwaysSpeculatableImplTrait ، QuantizableResult ، SameOperandsAndResultShape

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المعاملات:

نتائج:

tfl.less (tfl :: lessop)

أقل مشغل

عنصر أقل من العناصر.

السمات: ::mlir::OpTrait::TFLRuntimeOpTrait ، AlwaysSpeculatableImplTrait ، QuantizableResult ، ResultsBroadcastableShape

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.less_equal (tfl :: lessequalop)

_U.Less Equale Operator

عنصر element less_equal.

السمات: ::mlir::OpTrait::TFLRuntimeOpTrait ، AlwaysSpeculatableImplTrait ، QuantizableResult ، ResultsBroadcastableShape

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.local_response_normalization (tfl :: localresponsenormizationop)

تطبيع الاستجابة المحلية.

يتم التعامل مع موتر input 4-D كصفيف ثلاثي الأبعاد من ناقلات 1-D (على طول البعد الأخير) ، ويتم تطبيع كل متجه بشكل مستقل. ضمن متجه معين ، يتم تقسيم كل مكون على مجموع المدخلات المرجحة ومربعة داخل depth_radius . بالتفصيل،

sqr_sum[a, b, c, d] =
    sum(input[a, b, c, d - depth_radius : d + depth_radius + 1] ** 2)
output = input / (bias + alpha * sqr_sum) ** beta

للحصول على التفاصيل ، راجع تصنيف Krizhevsky et al.

السمات: AlwaysSpeculatableImplTrait ، InferTensorType ، TF::SameOperandsAndResultTypeResolveRef

واجهات: ConditionallySpeculatable ، InferShapedTypeOpInterface ، InferTypeOpInterface ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المعاملات:

نتائج:

tfl.log (tfl :: logop)

لوغاريتم الطبيعي

يقوم بعملية لوغاريتمية طبيعية من العناصر على الإدخال.

السمات: AlwaysSpeculatableImplTrait ، QuantizableResult

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.log_softmax (tfl :: logsoftmaxop)

سجل softmax عامل

يحسب تنشيطات Softmax Log element مع الصيغة التالية

الإدخال - السجل (تخفيض _sum (exp (إدخال) ، قاتم))

السمات: AlwaysSpeculatableImplTrait ، QuantizableResult ، SameOperandsAndResultShape

واجهات: ConditionallySpeculatable TflRuntimeVerifyOpInterface FixedOutputRangeInterface ، NoMemoryEffect (MemoryEffectOpInterface) ، TflArithmeticCountOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.logical_and (tfl :: logicalandop)

منطقي ومشغل

العنصر المنطقي والتشغيل.

السمات: AlwaysSpeculatableImplTrait ، ResultsBroadcastableShape

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.logical_not (tfl :: logicalNotop)

المنطقي وليس المشغل

العنصر المنطقي وليس العملية.

السمات: AlwaysSpeculatableImplTrait ، SameOperandsAndResultShape

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.logical_or (tfl :: logicalorop)

منطقي أو عامل

العنصر المنطقي أو العملية.

السمات: AlwaysSpeculatableImplTrait ، ResultsBroadcastableShape

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.logistic (tfl :: logisticop)

المشغل اللوجستي

يحسب sigmoid العنصر من المدخلات

السمات: AlwaysSpeculatableImplTrait ، QuantizableResult ، SameOperandsAndResultShape

واجهات: ConditionallySpeculatable TflRuntimeVerifyOpInterface FixedOutputRangeInterface ، NoMemoryEffect (MemoryEffectOpInterface) ، TflArithmeticCountOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.lstm (tfl :: lstmop)

مشغل LSTM الكامل

وحدة الذاكرة طويلة الأجل طويلة الأجل (LSTM) طبقة الشبكة المتكررة. يعتمد تنفيذ غير القاع الافتراضي على: http://deeplearning.cs.cmu.edu/pdfs/hochreiter97_lstm.pdf S. Hochreiter و J. Schmidhuber. "ذاكرة طويلة الأجل طويلة". الحساب العصبي ، 9 (8): 1735-1780 ، 1997. يعتمد تنفيذ Peephole على: https://research.google.com/pubs/archive/43905.pdf Hasim Sak ، Andrew Senior ، و Francoise Beaufays. "بنيات الشبكة العصبية المتكررة على المدى الطويل على المدى القصير للنمذجة الصوتية واسعة النطاق." interspeech ، 2014. يعتمد اقتران المدخلات والنسيان (CIFG) على: http://arxiv.org/pdf/1503.04069.pdf Greff et al. "LSTM: A Search Space Odyssey" يعتمد تطبيع الطبقة على: https://arxiv.org/pdf/1607.06450.pdf ba et al. "تطبيع الطبقة"

السمات: QuantizableResult

واجهات: DynamicRangeQuantizedOpInterface ، TFL_StatefulOp ، TflRuntimeVerifyOpInterface

صفات:

المعاملات:

نتائج:

tfl.matrix_diag (tfl :: matrixdiagop)

إرجاع الموتر مع قطري المقدم وكل شيء آخر مبطن بالأصفار.

بالنظر إلى قطري ، يعيد توتر مع قطري وكل شيء آخر مبطن بالأصفار. افترض أن Diagonal لها أبعاد k [I, J, K, ..., N] ، فإن الإخراج هو موتر من الرتبة k+1 مع أبعاد [I, J, K, ..., N, N] حيث: output[i, j, k, ..., m, n] = 1{m=n} * diagonal[i, j, k, ..., n].

السمات: AlwaysSpeculatableImplTrait ، QuantizableResult

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.matrix_set_diag (tfl :: matrixsetdiagop)

إرجاع موتر مصفوفة مزدوج مع قيم قطرية جديدة.

بالنظر إلى input diagonal ، تُرجع هذه العملية موترًا بنفس الشكل وقيم input ، باستثناء القطر الرئيسي لمصفوفات الأعمق. سيتم كتابة هذه بواسطة القيم في diagonal .

السمات: AlwaysSpeculatableImplTrait ، QuantizableResult

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.max_pool_2d (tfl :: maxpool2dop)

Max Pool 2D OP

يؤدي Max Pool 2D على الإدخال.

المدخلات: inputs[0] : مطلوب: موتر الإدخال

السمات: AlwaysSpeculatableImplTrait ، QuantizableResult

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflArithmeticCountOpInterface ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المعاملات:

نتائج:

tfl.maximum (tfl :: maximumop)

Max Operator

عنصر الحد الأقصى للعنصر.

السمات: ::mlir::OpTrait::TFLRuntimeOpTrait ، AlwaysSpeculatableImplTrait ، Commutative ، QuantizableResult ، ResultsBroadcastableShape

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.mean (tfl :: meanop)

يعني المشغل

يحسب متوسط ​​العناصر عبر أبعاد الموتر. يقلل input_tensor على طول الأبعاد الواردة في المحور. ما لم يكن KeepDims صحيحًا ، يتم تقليل رتبة الموتر بمقدار 1 لكل إدخال في المحور. إذا كان KeepDims صحيحًا ، يتم الاحتفاظ بالأبعاد المخفضة بطول 1.

السمات: AlwaysSpeculatableImplTrait ، QuantizableResult

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المعاملات:

نتائج:

tfl.minimum (tfl :: minimumop)

مشغل دقيقة

عنصر الحكم الدقيقة.

السمات: ::mlir::OpTrait::TFLRuntimeOpTrait ، AlwaysSpeculatableImplTrait ، Commutative ، QuantizableResult ، ResultsBroadcastableShape

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.mirror_pad (tfl :: mirrorpadop)

مشغل Mirrorpad. وسادات موتر مع القيم المتطابقة.

تقوم هذه العملية بوسادات الإدخال بقيم متطابقة وفقًا للحمل الذي تحدده. الحشوات هي موتر عدد صحيح مع الشكل [n ، 2] ، حيث n هو رتبة المدخلات. لكل بعد د من الإدخال ، تشير الحشوات [D ، 0] إلى عدد القيم التي يجب إضافتها قبل محتويات الإدخال في هذا البعد ، وتشير الحشوات [D ، 1] إلى عدد القيم التي يجب إضافتها بعد محتويات الإدخال في هذا البعد.

يجب ألا يكون كل من الحشائش [D ، 0] والحشوة [D ، 1] أكبر من المدخلات.

الحجم المبطن لكل بعد د من الإخراج هو:

PADDINGS (D ، 0) + input.dim_size (d) + paddings (d ، 1)

السمات: AlwaysSpeculatableImplTrait ، QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

صفات:

Operands:

نتائج:

tfl.mul (TFL::MulOp)

Multiplication operator

Element-wise multiplication operation.

Traits: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , Commutative , QuantizableResult , ResultsBroadcastableShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflArithmeticCountOpInterface , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

صفات:

Operands:

نتائج:

tfl.multinomial (TFL::MultinomialOp)

Draws samples from a categorical distribution.

The generated values will have a categorical distribution based on the logits or unnormalized log-probabilities provided for all classes.

Interfaces: TflRuntimeVerifyOpInterface

صفات:

Operands:

نتائج:

tfl.neg (TFL::NegOp)

Negation operator

Computes element-wise negation of input

Traits: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

Interfaces: ConditionallySpeculatable , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

نتائج:

tfl.no_value (TFL::NoValueOp)

Constant representing no value.

No value constant op.

Traits: AlwaysSpeculatableImplTrait , ConstantLike

Interfaces: ConditionallySpeculatable , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

صفات:

نتائج:

tfl.non_max_suppression_v4 (TFL::NonMaxSuppressionV4Op)

Greedily selects a subset of bounding boxes in descending order of score,

pruning away boxes that have high intersection-over-union (IOU) overlap with previously selected boxes. Bounding boxes with score less than score_threshold are removed. Bounding boxes are supplied as [y1, x1, y2, x2], where (y1, x1) and (y2, x2) are the coordinates of any diagonal pair of box corners and the coordinates can be provided as normalized (ie, lying in the interval [0, 1]) or absolute. Note that this algorithm is agnostic to where the origin is in the coordinate system and more generally is invariant to orthogonal transformations and translations of the coordinate system; thus translating or reflections of the coordinate system result in the same boxes being selected by the algorithm. The output of this operation is a set of integers indexing into the input collection of bounding boxes representing the selected boxes. The bounding box coordinates corresponding to the selected indices can then be obtained using the tf.gather operation . For example: selected_indices = tf.image.non_max_suppression_v2( boxes, scores, max_output_size, iou_threshold, score_threshold) selected_boxes = tf.gather(boxes, selected_indices)

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

نتائج:

tfl.non_max_suppression_v5 (TFL::NonMaxSuppressionV5Op)

Greedily selects a subset of bounding boxes in descending order of score,

pruning away boxes that have high intersection-over-union (IOU) overlap with previously selected boxes. Bounding boxes with score less than score_threshold are removed. Bounding boxes are supplied as [y1, x1, y2, x2], where (y1, x1) and (y2, x2) are the coordinates of any diagonal pair of box corners and the coordinates can be provided as normalized (ie, lying in the interval [0, 1]) or absolute. Note that this algorithm is agnostic to where the origin is in the coordinate system and more generally is invariant to orthogonal transformations and translations of the coordinate system; thus translating or reflections of the coordinate system result in the same boxes being selected by the algorithm. The output of this operation is a set of integers indexing into the input collection of bounding boxes representing the selected boxes. The bounding box coordinates corresponding to the selected indices can then be obtained using the tf.gather operation . For example: selected_indices = tf.image.non_max_suppression_v2( boxes, scores, max_output_size, iou_threshold, score_threshold) selected_boxes = tf.gather(boxes, selected_indices) This op also supports a Soft-NMS (with Gaussian weighting) mode (cf Bodla et al, https://arxiv.org/abs/1704.04503 ) where boxes reduce the score of other overlapping boxes instead of directly causing them to be pruned. To enable this Soft-NMS mode, set the soft_nms_sigma parameter to be larger than 0.

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

نتائج:

tfl.not_equal (TFL::NotEqualOp)

_Not equal operator

Element-wise not_equal operation.

Traits: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , Commutative , ResultsBroadcastableShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

نتائج:

tfl.NumericVerify (TFL::NumericVerifyOp)

Verifies the numericals of the two operands

The NumericVerify op is a debugging op to verify the numericals of the two activations. It is a custom op in TFLite. If log_if_failed is true, the NumericVerify op calculates statistics on differences between float and quantized activations, output logs, set differences to the output tensors, and throws an error if errors above tolerance exist. If log_if_failed = false, then it doesn't care about errors.

Traits: QuantizableResult , SameOperandsShape

Interfaces: TflRuntimeVerifyOpInterface

صفات:

Operands:

نتائج:

tfl.one_hot (TFL::OneHotOp)

OneHot operator

Returns a one-hot tensor.The locations represented by indices in indices take value on_value , while all other locations take value off_value .

If the input indices is rank N , the output will have rank N+1 , The new axis is created at dimension axis (default: the new axis is appended at the end).

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

صفات:

Operands:

نتائج:

tfl.pack (TFL::PackOp)

Packs a list of tensors along a dimension into one tensor

Packs a list of values_count rank- R tensors into one rank- (R+1) tensor.

Packs the values_count tensors in values into a tensor with rank one higher than each tensor in values , by packing them along the axis dimension.

Given a list of tensors of shape (A, B, C) ;

if axis == 0 then the output tensor will have the shape (N, A, B, C) . if axis == 1 then the output tensor will have the shape (A, N, B, C) . إلخ.

على سبيل المثال:

# 'x' is [1, 4]
# 'y' is [2, 5]
# 'z' is [3, 6]
pack([x, y, z]) => [[1, 4], [2, 5], [3, 6]]  # Pack along first dim.
pack([x, y, z], axis=1) => [[1, 2, 3], [4, 5, 6]]

This is the opposite of unpack .

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

صفات:

Operands:

نتائج:

tfl.pad (TFL::PadOp)

Padding operator

This operation pads a input with zeros according to the paddings you specify. paddings is an integer tensor with shape [Dn, 2] , where n is the rank of input . For each dimension D of input , paddings[D, 0] indicates how many zeros to add before the contents of input in that dimension, and paddings[D, 1] indicates how many zeros to add after the contents of input in that dimension.

The padded size of each dimension D of the output is:

paddings(D, 0) + input.dim_size(D) + paddings(D, 1)

على سبيل المثال:

# 't' is [[1, 1], [2, 2]]
# 'paddings' is [[1, 1], [2, 2]]
# rank of 't' is 2
pad(t, paddings) ==> [[0, 0, 0, 0, 0, 0]
                      [0, 0, 1, 1, 0, 0]
                      [0, 0, 2, 2, 0, 0]
                      [0, 0, 0, 0, 0, 0]]

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

نتائج:

tfl.padv2 (TFL::PadV2Op)

Padding operator v2

This operation pads a input according to the paddings and constant_values you specify. paddings is an integer tensor with shape [Dn, 2] , where n is the rank of input . For each dimension D of input , paddings[D, 0] indicates how many zeros to add before the contents of input in that dimension, and paddings[D, 1] indicates how many zeros to add after the contents of input in that dimension. constant_values is a scalar tensor of the same type as input that indicates the value to use for padding input .

The padded size of each dimension D of the output is:

paddings(D, 0) + input.dim_size(D) + paddings(D, 1)

على سبيل المثال:

# 't' is [[1, 1], [2, 2]]
# 'paddings' is [[1, 1], [2, 2]]
# rank of 't' is 2
pad(t, paddings) ==> [[0, 0, 0, 0, 0, 0]
                      [0, 0, 1, 1, 0, 0]
                      [0, 0, 2, 2, 0, 0]
                      [0, 0, 0, 0, 0, 0]]

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

نتائج:

tfl.poly_call (TFL::PolyCallOp)

Poly call

Have multiple function bodies for the same computation. This allows a program compiler/interpreter to choose one of the available options to execute the program based on which one is most suitable for the target backend.

input: A list of input tensors whose types are T. output: A list of output tensors whose types are T.

call: Multiple regions, each of which encapsulates the same semantic computation but in different forms.

Traits: SingleBlockImplicitTerminator<YieldOp> , SingleBlock

Interfaces: RegionBranchOpInterface

Operands:

نتائج:

tfl.pow (TFL::PowOp)

Power operator

Element-wise power operation.

Traits: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , ResultsBroadcastableShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

نتائج:

tfl.prelu (TFL::PReluOp)

Parameterized Relu operator

Parameterized Relu operator x -> x >= 0 ? x : (alpha * x) where alpha is a trainable tensor. input and alpha should be the same size as input or be broadcastable.

Traits: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , QuantizableResult , ResultsBroadcastableShape , quant::AffineOpCoefficient<-1, 1>

Interfaces: AffineQuantizedOpInterface , ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

نتائج:

tfl.pseudo_const (TFL::ConstOp)

Constant pseudo op.

Represents a constant value in TensorFlow Lite dialect. This is not an actual operation and it will be lowered to buffer instead.

The op is allowed to have all the same type of attributes as tf.Const does (eg, opaque TF attributes are allowed).

Traits: AlwaysSpeculatableImplTrait , ConstantLike , FirstAttrDerivedResultType , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

صفات:

نتائج:

tfl.pseudo_qconst (TFL::QConstOp)

Quantized constant pseudo op

Represents a quantized constant value in TensorFlow Lite dialect. This is not an actual operation and it will be lowered to buffer instead. The quantization parameters are stored as a type attribute in this constant.

Traits: AlwaysSpeculatableImplTrait , FirstAttrDerivedResultType

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

صفات:

نتائج:

tfl.pseudo_sparse_const (TFL::SparseConstOp)

Sparse constant pseudo op.

Represents a sparse constant value in TensorFlow Lite dialect. This is not an actual operation and it will be lowered to buffer instead.

Traits: AlwaysSpeculatableImplTrait , FirstAttrDerivedResultType , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

صفات:

نتائج:

tfl.pseudo_sparse_qconst (TFL::SparseQConstOp)

Sparse quantized constant pseudo op

Represents a sparse quantized constant value in TensorFlow Lite dialect. This is not an actual operation and it will be lowered to buffer instead. The quantization parameters are stored as a type attribute in this constant.

Traits: AlwaysSpeculatableImplTrait , FirstAttrDerivedResultType

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

صفات:

نتائج:

tfl.quantize (TFL::QuantizeOp)

Quantize operator

Converts floating point tensors to quantized integer tensors according to the quantization parameters defined in the type attribute.

Traits: FirstAttrDerivedResultType , SameOperandsAndResultShape

Interfaces: NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

صفات:

Operands:

نتائج:

tfl.random_standard_normal (TFL::RandomStandardNormalOp)

Outputs random values from a normal distribution.

The generated values will have mean 0 and standard deviation 1.

Interfaces: TflRuntimeVerifyOpInterface

صفات:

Operands:

نتائج:

tfl.random_uniform (TFL::RandomUniformOp)

Outputs random values from a uniform distribution.

The generated values follow a uniform distribution in the range [0, 1) . The lower bound 0 is included in the range, while the upper bound 1 is excluded.

Interfaces: TflRuntimeVerifyOpInterface

صفات:

Operands:

نتائج:

tfl.range (TFL::RangeOp)

Range operator

Returns a 1D tensor defined by a sequence from start to limit with a given delta .

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

نتائج:

tfl.rank (TFL::RankOp)

Rank operator.

Returns the rank of a tensor.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

نتائج:

tfl.read_variable (TFL::ReadVariableOp)

Reads variable value.

Read variable data identified by 'resource_id'.

Interfaces: TflRuntimeVerifyOpInterface

Operands:

نتائج:

tfl.real (TFL::RealOp)

Returns the real part of a complex number.

Given a tensor input of complex numbers, this operation returns a tensor of type float that is the real part of each element in input . All elements in input must be complex numbers of the form \(a + bj\), where a is the real part returned by this operation and b is the imaginary part.

Traits: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

نتائج:

tfl.reduce_all (TFL::ReduceAllOp)

Computes the "logical and" of elements across dimensions of a tensor.

Reduces input along the dimensions given in axis . Unless keep_dims is true, the rank of the tensor is reduced by 1 for each entry in axis . If keep_dims is true, the reduced dimensions are retained with length 1.

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

صفات:

Operands:

نتائج:

tfl.reduce_any (TFL::ReduceAnyOp)

Computes the "logical or" of elements across dimensions of a tensor.

Reduces input along the dimensions given in axis . Unless keep_dims is true, the rank of the tensor is reduced by 1 for each entry in axis . If keep_dims is true, the reduced dimensions are retained with length 1.

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

صفات:

Operands:

نتائج:

tfl.reduce_max (TFL::ReduceMaxOp)

Max-reduction operator

Computes the max reduction along the specified axes

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

صفات:

Operands:

نتائج:

tfl.reduce_min (TFL::ReduceMinOp)

Min-reduction operator

Computes the min reduction along the specified axes

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

صفات:

Operands:

نتائج:

tfl.reduce_prod (TFL::ReduceProdOp)

Prod-reduction operator

Computes the product along the specified axes

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

صفات:

Operands:

نتائج:

tfl.relu (TFL::ReluOp)

Relu operator

Element-wise Relu operator x -> max(0, x)

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

نتائج:

tfl.relu6 (TFL::Relu6Op)

Relu6 operator

Element-wise Relu6 operator x -> max(0, min(6, x))

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

نتائج:

tfl.relu_0_to_1 (TFL::Relu0To1Op)

Relu0To1 operator

Element-wise Relu0To1 operator x -> max(0, min(1, x))

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

نتائج:

tfl.relu_n1_to_1 (TFL::Relu1Op)

Relu1 operator

Element-wise Relu1 operator x -> max(-1, min(1, x))

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

نتائج:

tfl.reshape (TFL::ReshapeOp)

Reshape operator

Produces a tensor with the same values but different static shape defined by the output type.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

نتائج:

tfl.resize_bilinear (TFL::ResizeBilinearOp)

ResizeBilinear Op

Resize images to size using bilinear interpolation.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

صفات:

Operands:

نتائج:

tfl.resize_nearest_neighbor (TFL::ResizeNearestNeighborOp)

ResizeNearestNeighbor Op

Resize images to size using nearest neighbor interpolation.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

صفات:

Operands:

نتائج:

tfl.reverse_sequence (TFL::ReverseSequenceOp)

Reverses variable length slices.

This op first slices input along the dimension batch_dim , and for each slice i , reverses the first seq_lengths[i] elements along the dimension seq_dim .

The elements of seq_lengths must obey seq_lengths[i] <= input.dims[seq_dim] , and seq_lengths must be a vector of length input.dims[batch_dim] .

The output slice i along dimension batch_dim is then given by input slice i , with the first seq_lengths[i] slices along dimension seq_dim reversed.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

صفات:

Operands:

نتائج:

tfl.reverse_v2 (TFL::ReverseV2Op)

ReverseV2 Operator

Reverses specific dimensions of a tensor.

Given a tensor, and a int32/int64 tensor axis representing the set of dimensions of tensor to reverse. This operation reverses each dimension i for which there exists j st axis[j] == i.

Args: tensor: A Tensor. Must be one of the following types: uint8, int8, int16, int32, int64, float32, bool Up to 8-D.

axis: A Tensor. Must be one of the following types: int32, int64. with only 1 element which is the axis index. TODO: Add support for multiple elements.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

نتائج:

tfl.rfft2d (TFL::RFFT2dOp)

2D real-valued fast Fourier transform.

Computes the 2-dimensional discrete Fourier transform of a real-valued signal over the inner-most 2 dimensions of input .

Since the DFT of a real signal is Hermitian-symmetric, RFFT2D only returns the fft_length / 2 + 1 unique components of the FFT for the inner-most dimension of output : the zero-frequency term, followed by the fft_length / 2 positive-frequency شروط.

Along each axis RFFT2D is computed on, if fft_length is smaller than the corresponding dimension of input , the dimension is cropped. If it is larger, the dimension is padded with zeros.

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

نتائج:

tfl.right_shift (TFL::RightShiftOp)

Right Shift operator

Elementwise computes the bitwise right-shift of lhs by rhs .

Traits: AlwaysSpeculatableImplTrait , SameOperandsAndResultElementType

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

نتائج:

tfl.round (TFL::RoundOp)

Round operator

Rounds the values of a tensor to the nearest integer, element-wise.

Traits: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

Interfaces: ConditionallySpeculatable , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

نتائج:

tfl.rsqrt (TFL::RsqrtOp)

Reciprocal of square root operator

Computes element-wise reverse square root of input

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

نتائج:

tfl.scatter_nd (TFL::ScatterNdOp)

_Scatter nd operator

Scatter updates into a new tensor according to indices

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

نتائج:

tfl.segment_sum (TFL::SegmentSumOp)

SegmentSum operator

Computes the sum along segments of a tensor.

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

نتائج:

tfl.select (TFL::SelectOp)

حدد المشغل

Select values of 'x' if the corresponding value of 'condition' is true or the value of 'y' if false. There are valid condition input sizes:

1. Either the same shape (in which case the select is elementwise), or
2. condition must be Rank 1 and match over the first dimension.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

نتائج:

tfl.select_v2 (TFL::SelectV2Op)

SelectV2 operator

Select values of 'x' if the corresponding value of 'condition' is true or the value of 'y' if false. There are valid condition input sizes:

1. Either the same shape (in which case the select is elementwise), or
2. Broadcastable shapes between 'condition', 'x' and 'y'.

Traits: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , QuantizableResult , ResultsBroadcastableShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

نتائج:

tfl.shape (TFL::ShapeOp)

Shape operator

Returns the shape of a tensor.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

صفات:

Operands:

نتائج:

tfl.sign (TFL::SignOp)

Sign operation

Returns NaN if x is NaN, 0 if x is 0, -1 if x < 0 and 1 if x > 0.

Traits: AlwaysSpeculatableImplTrait , SameOperandsAndResultElementType , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

نتائج:

tfl.sin (TFL::SinOp)

Sine operator

Computes element-wise Sine of input

Traits: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

Interfaces: ConditionallySpeculatable , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

نتائج:

tfl.slice (TFL::SliceOp)

Return a slice from 'input'.

The output tensor is a tensor with dimensions described by 'size' whose values are extracted from 'input' starting at the offsets in 'begin'.

begin is zero-based; size is one-based. If size[i] is -1, all remaining elements in dimension i are included in the slice. In other words, this is equivalent to setting: size[i] = input.dim_size(i) - begin[i]

Requirements : 0 <= begin[i] <= begin[i] + size[i] <= Di for i in [0, n)

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

نتائج:

tfl.softmax (TFL::SoftmaxOp)

Softmax operator

Computes element-wise softmax activations with the following formula

exp(input) / tf.reduce_sum(exp(input * beta), dim)

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , FixedOutputRangeInterface , NoMemoryEffect (MemoryEffectOpInterface) , TflArithmeticCountOpInterface , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

صفات:

Operands:

نتائج:

tfl.space_to_batch_nd (TFL::SpaceToBatchNdOp)

SpaceToBatchNd operator

This operation reshapes space dimensions into the "batch" dimension 0

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

نتائج:

tfl.space_to_depth (TFL::SpaceToDepthOp)

SpaceToDepth operator

Rearranges blocks of spatial data, into depth. More specifically, this op outputs a copy of the input tensor where values from the height and width dimensions are moved to the depth dimension. block_size indicates the input block size.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

صفات:

Operands:

نتائج:

tfl.sparse_to_dense (TFL::SparseToDenseOp)

Converts a sparse representation into a dense tensor.

Builds an array dense with shape output_shape such that

# If sparse_indices is scalar
dense[i] = (i == sparse_indices ? sparse_values : default_value)

# If sparse_indices is a vector, then for each i
dense[sparse_indices[i]] = sparse_values[i]

# If sparse_indices is an n by d matrix, then for each i in [0, n)
dense[sparse_indices[i][0], ..., sparse_indices[i][d-1]] = sparse_values[i]

All other values in dense are set to default_value . If sparse_values is a scalar, all sparse indices are set to this single value.

Indices should be sorted in lexicographic order, and indices must not contain any repeats. If validate_indices is true, these properties are checked during execution.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

نتائج:

tfl.split (TFL::SplitOp)

Splits a tensor into num_split tensors along one dimension.

Splits the value tensor along split_dim into a number of sub-tensors with same shape as the original one, except for split_dim . Same as tf.Split.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

صفات:

Operands:

نتائج:

tfl.split_v (TFL::SplitVOp)

Splits a tensor into num_split tensors along one dimension.

Splits the value tensor along split_dim into a number of sub-tensors with same shape as the original one, except for split_dim . The grouping of the resultant sub-tensors is decided by size-splits . Same as tf.SplitV.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

صفات:

Operands:

نتائج:

tfl.sqrt (TFL::SqrtOp)

Square root operator

Computes element-wise Square root of input

Traits: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

Interfaces: ConditionallySpeculatable , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

نتائج:

tfl.square (TFL::SquareOp)

Square operator

Computes element-wise Square of input

Traits: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

Interfaces: ConditionallySpeculatable , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

نتائج:

tfl.squared_difference (TFL::SquaredDifferenceOp)

Squared difference operator

Element-wise squared difference operation.

Traits: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , QuantizableResult , ResultsBroadcastableShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

نتائج:

tfl.squeeze (TFL::SqueezeOp)

Removes dimensions of size 1 from the shape of a tensor.

Given a tensor input , this operation returns a tensor of the same type with all dimensions of size 1 removed. If you don't want to remove all size 1 dimensions, you can remove specific size 1 dimensions by specifying squeeze_dims .

على سبيل المثال:

# 't' is a tensor of shape [1, 2, 1, 3, 1, 1]
shape(squeeze(t)) ==> [2, 3]

Or, to remove specific size 1 dimensions:

# 't' is a tensor of shape [1, 2, 1, 3, 1, 1]
shape(squeeze(t, [2, 4])) ==> [1, 2, 3, 1]

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

صفات:

Operands:

نتائج:

tfl.strided_slice (TFL::StridedSliceOp)

StridedSlice Op

Return a strided slice from input .

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

صفات:

Operands:

نتائج:

tfl.sub (TFL::SubOp)

Subtraction operator

Element-wise subtraction operation.

Traits: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , QuantizableResult , ResultsBroadcastableShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflArithmeticCountOpInterface , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

صفات:

Operands:

نتائج:

tfl.sum (TFL::SumOp)

Sum operator

Computes the sum reduction along the specified axes

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

صفات:

Operands:

نتائج:

tfl.svdf (TFL::SVDFOp)

Single value decomposition filter operator

The SVDF op is a decomposition of a densely connected op into low rank filters. For details: https://research.google.com/pubs/pub43813.html https://arxiv.org/abs/1812.02802

Traits: QuantizableResult , quant::AccumulatorUniformScale<3, 2, 4>

Interfaces: DynamicRangeQuantizedOpInterface , TFL_StatefulOp , TflRuntimeVerifyOpInterface

صفات:

Operands:

نتائج:

tfl.tanh (TFL::TanhOp)

Hyperbolic tangent operator

Computes element-wise Hyperbolic tangent of input

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , FixedOutputRangeInterface , NoMemoryEffect (MemoryEffectOpInterface) , TflArithmeticCountOpInterface , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

نتائج:

tfl.tile (TFL::TileOp)

Tile operator.

Constructs a tensor by tiling a given tensor.

This operation creates a new tensor by replicating input multiples times. The output tensor's i'th dimension has input.dims(i) * multiples[i] elements, and the values of input are replicated multiples[i] times along the 'i'th dimension. For example, tiling [abcd] by [2] produces [abcdabcd].

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

نتائج:

tfl.topk_v2 (TFL::TopKV2Op)

TopK operator

Returns the top k largest element along each last dimensional slice of input and the indices of values within the last dimension of the input tensor.

Results are always sorted in the descending order.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

نتائج:

tfl.transpose (TFL::TransposeOp)

Transpose operator

Returns the Transpose of x

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

نتائج:

tfl.transpose_conv (TFL::TransposeConvOp)

Transpose convolution operator

Performs transpose convolution operation on input.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , quant::AccumulatorUniformScale<3, 1, 2> , quant::AffineOpCoefficient<0, 1>

Interfaces: AffineQuantizedOpInterface , ConditionallySpeculatable , DynamicRangeQuantizedOpInterface , NoMemoryEffect (MemoryEffectOpInterface) , TFL_SparseOp , TflArithmeticCountOpInterface , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

صفات:

Operands:

نتائج:

tfl.unidirectional_sequence_lstm (TFL::UnidirectionalSequenceLSTMOp)

Unidirectional sequence lstm operator

A recurrent neural network specified by an LSTM cell. This Op supports unrolling the input along the time or batch dimensions, and implements the following operation for each element in the sequence s = 1...sequence_length: outputs[s] = state = activation(LSTMOp(inputs[s]))

where LSTMOp is LSTM TF Lite Op and the “activation” is the function passed as the “fused_activation_function” argument (if not “NONE”).

Traits: QuantizableResult

Interfaces: DynamicRangeQuantizedOpInterface , InferTypeOpInterface , TFL_StatefulOp , TflRuntimeVerifyOpInterface

صفات:

Operands:

نتائج:

tfl.unidirectional_sequence_rnn (TFL::UnidirectionalSequenceRNNOp)

Unidirectional sequence rnn operator

A recurrent neural network specified by an RNN cell. This Op takes in input in a format {batch_size, seq_len, input_size} or {seq_len, batch_size, input_size} if it's time-majored.

It implements the following operation for each element in the sequence s = 1...sequence_length: outputs[s] = state = activation(RNNOp(inputs[s]))

where RNNOp is RNNOp TF Lite Op and the “activation” is the function passed as the “fused_activation_function” argument (if not “NONE”).

Traits: QuantizableResult

Interfaces: DynamicRangeQuantizedOpInterface , TFL_StatefulOp , TflRuntimeVerifyOpInterface

صفات:

Operands:

نتائج:

tfl.unique (TFL::UniqueOp)

Unique Op.

This operation returns a tensor output containing all of the unique elements of input sorted in the same order that they occur in input . This operation also returns a tensor idx the same size as x that contains the index of each value of input in the unique output output . بعبارة أخرى: