'tfl' Dialetto

Il dialetto TensorFlow Lite.

Questo dialetto si associa alle operazioni di TensorFlow Lite.

Invarianti:

• Tutti i valori sono di tipo Tensore (in particolare gli scalari sono rappresentati utilizzando tensori a dimensione zero);

Operazioni

tfl.abs (TFL::AbsOp)

Operatore di valore assoluto

Dato un tensore x , questa operazione restituisce un tensore contenente il valore assoluto di ciascun elemento in x . Ad esempio, se x è un elemento di input e y è un elemento di output, questa operazione viene calcolata \(y = |x|\).

Caratteristiche: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfacce: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Operandi:

Risultati:

tfl.add (TFL::AddOp)

Operatore di addizione

Operazione di addizione per elemento.

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

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

Effetti: MemoryEffects::Effect{}

Attributi:

Operandi:

Risultati:

tfl.add_n (TFL::AddNOp)

_Aggiungi l'operatore n

Aggiunge tutti i tensori di input per elemento.

Caratteristiche: AlwaysSpeculatableImplTrait , Commutative

Interfacce: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflArithmeticCountOpInterface , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Operandi:

Risultati:

tfl.arg_max (TFL::ArgMaxOp)

Operatore ArgMax

Restituisce l'indice con il valore maggiore tra le dimensioni di un tensore.

Caratteristiche: AlwaysSpeculatableImplTrait , QuantizableResult

Interfacce: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Attributi:

Operandi:

Risultati:

tfl.arg_min (TFL::ArgMinOp)

Operatore ArgMin

Restituisce l'indice con il valore più piccolo tra le dimensioni di un tensore. a = [1, 10, 26.9, 2.8, 166.32, 62.3] b = tf.math.argmin(input = a) c = tf.keras.backend.eval(b)

Caratteristiche: AlwaysSpeculatableImplTrait , QuantizableResult

Interfacce: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Attributi:

Operandi:

Risultati:

tfl.assign_variable (TFL::AssignVariableOp)

Assegna un nuovo valore a una variabile.

Qualsiasi ReadVariableOp con una dipendenza di controllo da questa operazione garantisce che restituirà questo valore o un successivo valore più recente della variabile.

Interfacce: TflRuntimeVerifyOpInterface

Operandi:

tfl.atan2 (TFL::Atan2Op)

Operazione Atan2

L'operazione "atan2" calcola l'arcotangente di y/x per elemento, rispettando i segni degli argomenti.

Caratteristiche: AlwaysSpeculatableImplTrait , SameOperandsAndResultElementType , SameOperandsAndResultShape

Interfacce: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Operandi:

Risultati:

tfl.average_pool_2d (TFL::AveragePool2DOp)

Operatore 2d _Average_pool

Esegue l'operazione di pooling medio sull'input.

Caratteristiche: AlwaysSpeculatableImplTrait , QuantizableResult

Interfacce: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflArithmeticCountOpInterface , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Attributi:

Operandi:

Risultati:

tfl.basic_lstm (TFL::BasicLSTMOp)

L'operatore lstm di base

Operatore di cella LSTM di base.

Caratteristiche: AlwaysSpeculatableImplTrait , QuantizableResult

Interfacce: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Attributi:

Operandi:

Risultati:

tfl.batch_matmul (TFL::BatchMatMulOp)

Operatore di moltiplicazione della matrice batch

Esegue una moltiplicazione di matrici batch sugli input. Segue le convenzioni di TensorFlow BatchMatMulV2, con supporto per dimensioni sconosciute nelle dimensioni batch e nella trasmissione.

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)

Caratteristiche: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , QuantizableResult

Interfacce: ConditionallySpeculatable , DynamicRangeQuantizedOpInterface , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Attributi:

Operandi:

Risultati:

tfl.batch_to_space_nd (TFL::BatchToSpaceNdOp)

Operatore BatchToSpaceNd

Questa operazione rimodella la dimensione "batch" 0 in dimensioni spaziali.

Caratteristiche: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effetti: MemoryEffects::Effect{}

Operandi:

Risultati:

tfl.bidirectional_sequence_lstm (TFL::SequenzabidirezionaleLSTMOp)

Operatore lstm di sequenza bidirezionale

Lstm bidirezionale è essenzialmente due lstm, uno che corre in avanti e l'altro che corre all'indietro. E l'output è la concatenazione dei due lstm.

Caratteristiche: QuantizableResult

Interfacce: DynamicRangeQuantizedOpInterface , TFL_StatefulOp , TflRuntimeVerifyOpInterface

Attributi:

Operandi:

Risultati:

tfl.bitcast (TFL::BitcastOp)

Operatore Bitcast

Bitcasting un tensore da un tipo a un altro.

Tratti: AlwaysSpeculatableImplTrait

Interfacce: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Operandi:

Risultati:

tfl.bitwise_xor (TFL::BitwiseXorOp)

Operatore Xor bit a bit

Elementwise calcola lo XOR bit a bit di lhs e rhs .

Caratteristiche: AlwaysSpeculatableImplTrait , Commutative , ResultsBroadcastableShape , SameOperandsAndResultElementType

Interfacce: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Operandi:

Risultati:

tfl.broadcast_args (TFL::BroadcastArgsOp)

Restituisce la forma di s0 op s1 con broadcast.

Dati s0 e s1 , tensori che rappresentano le forme, calcola r0 , la forma trasmessa. s0 , s1 e r0 sono tutti vettori interi.

Tratti: AlwaysSpeculatableImplTrait

Interfacce: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Operandi:

Risultati:

tfl.broadcast_to (TFL::BroadcastToOp)

Trasmetti un array per una forma compatibile.

Il broadcasting è il processo di creazione di array in modo che abbiano forme compatibili per le operazioni aritmetiche. Due forme sono compatibili se per ciascuna coppia di dimensioni sono uguali o se una di esse è una. Quando si tenta di trasmettere un tensore a una forma, si inizia con le dimensioni finali e si procede in avanti.

Per esempio,

x = tf.costante([1, 2, 3]) y = tf.broadcast_to(x, [3, 3]) print(y) tf.Tensore( [[1 2 3] [1 2 3] [1 2 3]], forma=(3, 3), dtype=int32)

Nell'esempio precedente, il tensore di input con la forma di [1, 3] viene trasmesso al tensore di output con la forma di [3, 3] .

Quando si eseguono operazioni trasmesse come la moltiplicazione di un tensore per uno scalare, la trasmissione (di solito) conferisce un vantaggio in termini di tempo o spazio, poiché il tensore trasmesso non viene mai materializzato.

Tuttavia, broadcast_to non porta con sé tali vantaggi. Il tensore appena creato prende tutta la memoria della forma trasmessa. (In un contesto grafico, broadcast_to potrebbe essere fuso con l'operazione successiva e quindi essere ottimizzato.)

Caratteristiche: AlwaysSpeculatableImplTrait , QuantizableResult

Interfacce: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Operandi:

Risultati:

tfl.bucketize (TFL::BucketizeOp)

Classifica gli "input" in base ai "confini".

Esempio:

Se gli input sono boundaries = [0, 10, 100] e input = [[-5, 10000][150, 10][5, 100]] , l'output sarà output = [[0, 3][3, 2][1, 3]] .

Caratteristiche: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

Interfacce: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Attributi:

Operandi:

Risultati:

tfl.call_once (TFL::CallOnceOp)

Richiama una funzione di inizializzazione

Questa operazione richiama la funzione di inizializzazione specificata per l'inizializzatore di sessione nel dialetto del modello salvato.

Interfacce: TflRuntimeVerifyOpInterface

Attributi:

tfl.cast (TFL::CastOp)

Operatore cast

Converte l'input dal tipo di input al tipo di output.

Caratteristiche: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

Interfacce: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Operandi:

Risultati:

tfl.ceil (TFL::CeilOp)

Operatore cellulare

Restituisce il valore ceil per elemento dell'input.

Caratteristiche: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

Effetti: MemoryEffects::Effect{}

Operandi:

Risultati:

tfl.complex_abs (TFL::ComplexAbsOp)

Calcola il valore assoluto complesso di un tensore.

Dato un tensore x di numeri complessi, questa operazione restituisce un tensore di tipo float o double che è il valore assoluto di ciascun elemento in x . Tutti gli elementi in x devono essere numeri complessi della forma \(a + bj\). Il valore assoluto viene calcolato come \( \sqrt{a^2 + b^2}\).

Caratteristiche: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

Interfacce: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Operandi:

Risultati:

tfl.concatenation (TFL::ConcatenationOp)

Operatore di concatenazione

Concatena i tensori lungo una dimensione

Caratteristiche: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effetti: MemoryEffects::Effect{}

Attributi:

Operandi:

Risultati:

tfl.control_node (TFL::ControlNodeOp)

L'operazione TFL.control_node racchiude le operazioni a blocco singolo per collegare i bordi di controllo.

Viene utilizzato per racchiudere le regioni e allegare ad esse dipendenze di controllo. In genere, ciò avverrà in uno degli ultimi passaggi prima dell'emissione del modello flatbuffer per consentire ottimizzazioni che si basano su un ordine fisso di operazioni (come la rimaterializzazione). L'esportatore flatbuffer scarterà la regione avvolta e annoterà il modello generato con metadati in modo tale che qualsiasi riordino di runtime rispetterà l'ordine dato dalle dipendenze di controllo.

Caratteristiche: HasParent<mlir::func::FuncOp> , RecursiveMemoryEffects , SingleBlockImplicitTerminator<YieldOp> , SingleBlock

Operandi:

Risultati:

tfl.conv_2d (TFL::Conv2DOp)

Operatore di convoluzione

Esegue l'operazione di convoluzione sugli input.

Ingressi: inputs[0] : richiesti: il tensore di attivazione dell'ingresso inputs[1] : richiesti: il tensore del peso del filtro inputs[2] : opzionale: il tensore di polarizzazione

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

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

Effetti: MemoryEffects::Effect{}

Attributi:

Operandi:

Risultati:

tfl.conv_3d (TFL::Conv3DOp)

Operatore di convoluzione 3D

Esegue l'operazione di convoluzione sugli input 3D. Ingressi: inputs[0] : richiesti: il tensore di attivazione dell'ingresso inputs[1] : richiesti: il tensore del peso del filtro inputs[2] : opzionale: il tensore di polarizzazione

Caratteristiche: AlwaysSpeculatableImplTrait , quant::AccumulatorUniformScale<2, 0, 1>

Interfacce: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Attributi:

Operandi:

Risultati:

tfl.conv_3d_transpose (TFL::Conv3DTransposeOp)

Operatore 3D di convoluzione trasposta

Esegue l'operazione di convoluzione trasposta sugli input 3D. Ingressi: inputs[0] : richiesto: la forma del tensore di uscita inputs[1] : richiesto: il tensore del peso del filtro inputs[2] : richiesto: il tensore di attivazione dell'ingresso inputs[3] : opzionale: il tensore di polarizzazione

Caratteristiche: AlwaysSpeculatableImplTrait , quant::AccumulatorUniformScale<2, 0, 1>

Interfacce: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Attributi:

Operandi:

Risultati:

tfl.cos (TFL::CosOp)

Operatore coseno

Calcola il coseno dell'input in termini di elementi

Caratteristiche: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

Effetti: MemoryEffects::Effect{}

Operandi:

Risultati:

tfl.cumsum (TFL::CumsumOp)

Operatore cumsum

Calcola la somma cumulativa del tensore x lungo l'asse.

Tratti: AlwaysSpeculatableImplTrait

Interfacce: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Attributi:

Operandi:

Risultati:

tfl.custom (TFL::CustomOp)

Op. personalizzata

Un'operazione generica per qualsiasi operazione personalizzata TFLite.

input: un elenco di input nell'op originale. custom_code: una stringa utilizzata per identificare esattamente questa operazione, che corrisponde a operator_codes.custom_code nel flatbuffer. custom_option: un titolare per salvare gli attributi op in modalità byte. output: un elenco di output nell'op originale.

Interfacce: TflRuntimeVerifyOpInterface

Attributi:

Operandi:

Risultati:

tfl.custom_tf (TFL::CustomTfOp)

Wrapper Op per operazioni personalizzate TF.

Un'operazione che racchiude qualsiasi operazione TF personalizzata. Questi includono operazioni definite utilizzando custom_opdefs o collegate che non sono definite nel dialetto TF. Questa operazione racchiude semplicemente l'operazione personalizzata all'interno di una regione. Nota n. 1, questa operazione non includerà le operazioni personalizzate TF Lite definite utilizzando CustomOp. Nota n.2, questa operazione è solo una rappresentazione interna all'interno del convertitore e non viene esposta/esportata quando il modello viene esportato in Flatbuffer.

Caratteristiche: IsolatedFromAbove , RecursiveMemoryEffects , SingleBlockImplicitTerminator<YieldOp> , SingleBlock

Interfacce: InferTypeOpInterface , TflRuntimeVerifyOpInterface

Operandi:

Risultati:

tfl.densify (TFL::DensifyOp)

Operatore di densificazione

Converte il tensore sparse in formato denso.

Tratti: AlwaysSpeculatableImplTrait

Interfacce: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Operandi:

Risultati:

tfl.depth_to_space (TFL::DepthToSpaceOp)

Operatore ProfonditàToSpazio

Riorganizza i dati dalla profondità in blocchi di dati spaziali. Questa è la trasformazione inversa di SpaceToDepth. Più specificamente, questa operazione restituisce una copia del tensore di input in cui i valori dalla dimensione depth vengono spostati in blocchi spaziali alle dimensioni height e width . L'attributo block_size indica la dimensione del blocco di input e il modo in cui i dati vengono spostati.

Caratteristiche: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effetti: MemoryEffects::Effect{}

Attributi:

Operandi:

Risultati:

tfl.depthwise_conv_2d (TFL::DepthwiseConv2DOp)

Operatore di convoluzione separabile in profondità

Esegue l'operazione di convoluzione sugli input.

Ingressi: inputs[0] : richiesti: il tensore di attivazione dell'ingresso inputs[1] : richiesti: il tensore del peso del filtro inputs[2] : opzionale: il tensore di polarizzazione

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

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

Effetti: MemoryEffects::Effect{}

Attributi:

Operandi:

Risultati:

tfl.dequantize (TFL::DequantizeOp)

Operatore di dequantizzazione

Converte un array quantizzato di numeri interi in virgola mobile in base ai parametri di quantizzazione.

Interfacce: NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Operandi:

Risultati:

tfl.dilate (TFL::DilateOp)

Operatore di dilatazione

Estende un tensore aggiungendo nuovi elementi tra quelli esistenti. Tratti: AlwaysSpeculatableImplTrait

Interfacce: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Operandi:

Risultati:

tfl.div (TFL::DivOp)

Operatore di divisione

Operazione di divisione per elemento.

Tratti: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , ResultsBroadcastableShape

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

Effetti: MemoryEffects::Effect{}

Attributi:

Operandi:

Risultati:

tfl.dynamic_update_slice (TFL::DynamicUpdateSliceOp)

DynamicUpdateSlice.

DynamicUpdateSlice op che hanno la stessa semantica di XLA DynamicUpdateSlice. Genera un risultato che è il valore dell'operando dell'array di input, con un aggiornamento della sezione sovrascritto in start_indices.

Vedere https://www.tensorflow.org/xla/Operation_semantics#dynamicupdateslice

Tratti: AlwaysSpeculatableImplTrait

Interfacce: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Operandi:

Risultati:

tfl.elu (TFL::EluOp)

Operatore di unità lineare esponenziale

Calcola l'esponenziale lineare f(x) -> exp(x) - 1 per x < 0, x per x >= 0. a livello di elemento.

Caratteristiche: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

Interfacce: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Operandi:

Risultati:

tfl.embedding_lookup (TFL::EmbeddingLookupOp)

Incorporamento dell'operatore di ricerca

Cerca IDS in un elenco di tensori di incorporamento.

Tratti: AlwaysSpeculatableImplTrait , QuantizableResult

Interfacce: AffineQuantizedOpInterface , ConditionallySpeculatable , DynamicRangeQuantizedOpInterface , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Operandi:

Risultati:

tfl.equal (tfl :: equalop)

Uguale operatore

Restituisce l'elemento di verità di x == Y Element-Wise

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

Interfacce: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Operandi:

Risultati:

tfl.exp (TFL :: Expop)

Operatore di esponente naturale

Esegue l'operazione di esponente naturale per l'elemento sull'input.

Tratti: AlwaysSpeculatableImplTrait , QuantizableResult

Interfacce: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Operandi:

Risultati:

tfl.expand_dims (tfl :: ExpandDimsop)

Inserisce una dimensione di 1 nella forma di un tensore.

Dato un input tensore, questa operazione inserisce una dimensione di 1 axis indice della dimensione della forma di input . L' axis dell'indice della dimensione inizia a zero; Se si specifica un numero negativo per axis viene conteggiato all'indietro dall'estremità.

Questa operazione è utile se si desidera aggiungere una dimensione batch a un singolo elemento. Ad esempio, se si dispone di una singola immagine di forma [height, width, channels] , puoi renderlo un batch di 1 immagine con expand_dims(image, 0) , che renderà la forma [1, height, width, channels] .

Altri esempi:

# '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]

Questa operazione richiede che:

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

Questa operazione è correlata a squeeze() , che rimuove le dimensioni della dimensione 1.

Tratti: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effetti: MemoryEffects::Effect{}

Operandi:

Risultati:

tfl.external_const (tfl :: esternalconstop)

Const esterno op.

Il const OP esterno contiene un buffer_index che indica una costante nel piatto piatto.

Tratti: AlwaysSpeculatableImplTrait , QuantizableResult

Interfacce: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Attributi:

Risultati:

tfl.fake_quant (tfl :: falsequantop)

Operatore falso

Quieto falso il tensore di tipo "Input" di tipo Float tramite scalari float min e max su "uscite" tensore della stessa forma degli ingressi.

Tratti: AlwaysSpeculatableImplTrait , QuantizableResult

Interfacce: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Attributi:

Operandi:

Risultati:

tfl.fill (TFL :: FILLOP)

Riempi il tensore con un dato valore.

Riempi il tensore con un dato valore.

Tratti: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effetti: MemoryEffects::Effect{}

Operandi:

Risultati:

tfl.floor (TFL :: FloorOp)

Operatore del pavimento

Restituisce il valore del pavimento dell'elemento dell'input.

Tratti: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

Effetti: MemoryEffects::Effect{}

Operandi:

Risultati:

tfl.floor_div (tfl :: floordivop)

Operatore di divista del pavimento

Funzionamento del pavimento per l'elemento.

Tratti: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , ResultsBroadcastableShape

Interfacce: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Operandi:

Risultati:

tfl.floor_mod (tfl :: floormodop)

Promemoria della divisione

Operazione di promemoria della divisione dell'elemento.

Tratti: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , ResultsBroadcastableShape

Interfacce: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Operandi:

Risultati:

tfl.fully_connected (tfl :: fultureconnectedop)

Op completamente connesso

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

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

Effetti: MemoryEffects::Effect{}

Attributi:

Operandi:

Risultati:

tfl.gather (tfl :: gallop)

Raccogli l'operatore

Raccogli le fette dall'asse axis params secondo indices .

Tratti: AlwaysSpeculatableImplTrait , QuantizableResult

Interfacce: ConditionallySpeculatable , DynamicRangeQuantizedOpInterface , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Attributi:

Operandi:

Risultati:

tfl.gather_nd (tfl :: Gathendop)

_Gather nd operatore

Raccogli le fette dai params in un tensore con forma specificata dagli indices .

Tratti: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effetti: MemoryEffects::Effect{}

Operandi:

Risultati:

tfl.gelu (tfl :: geluop)

Funzione di attivazione Gelu.

Calcola la funzione di attivazione gelu per quanto riguarda l'elemento.

Tratti: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfacce: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Attributi:

Operandi:

Risultati:

tfl.greater (TFL :: GreaterOp)

Maggiore operatore

Elemento maggiore operazione.

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

Interfacce: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Operandi:

Risultati:

tfl.greater_equal (tfl :: GreaterEqualop)

_Greater uguale operatore

Operazione Greater_Equal per elementi.

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

Interfacce: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Operandi:

Risultati:

tfl.hard_swish (tfl :: hardswishop)

Funzione di attivazione dura.

Calcola la funzione di attivazione dura-swish f (x)-> (x * relu6 (x+3))/6 per l'elemento.

Tratti: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfacce: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Operandi:

Risultati:

tfl.hashtable (tfl :: HashtableOp)

Crea una tabella di hash non inizializzata.

Questo OP crea una tabella hash, specificando il tipo di chiavi e valori. Prima di usare la tabella dovrai inizializzarla. Dopo l'inizializzazione la tabella sarà immutabile.

Interfacce: TflRuntimeVerifyOpInterface

Attributi:

Risultati:

tfl.hashtable_find (tfl :: hashtablefindop)

Cerca i tasti in una tabella, emette i valori corrispondenti.

Le keys del tensore devono essere dello stesso tipo delle chiavi della tabella. I values di output sono del tipo di valori della tabella.

Lo scalare default_value è l'output del valore per i tasti non presenti nella tabella. Deve anche essere dello stesso tipo dei valori della tabella.

Interfacce: TflRuntimeVerifyOpInterface

Operandi:

Risultati:

tfl.hashtable_import (tfl :: hashtableimportop)

Sostituisce il contenuto della tabella con i tasti e i valori specificati.

Le keys del tensore devono essere dello stesso tipo delle chiavi della tabella. I values del tensore devono essere del tipo di valori della tabella.

Interfacce: TflRuntimeVerifyOpInterface

Operandi:

tfl.hashtable_size (tfl :: HashtableSizeOp)

Calcola il numero di elementi nella tabella data.

Interfacce: TflRuntimeVerifyOpInterface

Operandi:

Risultati:

tfl.if (tfl :: ifop)

Operazione if-then-else

L'operazione tfl.if rappresenta un costrutto IF-THEN-ELSE per l'esecuzione condizionale di due regioni di codice. L'operando a un'operazione IF è un valore booleano. Per esempio:

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

tfl.if può anche restituire risultati definiti nelle sue regioni. I valori definiti sono determinati da cui viene preso il percorso di esecuzione.

Esempio:

%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>
}

Le regioni tfl.if vengono sempre terminate con "Tfl.yield". Se "tfl.if" non definisce valori, il "tfl.yield" può essere escluso e verrà inserito implicitamente. Altrimenti, deve essere esplicito. Inoltre, se "tfl.if" definisce uno o più valori, il blocco "else" non può essere omesso.

Esempio:

tfl.if %b  {
  ...
}

Tratti: NoRegionArguments , RecursiveMemoryEffects , SingleBlockImplicitTerminator<YieldOp> , SingleBlock

Interfacce: RegionBranchOpInterface , TflRuntimeVerifyOpInterface

Operandi:

Risultati:

tfl.imag (TFL :: Imagop)

Restituisce la parte immaginaria di un numero complesso.

Dato un input tensore di numeri complessi, questa operazione restituisce un tensore di tipo float che è la parte immaginaria di ciascun elemento in input . Tutti gli elementi in input devono essere un numero complesso della forma \(a + bj\), dove A è la parte reale e B è la parte immaginaria restituita da questa operazione.

Tratti: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

Interfacce: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Operandi:

Risultati:

tfl.l2_normalization (tfl :: l2NormalizationOp)

L2 Normalizzare l'operatore

L2Normalizzazione op

Tratti: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effetti: MemoryEffects::Effect{}

Attributi:

Operandi:

Risultati:

tfl.leaky_relu (tfl :: LeakyreLuop)

Operatore di permeatura di Relu

Element che perde l'operatore Relu X -> X> = 0? X: (Alpha * x)

Tratti: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfacce: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Attributi:

Operandi:

Risultati:

tfl.less (TFL :: Lessop)

Meno operatore

Elemento meno funzionamento.

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

Interfacce: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Operandi:

Risultati:

tfl.less_equal (tfl :: lessequalop)

_Less uguale operatore

Element Less_Equal Operation.

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

Interfacce: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Operandi:

Risultati:

tfl.local_response_normalization (tfl :: localSesnormalizationOp)

Normalizzazione della risposta locale.

Il tensore input 4-D viene trattato come un array 3D di vettori 1-D (lungo l'ultima dimensione) e ogni vettore viene normalizzato in modo indipendente. All'interno di un determinato vettore, ogni componente è diviso per la somma ponderata e quadrata di input all'interno depth_radius . In dettaglio,

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

Per i dettagli, vedere Krizhevsky et al., Classificazione ImageNet con profonde reti neurali convoluzionali (NIP 2012) .

Tratti: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

Effetti: MemoryEffects::Effect{}

Attributi:

Operandi:

Risultati:

tfl.log (tfl :: logop)

Operatore del logaritmo naturale

Esegue operazioni di logaritmo naturale dell'elemento sull'input.

Tratti: AlwaysSpeculatableImplTrait , QuantizableResult

Interfacce: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Operandi:

Risultati:

tfl.log_softmax (tfl :: logsoftmaxop)

Asservi l'operatore softmax

Calcola le attivazioni softmax del registro elementi con la seguente formula

input - log (ridotto_sum (exp (input), dim))

Tratti: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

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

Effetti: MemoryEffects::Effect{}

Operandi:

Risultati:

tfl.logical_and (tfl :: logicalandop)

Logico e operatore

Logico e funzionamento dell'elemento.

Tratti: AlwaysSpeculatableImplTrait , ResultsBroadcastableShape

Interfacce: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Operandi:

Risultati:

tfl.logical_not (tfl :: logicalnotop)

Logico non operatore

Element-Wise Logical non operativo.

Tratti: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

Interfacce: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Operandi:

Risultati:

tfl.logical_or (tfl :: logicalorop)

Logico o operatore

Logico o funzionamento logico per elementi.

Tratti: AlwaysSpeculatableImplTrait , ResultsBroadcastableShape

Interfacce: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Operandi:

Risultati:

tfl.logistic (tfl :: logicop)

Operatore logistico

Calcola il sigmoide a livello di elemento dell'input

Tratti: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

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

Effetti: MemoryEffects::Effect{}

Operandi:

Risultati:

tfl.lstm (tfl :: lstmop)

L'operatore LSTM completo

Livello di rete ricorrente unità di memoria a breve termine (LSTM). L'implementazione predefinita non di pausa si basa su: http://deeplearning.cs.cmu.edu/pdfs/hochreiter97_lstm.pdf S. Hochreiter e J. Schmidhuber. "Memoria a breve termine". Calcolo neurale, 9 (8): 1735-1780, 1997. L'implementazione dello Spehefole si basa su: https://research.google.com/pubs/archive/43905.pdf Hasim Sak, Andrew Senior e Francoise Beaufays. "Architetture di rete neurale ricorrenti ricorrenti a breve termine per modellazione acustica su larga scala." Interspeech, 2014. L'accoppiamento di Gate input e dimenticate (CIFG) si basa su: http://arxiv.org/pdf/1503.04069.pdf Greff et al. 'LSTM: A Space Odyssey di ricerca' La normalizzazione del livello si basa su: https://arxiv.org/pdf/1607.06450.pdf Ba et al. 'Normalizzazione dello strato'

Tratti: QuantizableResult

Interfacce: DynamicRangeQuantizedOpInterface , TFL_StatefulOp , TflRuntimeVerifyOpInterface

Attributi:

Operandi:

Risultati:

tfl.matrix_diag (tfl :: matrixdiagop)

Restituisce un tensore con la diagonale fornita e tutto il resto imbottiti con zeri.

Dato un diagonale, restituisce un tensore con la diagonale e tutto il resto imbottiti con zeri. Supponiamo che diagonale abbia dimensioni k [I, J, K, ..., N] , quindi l'output è un tensore di rango k+1 con dimensioni [I, J, K, ..., N, N] dove: output[i, j, k, ..., m, n] = 1{m=n} * diagonal[i, j, k, ..., n].

Tratti: AlwaysSpeculatableImplTrait , QuantizableResult

Interfacce: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Operandi:

Risultati:

tfl.matrix_set_diag (tfl :: matrixsetdiagop)

Restituisce un tensore della matrice batch con nuovi valori diagonali batch.

Dato input e diagonal , questa operazione restituisce un tensore con la stessa forma e valori input , ad eccezione della diagonale principale delle matrici più interne. Questi saranno sovrascritti dai valori in diagonal .

Tratti: AlwaysSpeculatableImplTrait , QuantizableResult

Interfacce: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Operandi:

Risultati:

tfl.max_pool_2d (tfl :: maxpool2dop)

Max Pool 2D OP

Esegue il pool max 2D sull'ingresso.

Input: inputs[0] : richiesto: il tensore di input

Tratti: AlwaysSpeculatableImplTrait , QuantizableResult

Interfacce: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflArithmeticCountOpInterface , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Attributi:

Operandi:

Risultati:

tfl.maximum (tfl :: maximumop)

Operatore massimo

Operazione massima per elementi.

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

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

Effetti: MemoryEffects::Effect{}

Operandi:

Risultati:

tfl.mean (tfl :: meanop)

Operatore medio

Calcola la media degli elementi attraverso le dimensioni di un tensore. Riduce input_tensor lungo le dimensioni indicate nell'asse. A meno che Keepdims non sia vero, il grado del tensore è ridotto di 1 per ogni voce in asse. Se i mantenuti sono veri, le dimensioni ridotte vengono mantenute con lunghezza 1.

Tratti: AlwaysSpeculatableImplTrait , QuantizableResult

Interfacce: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effetti: MemoryEffects::Effect{}

Attributi:

Operandi:

Risultati:

tfl.minimum (TFL :: MinimiP)

Operatore min

Funzionamento MIN per elementi.

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

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

Effetti: MemoryEffects::Effect{}

Operandi:

Risultati:

tfl.mirror_pad (tfl :: mirrorpadop)

Operatore Mirrorpad. Passing di un tensore con valori specchi.

Questa operazione è in input con valori specchi in base alle imbottiture specificate. Paddings è un tensore intero con forma [n, 2], dove n è il grado di input. Per ogni dimensione D di input, i imbottiture [d, 0] indicano quanti valori da aggiungere prima del contenuto di input in quella dimensione e le imbottiture [d, 1] indicano quanti valori da aggiungere dopo il contenuto dell'input in quella dimensione.

Sia i paddings [d, 0] che i paddings [d, 1] non devono essere maggiori di input.dim_size (d) (o input.dim_size (d) - 1) se copy_border è vero (se falso, rispettivamente).

La dimensione imbottita di ogni dimensione D dell'uscita è:

Paddings (d, 0) + input.dim_size (d) + paddings (d, 1)

Tratti: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effetti: MemoryEffects::Effect{}

Attributi:

Operandi:

Risultati:

tfl.mul (tfl :: mulop)

Operatore di moltiplicazione

Operazione di moltiplicazione per elementi.

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

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

Effetti: MemoryEffects::Effect{}

Attributi:

Operandi:

Risultati:

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.

Interfacce: TflRuntimeVerifyOpInterface

Attributes:

Operands:

Risultati:

tfl.neg (TFL::NegOp)

Negation operator

Computes element-wise negation of input

Traits: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

Effects: MemoryEffects::Effect{}

Operands:

Risultati:

tfl.no_value (TFL::NoValueOp)

Constant representing no value.

No value constant op.

Traits: AlwaysSpeculatableImplTrait , ConstantLike

Interfaces: ConditionallySpeculatable , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

Attributes:

Risultati:

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:

Risultati:

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:

Risultati:

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:

Risultati:

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

Interfacce: TflRuntimeVerifyOpInterface

Attributes:

Operands:

Risultati:

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{}

Attributes:

Operands:

Risultati:

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) . Ecc.

Per esempio:

# '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{}

Attributes:

Operands:

Risultati:

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)

Per esempio:

# '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:

Risultati:

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)

Per esempio:

# '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:

Risultati:

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:

Risultati:

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:

Risultati:

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:

Risultati:

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{}

Attributes:

Risultati:

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{}

Attributes:

Risultati:

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{}

Attributes:

Risultati:

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{}

Attributes:

Risultati:

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{}

Attributes:

Operands:

Risultati:

tfl.random_standard_normal (TFL::RandomStandardNormalOp)

Outputs random values from a normal distribution.

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

Interfacce: TflRuntimeVerifyOpInterface

Attributes:

Operands:

Risultati:

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.

Interfacce: TflRuntimeVerifyOpInterface

Attributes:

Operands:

Risultati:

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:

Risultati:

tfl.rank (TFL::RankOp)

Rank operator.

Returns the rank of a tensor.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Risultati:

tfl.read_variable (TFL::ReadVariableOp)

Reads variable value.

Read variable data identified by 'resource_id'.

Interfacce: TflRuntimeVerifyOpInterface

Operands:

Risultati:

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:

Risultati:

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{}

Attributes:

Operands:

Risultati:

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{}

Attributes:

Operands:

Risultati:

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{}

Attributes:

Operands:

Risultati:

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{}

Attributes:

Operands:

Risultati:

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{}

Attributes:

Operands:

Risultati:

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:

Risultati:

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:

Risultati:

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:

Risultati:

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:

Risultati:

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:

Risultati:

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{}

Attributes:

Operands:

Risultati:

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{}

Attributes:

Operands:

Risultati:

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{}

Attributes:

Operands:

Risultati:

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:

Risultati:

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 terms.

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:

Risultati:

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:

Risultati:

tfl.round (TFL::RoundOp)

Round operator

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

Traits: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

Effects: MemoryEffects::Effect{}

Operands:

Risultati:

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:

Risultati:

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:

Risultati:

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:

Risultati:

tfl.select (TFL::SelectOp)

Select 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. condition must be Rank 1 and match over the first dimension.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

Risultati:

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:

Risultati:

tfl.shape (TFL::ShapeOp)

Shape operator

Returns the shape of a tensor.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

Results:

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:

Results:

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:

Results:

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:

Results:

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{}

Attributes:

Operands:

Results:

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:

Results:

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{}

Attributes:

Operands:

Results:

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:

Results:

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{}

Attributes:

Operands:

Results:

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{}

Attributes:

Operands:

Results:

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:

Results:

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:

Results:

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:

Results:

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 .

Per esempio:

# '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{}

Attributes:

Operands:

Results:

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{}

Attributes:

Operands:

Results:

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{}

Attributes:

Operands:

Results:

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{}

Attributes:

Operands:

Results:

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

Attributes:

Operands:

Results:

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:

Results:

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:

Results:

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:

Results:

tfl.transpose (TFL::TransposeOp)

Transpose operator

Returns the Transpose of x

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

Results:

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{}

Attributes:

Operands:

Results:

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

Attributes:

Operands:

Results:

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

Attributes:

Operands:

Results:

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 . In other words: