'тфл' Диалект

Диалект TensorFlow Lite.

Этот диалект соответствует операциям TensorFlow Lite.

Инварианты:

• Все значения имеют тип Тензор (в частности, скаляры представляются с помощью нульмерных тензоров);

Операции

tfl.abs (TFL::AbsOp)

Оператор абсолютного значения

Учитывая тензор x , эта операция возвращает тензор, содержащий абсолютное значение каждого элемента x . Например, если x — входной элемент, а y — выходной элемент, эта операция вычисляет \(y = |x|\).

Признаки: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Результаты:

tfl.add (TFL::AddOp)

Оператор сложения

Операция поэлементного сложения.

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

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

Эффекты: MemoryEffects::Effect{}

Атрибуты:

Операнды:

Результаты:

tfl.add_n (TFL::AddNOp)

_Добавить оператор n

Добавляет все входные тензоры поэлементно.

Признаки: AlwaysSpeculatableImplTrait , Commutative

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

Эффекты: MemoryEffects::Effect{}

Операнды:

Результаты:

tfl.arg_max (TFL::ArgMaxOp)

Оператор ArgMax

Возвращает индекс с наибольшим значением по измерениям тензора.

Черты: AlwaysSpeculatableImplTrait , QuantizableResult

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Атрибуты:

Операнды:

Результаты:

tfl.arg_min (TFL::ArgMinOp)

Оператор АргМин

Возвращает индекс с наименьшим значением по измерениям тензора. a = [1, 10, 26,9, 2,8, 166,32, 62,3] b = tf.math.argmin(input = a) c = tf.keras.backend.eval(b)

Черты: AlwaysSpeculatableImplTrait , QuantizableResult

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Атрибуты:

Операнды:

Результаты:

tfl.assign_variable (TFL::AssignVariableOp)

Присваивает новое значение переменной.

Любой ReadVariableOp с зависимостью управления от этой операции гарантированно вернет это значение или последующее более новое значение переменной.

Интерфейсы: TflRuntimeVerifyOpInterface

Операнды:

tfl.atan2 (TFL::Atan2Op)

Операция Атан2

Операция «atan2» вычисляет арктангенс y/x поэлементно, учитывая знаки аргументов.

Признаки: AlwaysSpeculatableImplTrait , SameOperandsAndResultElementType , SameOperandsAndResultShape

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Результаты:

tfl.average_pool_2d (TFL::AveragePool2DOp)

_Average_pool 2d оператор

Выполняет операцию подсчета среднего значения на входе.

Черты: AlwaysSpeculatableImplTrait , QuantizableResult

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

Эффекты: MemoryEffects::Effect{}

Атрибуты:

Операнды:

Результаты:

tfl.basic_lstm (TFL::BasicLSTMOp)

Основной оператор lstm

базовый оператор сотовой связи LSTM.

Черты: AlwaysSpeculatableImplTrait , QuantizableResult

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Атрибуты:

Операнды:

Результаты:

tfl.batch_matmul (TFL::BatchMatMulOp)

Оператор пакетного умножения матриц

Выполняет пакетное умножение матриц на входах. Соблюдает соглашения TensorFlow BatchMatMulV2 с поддержкой неизвестных измерений в пакетных измерениях и широковещательной передаче.

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)

Черты: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , QuantizableResult

Интерфейсы: ConditionallySpeculatable , DynamicRangeQuantizedOpInterface , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface .

Эффекты: MemoryEffects::Effect{}

Атрибуты:

Операнды:

Результаты:

tfl.batch_to_space_nd (TFL::BatchToSpaceNdOp)

Оператор BatchToSpaceNd

Эта операция преобразует «пакетное» измерение 0 в измерения пространства.

Черты: AlwaysSpeculatableImplTrait , QuantizableResult

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

Эффекты: MemoryEffects::Effect{}

Операнды:

Результаты:

tfl.bidirectional_sequence_lstm (TFL::BidirectSequenceLSTMOp)

Оператор lstm двунаправленной последовательности

Двунаправленный lstm — это, по сути, два lstm, один работает вперед, а другой — назад. Результатом является объединение двух lstms.

Черты: QuantizableResult

Интерфейсы: DynamicRangeQuantizedOpInterface , TFL_StatefulOp , TflRuntimeVerifyOpInterface

Атрибуты:

Операнды:

Результаты:

tfl.bitcast (TFL::BitcastOp)

Биткаст-оператор

Преобразует тензор из одного типа в другой.

Черты: AlwaysSpeculatableImplTrait

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Результаты:

tfl.bitwise_xor (TFL::BitwiseXorOp)

Побитовый оператор Xor

Поэлементно вычисляет побитовое исключающее ИЛИ для lhs и rhs .

Признаки: AlwaysSpeculatableImplTrait , Commutative , ResultsBroadcastableShape , SameOperandsAndResultElementType .

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Результаты:

tfl.broadcast_args (TFL::BroadcastArgsOp)

Верните форму s0 op s1 с помощью трансляции.

Учитывая s0 и s1 , тензоры, представляющие фигуры, вычисляют r0 , транслируемую форму. s0 , s1 и r0 — целочисленные векторы.

Черты: AlwaysSpeculatableImplTrait

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Результаты:

tfl.broadcast_to (TFL::BroadcastToOp)

Передайте массив для совместимой формы.

Рассылка — это процесс придания массивам совместимой формы для арифметических операций. Две фигуры совместимы, если для каждой пары измерений они либо равны, либо одна из них равна единице. При попытке передать тензор в фигуру он начинается с конечных размеров и продвигается вперед.

Например,

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]], shape=(3, 3), dtype=int32)

В приведенном выше примере входной тензор с формой [1, 3] транслируется на выходной тензор с формой [3, 3] .

При выполнении широковещательных операций, таких как умножение тензора на скаляр, широковещательная передача (обычно) дает некоторую выгоду во времени или пространстве, поскольку транслируемый тензор никогда не материализуется.

Однако broadcast_to не несет в себе таких преимуществ. Вновь созданный тензор полностью запоминает переданную форму. (Однако в контексте графа broadcast_to может быть объединен с последующей операцией, а затем оптимизирован.)

Черты: AlwaysSpeculatableImplTrait , QuantizableResult

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Результаты:

tfl.bucketize (TFL::BucketizeOp)

Распределяет «входные данные» на основе «границ».

Пример:

Если входные данные являются boundaries = [0, 10, 100] и input = [[-5, 10000][150, 10][5, 100]] , то выходные данные будут output = [[0, 3][3, 2][1, 3]] .

Признаки: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Атрибуты:

Операнды:

Результаты:

tfl.call_once (TFL::CallOnceOp)

Вызывает функцию инициализации

Эта операция вызывает данную функцию инициализации для инициализатора сеанса на диалекте сохраненной модели tf.

Интерфейсы: TflRuntimeVerifyOpInterface

Атрибуты:

tfl.cast (TFL::CastOp)

Оператор кастинга

Преобразует ввод из типа ввода в тип вывода.

Признаки: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Результаты:

tfl.ceil (TFL::CeilOp)

Оператор сотовой связи

Возвращает поэлементное значение ячейки входных данных.

Черты: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

Интерфейсы: ConditionallySpeculatable , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface .

Эффекты: MemoryEffects::Effect{}

Операнды:

Результаты:

tfl.complex_abs (TFL::ComplexAbsOp)

Вычисляет комплексное абсолютное значение тензора.

Учитывая тензор x комплексных чисел, эта операция возвращает тензор типа float или double , который является абсолютным значением каждого элемента в x . Все элементы x должны быть комплексными числами вида \(a + bj\). Абсолютное значение рассчитывается как \( \sqrt{a^2 + b^2}\).

Признаки: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Результаты:

tfl.concatenation (TFL::ConcatenationOp)

Оператор конкатенации

Объединяет тензоры по одному измерению

Черты: AlwaysSpeculatableImplTrait , QuantizableResult

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

Эффекты: MemoryEffects::Effect{}

Атрибуты:

Операнды:

Результаты:

tfl.control_node (TFL::ControlNodeOp)

Операция TFL.control_node оборачивает одноблочные операции для присоединения управляющих ребер.

Это используется для переноса регионов и прикрепления к ним зависимостей управления. Обычно это происходит на одном из последних шагов перед созданием модели плоского буфера, чтобы обеспечить возможность оптимизации, основанной на фиксированном порядке операций (например, повторная материализация). Экспортер плоского буфера развернет обернутую область и аннотирует сгенерированную модель метаданными. так, что любые изменения порядка во время выполнения будут соответствовать порядку, заданному зависимостями управления.

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

Операнды:

Результаты:

tfl.conv_2d (TFL::Conv2DOp)

Оператор свертки

Выполняет операцию свертки на входных данных.

Входные данные: inputs[0] : требуется: входной тензор активации inputs[1] : обязательный: тензор веса фильтра inputs[2] : необязательный: тензор смещения

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

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

Эффекты: MemoryEffects::Effect{}

Атрибуты:

Операнды:

Результаты:

tfl.conv_3d (TFL::Conv3DOp)

3D-оператор свертки

Выполняет операцию свертки на 3D-входах. Входные данные: inputs[0] : требуется: входной тензор активации inputs[1] : обязательный: тензор веса фильтра inputs[2] : необязательный: тензор смещения

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

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Атрибуты:

Операнды:

Результаты:

tfl.conv_3d_transpose (TFL::Conv3DTransposeOp)

3D-оператор транспонированной свертки

Выполняет операцию транспонированной свертки на 3D-входах. Входные данные: inputs[0] : обязательно: форма выходного тензора inputs[1] : обязательно: тензор веса фильтра inputs[2] : обязательно: входной тензор активации inputs[3] : необязательно: тензор смещения

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

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Атрибуты:

Операнды:

Результаты:

tfl.cos (TFL::CosOp)

Оператор косинуса

Вычисляет поэлементно косинус входных данных

Черты: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

Интерфейсы: ConditionallySpeculatable , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface .

Эффекты: MemoryEffects::Effect{}

Операнды:

Результаты:

tfl.cumsum (TFL::CumsumOp)

Оператор совокупной суммы

Вычислите совокупную сумму тензора x вдоль оси.

Черты: AlwaysSpeculatableImplTrait

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Атрибуты:

Операнды:

Результаты:

tfl.custom (TFL::CustomOp)

Пользовательская операция

Общая операция для любой пользовательской операции TFLite.

вход: список входов в исходном операторе. custom_code: строка, используемая для определения того, что именно представляет собой эта операция, что соответствует оператору_codes.custom_code в плоском буфере. custom_option: держатель для сохранения атрибутов операции в байтовом формате. вывод: список результатов в исходной операции.

Интерфейсы: TflRuntimeVerifyOpInterface

Атрибуты:

Операнды:

Результаты:

tfl.custom_tf (TFL::CustomTfOp)

Обертка для пользовательских операций TF.

Операция-обертка для любой операции Custom TF. К ним относятся операции, определенные с использованием custom_opdefs или связанные, которые не определены в диалекте TF. Эта операция просто оборачивает пользовательскую операцию внутри региона. Примечание № 1: эта операция не будет включать специальные операции TF Lite, определенные с помощью CustomOp. Примечание № 2. Эта операция является всего лишь внутренним представлением внутри конвертера и не отображается/экспортируется при экспорте модели в Flatbuffer.

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

Интерфейсы: InferTypeOpInterface , TflRuntimeVerifyOpInterface

Операнды:

Результаты:

tfl.densify (TFL::DensifyOp)

Оператор уплотнения

Преобразует разреженный тензор в плотный формат.

Черты: AlwaysSpeculatableImplTrait

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Результаты:

tfl.depth_to_space (TFL::DepthToSpaceOp)

Оператор DepthToSpace

Переупорядочивает данные из глубины в блоки пространственных данных. Это обратное преобразование SpaceToDepth. Точнее, эта операция выводит копию входного тензора, в которой значения из измерения depth перемещаются в пространственных блоках в измерения height и width . Атрибут block_size указывает размер входного блока и способ перемещения данных.

Черты: AlwaysSpeculatableImplTrait , QuantizableResult

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

Эффекты: MemoryEffects::Effect{}

Атрибуты:

Операнды:

Результаты:

tfl.depthwise_conv_2d (TFL::DepthwiseConv2DOp)

Оператор свертки с разделением по глубине

Выполняет операцию свертки на входных данных.

Входные данные: inputs[0] : требуется: входной тензор активации inputs[1] : обязателен: тензор веса фильтра inputs[2] : необязательно: тензор смещения

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

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

Эффекты: MemoryEffects::Effect{}

Атрибуты:

Операнды:

Результаты:

tfl.dequantize (TFL::DequantizeOp)

Оператор деквантования

Преобразует квантованный массив целых чисел в числа с плавающей запятой в соответствии с параметрами квантования.

Интерфейсы: NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Результаты:

tfl.dilate (TFL::DilateOp)

Оператор расширения

Расширяет тензор, добавляя новые элементы между существующими.

Черты: AlwaysSpeculatableImplTrait

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Результаты:

tfl.div (TFL::DivOp)

Оператор отдела

Операция поэлементного деления.

Черты: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , ResultsBroadcastableShape

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

Эффекты: MemoryEffects::Effect{}

Атрибуты:

Операнды:

Результаты:

tfl.dynamic_update_slice (TFL::DynamicUpdateSliceOp)

ДинамикупдатеСлайс.

Операция DynamicUpdateSlice, имеющая ту же семантику, что и XLA DynamicUpdateSlice. Генерирует результат, который является значением операнда входного массива с перезаписанным обновлением среза в start_indices.

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

Черты: AlwaysSpeculatableImplTrait

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Результаты:

tfl.elu (tfl :: eluop)

Экспоненциальный линейный оператор

Вычисляет экспоненциальный линейный f (x) -> exp (x) -1 для x <0, x для x> = 0..

Черты: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Результаты:

tfl.embedding_lookup (tfl :: encedlookupop)

Внедрение оператора поиска

Взгляните идентификаторы в списке тензоров встраивания.

Черты: AlwaysSpeculatableImplTrait , QuantizableResult

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

Эффекты: MemoryEffects::Effect{}

Операнды:

Результаты:

tfl.equal (tfl :: evallop)

Равный оператор

Возвращает элемент истины x == y элемент по элементу

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

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Результаты:

tfl.exp (tfl :: expop)

Оператор естественного экспонента

Выполняет элементную работу естественной экспоненты на входе.

Черты: AlwaysSpeculatableImplTrait , QuantizableResult

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Результаты:

tfl.expand_dims (tfl :: expanddimsop)

Вставляет измерение 1 в форму тензора.

input тензор, эта операция вводит размер 1 на axis индекса измерения формы input . axis индекса измерения начинается с нуля; Если вы указываете отрицательное число для axis , он подсчитывается назад с конца.

Эта операция полезна, если вы хотите добавить пакетное измерение в один элемент. Например, если у вас есть одно изображение формы [height, width, channels] , вы можете сделать его партией из 1 изображения с expand_dims(image, 0) , которое сделает форму [1, height, width, channels] .

Другие примеры:

# '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]

Эта операция требует, чтобы:

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

Эта операция связана с squeeze() , который удаляет размеры размера 1.

Черты: AlwaysSpeculatableImplTrait , QuantizableResult

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Результаты:

tfl.external_const (tfl :: externalconstop)

Внешний констант.

Внешний констант содержит buffer_index , который указывает на константу в плоском буфере.

Черты: AlwaysSpeculatableImplTrait , QuantizableResult

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Атрибуты:

Результаты:

tfl.fake_quant (tfl :: fakequantop)

Факевой оператор

Поддельный квалификация тензора «входов» типа с помощью плавучих скаляров и максимума до «выходов» с той же формой, что и входы.

Черты: AlwaysSpeculatableImplTrait , QuantizableResult

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Атрибуты:

Операнды:

Результаты:

tfl.fill (tfl :: filop)

Заполните тензор данным значением.

Заполните тензор данным значением.

Черты: AlwaysSpeculatableImplTrait , QuantizableResult

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Результаты:

tfl.floor (tfl :: floorop)

Оператор пола

Возвращает элементное значение пола ввода.

Черты: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

Интерфейсы InferTypeOpInterface ConditionallySpeculatable TflRuntimeVerifyOpInterface NoMemoryEffect (MemoryEffectOpInterface) InferShapedTypeOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Результаты:

tfl.floor_div (tfl :: floordivop)

Пол -дивизион оператор

Элементная работа пола.

Черты: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , ResultsBroadcastableShape

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Результаты:

tfl.floor_mod (tfl :: floormodop)

Напоминание об отделах

Элементная операция напоминания.

Черты: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , ResultsBroadcastableShape

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Результаты:

tfl.fully_connected (tfl :: Fullconnectectop)

Полностью подключенный соч

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

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

Эффекты: MemoryEffects::Effect{}

Атрибуты:

Операнды:

Результаты:

tfl.gather (tfl :: gallop)

Соберите оператор

Соберите срезы от axis params в соответствии с indices .

Черты: AlwaysSpeculatableImplTrait , QuantizableResult

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

Эффекты: MemoryEffects::Effect{}

Атрибуты:

Операнды:

Результаты:

tfl.gather_nd (tfl :: gatherndop)

_Gather nd оператор

Соберите ломтики из params в тензор с формой, указанной по indices .

Черты: AlwaysSpeculatableImplTrait , QuantizableResult

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Результаты:

tfl.gelu (tfl :: geluop)

Функция активации Гелу.

Вычисляет функцию активации Gelu по элементу элемента.

Черты: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Атрибуты:

Операнды:

Результаты:

tfl.greater (tfl :: breeop)

Большой оператор

Уэтальница большей операции.

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

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Результаты:

tfl.greater_equal (tfl :: dizerequalop)

_Greater равный оператор

В элементах Большой Операция.

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

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Результаты:

tfl.hard_swish (tfl :: hardswishop)

Хардсвейскую функцию активации.

Вычисляет функцию активации с жесткой пленкой f (x)-> (x * relu6 (x+3))/6 по элементу.

Черты: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Результаты:

tfl.hashtable (tfl :: hashtableop)

Создает ненициализированную хэш-таблицу.

Этот OP создает хэш -таблицу, указывающая тип его ключей и значений. Перед использованием таблицы вам придется инициализировать ее. После инициализации таблица будет неизменной.

Интерфейсы: TflRuntimeVerifyOpInterface

Атрибуты:

Результаты:

tfl.hashtable_find (tfl :: hashtablefindop)

Взгляните клавиши в таблице, выводит соответствующие значения.

Тенсорные keys должны от того же типа, что и ключи таблицы. Выходные values имеют тип значений таблицы.

Скалярная default_value - это выходной сигнал для ключей, не присутствующих в таблице. Он также должен быть такого же типа, что и значения таблицы.

Интерфейсы: TflRuntimeVerifyOpInterface

Операнды:

Результаты:

tfl.hashtable_import (tfl :: hashtableimportop)

Заменяет содержимое таблицы указанными клавишами и значениями.

Тенсорные keys должны быть такого же типа, что и клавиши таблицы. values тензора должны быть типа значений таблицы.

Интерфейсы: TflRuntimeVerifyOpInterface

Операнды:

tfl.hashtable_size (tfl :: hashtablesizeop)

Вычисляет количество элементов в данной таблице.

Интерфейсы: TflRuntimeVerifyOpInterface

Операнды:

Результаты:

tfl.if (tfl :: ifop)

If-Then-Else Operation

Операция tfl.if представляет конструкцию if-then-else для условного выполнения двух областей кода. Операнд до операции, если операция является логическим значением. Например:

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

tfl.if также могут вернуть результаты, которые определены в его регионах. Определенные значения определяются, по которым проходит путь выполнения.

Пример:

%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>
}

Области tfl.if всегда прекращаются с помощью «tfl.yield». Если «tfl.if» не определяет значения, «tfl.yield» может быть исключен и будет вставлен неявно. В противном случае это должно быть явным. Кроме того, если «tfl.if» определяет одно или несколько значений, блок «else» не может быть опущен.

Пример:

tfl.if %b  {
  ...
}

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

Интерфейсы: RegionBranchOpInterface , TflRuntimeVerifyOpInterface

Операнды:

Результаты:

tfl.imag (tfl :: Imagop)

Возвращает воображаемую часть сложного числа.

Учитывая тензорный input комплексных чисел, эта операция возвращает тензор float типа, который является воображаемой частью каждого элемента при input . Все элементы при input должны быть комплексными числами формы \(a + bj\), где A - это реальная часть, а B - воображаемая часть, возвращаемая этой операцией.

Черты: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Результаты:

tfl.l2_normalization (tfl :: l2normalizationop)

L2 Нормализуйте оператор

L2Normalization op

Черты: AlwaysSpeculatableImplTrait , QuantizableResult

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

Эффекты: MemoryEffects::Effect{}

Атрибуты:

Операнды:

Результаты:

tfl.leaky_relu (tfl :: cheamyreluop)

Утечка Оператора RELU

Утечка releay reluy x -> x> = 0? X: (Альфа * х)

Черты: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Атрибуты:

Операнды:

Результаты:

tfl.less (tfl :: mansop)

Меньше оператора

Уэтальница меньше работы.

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

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Результаты:

tfl.less_equal (tfl :: messequalop)

_ Безвредный оператор

Элементный меньше, меньший

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

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Результаты:

tfl.local_response_normalization (tfl :: localresponsenormalizationop)

Локальная нормализация ответа.

4-D input тензора рассматривается как трехмерный массив 1-D векторов (вдоль последнего измерения), и каждый вектор нормализуется независимо. В пределах данного вектора каждый компонент делится на взвешенную квадратную сумму входов в depth_radius . Подробно,

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

Подробнее см. Крижевский и др., Классификация ImageNet с глубокими сверточными нейронными сетями (NIPS 2012) .

Черты: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

Интерфейсы InferTypeOpInterface ConditionallySpeculatable TflRuntimeVerifyOpInterface NoMemoryEffect (MemoryEffectOpInterface) InferShapedTypeOpInterface

Эффекты: MemoryEffects::Effect{}

Атрибуты:

Операнды:

Результаты:

tfl.log (tfl :: logop)

Натуральный оператор логарифма

Выполняет элементную работу естественного логарифма при вводе.

Черты: AlwaysSpeculatableImplTrait , QuantizableResult

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Результаты:

tfl.log_softmax (tfl :: logsoftmaxop)

Log Softmax Operator

Вычисляет элементные активации SoftMax в рамках следующей формулы

Вход - log (READ_SUM (EXP (Input), DIM)))

Черты: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

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

Эффекты: MemoryEffects::Effect{}

Операнды:

Результаты:

tfl.logical_and (tfl :: logicalandop)

Логический и оператор

Элементный логический и операция.

Черты: AlwaysSpeculatableImplTrait , ResultsBroadcastableShape

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Результаты:

tfl.logical_not (tfl :: logicalnotop)

Логично не оператор

Элементная логика не операция.

Черты: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Результаты:

tfl.logical_or (tfl :: logicalorop)

Логичный или оператор

По элементу логической или операции.

Черты: AlwaysSpeculatableImplTrait , ResultsBroadcastableShape

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Результаты:

tfl.logistic (tfl :: logisticop)

Логистический оператор

Вычисляет элементный сигмоид ввода

Черты: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

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

Эффекты: MemoryEffects::Effect{}

Операнды:

Результаты:

tfl.lstm (tfl :: lstmop)

Полный оператор LSTM

Длинная краткосрочная блока памяти (LSTM) рецидивирующий сетевой уровень. Реализация не-промежуточной скважины по умолчанию основана на: http://deeplearning.cs.cmu.edu/pdfs/hochreiter97_lstm.pdf S. Hochreiter и J. Schmidhuber. «Длинная кратковременная память». Нейронные вычисления, 9 (8): 1735-1780, 1997. Реализация Peephole основана на: https://research.google.com/pubs/archive/43905.pdf Хасим Сак, Эндрю Старший и Франсуза Бойфэйс. «Длинная кратковременная рецидивирующая архитектура нейронной сети для крупномасштабного акустического моделирования». Interspeech, 2014. Соединение ввода и Gate Gate (CIFG) основана на: http://arxiv.org/pdf/1503.04069.pdf Greff et al. 'LSTM: Odyssey Odyssey поискового пространства. Нормализация слоя основана на: https://arxiv.org/pdf/1607.06450.pdf Ba et al. 'Нормализация слоя'

Черты: QuantizableResult

Интерфейсы: DynamicRangeQuantizedOpInterface , TFL_StatefulOp , TflRuntimeVerifyOpInterface

Атрибуты:

Операнды:

Результаты:

tfl.matrix_diag (tfl :: matrixdiagop)

Возвращает тензор с предоставленной диагональю и всем остальным, наполненным нулями.

Учитывая диагональ, возвращает тензор с диагональю, а все остальное, наполненное нулями. [I, J, K, ..., N] k+1 [I, J, K, ..., N, N] output[i, j, k, ..., m, n] = 1{m=n} * diagonal[i, j, k, ..., n].

Черты: AlwaysSpeculatableImplTrait , QuantizableResult

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Результаты:

tfl.matrix_set_diag (tfl :: matrixsetdiagop)

Возвращает пакетный тензор матрицы с новыми пакетными диагональными значениями.

Учитывая input и diagonal , эта операция возвращает тензор с той же формой и значениями, что и input , за исключением основной диагонали внутренних матриц. Они будут перезаписаны значениями в diagonal .

Черты: AlwaysSpeculatableImplTrait , QuantizableResult

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Результаты:

tfl.max_pool_2d (tfl :: maxpool2dop)

Max Pool 2d Op

Выполняет Max Pool 2D на входе.

Входы: inputs[0] : требуется: тензор ввода

Черты: AlwaysSpeculatableImplTrait , QuantizableResult

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

Эффекты: MemoryEffects::Effect{}

Атрибуты:

Операнды:

Результаты:

tfl.maximum (tfl :: maximumop)

Максимальный оператор

Элементная максимальная операция.

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

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Результаты:

tfl.mean (tfl :: meanop)

Средний оператор

Вычисляет среднее значение элементов по размерам тензора. Уменьшает input_tensor вдоль размеров, приведенных в оси. Если не верна KeepDims, звание тензора уменьшается на 1 для каждой записи в оси. Если KeepDims верна, уменьшенные размеры сохраняются с длиной 1.

Черты: AlwaysSpeculatableImplTrait , QuantizableResult

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Атрибуты:

Операнды:

Результаты:

tfl.minimum (tfl :: minimumop)

Мин оператор

Элементная операция мин.

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

Интерфейсы: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Результаты:

tfl.mirror_pad (tfl :: mirrorpadop)

Оператор Mirrorpad. Подушки тензора с зеркальными значениями.

Эта операция покладывает вход со зеркальными значениями в соответствии с указанными вами положениями. Paddings - это целочисленный тензор с формой [n, 2], где n - ранг ввода. Для каждого измерения D ввода насылки [D, 0] указывают, сколько значений добавить перед содержимым ввода в этом измерении, а падки [D, 1] указывают, сколько значений добавить после содержимого ввода в этом размере.

Обе накладки [D, 0] и падки [D, 1] должны быть не больше, чем input.dim_size (d) (или input.dim_size (d) - 1), если copy_border является истинной (если false, соответственно).

Размер мягкого размера каждого измерения d выхода:

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Атрибуты:

Operands:

Результаты:

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{}

Атрибуты:

Operands:

Результаты:

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

Атрибуты:

Operands:

Результаты:

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:

Результаты:

tfl.no_value (TFL::NoValueOp)

Constant representing no value.

No value constant op.

Traits: AlwaysSpeculatableImplTrait , ConstantLike

Interfaces: ConditionallySpeculatable , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

Атрибуты:

Результаты:

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:

Результаты:

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:

Результаты:

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:

Результаты:

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

Атрибуты:

Operands:

Результаты:

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{}

Атрибуты:

Operands:

Результаты:

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) . И т. д.

Например:

# '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{}

Атрибуты:

Operands:

Результаты:

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)

Например:

# '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:

Результаты:

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)

Например:

# '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:

Результаты:

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:

Результаты:

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:

Результаты:

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:

Результаты:

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{}

Атрибуты:

Результаты:

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{}

Атрибуты:

Результаты:

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{}

Атрибуты:

Результаты:

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{}

Атрибуты:

Результаты:

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{}

Атрибуты:

Operands:

Результаты:

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

Атрибуты:

Operands:

Результаты:

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

Атрибуты:

Operands:

Результаты:

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:

Результаты:

tfl.rank (TFL::RankOp)

Rank operator.

Returns the rank of a tensor.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Результаты:

tfl.read_variable (TFL::ReadVariableOp)

Reads variable value.

Read variable data identified by 'resource_id'.

Interfaces: TflRuntimeVerifyOpInterface

Operands:

Результаты:

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:

Результаты:

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{}

Атрибуты:

Operands:

Результаты:

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{}

Атрибуты:

Operands:

Результаты:

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{}

Атрибуты:

Operands:

Результаты:

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{}

Атрибуты:

Operands:

Результаты:

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{}

Атрибуты:

Operands:

Результаты:

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:

Результаты:

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:

Результаты:

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:

Результаты:

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:

Результаты:

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:

Результаты:

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{}

Атрибуты:

Operands:

Результаты:

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{}

Атрибуты:

Operands:

Результаты:

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{}

Атрибуты:

Operands:

Результаты:

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:

Результаты:

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 условия.

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:

Результаты:

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:

Результаты:

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:

Результаты:

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:

Результаты:

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:

Результаты:

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:

Результаты:

tfl.select (TFL::SelectOp)

Выберите оператора

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:

Результаты:

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:

Результаты:

tfl.shape (TFL::ShapeOp)

Shape operator

Returns the shape of a tensor.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Атрибуты:

Operands:

Результаты:

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:

Результаты:

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:

Результаты:

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:

Результаты:

tfl.softmax (TFL::SoftmaxOp)

Softmax operator

Computes element-wise softmax activations with the following formula

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

Атрибуты:

Operands:

Результаты:

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:

Результаты:

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{}

Атрибуты:

Operands:

Результаты:

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:

Результаты:

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{}

Атрибуты:

Operands:

Результаты:

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{}

Атрибуты:

Operands:

Результаты:

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:

Результаты:

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:

Результаты:

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:

Результаты:

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 .

Например:

# '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{}

Атрибуты:

Operands:

Результаты:

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{}

Атрибуты:

Operands:

Результаты:

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{}

Атрибуты:

Operands:

Результаты:

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{}

Атрибуты:

Operands:

Результаты:

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

Атрибуты:

Operands:

Результаты:

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:

Результаты:

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:

Результаты:

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:

Результаты:

tfl.transpose (TFL::TransposeOp)

Transpose operator

Returns the Transpose of x

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

Результаты:

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{}

Атрибуты:

Operands: