'tfl' נִיב

הדיאלקט של TensorFlow Lite.

ניב זה ממפה לפעולות TensorFlow Lite.

אינוריאנטים:

  • כל הערכים הם מסוג Tensor (במיוחד, סקלרים מיוצגים באמצעות טנסורים אפס מימדיים);

פעולות

tfl.abs (TFL::AbsOp)

אופרטור ערך מוחלט

בהינתן טנסור x , פעולה זו מחזירה טנזור המכיל את הערך המוחלט של כל אלמנט ב- x . לדוגמה, אם x הוא אלמנט קלט ו-y הוא אלמנט פלט, פעולה זו מחשבת \(y = |x|\).

תכונות: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד תֵאוּר
x טנסור של מספר שלם ללא סימן 16 סיביות או ערכים שלם ללא סימן של 32 סיביות או 32 סיביות צף או ערכים מסוג QI8 או QI16

תוצאות:

תוֹצָאָה תֵאוּר
y טנסור של מספר שלם ללא סימן 16 סיביות או ערכים שלם ללא סימן של 32 סיביות או 32 סיביות צף או ערכים מסוג QI8 או QI16

tfl.add (TFL::AddOp)

מפעיל הוספה

פעולת הוספת אלמנטים.

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

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

אפקטים: MemoryEffects::Effect{}

תכונות:

תְכוּנָה סוג MLIR תֵאוּר
fused_activation_function ::mlir::StringAttr תכונת מחרוזת שהערך שלה הוא NONE, או RELU, או RELU_N1_TO_1, או RELU6, או TANH, או SIGN_BIT

אופרנדים:

אופרנד תֵאוּר
lhs טנסור של מספר שלם ללא סימן של 32 סיביות או 16 סיביות ללא סימן או מספר שלם ללא סימן 32 סיביות או ערכי מספר שלם ללא סימן 64 סיביות או מסוג QI8 או מסוג QUI8 או מסוג QI16
rhs טנסור של מספר שלם ללא סימן של 32 סיביות או 16 סיביות ללא סימן או מספר שלם ללא סימן 32 סיביות או ערכי מספר שלם ללא סימן 64 סיביות או מסוג QI8 או מסוג QUI8 או מסוג QI16

תוצאות:

תוֹצָאָה תֵאוּר
output טנסור של מספר שלם ללא סימן של 32 סיביות או 16 סיביות ללא סימן או מספר שלם ללא סימן 32 סיביות או ערכי מספר שלם ללא סימן 64 סיביות או מסוג QI8 או מסוג QUI8 או מסוג QI16

tfl.add_n (TFL::AddNOp)

_הוסף אופרטור n

מוסיף את כל טנסור הקלט מבחינה אלמנטית.

תכונות: AlwaysSpeculatableImplTrait , Commutative

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

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד תֵאוּר
inputs וריאדית של טנסור מכל סוג שהוא

תוצאות:

תוֹצָאָה תֵאוּר
sum טנסור של ערכי מספרים שלמים ללא סימן של 32 סיביות או 32 סיביות

tfl.arg_max (TFL::ArgMaxOp)

מפעיל ArgMax

מחזירה את האינדקס עם הערך הגדול ביותר על פני מימדים של טנזור.

תכונות: AlwaysSpeculatableImplTrait , QuantizableResult

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

תכונות:

תְכוּנָה סוג MLIR תֵאוּר
output_type ::mlir::תכונה תכונה נגזרת

אופרנדים:

אופרנד תֵאוּר
input טנסור של מספר שלם ללא סימן 1 סיביות או 32 סיביות צף או מספר שלם ללא סימן 32 סיביות או מספר שלם ללא סימן 8 סיביות או ערכי מספר שלם ללא סימן 8 סיביות או מסוג QI8 או QUI8
dim טנסור של ערכי מספרים שלמים ללא סימן של 32/64 סיביות

תוצאות:

תוֹצָאָה תֵאוּר
output טנסור של ערכי מספרים שלמים ללא סימן של 32/64 סיביות

tfl.arg_min (TFL::ArgMinOp)

מפעיל ArgMin

מחזירה את האינדקס עם הערך הקטן ביותר על פני מימדים של טנזור. a = [1, 10, 26.9, 2.8, 166.32, 62.3] b = tf.math.argmin(input = a) c = tf.keras.backend.eval(b)

תכונות: AlwaysSpeculatableImplTrait , QuantizableResult

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

תכונות:

תְכוּנָה סוג MLIR תֵאוּר
output_type ::mlir::תכונה תכונה נגזרת

אופרנדים:

אופרנד תֵאוּר
input טנסור של מספר שלם ללא סימן 1 סיביות או 32 סיביות צף או מספר שלם ללא סימן 32 סיביות או מספר שלם ללא סימן 8 סיביות או ערכי מספר שלם ללא סימן 8 סיביות או מסוג QI8 או QUI8
dim טנסור של ערכי מספרים שלמים ללא סימן של 32/64 סיביות

תוצאות:

תוֹצָאָה תֵאוּר
output טנסור של ערכי מספרים שלמים ללא סימן של 32/64 סיביות

tfl.assign_variable (TFL::AssignVariableOp)

מקצה ערך חדש למשתנה.

כל ReadVariableOp עם תלות בקרה על אופציה זו מובטחת להחזיר ערך זה או ערך חדש יותר עוקב של המשתנה.

ממשקים: TflRuntimeVerifyOpInterface

אופרנדים:

אופרנד תֵאוּר
resource_id טנסור של ערכי משאבים
value טנסור של צף 32 סיביות או 64 סיביות צף או מספר שלם ללא סימן 1 סיביות או מספר שלם ללא סימן 8 סיביות או מספר שלם ללא סימן 8 סיביות או מסוג QI8 או מסוג QUI8 או מספר שלם ללא סימן 32 סיביות או מספר שלם ללא סימן 64 סיביות או סוג QI16 או סוג מורכב עם רכיבי ציפה של 32 סיביות או סוג מורכב עם ערכי רכיבי ציפה של 64 סיביות

tfl.atan2 (TFL::Atan2Op)

מבצע Atan2

פעולת "atan2" מחשבת את ה-arctangent של y/x מבחינה אלמנט, תוך כיבוד סימני הארגומנטים.

תכונות: AlwaysSpeculatableImplTrait , SameOperandsAndResultElementType , SameOperandsAndResultShape

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד תֵאוּר
y טנסור של ערכי ציפה של 32 סיביות או 64 סיביות
x טנסור של ערכי ציפה של 32 סיביות או 64 סיביות

תוצאות:

תוֹצָאָה תֵאוּר
output טנסור של ערכי ציפה של 32 סיביות או 64 סיביות

tfl.average_pool_2d (TFL::AveragePool2DOp)

אופרטור _Average_pool 2d

מבצע פעולת איסוף ממוצע בקלט.

תכונות: AlwaysSpeculatableImplTrait , QuantizableResult

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

אפקטים: MemoryEffects::Effect{}

תכונות:

תְכוּנָה סוג MLIR תֵאוּר
filter_height ::mlir::IntegerAttr תכונת מספר שלם ללא סימנים של 32 סיביות
filter_width ::mlir::IntegerAttr תכונת מספר שלם ללא סימנים של 32 סיביות
padding ::mlir::StringAttr תכונת string שהערך שלה הוא SAME, או VALID
stride_h ::mlir::IntegerAttr תכונת מספר שלם ללא סימנים של 32 סיביות
stride_w ::mlir::IntegerAttr תכונת מספר שלם ללא סימנים של 32 סיביות
fused_activation_function ::mlir::StringAttr תכונת מחרוזת שהערך שלה הוא NONE, או RELU, או RELU_N1_TO_1, או RELU6, או TANH, או SIGN_BIT

אופרנדים:

אופרנד תֵאוּר
input טנסור של 32 סיביות ציפה או ערכים מסוג QI8 או מסוג QUI8 או QI16

תוצאות:

תוֹצָאָה תֵאוּר
output טנסור של 32 סיביות ציפה או ערכים מסוג QI8 או מסוג QUI8 או QI16

tfl.basic_lstm (TFL::BasicLSTMOp)

אופרטור lstm הבסיסי

מפעיל סלולרי LSTM בסיסי.

תכונות: AlwaysSpeculatableImplTrait , QuantizableResult

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

תכונות:

תְכוּנָה סוג MLIR תֵאוּר
fused_activation_function ::mlir::StringAttr תכונת מחרוזת שהערך שלה הוא NONE, או RELU, או RELU_N1_TO_1, או RELU6, או TANH, או SIGN_BIT
cell_clip ::mlir::FloatAttr תכונת float של 32 סיביות שהערך שלה אינו שלילי
proj_clip ::mlir::FloatAttr תכונת float של 32 סיביות שהערך שלה אינו שלילי
kernel_type ::mlir::TFL::LSTMKernelTypeAttr lstm_kernel_type שהערך שלו הוא mlir::TFL::LSTMKernelType::BASIC

אופרנדים:

אופרנד תֵאוּר
data_input טנסור של 32 סיביות מסוג Float או QUI8
prev_activ_input טנסור של 32 סיביות מסוג Float או QUI8
weights_input טנסור של 32 סיביות מסוג Float או QUI8
biases_input טנסור של 32 סיביות מסוג Float או QI32
prev_state_input טנסור של 32 סיביות מסוג ציפה או ערכי QI16

תוצאות:

תוֹצָאָה תֵאוּר
activ_output טנסור דו מימדי מכל סוג שהוא
state_output טנסור דו מימדי מכל סוג שהוא
concat_temp טנסור דו מימדי מכל סוג שהוא
activ_temp טנסור דו מימדי מכל סוג שהוא

tfl.batch_matmul (TFL::BatchMatMulOp)

מפעיל מכפלת מטריקס אצווה

מבצע כפל מטריצה ​​אצווה בכניסות. עוקב אחר המוסכמות של TensorFlow BatchMatMulV2, עם תמיכה במידות לא ידועות במידות האצווה ובשידור.

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)

תכונות: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , QuantizableResult

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

אפקטים: MemoryEffects::Effect{}

תכונות:

תְכוּנָה סוג MLIR תֵאוּר
adj_x ::mlir::BoolAttr תכונת bool
adj_y ::mlir::BoolAttr תכונת bool
asymmetric_quantize_inputs ::mlir::BoolAttr תכונת bool

אופרנדים:

אופרנד תֵאוּר
x טנסור של 32-bit float או מסוג QI8 או מסוג QI16 או 8-bit ערכי מספר שלם ללא סימן
y טנסור של 32-bit float או מסוג QI8 או מסוג QI16 או 8-bit ערכי מספר שלם ללא סימן

תוצאות:

תוֹצָאָה תֵאוּר
output טנסור של 32-bit float או מסוג QI8 או מסוג QI16 או 32-bit ערכי מספר שלם ללא סימן

tfl.batch_to_space_nd (TFL::BatchToSpaceNdOp)

מפעיל BatchToSpaceNd

פעולה זו מעצבת מחדש את מימד ה"אצווה" 0 למימדי שטח.

תכונות: AlwaysSpeculatableImplTrait , QuantizableResult

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

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד תֵאוּר
input טנסור של מספר שלם ללא סימן 32 סיביות או 8 סיביות ללא סימן או מספר שלם ללא סימן 32 סיביות או מספר שלם ללא סימן של 64 סיביות או ערכים של מספר שלם ללא סימן 8 סיביות או ערכים מסוג QI8 או מסוג QUI8 או QI16
block_shape טנסור של ערכי מספרים שלמים ללא סימן של 32 סיביות
indices טנסור של ערכי מספרים שלמים ללא סימן של 32 סיביות

תוצאות:

תוֹצָאָה תֵאוּר
output טנסור של מספר שלם ללא סימן של 32 סיביות או 16 סיביות ללא סימן או מספר שלם ללא סימן 32 סיביות או מספר שלם ללא סימן 64 סיביות או ערכי מספר שלם ללא סימן 8 סיביות או מסוג QI8 או מסוג QUI8 או מסוג QI16

tfl.bidirectional_sequence_lstm (TFL::BidirectionalSequenceLSTMOp)

אופרטור lstm ברצף דו-כיווני

lstm דו-כיווני הוא בעצם שני lstms, אחד רץ קדימה והשני רץ אחורה. והפלט הוא השרשור של שני ה-lstms.

תכונות: QuantizableResult

ממשקים: DynamicRangeQuantizedOpInterface , TFL_StatefulOp , TflRuntimeVerifyOpInterface

תכונות:

תְכוּנָה סוג MLIR תֵאוּר
fused_activation_function ::mlir::StringAttr תכונת מחרוזת שהערך שלה הוא NONE, או RELU, או RELU_N1_TO_1, או RELU6, או TANH, או SIGN_BIT
cell_clip ::mlir::FloatAttr תכונת float של 32 סיביות שהערך שלה אינו שלילי
proj_clip ::mlir::FloatAttr תכונת float של 32 סיביות שהערך שלה אינו שלילי
merge_outputs ::mlir::BoolAttr תכונת bool
time_major ::mlir::BoolAttr תכונת bool
asymmetric_quantize_inputs ::mlir::BoolAttr תכונת bool

אופרנדים:

אופרנד תֵאוּר
input טנסור של ערכי מספרים שלמים ללא סימן של 32 סיביות או 8 סיביות
fw_input_to_input_weights טנסור מכל סוג שהוא או שום סוג
fw_input_to_forget_weights טנסור של ערכי מספרים שלמים ללא סימן של 32 סיביות או 8 סיביות
fw_input_to_cell_weights טנסור של ערכי מספרים שלמים ללא סימן של 32 סיביות או 8 סיביות
fw_input_to_output_weights טנסור של ערכי מספרים שלמים ללא סימן של 32 סיביות או 8 סיביות
fw_recurrent_to_input_weights טנסור מכל סוג שהוא ערכי או שום סוג
fw_recurrent_to_forget_weights טנסור של ערכי מספרים שלמים ללא סימן של 32 סיביות או 8 סיביות
fw_recurrent_to_cell_weights טנסור של ערכי מספרים שלמים ללא סימן של 32 סיביות או 8 סיביות
fw_recurrent_to_output_weights טנסור של ערכי מספרים שלמים ללא סימן של 32 סיביות או 8 סיביות
fw_cell_to_input_weights טנסור מכל סוג שהוא ערכי או שום סוג
fw_cell_to_forget_weights טנסור מכל סוג שהוא ערכי או שום סוג
fw_cell_to_output_weights טנסור מכל סוג שהוא ערכי או שום סוג
fw_input_gate_bias טנסור מכל סוג שהוא ערכי או שום סוג
fw_forget_gate_bias טנסור של ערכי ציפה של 32 סיביות
fw_cell_bias טנסור של ערכי ציפה של 32 סיביות
fw_output_gate_bias טנסור של ערכי ציפה של 32 סיביות
fw_projection_weights טנסור מכל סוג שהוא ערכי או שום סוג
fw_projection_bias טנסור מכל סוג שהוא או שום סוג
bw_input_to_input_weights טנסור מכל סוג שהוא או שום סוג
bw_input_to_forget_weights טנסור של ערכי מספרים שלמים ללא סימן של 32 סיביות או 8 סיביות
bw_input_to_cell_weights טנסור של ערכי מספרים שלמים ללא סימן של 32 סיביות או 8 סיביות
bw_input_to_output_weights טנסור של ערכי מספרים שלמים ללא סימן של 32 סיביות או 8 סיביות
bw_recurrent_to_input_weights טנסור מכל סוג שהוא ערכי או שום סוג
bw_recurrent_to_forget_weights טנסור של ערכי מספרים שלמים ללא סימן של 32 סיביות או 8 סיביות
bw_recurrent_to_cell_weights טנסור של ערכי מספרים שלמים ללא סימן של 32 סיביות או 8 סיביות
bw_recurrent_to_output_weights טנסור של ערכי מספרים שלמים ללא סימן של 32 סיביות או 8 סיביות
bw_cell_to_input_weights טנסור מכל סוג שהוא ערכי או שום סוג
bw_cell_to_forget_weights טנסור מכל סוג שהוא ערכי או שום סוג
bw_cell_to_output_weights טנסור מכל סוג שהוא ערכי או שום סוג
bw_input_gate_bias טנסור מכל סוג שהוא ערכי או שום סוג
bw_forget_gate_bias טנסור של ערכי ציפה של 32 סיביות
bw_cell_bias טנסור של ערכי ציפה של 32 סיביות
bw_output_gate_bias טנסור של ערכי ציפה של 32 סיביות
bw_projection_weights טנסור מכל סוג שהוא ערכי או שום סוג
bw_projection_bias טנסור מכל סוג שהוא ערכי או שום סוג
fw_input_activation_state טנסור ממלכתי
fw_input_cell_state טנסור ממלכתי
bw_input_activation_state טנסור ממלכתי
bw_input_cell_state טנסור ממלכתי
aux_input טנסור מכל סוג שהוא ערכי או שום סוג
fw_aux_input_to_input_weights טנסור מכל סוג שהוא ערכי או שום סוג
fw_aux_input_to_forget_weights טנסור מכל סוג שהוא ערכי או שום סוג
fw_aux_input_to_cell_weights טנסור מכל סוג שהוא או שום סוג
fw_aux_input_to_output_weights טנסור מכל סוג שהוא ערכי או שום סוג
bw_aux_input_to_input_weights טנסור מכל סוג שהוא או שום סוג
bw_aux_input_to_forget_weights טנסור מכל סוג שהוא ערכי או שום סוג
bw_aux_input_to_cell_weights טנסור מכל סוג שהוא ערכי או שום סוג
bw_aux_input_to_output_weights טנסור מכל סוג שהוא ערכי או שום סוג

תוצאות:

תוֹצָאָה תֵאוּר
fw_output ערכי טנסור מכל סוג שהוא
bw_output ערכי טנסור מכל סוג שהוא

tfl.bitcast (TFL::BitcastOp)

מפעיל ביטקאסט

Bitcasts טנזור מסוג אחד לאחר.

תכונות: AlwaysSpeculatableImplTrait

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד תֵאוּר
input ערכי טנסור מכל סוג שהוא

תוצאות:

תוֹצָאָה תֵאוּר
output ערכי טנסור מכל סוג שהוא

tfl.bitwise_xor (TFL::BitwiseXorOp)

אופרטור Bitwise Xor

Elementwise מחשב את ה-XOR הביטבי של lhs ו- rhs .

תכונות: AlwaysSpeculatableImplTrait , Commutative , ResultsBroadcastableShape , SameOperandsAndResultElementType

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד תֵאוּר
lhs טנסור של מספר שלם ללא סימן 8 סיביות או 8 סיביות ללא סימן או מספר שלם ללא סימן 16 סיביות או מספר שלם ללא סימן 16 סיביות או ערכי מספר שלם ללא סימן 32 סיביות או 32 סיביות ללא סימן
rhs טנסור של מספר שלם ללא סימן 8 סיביות או 8 סיביות ללא סימן או מספר שלם ללא סימן 16 סיביות או מספר שלם ללא סימן 16 סיביות או ערכי מספר שלם ללא סימן 32 סיביות או 32 סיביות ללא סימן

תוצאות:

תוֹצָאָה תֵאוּר
output טנסור של מספר שלם ללא סימן 8 סיביות או 8 סיביות ללא סימן או מספר שלם ללא סימן 16 סיביות או מספר שלם ללא סימן 16 סיביות או ערכי מספר שלם ללא סימן 32 סיביות או 32 סיביות ללא סימן

tfl.broadcast_args (TFL::BroadcastArgsOp)

החזר את הצורה של s0 op s1 עם שידור.

בהינתן s0 ו- s1 , טנסורים המייצגים צורות, מחשבים r0 , הצורה המשודרת. s0 , s1 ו- r0 כולם וקטורים שלמים.

תכונות: AlwaysSpeculatableImplTrait

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד תֵאוּר
s0 טנסור של ערכי מספרים שלמים ללא סימן של 32/64 סיביות
s1 טנסור של ערכי מספרים שלמים ללא סימן של 32/64 סיביות

תוצאות:

תוֹצָאָה תֵאוּר
r0 טנסור של ערכי מספרים שלמים ללא סימן של 32/64 סיביות

tfl.broadcast_to (TFL::BroadcastToOp)

שדר מערך לקבלת צורה תואמת.

שידור הוא תהליך של יצירת מערכים שיהיו להם צורות תואמות לפעולות אריתמטיות. שתי צורות תואמות אם עבור כל זוג ממדים הן שוות או שאחת מהן היא אחת. כשמנסים לשדר טנסור לצורה, זה מתחיל עם הממדים הנגררים, ופועל את דרכו קדימה.

לְדוּגמָה,

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)

בדוגמה שלמעלה, קלט Tensor עם הצורה של [1, 3] משודר לפלט Tensor עם הצורה של [3, 3] .

כאשר מבצעים פעולות משודרות כגון הכפלת טנזור בסקלר, שידור (בדרך כלל) מעניק תועלת מסוימת בזמן או בחלל, מכיוון שהטנזור המשודר לעולם אינו מתממש.

עם זאת, broadcast_to אינו נושא עמו הטבות כאלה. הטנזור החדש שנוצר לוקח את הזיכרון המלא של הצורה המשודרת. (בהקשר של גרף, broadcast_to עשוי להיות מתמזג לפעולה שלאחר מכן ולאחר מכן לעבור אופטימיזציה משם.)

תכונות: AlwaysSpeculatableImplTrait , QuantizableResult

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד תֵאוּר
input טנסור של מספר שלם ללא סימן 32 סיביות או 32 סיביות ללא סימן או מספר שלם ללא סימן 1 סיביות או מספר שלם ללא סימן 4 סיביות או מספר שלם ללא סימן 8 סיביות או מסוג QI8 או מספר שלם ללא סימן 8 סיביות או מספר שלם ללא סימן 32 סיביות או מסוג QUI8 או 16 מספר שלם ללא סימן סיביות או מסוג QI16 או מספר שלם ללא סימן 64 סיביות או סוג מורכב עם רכיבי ציפה של 32 סיביות ערכים
shape טנסור של ערכי מספרים שלמים ללא סימן של 32/64 סיביות

תוצאות:

תוֹצָאָה תֵאוּר
output טנסור של מספר שלם ללא סימן 32 סיביות או 32 סיביות ללא סימן או מספר שלם ללא סימן 1 סיביות או מספר שלם ללא סימן 4 סיביות או מספר שלם ללא סימן 8 סיביות או מסוג QI8 או מספר שלם ללא סימן 8 סיביות או מספר שלם ללא סימן 32 סיביות או מסוג QUI8 או 16 מספר שלם ללא סימן סיביות או מסוג QI16 או מספר שלם ללא סימן 64 סיביות או סוג מורכב עם רכיבי ציפה של 32 סיביות ערכים

tfl.bucketize (TFL::BucketizeOp)

מרכזת 'קלט' בהתבסס על 'גבולות'.

דוּגמָה:

אם הכניסות הן boundaries = [0, 10, 100] input = [[-5, 10000][150, 10][5, 100]] , אז הפלט יהיה output = [[0, 3][3, 2][1, 3]] .

תכונות: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

תכונות:

תְכוּנָה סוג MLIR תֵאוּר
boundaries ::mlir::ArrayAttr תכונת מערך צף של 32 סיביות

אופרנדים:

אופרנד תֵאוּר
input טנסור של ערכי מספר שלם ללא סימן של 32 סיביות או 64 סיביות או מספר שלם ללא סימן או 64 סיביות

תוצאות:

תוֹצָאָה תֵאוּר
output טנסור של ערכי מספרים שלמים ללא סימן של 32 סיביות

tfl.call_once (TFL::CallOnceOp)

מפעיל פונקציית אתחול

פעולה זו מפעילה את פונקציית האתחול הנתונה עבור מאתחול הפגישה בניב מודל שמור.

ממשקים: TflRuntimeVerifyOpInterface

תכונות:

תְכוּנָה סוג MLIR תֵאוּר
session_init_function ::mlir::StringAttr תכונת מחרוזת

tfl.cast (TFL::CastOp)

מפעיל שחקנים

מעביר קלט מסוג קלט לסוג פלט.

תכונות: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד תֵאוּר
input טנסור מסוג 16-bit float או bfloat16 או 32-bit float או 64-bit float או 1-bit ללא סימן או מספר שלם ללא סימן 4-bit או 16-bit ללא סימן או מספר שלם ללא סימן 16-bit או 32-bit מספר שלם ללא סימן 32 סיביות או מספר שלם ללא סימן 64 סיביות או מסוג TFLite quint8 או מספר שלם ללא סימן 8 סיביות או מספר שלם ללא סימן 8 סיביות או סוג מורכב עם ערכי רכיבי ציפה של 32 סיביות

תוצאות:

תוֹצָאָה תֵאוּר
output טנסור מסוג 16-bit float או bfloat16 או 32-bit float או 64-bit float או 1-bit ללא סימן או מספר שלם ללא סימן 16-bit או 16-bit ללא סימן או מספר שלם ללא סימן 32-bit או 32-bit. מספר שלם ללא סימן 64 סיביות או מסוג TFLite quint8 או מספר שלם ללא סימן 8 סיביות או מספר שלם ללא סימן 8 סיביות או סוג מורכב עם ערכי רכיבי ציפה של 32 סיביות

tfl.ceil (TFL::CeilOp)

מפעיל תקרה

מחזירה את ערך התקרה של הקלט מבחינת אלמנט.

תכונות: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד תֵאוּר
x טנסור של ערכי ציפה של 32 סיביות

תוצאות:

תוֹצָאָה תֵאוּר
y טנסור של ערכי ציפה של 32 סיביות

tfl.complex_abs (TFL::ComplexAbsOp)

מחשב את הערך המוחלט המורכב של טנזור.

בהינתן טנסור x של מספרים מרוכבים, פעולה זו מחזירה טנזור מסוג float או double שהוא הערך המוחלט של כל אלמנט ב- x . כל האלמנטים ב- x חייבים להיות מספרים מרוכבים של הצורה \(a + bj\). הערך המוחלט מחושב כ \( \sqrt{a^2 + b^2}\).

תכונות: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד תֵאוּר
input טנזור מסוג מורכב עם רכיבי ציפה של 32 סיביות או סוג מורכב עם ערכי רכיבי ציפה של 64 סיביות

תוצאות:

תוֹצָאָה תֵאוּר
output טנסור של ערכי ציפה של 32 סיביות או 64 סיביות

tfl.concatenation (TFL::ConcatenationOp)

מפעיל שרשור

משרשרת טנסורים לאורך מימד אחד

תכונות: AlwaysSpeculatableImplTrait , QuantizableResult

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

אפקטים: MemoryEffects::Effect{}

תכונות:

תְכוּנָה סוג MLIR תֵאוּר
axis ::mlir::IntegerAttr תכונת מספר שלם ללא סימנים של 32 סיביות
fused_activation_function ::mlir::StringAttr תכונת מחרוזת שהערך שלה הוא NONE, או RELU, או RELU_N1_TO_1, או RELU6, או TANH, או SIGN_BIT

אופרנדים:

אופרנד תֵאוּר
values וריאדית של טנסור מכל סוג שהוא

תוצאות:

תוֹצָאָה תֵאוּר
output טנסור של מספר שלם ללא סימן של 32 סיביות או 64 סיביות ללא סימן או מספר שלם ללא סימן 32 סיביות או מספר שלם ללא סימן 16 סיביות או מספר שלם ללא סימן 8 סיביות או מסוג QI8 או מסוג QUI8 או מספר שלם ללא סימן 8 סיביות או מספר שלם ללא סימן 32 סיביות או 1 ערכי מספר שלם ללא סימנים -bit

tfl.control_node (TFL::ControlNodeOp)

פעולת TFL.control_node עוטפת פעולות בלוק יחיד על מנת לצרף קצוות בקרה.

זה משמש כדי לעטוף אזורים ולהצמיד להם תלות שליטה. בדרך כלל, זה יקרה באחד השלבים האחרונים לפני פליטת מודל ה-flatbuffer על מנת לאפשר אופטימיזציות המסתמכות על סדר פעולות קבוע (כגון rematerialization). יצואנית ה-flatbuffer תפרק את האזור העטוף ויביא הערות למודל שנוצר במטא נתונים. כך שכל סידורי זמן ריצה מחדש יכבדו את הסדר שניתנו על ידי תלות הבקרה.

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

אופרנדים:

אופרנד תֵאוּר
controlInputs משתנה של שליטה

תוצאות:

תוֹצָאָה תֵאוּר
outputs וריאדית של טנסור מכל סוג שהוא
control לִשְׁלוֹט

tfl.conv_2d (TFL::Conv2DOp)

מפעיל Convolution

מבצע פעולת קונבולציה בכניסות.

כניסות: inputs[0] : נדרשות: inputs[1] : נדרשות inputs[2] : אופציונלי: טנסור הטיה

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

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

אפקטים: MemoryEffects::Effect{}

תכונות:

תְכוּנָה סוג MLIR תֵאוּר
dilation_h_factor ::mlir::IntegerAttr תכונת מספר שלם ללא סימנים של 32 סיביות
dilation_w_factor ::mlir::IntegerAttr תכונת מספר שלם ללא סימנים של 32 סיביות
fused_activation_function ::mlir::StringAttr תכונת מחרוזת שהערך שלה הוא NONE, או RELU, או RELU_N1_TO_1, או RELU6, או TANH, או SIGN_BIT
padding ::mlir::StringAttr תכונת string שהערך שלה הוא SAME, או VALID
stride_h ::mlir::IntegerAttr תכונת מספר שלם ללא סימנים של 32 סיביות
stride_w ::mlir::IntegerAttr תכונת מספר שלם ללא סימנים של 32 סיביות

אופרנדים:

אופרנד תֵאוּר
input טנסור של 32 סיביות ציפה או ערכים מסוג QI8 או מסוג QUI8 או QI16
filter טנסור של 32 סיביות ציפה או ערכים מסוג QI4 או מסוג QI8 או QUI8
bias טנסור מכל סוג שהוא ערכי או שום סוג

תוצאות:

תוֹצָאָה תֵאוּר
output טנסור של 32 סיביות ציפה או ערכים מסוג QI8 או מסוג QUI8 או QI16

tfl.conv_3d (TFL::Conv3DOp)

מפעיל תלת מימד Convolution

מבצע פעולת קונבולציה בכניסות תלת מימדיות. כניסות: inputs[0] : נדרשות: inputs[1] : נדרשות inputs[2] : אופציונלי: טנסור הטיה

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

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

תכונות:

תְכוּנָה סוג MLIR תֵאוּר
dilation_d_factor ::mlir::IntegerAttr תכונת מספר שלם ללא סימנים של 32 סיביות
dilation_h_factor ::mlir::IntegerAttr תכונת מספר שלם ללא סימנים של 32 סיביות
dilation_w_factor ::mlir::IntegerAttr תכונת מספר שלם ללא סימנים של 32 סיביות
fused_activation_function ::mlir::StringAttr תכונת מחרוזת שהערך שלה הוא NONE, או RELU, או RELU_N1_TO_1, או RELU6, או TANH, או SIGN_BIT
padding ::mlir::StringAttr תכונת string שהערך שלה הוא SAME, או VALID
stride_d ::mlir::IntegerAttr תכונת מספר שלם ללא סימנים של 32 סיביות
stride_h ::mlir::IntegerAttr תכונת מספר שלם ללא סימנים של 32 סיביות
stride_w ::mlir::IntegerAttr תכונת מספר שלם ללא סימנים של 32 סיביות

אופרנדים:

אופרנד תֵאוּר
input טנסור של ערכי ציפה של 32 סיביות
filter טנסור של ערכי ציפה של 32 סיביות
bias טנסור מכל סוג שהוא ערכי או שום סוג

תוצאות:

תוֹצָאָה תֵאוּר
output טנסור של ערכי ציפה של 32 סיביות

tfl.conv_3d_transpose (TFL::Conv3DTransposeOp)

מפעיל תלת מימד Transposed Convolution

מבצע פעולת קונבולוציית טרנספוזיציה בכניסות תלת מימדיות. כניסות: inputs[0] : נדרשות: צורת inputs[1] : נדרשות inputs[2] : נדרשות inputs[3] : אופציונלי: טנסור הטיה

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

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

תכונות:

תְכוּנָה סוג MLIR תֵאוּר
dilation_d_factor ::mlir::IntegerAttr תכונת מספר שלם ללא סימנים של 32 סיביות
dilation_h_factor ::mlir::IntegerAttr תכונת מספר שלם ללא סימנים של 32 סיביות
dilation_w_factor ::mlir::IntegerAttr תכונת מספר שלם ללא סימנים של 32 סיביות
fused_activation_function ::mlir::StringAttr תכונת מחרוזת שהערך שלה הוא NONE, או RELU, או RELU_N1_TO_1, או RELU6, או TANH, או SIGN_BIT
padding ::mlir::StringAttr תכונת string שהערך שלה הוא SAME, או VALID
stride_d ::mlir::IntegerAttr תכונת מספר שלם ללא סימנים של 32 סיביות
stride_h ::mlir::IntegerAttr תכונת מספר שלם ללא סימנים של 32 סיביות
stride_w ::mlir::IntegerAttr תכונת מספר שלם ללא סימנים של 32 סיביות

אופרנדים:

אופרנד תֵאוּר
output_shape טנסור של ערכי מספרים שלמים ללא סימן של 32 סיביות
filter טנסור של ערכי ציפה של 32 סיביות
input טנסור של ערכי ציפה של 32 סיביות
bias טנסור מכל סוג שהוא ערכי או שום סוג

תוצאות:

תוֹצָאָה תֵאוּר
output טנסור של ערכי ציפה של 32 סיביות

tfl.cos (TFL::CosOp)

מפעיל קוסינוס

מחשבת קוסינוס הקלט לפי אלמנט

תכונות: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד תֵאוּר
x טנסור של ערכי ציפה של 32 סיביות

תוצאות:

תוֹצָאָה תֵאוּר
y טנסור של ערכי ציפה של 32 סיביות

tfl.cumsum (TFL::CumsumOp)

מפעיל Cumsum

חשב את הסכום המצטבר של הטנזור x לאורך הציר.

תכונות: AlwaysSpeculatableImplTrait

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

תכונות:

תְכוּנָה סוג MLIR תֵאוּר
exclusive ::mlir::BoolAttr תכונת bool
reverse ::mlir::BoolAttr תכונת bool

אופרנדים:

אופרנד תֵאוּר
input טנסור של ערכי מספר שלם ללא סימן של 32 סיביות או 32 סיביות או 64 סיביות
axis טנסור של ערכי מספרים שלמים ללא סימן של 32 סיביות

תוצאות:

תוֹצָאָה תֵאוּר
output טנסור של ערכי מספר שלם ללא סימן של 32 סיביות או 32 סיביות או 64 סיביות

tfl.custom (TFL::CustomOp)

אופציה מותאמת אישית

אופציה גנרית לכל פעולה מותאמת אישית של TFLite.

קלט: רשימה של כניסות באופציה המקורית. custom_code: מחרוזת המשמשת כדי לזהות מה בדיוק המבצע הזה, התואם ל-operator_codes.custom_code ב-flatbuffer. custom_option: מחזיק לשמירת תכונות ה-op ב-bytes. פלט: רשימה של פלטים ב-op המקורי.

ממשקים: TflRuntimeVerifyOpInterface

תכונות:

תְכוּנָה סוג MLIR תֵאוּר
custom_code ::mlir::StringAttr תכונת מחרוזת
custom_option ::mlir::TFL::ConstBytesAttr ייצוג תכונת מחרוזת של בתים מלוכדים

אופרנדים:

אופרנד תֵאוּר
input וריאדית של טנסור מכל סוג שהוא ערכי או שום סוג

תוצאות:

תוֹצָאָה תֵאוּר
output וריאדית של טנסור מכל סוג שהוא

tfl.custom_tf (TFL::CustomTfOp)

Wrapper Op for TF אופציות מותאמות אישית.

אופציה עטיפה סביב כל אופ TF Custom. אלה כוללים פעולות המוגדרות באמצעות custom_opdefs או מקושרות שאינן מוגדרות בניב TF. ה-Op הזה פשוט עוטף את ה-Op המותאם אישית בתוך אזור. הערה מס' 1, אופציה זו לא תכלול אופציות מותאמות אישית של TF Lite המוגדרות באמצעות CustomOp. הערה מס' 2, הפעולה הזו היא רק ייצוג פנימי בתוך הממיר ואינן נחשפות/יוצאות כאשר המודל מיוצא ל-Flatbuffer.

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

ממשקים: InferTypeOpInterface , TflRuntimeVerifyOpInterface

אופרנדים:

אופרנד תֵאוּר
input וריאדית של טנסור מכל סוג שהוא ערכי או שום סוג

תוצאות:

תוֹצָאָה תֵאוּר
output וריאדית של טנסור מכל סוג שהוא

tfl.densify (TFL::DensifyOp)

מפעיל צפוף

ממיר טנסור דליל לפורמט צפוף.

תכונות: AlwaysSpeculatableImplTrait

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד תֵאוּר
input טנסור של ערכי מספרים שלמים ללא סימן של 32 סיביות או 8 סיביות

תוצאות:

תוֹצָאָה תֵאוּר
output טנסור של ערכי מספרים שלמים ללא סימן של 32 סיביות או 8 סיביות

tfl.depth_to_space (TFL::DepthToSpaceOp)

מפעיל DepthToSpace

מסדר מחדש נתונים מעומק לבלוקים של נתונים מרחביים. זהו הטרנספורמציה ההפוכה של SpaceToDepth. ליתר דיוק, אופציה זו מפיקה עותק של טנסור הקלט שבו ערכים מממד depth מועברים בלוקים מרחביים למימדי height width . ה-attr block_size מציין את גודל בלוק הקלט ואת אופן העברת הנתונים.

תכונות: AlwaysSpeculatableImplTrait , QuantizableResult

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

אפקטים: MemoryEffects::Effect{}

תכונות:

תְכוּנָה סוג MLIR תֵאוּר
block_size ::mlir::IntegerAttr תכונת מספר שלם ללא סימן של 32 סיביות שערכה חיובי

אופרנדים:

אופרנד תֵאוּר
input טנסור של מספר שלם ללא סימן 32 סיביות או 8 סיביות ללא סימן או מספר שלם ללא סימן 32 סיביות או מספר שלם ללא סימן 64 סיביות או ערכים מסוג TFLite quint8 או 8 סיביות ללא סימן או ערכים מסוג QI8 או QUI8

תוצאות:

תוֹצָאָה תֵאוּר
output טנסור של מספר שלם ללא סימן 32 סיביות או 8 סיביות ללא סימן או מספר שלם ללא סימן 32 סיביות או מספר שלם ללא סימן 64 סיביות או ערכים מסוג TFLite quint8 או 8 סיביות ללא סימן או ערכים מסוג QI8 או QUI8

tfl.depthwise_conv_2d (TFL::DepthwiseConv2DOp)

אופרטור פיתול הניתן להפרדה לעומק

מבצע פעולת קונבולציה בכניסות.

כניסות: inputs[0] : נדרשות: inputs[1] : נדרשות inputs[2] : אופציונלי: טנסור הטיה

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

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

אפקטים: MemoryEffects::Effect{}

תכונות:

תְכוּנָה סוג MLIR תֵאוּר
dilation_h_factor ::mlir::IntegerAttr תכונת מספר שלם ללא סימנים של 32 סיביות
dilation_w_factor ::mlir::IntegerAttr תכונת מספר שלם ללא סימנים של 32 סיביות
fused_activation_function ::mlir::StringAttr תכונת מחרוזת שהערך שלה הוא NONE, או RELU, או RELU_N1_TO_1, או RELU6, או TANH, או SIGN_BIT
padding ::mlir::StringAttr תכונת string שהערך שלה הוא SAME, או VALID
stride_h ::mlir::IntegerAttr תכונת מספר שלם ללא סימנים של 32 סיביות
stride_w ::mlir::IntegerAttr תכונת מספר שלם ללא סימנים של 32 סיביות
depth_multiplier ::mlir::IntegerAttr תכונת מספר שלם ללא סימנים של 32 סיביות

אופרנדים:

אופרנד תֵאוּר
input טנסור של 32 סיביות ציפה או ערכים מסוג QI8 או מסוג QUI8 או QI16
filter טנסור של 32 סיביות ציפה או ערכים מסוג QI4 או מסוג QI8 או QUI8
bias טנסור מכל סוג שהוא או שום סוג

תוצאות:

תוֹצָאָה תֵאוּר
output טנסור של 32 סיביות ציפה או ערכים מסוג QI8 או מסוג QUI8 או QI16

tfl.dequantize (TFL::DequantizeOp)

אופרטור לנטרל

ממירה מערך כמותי של מספרים שלמים לנקודות צפה לפי פרמטרי הכימות.

ממשקים: NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד תֵאוּר
input טנסור מסוג QI4 או מסוג QI8 או מסוג QUI8 או מסוג QI16 או ערכי ציפה של 16 סיביות

תוצאות:

תוֹצָאָה תֵאוּר
output טנסור של ערכי ציפה של 32 סיביות

tfl.dilate (TFL::DilateOp)

מפעיל הרחבה

מרחיב טנזור על ידי הוספת אלמנטים חדשים בין הקיימים.

תכונות: AlwaysSpeculatableImplTrait

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד תֵאוּר
input טנסור של מספר שלם ללא סימן 8 סיביות או מספר שלם ללא סימן 16 סיביות או מספר שלם ללא סימן 32 סיביות או מספר שלם ללא סימן 64 סיביות או מספר שלם ללא סימן 8 סיביות או מספר שלם ללא סימן 16 סיביות או 32 סיביות ללא סימן או מספר שלם ללא סימן 64 סיביות או ערכי ציפה של 32 סיביות או 64 סיביות
dilations טנסור של ערכי מספרים שלמים ללא סימן של 32 סיביות
padding_value 0D טנסור מכל סוג שהוא

תוצאות:

תוֹצָאָה תֵאוּר
output טנסור של מספר שלם ללא סימן 8 סיביות או מספר שלם ללא סימן 16 סיביות או מספר שלם ללא סימן 32 סיביות או מספר שלם ללא סימן 64 סיביות או מספר שלם ללא סימן 8 סיביות או מספר שלם ללא סימן 16 סיביות או 32 סיביות ללא סימן או מספר שלם ללא סימן 64 סיביות או ערכי ציפה של 32 סיביות או 64 סיביות

tfl.div (TFL::DivOp)

מפעיל חטיבה

פעולת חלוקת אלמנטים.

תכונות: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , ResultsBroadcastableShape

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

אפקטים: MemoryEffects::Effect{}

תכונות:

תְכוּנָה סוג MLIR תֵאוּר
fused_activation_function ::mlir::StringAttr תכונת מחרוזת שהערך שלה הוא NONE, או RELU, או RELU_N1_TO_1, או RELU6, או TANH, או SIGN_BIT

אופרנדים:

אופרנד תֵאוּר
lhs טנסור של 32 סיביות ציפה או 32 סיביות חסרות סימנים או ערכי סוג QUI8
rhs טנסור של 32 סיביות ציפה או 32 סיביות חסרות סימנים או ערכי סוג QUI8

תוצאות:

תוֹצָאָה תֵאוּר
output טנסור של 32 סיביות ציפה או 32 סיביות חסרות סימנים או ערכי סוג QUI8

tfl.dynamic_update_slice (TFL::DynamicUpdateSliceOp)

DynamicUpdateSlice.

הפעלה של DynamicUpdateSlice שיש להם את אותה סמנטיקה עם XLA DynamicUpdateSlice. יוצר תוצאה שהיא הערך של אופרנד מערך הקלט, עם עדכון פרוסה שהוחלף ב-start_indices.

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

תכונות: AlwaysSpeculatableImplTrait

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד תֵאוּר
operand טנזור של מספר שלם שלם של מספר שלם או 8 סיביות שלם או 8 סיביות או מספר שלם שלם שלם או 32 סיביות או 64 סיביות או 64 סיביות או של מספר שלם או 32 סיב
update טנזור של מספר שלם שלם של מספר שלם או 8 סיביות שלם או 8 סיביות או מספר שלם שלם שלם או 32 סיביות או 64 סיביות או 64 סיביות או של מספר שלם או 32 סיב
start_indices טנזור של ערכי מספר שלם שלם 32/64 סיביות

תוצאות:

תוֹצָאָה תֵאוּר
output טנזור של מספר שלם שלם של מספר שלם או 8 סיביות שלם או 8 סיביות או מספר שלם שלם שלם או 32 סיביות או 64 סיביות או 64 סיביות או של מספר שלם או 32 סיב

tfl.elu (tfl :: eluop)

מפעיל יחידה ליניארית מעריכית

מחשבת את ה- F (x) -> exp (x) -1 עבור x <0, x עבור x> = 0. אלמנט -מבחן.

תכונות: AlwaysSpeculatableImplTrait SameOperandsAndResultShape

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד תֵאוּר
x טנזור של צף 32 סיביות או ערכי מספר שלם נטולי אותות של 8 סיביות

תוצאות:

תוֹצָאָה תֵאוּר
y טנזור של צף 32 סיביות או ערכי מספר שלם נטולי אותות של 8 סיביות

tfl.embedding_lookup (tfl :: umbeddinglookupop)

הטמעת מפעיל בדיקה

מסתכל על מזהים ברשימה של טנזורים הטמעים.

תכונות: AlwaysSpeculatableImplTrait , QuantizableResult

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

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד תֵאוּר
lookup טנזור של ערכי מספר שלם נטולי אותות של 32 סיביות
value טנזור של צף 32 סיביות או מספר שלם שלם שלם או 8 סיביות או 8 סיביות לא חתום שלם או סוג QI8 סוג או Qui8 סוג או ערכי סוג Qi4

תוצאות:

תוֹצָאָה תֵאוּר
output טנזור של צף 32 סיביות או מספר שלם שלם שלם או 8 סיביות או ערכי מספר שלם לא חתומים של 8 סיביות

tfl.equal (tfl :: equalop)

מפעיל שווה

מחזיר את אלמנט האמת של x == y Element-element

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

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד תֵאוּר
x טנזור של מספר שלם שלם של מספר שלם או 32 סיביות או 32 סיביות או מספר שלם שלם שלם או של מספר שלם או 32 סיביות או 32 סיביות או 64 סיב
y טנזור של מספר שלם שלם של מספר שלם או 32 סיביות או 32 סיביות או מספר שלם שלם שלם או של מספר שלם או 32 סיביות או 32 סיביות או 64 סיב

תוצאות:

תוֹצָאָה תֵאוּר
output טנזור של ערכי מספר שלם נטול סיביות 1 סיביות

tfl.exp (tfl :: expop)

מפעיל התפשטות טבעית

מבצע פעולת התפשטות טבעית מבחינה אלמנטית על קלט.

תכונות: AlwaysSpeculatableImplTrait , QuantizableResult

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד תֵאוּר
x טנזור של צף 32 סיביות או סוג QI8 או ערכי סוג QI16

תוצאות:

תוֹצָאָה תֵאוּר
y טנזור של צף 32 סיביות או סוג QI8 או ערכי סוג QI16

tfl.expand_dims (tfl :: expanddimsop)

מכניס ממד של 1 לצורת טנזור.

בהינתן input טנזור, פעולה זו מכניסה מימד של 1 axis אינדקס הממד של צורת input . axis אינדקס הממד מתחיל באפס; אם אתה מציין מספר שלילי axis הוא נספר לאחור מהסוף.

פעולה זו שימושית אם ברצונך להוסיף מימד אצווה לאלמנט יחיד. לדוגמה, אם יש לך תמונה יחידה של צורה [height, width, channels] , אתה יכול להפוך אותה לאצווה של תמונה אחת עם expand_dims(image, 0) , שתעשה את הצורה [1, height, width, channels] .

דוגמאות אחרות:

# '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]

פעולה זו מחייבת זאת:

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

פעולה זו קשורה squeeze() , המסלקת מידות בגודל 1.

תכונות: AlwaysSpeculatableImplTrait , QuantizableResult

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

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד תֵאוּר
input Tensor מכל סוג ערכים
dim טנזור של ערכי מספר שלם שלם 32/64 סיביות

תוצאות:

תוֹצָאָה תֵאוּר
output Tensor מכל סוג ערכים

tfl.external_const (tfl :: externalconstop)

Const op חיצוני.

Const op חיצוני מחזיק buffer_index שמצביע על קבוע ב- FlatBuffer.

תכונות: AlwaysSpeculatableImplTrait , QuantizableResult

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

תכונות:

תְכוּנָה סוג MLIR תֵאוּר
buffer_index :: mlir :: integerattr תכונה שלם שלם ללא אותות 32 סיביות

תוצאות:

תוֹצָאָה תֵאוּר
output Tensor מכל סוג ערכים

tfl.fake_quant (tfl :: fakequantop)

מפעיל מזייף

לקיח מזויף את 'הכניסות' של טנזור הסוג צף דרך סקלרים צפים דקות ומקסימום ל'פלט 'טנזור באותה צורה כמו תשומות.

תכונות: AlwaysSpeculatableImplTrait , QuantizableResult

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

תכונות:

תְכוּנָה סוג MLIR תֵאוּר
min :: mlir :: floatttr תכונה ציפה של 32 סיביות
max :: mlir :: floatttr תכונה ציפה של 32 סיביות
num_bits :: mlir :: integerattr תכונה שלם שלם ללא אותות 32 סיביות שערך המינימום שלו הוא 2 שערך המקסימלי שלו הוא 16
narrow_range :: mlir :: boolattr תכונה של Bool שערך שקר

אופרנדים:

אופרנד תֵאוּר
input טנזור של ערכי ציפה של 32 סיביות

תוצאות:

תוֹצָאָה תֵאוּר
output טנזור של ערכי ציפה של 32 סיביות

tfl.fill (tfl :: fillop)

מלא את הטנזור בערך נתון.

מלא את הטנזור בערך נתון.

תכונות: AlwaysSpeculatableImplTrait , QuantizableResult

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

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד תֵאוּר
dims טנזור של ערכי מספר שלם שלם 32/64 סיביות
input טנזור של צף 32 סיביות או צף של 16 סיביות או שלם שלם שלם שלם או 32 סיביות או 64 סיביות או 64 סיביות שלם שלם או 1 סיב

תוצאות:

תוֹצָאָה תֵאוּר
result טנזור של צף 32 סיביות או צף של 16 סיביות או שלם שלם שלם שלם או 32 סיביות או 64 סיביות או 64 סיביות שלם שלם או 1 סיב

tfl.floor (tfl :: recomeop)

מפעיל רצפה

מחזיר את ערך הרצפה החכמה של הקלט.

תכונות: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד תֵאוּר
x טנזור של ערכי ציפה של 32 סיביות

תוצאות:

תוֹצָאָה תֵאוּר
y טנזור של ערכי ציפה של 32 סיביות

tfl.floor_div (tfl :: floorDivop)

מפעיל חלוקת רצפה

פעולת DIV רצפה מבחינה אלמנטית.

תכונות: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , ResultsBroadcastableShape

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד תֵאוּר
lhs טנזור של צף 32 סיביות או שלם שלם שלם שלם או 8 סיביות שלם או 16 סיביות שלם שלם או של מספר שלם חסר שלם או 32 סיביות
rhs טנזור של צף 32 סיביות או שלם שלם שלם שלם או 8 סיביות שלם או 16 סיביות שלם שלם או של מספר שלם חסר שלם או 32 סיביות

תוצאות:

תוֹצָאָה תֵאוּר
output טנזור של צף 32 סיביות או שלם שלם שלם שלם או 8 סיביות שלם או 16 סיביות שלם שלם או של מספר שלם חסר שלם או 32 סיביות

tfl.floor_mod (tfl :: floormodop)

תזכורת חלוקה

פעולת תזכורת חלוקת אלמנט.

תכונות: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , ResultsBroadcastableShape

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד תֵאוּר
lhs טנזור של מספר שלם שלם שלם או 16 סיביות של מספר שלם או 16 סיביות או מספר שלם שלם שלם או 32 סיביות או 64 סיביות או ערכי ציפה של מספר שלם או 32 סיביות
rhs טנזור של מספר שלם שלם שלם או 16 סיביות של מספר שלם או 16 סיביות או מספר שלם שלם שלם או 32 סיביות או 64 סיביות או ערכי ציפה של מספר שלם או 32 סיביות

תוצאות:

תוֹצָאָה תֵאוּר
output טנזור של מספר שלם שלם שלם או 16 סיביות של מספר שלם או 16 סיביות או מספר שלם שלם שלם או 32 סיביות או 64 סיביות או ערכי ציפה של מספר שלם או 32 סיביות

tfl.fully_connected (tfl :: מלא ConnectedOp)

OP מחובר לחלוטין

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

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

אפקטים: MemoryEffects::Effect{}

תכונות:

תְכוּנָה סוג MLIR תֵאוּר
fused_activation_function :: mlir :: stringattr תכונת מחרוזת שערכה אינו, או Relu, או Relu_n1_To_1, או Relu6, או Tanh, או sign_bit
weights_format :: mlir :: stringattr תכונת מחרוזת שערכה הוא ברירת מחדל, או shuffled4x16int8
keep_num_dims :: mlir :: boolattr תכונה Bool
asymmetric_quantize_inputs :: mlir :: boolattr תכונה Bool

אופרנדים:

אופרנד תֵאוּר
input טנזור של צף 32 סיביות או סוג QI8 סוג או Qui8 סוג או QI16 סוג או ערכי סוג Qui16
filter טנזור של צף 32 סיביות או סוג QI4 סוג או QI8 סוג או QUI8 סוג או ערכי סוג QI16
bias Tensor מכל סוג ערכים או לא סוג

תוצאות:

תוֹצָאָה תֵאוּר
output משתנה של טנזור מכל ערכי סוג

tfl.gather (tfl :: asdmerop)

אסוף מפעיל

אסוף פרוסות axis ציר params על פי indices .

תכונות: AlwaysSpeculatableImplTrait , QuantizableResult

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

אפקטים: MemoryEffects::Effect{}

תכונות:

תְכוּנָה סוג MLIR תֵאוּר
axis :: mlir :: integerattr תכונה שלם שלם ללא אותות 32 סיביות
batch_dims :: mlir :: integerattr תכונה שלם שלם ללא אותות 32 סיביות

אופרנדים:

אופרנד תֵאוּר
params טנזור של ציפה 32 סיביות או מספר שלם שלם או 1 סיב סוג שלם שלם או QI8 סוג או Qui8 סוג או ערכי סוג Qi16
indices טנזור של מספר שלם שלם של מספר שלם או 32 סיביות של מספר שלם או 32 סיביות או ערכי מספר שלם נטולי 64 סיביות

תוצאות:

תוֹצָאָה תֵאוּר
output טנזור של ציפה 32 סיביות או מספר שלם שלם או 1 סיב סוג שלם שלם או QI8 סוג או Qui8 סוג או ערכי סוג Qi16

tfl.gather_nd (tfl :: asdlndop)

_Gather nd מפעיל

אסוף פרוסות params למתחם עם צורה שצוינה על ידי indices .

תכונות: AlwaysSpeculatableImplTrait , QuantizableResult

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

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד תֵאוּר
params טנזור של מספר שלם שלם או מספר שלם של מספר שלם או מספר שלם שלם או בן 8 סיביות של מספר שלם או בן 8 סיביות של מספר שלם או שלם שלם שלם שלם או שלם שלם שלם שלם שלם שלם שלם שלם שלם או שלם שלם שלם שלם או מספר שלם שלם שלם שלם שלם או מספר שלם של מספר שלם שלם או מספר שלם של מספר שלם או מספר שלם של מספר שלם או מספר שלם של מספר שלם או מספר שלם של מספר שלם או של מספר שלם לא חתום של מספר שלם או Tflite ערכים של מספר שלם או מספר שלם או מספר שלם או מספר שלם או מספר שלם או מספר שלם של מספר שלם או QI8 סוג של מספר או מספר שלם או מספר שלם או מספר שלם לא חתום של מספר שלם או סוג של מספר שלם או Tflite או 8
indices טנזור של מספר שלם שלם של מספר שלם או 32 סיביות של מספר שלם או 32 סיביות או ערכי מספר שלם נטולי 64 סיביות

תוצאות:

תוֹצָאָה תֵאוּר
output טנזור של מספר שלם שלם או מספר שלם של מספר שלם או מספר שלם שלם או בן 8 סיביות של מספר שלם או בן 8 סיביות של מספר שלם או שלם שלם שלם שלם או שלם שלם שלם שלם שלם שלם שלם שלם שלם או שלם שלם שלם שלם או מספר שלם שלם שלם שלם שלם או מספר שלם של מספר שלם שלם או מספר שלם של מספר שלם או מספר שלם של מספר שלם או מספר שלם של מספר שלם או מספר שלם של מספר שלם או של מספר שלם לא חתום של מספר שלם או Tflite ערכים של מספר שלם או מספר שלם או מספר שלם או מספר שלם או מספר שלם או מספר שלם של מספר שלם או QI8 סוג של מספר או מספר שלם או מספר שלם או מספר שלם לא חתום של מספר שלם או סוג של מספר שלם או Tflite או 8

tfl.gelu (tfl :: geluop)

פונקציית ההפעלה של GELU.

מחשב פונקציית הפעלת GELU-אלמנט-אלמנט.

תכונות: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

תכונות:

תְכוּנָה סוג MLIR תֵאוּר
approximate :: mlir :: boolattr תכונה Bool

אופרנדים:

אופרנד תֵאוּר
input טנזור של צף 32 סיביות או סוג QI8 או ערכי סוג QUI8

תוצאות:

תוֹצָאָה תֵאוּר
output טנזור של צף 32 סיביות או סוג QI8 או ערכי סוג QUI8

tfl.greater (tfl :: Gretyop)

מפעיל גדול יותר

מבצעים גדולים יותר של אלמנט.

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

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד תֵאוּר
lhs טנזור של צף 32 סיביות או מספר שלם שלם או 32 סיביות שלם או 64 סיביות שלם שלם או Qui8 סוג Qui8 או סוג Qi8 או tflite quint8 סוג ערכי סוג
rhs טנזור של צף 32 סיביות או מספר שלם שלם או 32 סיביות שלם או 64 סיביות שלם שלם או Qui8 סוג Qui8 או סוג Qi8 או tflite quint8 סוג ערכי סוג

תוצאות:

תוֹצָאָה תֵאוּר
output טנזור של ערכי מספר שלם נטול סיביות 1 סיביות

tfl.greater_equal (tfl :: greatereQualop)

_ מגהטר מפעיל שווה

מבצעי אלמנט רב-שוויוני.

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

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד תֵאוּר
lhs טנזור של צף 32 סיביות או מספר שלם שלם או 16 סיביות שלם או 32 סיביות שלם שלם שלם או 64 סיב
rhs טנזור של צף 32 סיביות או מספר שלם שלם או 16 סיביות שלם או 32 סיביות שלם שלם שלם או 64 סיב

תוצאות:

תוֹצָאָה תֵאוּר
output טנזור של ערכי מספר שלם נטול סיביות 1 סיביות

tfl.hard_swish (TFL :: HARDSWISHOP)

פונקציית ההפעלה הקשיח.

מחשב פונקציית הפעלה קשיחה עם שוט F (x)-> (x * relu6 (x+3))/6 אלמנט-אלמנט.

תכונות: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד תֵאוּר
input טנזור של צף 32 סיביות או סוג Qui8 או ערכי סוג Qi8

תוצאות:

תוֹצָאָה תֵאוּר
output טנזור של צף 32 סיביות או סוג Qui8 או ערכי סוג Qi8

tfl.hashtable (tfl :: hashtableop)

יוצר שולחן חשיש שאינו מופרז.

OP זה יוצר טבלת חשיש, המפרט את סוג המפתחות והערכים שלה. לפני השימוש בטבלה תצטרך לאתחל אותה. לאחר האתחול הטבלה תהיה בלתי ניתנת לשינוי.

ממשקים: TflRuntimeVerifyOpInterface

תכונות:

תְכוּנָה סוג MLIR תֵאוּר
table_id :: mlir :: integerattr תכונה שלם שלם ללא אותות 32 סיביות
key_dtype :: mlir :: typeattr כל תכונה מסוג
value_dtype :: mlir :: typeattr כל תכונה מסוג

תוצאות:

תוֹצָאָה תֵאוּר
out טנזור ערכי המשאבים

tfl.hashtable_find (tfl :: hashtablefindop)

מבט את המפתחות בטבלה, מוציא את הערכים המתאימים.

keys הטנזור חייבים לאותו סוג כמו מפתחות הטבלה. values הפלט הם מסוג ערכי הטבלה.

ה- Scalar default_value הוא פלט הערך עבור מפתחות שאינם קיימים בטבלה. זה חייב להיות גם באותו סוג כמו ערכי הטבלה.

ממשקים: TflRuntimeVerifyOpInterface

אופרנדים:

אופרנד תֵאוּר
hash_table טנזור ערכי המשאבים
keys טנזור של מספר שלם שלם או טפלייט של 32 סיביות או ערכי מספר שלם נטולי אותות או 64 סיביות
default_value טנזור של צף 32 סיביות או 32 סיביות שלם שלם או סוג מחרוזת TFLITE או ערכי מספר שלם ללא אותות 64 סיביות

תוצאות:

תוֹצָאָה תֵאוּר
out טנזור של צף 32 סיביות או 32 סיביות שלם שלם או סוג מחרוזת TFLITE או ערכי מספר שלם ללא אותות 64 סיביות

tfl.hashtable_import (tfl :: hashtableimportop)

מחליף את תוכן הטבלה במפתחות ובערכים שצוינו.

keys הטנזור חייבים להיות מאותו סוג כמו מפתחות הטבלה. values הטנזור חייבים להיות מסוג ערכי הטבלה.

ממשקים: TflRuntimeVerifyOpInterface

אופרנדים:

אופרנד תֵאוּר
hash_table טנזור ערכי המשאבים
keys טנזור של מספר שלם שלם או טפלייט של 32 סיביות או ערכי מספר שלם נטולי אותות או 64 סיביות
values טנזור של צף 32 סיביות או 32 סיביות שלם שלם או סוג מחרוזת TFLITE או ערכי מספר שלם ללא אותות 64 סיביות

tfl.hashtable_size (tfl :: hashtablesize)

מחשב את מספר האלמנטים בטבלה הנתונה.

ממשקים: TflRuntimeVerifyOpInterface

אופרנדים:

אופרנד תֵאוּר
hash_table טנזור ערכי המשאבים

תוצאות:

תוֹצָאָה תֵאוּר
out טנזור של ערכי מספר שלם נטולי 64 סיביות

tfl.if (tfl :: ifop)

פעולת אם-אז

פעולת tfl.if מייצגת מבנה אם-אז-אז לביצוע תנאי שני אזורי קוד. הפעולה למבצע IF היא ערך בוליאני. לְדוּגמָה:

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

tfl.if עשוי גם להחזיר תוצאות המוגדרות באזורים שלה. הערכים המוגדרים נקבעים על ידי אילו מסלול ביצוע ננקט.

דוּגמָה:

%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>
}

tfl.if אזורים מסתיימים תמיד עם "tfl.yield". אם "tfl.if" לא מגדיר ערכים, ניתן להשאיר את "tfl.yield" ויוכנסו באופן מרומז. אחרת, זה חייב להיות מפורש. כמו כן, אם "tfl.if" מגדיר ערכה אחת או יותר, לא ניתן להשמיט את החסימה 'אחרת'.

דוּגמָה: 

tfl.if %b  {
  ...
}

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

ממשקים: RegionBranchOpInterface , TflRuntimeVerifyOpInterface

אופרנדים:

אופרנד תֵאוּר
cond טנזור של ערכי מספר שלם נטול סיביות 1 סיביות

תוצאות:

תוֹצָאָה תֵאוּר
results משתנה של טנזור מכל ערכי סוג

tfl.imag (tfl :: imagop)

מחזיר את החלק הדמיוני של מספר מורכב.

בהינתן input טנזור של מספרים מורכבים, פעולה זו מחזירה טנזור float מסוג שהוא החלק הדמיוני של כל אלמנט input . כל האלמנטים input חייבים להיות מספרים מורכבים של הצורה \(a + bj\), כאשר A הוא החלק האמיתי ו- B הוא החלק הדמיוני שהוחזר על ידי פעולה זו.

תכונות: AlwaysSpeculatableImplTrait SameOperandsAndResultShape

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד תֵאוּר
input טנזור מסוג מורכב עם אלמנטים צפים של 32 סיביות או סוג מורכב עם ערכי אלמנטים צפים של 64 סיביות

תוצאות:

תוֹצָאָה תֵאוּר
output טנזור של צף 32 סיביות או ערכי ציפה של 64 סיביות

tfl.l2_normalization (tfl :: l2normalizationop)

L2 מנרמל מפעיל

L2normalization op

תכונות: AlwaysSpeculatableImplTrait , QuantizableResult

ממשקים TflArithmeticCountOpInterface ConditionallySpeculatable TflRuntimeVerifyOpInterface FixedOutputRangeInterface NoMemoryEffect (MemoryEffectOpInterface)

אפקטים: MemoryEffects::Effect{}

תכונות:

תְכוּנָה סוג MLIR תֵאוּר
fused_activation_function :: mlir :: stringattr תכונת מחרוזת שערכה אינו, או Relu, או Relu_n1_To_1, או Relu6, או Tanh, או sign_bit

אופרנדים:

אופרנד תֵאוּר
input טנזור של צף 32 סיביות או סוג Qui8 סוג או Qi8 סוג או Qui16 סוג או Qi16 סוג או ערכי מספר שלם נטולי אותות של 8 סיביות

תוצאות:

תוֹצָאָה תֵאוּר
output טנזור של צף 32 סיביות או סוג Qui8 סוג או Qi8 סוג או Qui16 סוג או Qi16 סוג או ערכי מספר שלם נטולי אותות של 8 סיביות

tfl.leaky_relu (tfl :: leakyreluop)

מפעיל Relu Leaky

מפעיל Relu דולף -אלמנט -זולף x -> x> = 0? x: (אלפא * x)

תכונות: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

תכונות:

תְכוּנָה סוג MLIR תֵאוּר
alpha :: mlir :: floatttr תכונה ציפה של 32 סיביות

אופרנדים:

אופרנד תֵאוּר
input טנזור של צף 32 סיביות או Qui8 סוג או qi8 סוג או tflite quint8 סוג או ערכי סוג Qi16

תוצאות:

תוֹצָאָה תֵאוּר
output טנזור של צף 32 סיביות או Qui8 סוג או qi8 סוג או tflite quint8 סוג או ערכי סוג Qi16

tfl.less (tfl :: lessop)

פחות מפעיל

מבצעים פחות אלמנט.

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

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד תֵאוּר
lhs טנזור של צף 32 סיביות או מספר שלם שלם או 16 סיביות שלם או 32 סיביות שלם שלם או 64 סיביות שלם או 64 סיב
rhs טנזור של צף 32 סיביות או מספר שלם שלם או 16 סיביות שלם או 32 סיביות שלם שלם או 64 סיביות שלם או 64 סיב

תוצאות:

תוֹצָאָה תֵאוּר
output טנזור של ערכי מספר שלם נטול סיביות 1 סיביות

tfl.less_equal (tfl :: lessequalop)

_ מפעיל שווה חסר

מבצעי Less_equal-Element.

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

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד תֵאוּר
lhs טנזור של צף 32 סיביות או מספר שלם שלם או 32 סיביות שלם או 64 סיביות שלם שלם או ערכי סוג QI8 או ערכי סוג Qui8
rhs טנזור של צף 32 סיביות או מספר שלם שלם או 32 סיביות שלם או 64 סיביות שלם שלם או ערכי סוג QI8 או ערכי סוג Qui8

תוצאות:

תוֹצָאָה תֵאוּר
output טנזור של ערכי מספר שלם נטול סיביות 1 סיביות

tfl.local_response_normalization (tfl :: localResponSenormalizationop)

נורמליזציה של תגובה מקומית.

טנזור input 4-D מתייחסים כמערך תלת-ממדי של וקטורים 1-D (לאורך הממד האחרון), וכל וקטור מנורמל באופן עצמאי. בתוך וקטור נתון, כל רכיב מחולק בסכום המשוקלל והריבוע של התשומות בתוך depth_radius . בפירוט, 

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

לפרטים ראו Krizhevsky et al., סיווג ImageNet עם רשתות עצביות עמוקות (NIPS 2012) .

תכונות: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

אפקטים: MemoryEffects::Effect{}

תכונות:

תְכוּנָה סוג MLIR תֵאוּר
radius :: mlir :: integerattr תכונה שלם שלם ללא אותות 32 סיביות
bias :: mlir :: floatttr תכונה ציפה של 32 סיביות
alpha :: mlir :: floatttr תכונה ציפה של 32 סיביות
beta :: mlir :: floatttr תכונה ציפה של 32 סיביות

אופרנדים:

אופרנד תֵאוּר
input טנזור של ערכי ציפה של 32 סיביות

תוצאות:

תוֹצָאָה תֵאוּר
output טנזור של ערכי ציפה של 32 סיביות

tfl.log (tfl :: logop)

מפעיל לוגריתם טבעי

מבצע פעולת לוגריתם טבעית-אלמנטית על קלט.

תכונות: AlwaysSpeculatableImplTrait , QuantizableResult

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד תֵאוּר
x טנזור של ערכי סוג 32 סיביות או QI8

תוצאות:

תוֹצָאָה תֵאוּר
y טנזור של ערכי סוג 32 סיביות או QI8

tfl.log_softmax (tfl :: logsoftmaxop)

יומן מפעיל SoftMax

מחשב הפעלות SoftMax יומן אלמנט עם הנוסחה הבאה

קלט - יומן (LARKE_SUM (EXP (קלט), DIM))

תכונות: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

ממשקים TflArithmeticCountOpInterface ConditionallySpeculatable TflRuntimeVerifyOpInterface FixedOutputRangeInterface NoMemoryEffect (MemoryEffectOpInterface)

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד תֵאוּר
input טנזור של צף 32 סיביות או Qui8 סוג או Qi8 סוג או ערכי סוג tflite quint8

תוצאות:

תוֹצָאָה תֵאוּר
output טנזור של צף 32 סיביות או Qui8 סוג או Qi8 סוג או ערכי סוג tflite quint8

tfl.logical_and (tfl :: logicalandop)

הגיוני ומפעיל

הגיוני ותפעול אלמנט.

תכונות: AlwaysSpeculatableImplTrait ResultsBroadcastableShape

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד תֵאוּר
lhs טנזור של ערכי מספר שלם נטול סיביות 1 סיביות
rhs טנזור של ערכי מספר שלם נטול סיביות 1 סיביות

תוצאות:

תוֹצָאָה תֵאוּר
output טנזור של ערכי מספר שלם נטול סיביות 1 סיביות

tfl.logical_not (tfl :: logicalnotop)

הגיוני לא מפעיל

ההגיוני ההגיוני לא-אלמנט.

תכונות: AlwaysSpeculatableImplTrait SameOperandsAndResultShape

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד תֵאוּר
lhs טנזור של ערכי מספר שלם נטול סיביות 1 סיביות

תוצאות:

תוֹצָאָה תֵאוּר
output טנזור של ערכי מספר שלם נטול סיביות 1 סיביות

tfl.logical_or (tfl :: logicalorop)

הגיוני או מפעיל

הגיוני או פעולה חכמה באלמנט.

תכונות: AlwaysSpeculatableImplTrait ResultsBroadcastableShape

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד תֵאוּר
lhs טנזור של ערכי מספר שלם נטול סיביות 1 סיביות
rhs טנזור של ערכי מספר שלם נטול סיביות 1 סיביות

תוצאות:

תוֹצָאָה תֵאוּר
output טנזור של ערכי מספר שלם נטול סיביות 1 סיביות

tfl.logistic (tfl :: logisticop)

מפעיל לוגיסטי

מחשב סיגמואיד חכם אלמנט של קלט

תכונות: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

ממשקים TflArithmeticCountOpInterface ConditionallySpeculatable TflRuntimeVerifyOpInterface FixedOutputRangeInterface NoMemoryEffect (MemoryEffectOpInterface)

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד תֵאוּר
x טנזור של צף 32 סיביות או סוג QI8 סוג או Qui8 סוג או QI16 סוג או tflite quint8 ערכי סוג

תוצאות:

תוֹצָאָה תֵאוּר
y טנזור של צף 32 סיביות או סוג QI8 סוג או Qui8 סוג או QI16 סוג או tflite quint8 ערכי סוג

tfl.lstm (tfl :: lstmop)

מפעיל ה- LSTM המלא

יחידת זיכרון ארוכה לטווח קצר (LSTM) שכבת רשת חוזרת. יישום ברירת המחדל שאינו Peephole מבוסס על: http://deeplearning.cs.cmu.edu/pdfs/hochreiter97_lstm.pdf S. Hochreiter ו- J. Schmidhuber. 'זיכרון ארוך לטווח קצר'. חישוב עצבי, 9 (8): 1735-1780, 1997. יישום הפהיב מבוסס על: https://research.google.com/pubs/archive/43905.pdf hasim sak, Andrew Senior, and Francoise Beaufays. 'ארכיטקטורות רשת עצביות ארוכות לטווח קצר לטווח קצר למודלים אקוסטיים בקנה מידה גדול.' Interspeech, 2014. הצימוד של קלט ושכחת שער (CIFG) מבוסס על: http://arxiv.org/pdf/1503.04069.pdf Greff et al. 'LSTM: אודיסיאה מרחב חיפוש' נורמליזציה של השכבה מבוססת על: https://arxiv.org/pdf/1607.06450.pdf ba et al. 'נורמליזציה של שכבה'

תכונות: QuantizableResult

ממשקים: DynamicRangeQuantizedOpInterface , TFL_StatefulOp , TflRuntimeVerifyOpInterface

תכונות:

תְכוּנָה סוג MLIR תֵאוּר
fused_activation_function :: mlir :: stringattr תכונת מחרוזת שערכה אינו, או Relu, או Relu_n1_To_1, או Relu6, או Tanh, או sign_bit
cell_clip :: mlir :: floatttr תכונה ציפה של 32 סיביות שערכה אינו שלילי
proj_clip :: mlir :: floatttr תכונה ציפה של 32 סיביות שערכה אינו שלילי
kernel_type :: mlir :: tfl :: lstmkerneltypeattr LSTM_KERNEL_TYPE שערך זה MLIR :: TFL :: LSTMKERNELTYPE :: FULL
asymmetric_quantize_inputs :: mlir :: boolattr תכונה Bool
input_to_input_intermediate :: mlir :: typeattr כל תכונה מסוג
input_to_forget_intermediate :: mlir :: typeattr כל תכונה מסוג
input_to_cell_intermediate :: mlir :: typeattr כל תכונה מסוג
input_to_output_intermediate :: mlir :: typeattr כל תכונה מסוג
effective_hidden_scale_intermediate :: mlir :: typeattr כל תכונה מסוג

אופרנדים:

אופרנד תֵאוּר
input טנזור של צף 32 סיביות או סוג QI8 או ערכי סוג QI16
input_to_input_weights Tensor מכל סוג ערכים או לא סוג
input_to_forget_weights טנזור של ערכי סוג 32 סיביות או QI8
input_to_cell_weights טנזור של ערכי סוג 32 סיביות או QI8
input_to_output_weights טנזור של ערכי סוג 32 סיביות או QI8
recurrent_to_input_weights Tensor מכל סוג ערכים או לא סוג
recurrent_to_forget_weights טנזור של ערכי סוג 32 סיביות או QI8
recurrent_to_cell_weights טנזור של ערכי סוג 32 סיביות או QI8
recurrent_to_output_weights טנזור של ערכי סוג 32 סיביות או QI8
cell_to_input_weights Tensor מכל סוג ערכים או לא סוג
cell_to_forget_weights Tensor מכל סוג ערכים או לא סוג
cell_to_output_weights Tensor מכל סוג ערכים או לא סוג
input_gate_bias Tensor מכל סוג ערכים או לא סוג
forget_gate_bias טנזור של ערכי סוג 32 סיביות או ערכי סוג QI32
cell_bias טנזור של ערכי סוג 32 סיביות או ערכי סוג QI32
output_gate_bias טנזור של ערכי סוג 32 סיביות או ערכי סוג QI32
projection_weights Tensor מכל סוג ערכים או לא סוג
projection_bias Tensor מכל סוג ערכים או לא סוג
input_activation_state טנזור ממלכתי
input_cell_state טנזור ממלכתי
input_layer_norm_coefficients Tensor מכל סוג ערכים או לא סוג
forget_layer_norm_coefficients Tensor מכל סוג ערכים או לא סוג
cell_layer_norm_coefficients Tensor מכל סוג ערכים או לא סוג
output_layer_norm_coefficients Tensor מכל סוג ערכים או לא סוג

תוצאות:

תוֹצָאָה תֵאוּר
output Tensor מכל סוג ערכים

tfl.matrix_diag (tfl :: matrixdiagop)

מחזיר טנזור עם האלכסון המסופק וכל השאר מרופד באפסים.

בהינתן אלכסון, מחזיר טנזור עם האלכסון וכל השאר מרופד באפסים. נניח שאלכסון יש מידות K [I, J, K, ..., N] , ואז הפלט הוא טנזור של דרגה k+1 עם מידות [I, J, K, ..., N, N] איפה: output[i, j, k, ..., m, n] = 1{m=n} * diagonal[i, j, k, ..., n].

תכונות: AlwaysSpeculatableImplTrait , QuantizableResult

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד תֵאוּר
diagonal טנזור של צף 32 סיביות או מספר שלם שלם או 8 סיביות שלם או 16 סיביות שלם שלם שלם שלם או 32 סיב

תוצאות:

תוֹצָאָה תֵאוּר
output טנזור של צף 32 סיביות או מספר שלם שלם או 8 סיביות שלם או 16 סיביות שלם שלם שלם שלם או 32 סיב

tfl.matrix_set_diag (tfl :: matrixsetdiagop)

מחזירה טנזור מטריצה ​​מקוצץ עם ערכים אלכסוניים חדשים עם אצווה.

בהינתן input diagonal , פעולה זו מחזירה טנזור עם אותה צורה וערכים כמו input , למעט האלכסון העיקרי של המטריצות הפנימיות ביותר. אלה יוחלפו על ידי הערכים diagonal .

תכונות: AlwaysSpeculatableImplTrait , QuantizableResult

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד תֵאוּר
input טנזור של צף 32 סיביות או מספר שלם שלם ללא סיב
diagonal טנזור של צף 32 סיביות או מספר שלם שלם ללא סיב

תוצאות:

תוֹצָאָה תֵאוּר
result טנזור של צף 32 סיביות או מספר שלם שלם ללא סיב

tfl.max_pool_2d (tfl :: maxpool2dop)

מקסימום בריכה 2D OP

מבצע מקסימום בריכה 2d בקלט.

כניסות: inputs[0] : חובה: טנזור הקלט

תכונות: AlwaysSpeculatableImplTrait , QuantizableResult

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

אפקטים: MemoryEffects::Effect{}

תכונות:

תְכוּנָה סוג MLIR תֵאוּר
padding :: mlir :: stringattr תכונת מחרוזת שערכה זהה, או תקף
stride_w :: mlir :: integerattr תכונה שלם שלם ללא אותות 32 סיביות
stride_h :: mlir :: integerattr תכונה שלם שלם ללא אותות 32 סיביות
filter_width :: mlir :: integerattr תכונה שלם שלם ללא אותות 32 סיביות
filter_height :: mlir :: integerattr תכונה שלם שלם ללא אותות 32 סיביות
fused_activation_function :: mlir :: stringattr תכונת מחרוזת שערכה אינו, או Relu, או Relu_n1_To_1, או Relu6, או Tanh, או sign_bit

אופרנדים:

אופרנד תֵאוּר
input טנזור של צף 32 סיביות או Qui8 סוג או QI8 סוג או QI16 סוג או tflite quint8 ערכי סוג

תוצאות:

תוֹצָאָה תֵאוּר
output טנזור של צף 32 סיביות או Qui8 סוג או QI8 סוג או QI16 סוג או tflite quint8 ערכי סוג

tfl.maximum (tfl :: maximumop)

מפעיל מקסימום

פעולה מקסימאלית מבחינה אלמנטית.

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

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

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד תֵאוּר
lhs טנזור של צף 32 סיביות או 32/64 סיביות שלם שלם או QI8 סוג או QUI8 סוג או ערכי סוג QI16
rhs טנזור של צף 32 סיביות או 32/64 סיביות שלם שלם או QI8 סוג או QUI8 סוג או ערכי סוג QI16

תוצאות:

תוֹצָאָה תֵאוּר
max טנזור של צף 32 סיביות או 32/64 סיביות שלם שלם או QI8 סוג או QUI8 סוג או ערכי סוג QI16

tfl.mean (tfl :: meanop)

מפעיל מרושע

מחשב את הממוצע של אלמנטים על פני מידות של טנזור. מקטין את input_tensor לאורך הממדים שניתנו בציר. אלא אם כן KeepDims נכון, דרגת הטנזור מופחתת על ידי 1 לכל כניסה בציר. אם KeepDims הוא נכון, הממדים המופחתים נשמרים עם אורך 1.

תכונות: AlwaysSpeculatableImplTrait , QuantizableResult

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

תכונות:

תְכוּנָה סוג MLIR תֵאוּר
keep_dims :: mlir :: boolattr תכונה Bool

אופרנדים:

אופרנד תֵאוּר
input טנזור של צף 32 סיביות או מספר שלם שלם או 32 סיביות שלם או 64 סיביות שלם שלם או סוג שלם QI8 או סוג Qui8 או סוג שלם שלם או 8 סיביות לא חתום או Qi16
axis טנזור של ערכי מספר שלם נטולי אותות של 32 סיביות

תוצאות:

תוֹצָאָה תֵאוּר
output טנזור של צף 32 סיביות או מספר שלם שלם או 32 סיביות שלם או 64 סיביות שלם שלם או סוג שלם QI8 או סוג Qui8 או סוג שלם שלם או 8 סיביות לא חתום או Qi16

tfl.minimum (tfl :: minimumop)

מפעיל דקות

פעולת MIN-אלמנטית.

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

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

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד תֵאוּר
lhs tensor of 32-bit float or 32/64-bit signless integer or QI8 type or QUI8 type or QI16 type values
rhs tensor of 32-bit float or 32/64-bit signless integer or QI8 type or QUI8 type or QI16 type values

תוצאות:

תוֹצָאָה תֵאוּר
min tensor of 32-bit float or 32/64-bit signless integer or QI8 type or QUI8 type or QI16 type values

tfl.mirror_pad (TFL::MirrorPadOp)

MirrorPad Operator. Pads a tensor with mirrored values.

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

Both paddings[D, 0] and paddings[D, 1] must be no greater than input.dim_size(D) (or input.dim_size(D) - 1) if copy_border is true (if false, respectively).

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

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה MLIR Type תֵאוּר
mode ::mlir::TFL::MirrorPaddingTypeAttr mirror_pad_enum

Operands:

Operand תֵאוּר
input tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or 8-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or QI16 type values
pad tensor of 32-bit signless integer or 64-bit signless integer values

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or 8-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or QI16 type values

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{}

Attributes:

תְכוּנָה MLIR Type תֵאוּר
fused_activation_function ::mlir::StringAttr string attribute whose value is NONE, or RELU, or RELU_N1_TO_1, or RELU6, or TANH, or SIGN_BIT

Operands:

Operand תֵאוּר
lhs tensor of 32-bit float or 32-bit signless integer or 32-bit unsigned integer or 64-bit signless integer or QI8 type or QUI8 type or QI16 type or 16-bit signless integer or complex type with 32-bit float elements values
rhs tensor of 32-bit float or 32-bit signless integer or 32-bit unsigned integer or 64-bit signless integer or QI8 type or QUI8 type or QI16 type or 16-bit signless integer or complex type with 32-bit float elements values

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of 32-bit float or 32-bit signless integer or 32-bit unsigned integer or 64-bit signless integer or QI8 type or QUI8 type or QI16 type or 16-bit signless integer or complex type with 32-bit float elements values

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

Attributes:

תְכוּנָה MLIR Type תֵאוּר
seed ::mlir::IntegerAttr 64-bit signless integer attribute
seed2 ::mlir::IntegerAttr 64-bit signless integer attribute

Operands:

Operand תֵאוּר
logits tensor of 32-bit float values
num_samples tensor of 32-bit signless integer values

תוצאות:

תוֹצָאָה תֵאוּר
out tensor of 32-bit signless integer or 64-bit signless integer values

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:

Operand תֵאוּר
x tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer values

תוצאות:

תוֹצָאָה תֵאוּר
y tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer values

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:

תְכוּנָה MLIR Type תֵאוּר
value ::mlir::UnitAttr unit attribute

תוצאות:

תוֹצָאָה תֵאוּר
none_val none type

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:

Operand תֵאוּר
boxes tensor of 32-bit float values
scores tensor of 32-bit float values
max_output_size tensor of 32-bit signless integer values
iou_threshold tensor of 32-bit float values
score_threshold tensor of 32-bit float values

תוצאות:

תוֹצָאָה תֵאוּר
selected_indices tensor of 32-bit signless integer values
valid_outputs tensor of 32-bit signless integer values

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:

Operand תֵאוּר
boxes tensor of 32-bit float values
scores tensor of 32-bit float values
max_output_size tensor of 32-bit signless integer values
iou_threshold tensor of 32-bit float values
score_threshold tensor of 32-bit float values
soft_nms_sigma tensor of 32-bit float values

תוצאות:

תוֹצָאָה תֵאוּר
selected_indices tensor of 32-bit signless integer values
selected_scores tensor of 32-bit float values
valid_outputs tensor of 32-bit signless integer values

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:

Operand תֵאוּר
lhs tensor of 1-bit signless integer or 32-bit float or 32-bit signless integer or 64-bit signless integer or QUI8 type or QI8 type or TFLite quint8 type or TFLite string type values
rhs tensor of 1-bit signless integer or 32-bit float or 32-bit signless integer or 64-bit signless integer or QUI8 type or QI8 type or TFLite quint8 type or TFLite string type values

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of 1-bit signless integer values

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

Attributes:

תְכוּנָה MLIR Type תֵאוּר
tolerance ::mlir::FloatAttr 32-bit float attribute
log_if_failed ::mlir::BoolAttr bool attribute

Operands:

Operand תֵאוּר
input tensor of QI8 type or QUI8 type or QI16 type or 16-bit float or TFLite quint8 type values
ref tensor of 32-bit float values

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of 32-bit float values

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:

תְכוּנָה MLIR Type תֵאוּר
axis ::mlir::IntegerAttr 32-bit signless integer attribute

Operands:

Operand תֵאוּר
indices tensor of 32-bit signless integer or 64-bit signless integer values
depth tensor of 32-bit signless integer values
on_value tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or 1-bit signless integer or 8-bit signless integer or 8-bit unsigned integer values
off_value tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or 1-bit signless integer or 8-bit signless integer or 8-bit unsigned integer values

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or 1-bit signless integer or 8-bit signless integer or 8-bit unsigned integer values

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) . וכו.

לְדוּגמָה: 

# '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:

תְכוּנָה MLIR Type תֵאוּר
values_count ::mlir::IntegerAttr 32-bit signless integer attribute whose value is positive
axis ::mlir::IntegerAttr 32-bit signless integer attribute

Operands:

Operand תֵאוּר
values variadic of tensor of any type values

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of 32-bit float or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 8-bit unsigned integer or 32-bit unsigned integer or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

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)

לְדוּגמָה: 

# '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:

Operand תֵאוּר
input tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values
padding tensor of 32/64-bit signless integer values

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values

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)

לְדוּגמָה: 

# '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:

Operand תֵאוּר
input tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or TFLite quint8 type values
padding tensor of 32/64-bit signless integer values
constant_values tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or TFLite quint8 type values

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or TFLite quint8 type values

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:

Operand תֵאוּר
input variadic of tensor of any type values

תוצאות:

תוֹצָאָה תֵאוּר
output variadic of tensor of any type values

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:

Operand תֵאוּר
lhs tensor of 32-bit float or 32-bit signless integer values
rhs tensor of 32-bit float or 32-bit signless integer values

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of 32-bit float or 32-bit signless integer values

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:

Operand תֵאוּר
input tensor of 32-bit float or QI8 type or QUI8 type or TFLite quint8 type values
alpha tensor of 32-bit float or QI8 type or QUI8 type or TFLite quint8 type values

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of 32-bit float or QI8 type or QUI8 type or TFLite quint8 type values

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:

תְכוּנָה MLIR Type תֵאוּר
value ::mlir::ElementsAttr constant vector/tensor attribute

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of any type values

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:

תְכוּנָה MLIR Type תֵאוּר
qtype ::mlir::TypeAttr Tensor type attribute
value ::mlir::ElementsAttr constant vector/tensor attribute

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of QUI8 type or QI8 type or QI16 type or QUI16 type or TFLite quint8 type values

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:

תְכוּנָה MLIR Type תֵאוּר
value ::mlir::ElementsAttr constant vector/tensor attribute
s_param ::mlir::TFL::SparsityParameterAttr Sparsity parameter.
compressed_data ::mlir::ElementsAttr constant vector/tensor attribute

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of any type values

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:

תְכוּנָה MLIR Type תֵאוּר
qtype ::mlir::TypeAttr Tensor type attribute
value ::mlir::ElementsAttr constant vector/tensor attribute
s_param ::mlir::TFL::SparsityParameterAttr Sparsity parameter.
compressed_data ::mlir::ElementsAttr constant vector/tensor attribute

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of QUI8 type or QI8 type or QI16 type or QUI16 type or TFLite quint8 type values

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:

תְכוּנָה MLIR Type תֵאוּר
qtype ::mlir::TypeAttr Tensor type attribute

Operands:

Operand תֵאוּר
input tensor of 32-bit float or QI4 type or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of QI4 type or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

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

Attributes:

תְכוּנָה MLIR Type תֵאוּר
seed ::mlir::IntegerAttr 64-bit signless integer attribute
seed2 ::mlir::IntegerAttr 64-bit signless integer attribute

Operands:

Operand תֵאוּר
shape tensor of 32-bit signless integer values

תוצאות:

תוֹצָאָה תֵאוּר
out tensor of 32-bit float values

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

Attributes:

תְכוּנָה MLIR Type תֵאוּר
seed ::mlir::IntegerAttr 64-bit signless integer attribute
seed2 ::mlir::IntegerAttr 64-bit signless integer attribute

Operands:

Operand תֵאוּר
shape tensor of 32-bit signless integer values

תוצאות:

תוֹצָאָה תֵאוּר
out tensor of 32-bit float values

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:

Operand תֵאוּר
start tensor of 32-bit signless integer or 32-bit float or 64-bit signless integer values
limit tensor of 32-bit signless integer or 32-bit float or 64-bit signless integer values
delta tensor of 32-bit signless integer or 32-bit float or 64-bit signless integer values

תוצאות:

תוֹצָאָה תֵאוּר
result tensor of 32-bit signless integer or 32-bit float or 64-bit signless integer values

tfl.rank (TFL::RankOp)

Rank operator.

Returns the rank of a tensor.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand תֵאוּר
input tensor of any type values

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of any integer type

tfl.read_variable (TFL::ReadVariableOp)

Reads variable value.

Read variable data identified by 'resource_id'.

Interfaces: TflRuntimeVerifyOpInterface

Operands:

Operand תֵאוּר
resource_id tensor of resource values

תוצאות:

תוֹצָאָה תֵאוּר
result tensor of 32-bit float or 64-bit float or 1-bit signless integer or 8-bit unsigned integer or 8-bit signless integer or QI8 type or QUI8 type or 32-bit signless integer or 64-bit signless integer or QI16 type or complex type with 32-bit float elements or complex type with 64-bit float elements values

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:

Operand תֵאוּר
input tensor of complex type with 32-bit float elements or complex type with 64-bit float elements values

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of 32-bit float or 64-bit float values

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:

תְכוּנָה MLIR Type תֵאוּר
keep_dims ::mlir::BoolAttr bool attribute

Operands:

Operand תֵאוּר
input tensor of 1-bit signless integer values
reduction_indices tensor of 32-bit signless integer values

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of 1-bit signless integer values

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:

תְכוּנָה MLIR Type תֵאוּר
keep_dims ::mlir::BoolAttr bool attribute

Operands:

Operand תֵאוּר
input tensor of 1-bit signless integer values
reduction_indices tensor of 32-bit signless integer values

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of 1-bit signless integer values

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:

תְכוּנָה MLIR Type תֵאוּר
keep_dims ::mlir::BoolAttr bool attribute

Operands:

Operand תֵאוּר
input tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values
axes tensor of 32-bit signless integer values

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values

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:

תְכוּנָה MLIR Type תֵאוּר
keep_dims ::mlir::BoolAttr bool attribute

Operands:

Operand תֵאוּר
input tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values
axes tensor of 32-bit signless integer values

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values

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:

תְכוּנָה MLIR Type תֵאוּר
keep_dims ::mlir::BoolAttr bool attribute

Operands:

Operand תֵאוּר
input tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values
axes tensor of 32-bit signless integer values

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values

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:

Operand תֵאוּר
x tensor of 32-bit float or QUI8 type or QI8 type or QI16 type values

תוצאות:

תוֹצָאָה תֵאוּר
y tensor of 32-bit float or QUI8 type or QI8 type or QI16 type values

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:

Operand תֵאוּר
x tensor of 32-bit float or QUI8 type or QI8 type values

תוצאות:

תוֹצָאָה תֵאוּר
y tensor of 32-bit float or QUI8 type or QI8 type values

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:

Operand תֵאוּר
x tensor of 32-bit float or QUI8 type or QI8 type values

תוצאות:

תוֹצָאָה תֵאוּר
y tensor of 32-bit float or QUI8 type or QI8 type values

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:

Operand תֵאוּר
x tensor of 32-bit float or QUI8 type or QI8 type values

תוצאות:

תוֹצָאָה תֵאוּר
y tensor of 32-bit float or QUI8 type or QI8 type values

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:

Operand תֵאוּר
input tensor of any type values
shape tensor of 32-bit signless integer values

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of any type values

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:

תְכוּנָה MLIR Type תֵאוּר
align_corners ::mlir::BoolAttr bool attribute
half_pixel_centers ::mlir::BoolAttr bool attribute

Operands:

Operand תֵאוּר
input tensor of 32-bit float or TFLite quint8 type or QUI8 type or QI8 type or QI16 type values
size tensor of 32-bit signless integer values

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of 32-bit float or TFLite quint8 type or QUI8 type or QI8 type or QI16 type values

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:

תְכוּנָה MLIR Type תֵאוּר
align_corners ::mlir::BoolAttr bool attribute
half_pixel_centers ::mlir::BoolAttr bool attribute

Operands:

Operand תֵאוּר
input tensor of 32-bit float or TFLite quint8 type or QUI8 type or QI8 type or QI16 type values
size tensor of 32-bit signless integer values

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of 32-bit float or TFLite quint8 type or QUI8 type or QI8 type or QI16 type values

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:

תְכוּנָה MLIR Type תֵאוּר
seq_dim ::mlir::IntegerAttr 32-bit signless integer attribute whose value is non-negative
batch_dim ::mlir::IntegerAttr 32-bit signless integer attribute whose value is non-negative

Operands:

Operand תֵאוּר
input tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI16 type or QUI8 type or TFLite quint8 type values
seq_lengths tensor of 32/64-bit signless integer values

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI16 type or QUI8 type or TFLite quint8 type values

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:

Operand תֵאוּר
input tensor of 32-bit float or 8-bit unsigned integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or QI16 type or QUI8 type or QI8 type or TFLite quint8 type or 1-bit signless integer values
axis tensor of 32-bit signless integer values

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of 32-bit float or 8-bit unsigned integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or QI16 type or QUI8 type or QI8 type or TFLite quint8 type or 1-bit signless integer values

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:

Operand תֵאוּר
input tensor of 32-bit float values
fft_length tensor of 32-bit signless integer values

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of complex type with 32-bit float elements values

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:

Operand תֵאוּר
lhs tensor of 8-bit signless integer or 8-bit unsigned integer or 16-bit signless integer or 16-bit unsigned integer or 32-bit signless integer or 32-bit unsigned integer values
rhs tensor of 8-bit signless integer or 8-bit unsigned integer or 16-bit signless integer or 16-bit unsigned integer or 32-bit signless integer or 32-bit unsigned integer values

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of 8-bit signless integer or 8-bit unsigned integer or 16-bit signless integer or 16-bit unsigned integer or 32-bit signless integer or 32-bit unsigned integer values

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:

Operand תֵאוּר
x tensor of 32-bit float values

תוצאות:

תוֹצָאָה תֵאוּר
y tensor of 32-bit float values

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:

Operand תֵאוּר
x tensor of 32-bit float or QI8 type or QI16 type values

תוצאות:

תוֹצָאָה תֵאוּר
y tensor of 32-bit float or QI8 type or QI16 type values

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:

Operand תֵאוּר
indices tensor of 32-bit signless integer values
updates tensor of 32-bit float or 8-bit signless integer or 64-bit signless integer or 32-bit signless integer or 8-bit unsigned integer or 1-bit signless integer values
shape 1D tensor of any type values

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of 32-bit float or 8-bit signless integer or 64-bit signless integer or 32-bit signless integer or 8-bit unsigned integer or 1-bit signless integer values

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:

Operand תֵאוּר
input tensor of 32-bit float or 32-bit signless integer values
segment_ids tensor of 32-bit signless integer values

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of 32-bit float or 32-bit signless integer values

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:

Operand תֵאוּר
condition tensor of 1-bit signless integer values
x tensor of 32-bit float or 1-bit signless integer or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 32-bit unsigned integer or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values
y tensor of 32-bit float or 1-bit signless integer or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 32-bit unsigned integer or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of 32-bit float or 1-bit signless integer or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 32-bit unsigned integer or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

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:

Operand תֵאוּר
condition tensor of 1-bit signless integer values
x tensor of 32-bit float or 1-bit signless integer or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 32-bit unsigned integer or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values
y tensor of 32-bit float or 1-bit signless integer or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 32-bit unsigned integer or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of 32-bit float or 1-bit signless integer or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 32-bit unsigned integer or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

tfl.shape (TFL::ShapeOp)

Shape operator

Returns the shape of a tensor.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה MLIR Type תֵאוּר
out_type ::mlir::Attribute derived attribute

Operands:

Operand תֵאוּר
input tensor of any type values

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of 32-bit signless integer or 64-bit signless integer values

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:

Operand תֵאוּר
x tensor of 32-bit float or 64-bit float or 32-bit signless integer values

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of 32-bit float or 64-bit float or 32-bit signless integer values

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:

Operand תֵאוּר
x tensor of 32-bit float values

תוצאות:

תוֹצָאָה תֵאוּר
y tensor of 32-bit float values

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:

Operand תֵאוּר
input tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or 8-bit signless integer or 8-bit unsigned integer or 32-bit unsigned integer or 1-bit signless integer or TFLite string type or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values
begin tensor of 32/64-bit signless integer values
size tensor of 32/64-bit signless integer values

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or 8-bit signless integer or 8-bit unsigned integer or 32-bit unsigned integer or 1-bit signless integer or TFLite string type or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values

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{}

Attributes:

תְכוּנָה MLIR Type תֵאוּר
beta ::mlir::FloatAttr 32-bit float attribute

Operands:

Operand תֵאוּר
input tensor of 32-bit float or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of 32-bit float or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values

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:

Operand תֵאוּר
input tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values
block_shape tensor of 32-bit signless integer values
paddings tensor of 32-bit signless integer values

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values

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:

תְכוּנָה MLIR Type תֵאוּר
block_size ::mlir::IntegerAttr 32-bit signless integer attribute whose value is positive

Operands:

Operand תֵאוּר
input tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type values

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type values

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:

Operand תֵאוּר
sparse_indices tensor of 32/64-bit signless integer values
output_shape tensor of 32/64-bit signless integer values
sparse_values tensor of 32-bit signless integer or 64-bit signless integer or 8-bit signless integer or QI8 type or 8-bit unsigned integer or QUI8 type or TFLite quint8 type or 32-bit float values
default_value tensor of 32-bit signless integer or 64-bit signless integer or 8-bit signless integer or QI8 type or 8-bit unsigned integer or QUI8 type or TFLite quint8 type or 32-bit float values

תוצאות:

תוֹצָאָה תֵאוּר
dense tensor of 32-bit signless integer or 64-bit signless integer or 8-bit signless integer or QI8 type or 8-bit unsigned integer or QUI8 type or TFLite quint8 type or 32-bit float values

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:

תְכוּנָה MLIR Type תֵאוּר
num_splits ::mlir::IntegerAttr 32-bit signless integer attribute whose value is positive

Operands:

Operand תֵאוּר
split_dim tensor of 32-bit signless integer values
value tensor of 32-bit float or 16-bit signless integer or 32-bit signless integer or 8-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or QI16 type values

תוצאות:

תוֹצָאָה תֵאוּר
outputs variadic of tensor of any type values

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:

תְכוּנָה MLIR Type תֵאוּר
num_splits ::mlir::IntegerAttr 32-bit signless integer attribute whose value is positive

Operands:

Operand תֵאוּר
value tensor of 32-bit float or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 8-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or QI16 type values
size_splits 1D tensor of 32-bit signless integer values
split_dim 0D tensor of 32-bit signless integer values

תוצאות:

תוֹצָאָה תֵאוּר
outputs variadic of tensor of any type values

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:

Operand תֵאוּר
x tensor of 32-bit float values

תוצאות:

תוֹצָאָה תֵאוּר
y tensor of 32-bit float values

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:

Operand תֵאוּר
x tensor of 32-bit float values

תוצאות:

תוֹצָאָה תֵאוּר
y tensor of 32-bit float values

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:

Operand תֵאוּר
lhs tensor of 32-bit float or 32-bit signless integer or QI8 type values
rhs tensor of 32-bit float or 32-bit signless integer or QI8 type values

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of 32-bit float or 32-bit signless integer or QI8 type values

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 .

לְדוּגמָה: 

# '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:

תְכוּנָה MLIR Type תֵאוּר
squeeze_dims ::mlir::ArrayAttr 64-bit integer array attribute whose size is at most 8

Operands:

Operand תֵאוּר
input tensor of any type values

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of any type values

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:

תְכוּנָה MLIR Type תֵאוּר
begin_mask ::mlir::IntegerAttr 32-bit signless integer attribute
end_mask ::mlir::IntegerAttr 32-bit signless integer attribute
ellipsis_mask ::mlir::IntegerAttr 32-bit signless integer attribute
new_axis_mask ::mlir::IntegerAttr 32-bit signless integer attribute
shrink_axis_mask ::mlir::IntegerAttr 32-bit signless integer attribute
offset ::mlir::BoolAttr bool attribute

Operands:

Operand תֵאוּר
input tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or 8-bit signless integer or 8-bit unsigned integer or 32-bit unsigned integer or QI8 type or QUI8 type or 1-bit signless integer or 16-bit signless integer or QI16 type or TFLite quint8 type or TFLite string type values
begin tensor of 32-bit signless integer values
end tensor of 32-bit signless integer values
strides tensor of 32-bit signless integer values

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or 8-bit signless integer or 8-bit unsigned integer or 32-bit unsigned integer or QI8 type or QUI8 type or 1-bit signless integer or 16-bit signless integer or QI16 type or TFLite quint8 type or TFLite string type values

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:

תְכוּנָה MLIR Type תֵאוּר
fused_activation_function ::mlir::StringAttr string attribute whose value is NONE, or RELU, or RELU_N1_TO_1, or RELU6, or TANH, or SIGN_BIT

Operands:

Operand תֵאוּר
lhs tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or QI16 type values
rhs tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or QI16 type values

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or QI16 type values

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:

תְכוּנָה MLIR Type תֵאוּר
keep_dims ::mlir::BoolAttr bool attribute

Operands:

Operand תֵאוּר
input tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values
axes tensor of 32-bit signless integer values

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values

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:

תְכוּנָה MLIR Type תֵאוּר
rank ::mlir::IntegerAttr 32-bit signless integer attribute whose value is positive
fused_activation_function ::mlir::StringAttr string attribute whose value is NONE, or RELU, or RELU_N1_TO_1, or RELU6, or TANH, or SIGN_BIT
asymmetric_quantize_inputs ::mlir::BoolAttr bool attribute

Operands:

Operand תֵאוּר
input tensor of 32-bit float or QI8 type values
feature_weights tensor of 32-bit float or QI8 type or QUI8 type values
time_weights tensor of 32-bit float or QI16 type values
input_gate_bias tensor of any type values or none type
activation_state stateful tensor

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of 32-bit float or QI8 type values

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:

Operand תֵאוּר
input tensor of 32-bit float or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

Results:

תוֹצָאָה תֵאוּר
output tensor of 32-bit float or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

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:

Operand תֵאוּר
input tensor of 32-bit float or 1-bit signless integer or 32-bit signless integer or 64-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or TFLite string type values
multiples tensor of 32/64-bit signless integer values

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of 32-bit float or 1-bit signless integer or 32-bit signless integer or 64-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or TFLite string type values

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:

Operand תֵאוּר
input tensor of 32-bit float or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type values
k tensor of 16-bit signless integer or 32-bit signless integer values

Results:

תוֹצָאָה תֵאוּר
values tensor of 32-bit float or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type values
indices tensor of 16-bit signless integer or 32-bit signless integer values

tfl.transpose (TFL::TransposeOp)

Transpose operator

Returns the Transpose of x

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

Operand תֵאוּר
input tensor of 32-bit signless integer or 32-bit float or 8-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or TFLite quint8 type or 1-bit signless integer or 64-bit signless integer or QI16 type values
perm tensor of 32-bit signless integer values

Results:

תוֹצָאָה תֵאוּר
output tensor of 32-bit signless integer or 32-bit float or 8-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or TFLite quint8 type or 1-bit signless integer or 64-bit signless integer or QI16 type values

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:

תְכוּנָה MLIR Type תֵאוּר
padding ::mlir::StringAttr string attribute whose value is SAME, or VALID
stride_h ::mlir::IntegerAttr 32-bit signless integer attribute whose value is positive
stride_w ::mlir::IntegerAttr 32-bit signless integer attribute whose value is positive
fused_activation_function ::mlir::StringAttr string attribute whose value is NONE, or RELU, or RELU_N1_TO_1, or RELU6, or TANH, or SIGN_BIT

Operands:

Operand תֵאוּר
output_shape tensor of 32-bit signless integer values
weights tensor of 32-bit float or QI8 type or QUI8 type or QI16 type values
input tensor of 32-bit float or QI8 type or QUI8 type or QI16 type values
bias tensor of any type values or none type

Results:

תוֹצָאָה תֵאוּר
output tensor of 32-bit float or QI8 type or QUI8 type or QI16 type values

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:

תְכוּנָה MLIR Type תֵאוּר
fused_activation_function ::mlir::StringAttr string attribute whose value is NONE, or RELU, or RELU_N1_TO_1, or RELU6, or TANH, or SIGN_BIT
cell_clip ::mlir::FloatAttr 32-bit float attribute whose value is non-negative
proj_clip ::mlir::FloatAttr 32-bit float attribute whose value is non-negative
time_major ::mlir::BoolAttr bool attribute
asymmetric_quantize_inputs ::mlir::BoolAttr bool attribute
diagonal_recurrent_tensors ::mlir::BoolAttr bool attribute
input_to_input_intermediate ::mlir::TypeAttr any type attribute
input_to_forget_intermediate ::mlir::TypeAttr any type attribute
input_to_cell_intermediate ::mlir::TypeAttr any type attribute
input_to_output_intermediate ::mlir::TypeAttr any type attribute
effective_hidden_scale_intermediate ::mlir::TypeAttr any type attribute

Operands:

Operand תֵאוּר
input tensor of 32-bit float values
input_to_input_weights tensor of any type values or none type
input_to_forget_weights tensor of 32-bit float or QI8 type values
input_to_cell_weights tensor of 32-bit float or QI8 type values
input_to_output_weights tensor of 32-bit float or QI8 type values
recurrent_to_input_weights tensor of any type values or none type
recurrent_to_forget_weights tensor of 32-bit float or QI8 type values
recurrent_to_cell_weights tensor of 32-bit float or QI8 type values
recurrent_to_output_weights tensor of 32-bit float or QI8 type values
cell_to_input_weights tensor of any type values or none type
cell_to_forget_weights tensor of any type values or none type
cell_to_output_weights tensor of any type values or none type
input_gate_bias tensor of any type values or none type
forget_gate_bias tensor of 32-bit float values
cell_bias tensor of 32-bit float values
output_gate_bias tensor of 32-bit float values
projection_weights tensor of any type values or none type
projection_bias tensor of any type values or none type
input_activation_state stateful tensor
input_cell_state stateful tensor
input_layer_norm_coefficients tensor of any type values or none type
forget_layer_norm_coefficients tensor of any type values or none type
cell_layer_norm_coefficients tensor of any type values or none type
output_layer_norm_coefficients tensor of any type values or none type

Results:

תוֹצָאָה תֵאוּר
output tensor of 32-bit float or QI8 type values

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:

תְכוּנָה MLIR Type תֵאוּר
time_major ::mlir::BoolAttr bool attribute
fused_activation_function ::mlir::StringAttr string attribute whose value is NONE, or RELU, or RELU_N1_TO_1, or RELU6, or TANH, or SIGN_BIT
asymmetric_quantize_inputs ::mlir::BoolAttr bool attribute

Operands:

Operand תֵאוּר
input tensor of 32-bit float values
input_to_input_weights tensor of 32-bit float or QI8 type values
recurrent_to_input_weights tensor of 32-bit float or QI8 type values
input_gate_bias tensor of 32-bit float values
hidden_state stateful tensor

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of 32-bit float values

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 . במילים אחרות:

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה MLIR Type תֵאוּר
idx_out_type ::mlir::Attribute derived attribute

Operands:

Operand תֵאוּר
input tensor of 8-bit signless integer or QI8 type or 8-bit unsigned integer or QUI8 type or 16-bit signless integer or QI16 type or 32-bit signless integer or 64-bit signless integer or 32-bit float values

Results:

תוֹצָאָה תֵאוּר
output tensor of 8-bit signless integer or QI8 type or 8-bit unsigned integer or QUI8 type or 16-bit signless integer or QI16 type or 32-bit signless integer or 64-bit signless integer or 32-bit float values
idx tensor of 32/64-bit signless integer values

tfl.unpack (TFL::UnpackOp)

Unpacks a tensor along a dimension into multiple tensors

Unpacks a given dimension of a rank- R tensor into num rank- (R-1) tensors.

Unpacks num tensors from value by chipping it along the axis dimension. For example, given a tensor of shape (A, B, C, D) ;

If axis == 0 then the i'th tensor in output is the slice value[i, :, :, :] and each tensor in output will have shape (B, C, D) . (Note that the dimension unpacked along is gone, unlike split ).

If axis == 1 then the i'th tensor in output is the slice value[:, i, :, :] and each tensor in output will have shape (A, C, D) . וכו.

This is the opposite of pack .

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultElementType

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

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה MLIR Type תֵאוּר
num ::mlir::IntegerAttr 32-bit signless integer attribute whose value is non-negative
axis ::mlir::IntegerAttr 32-bit signless integer attribute

Operands:

Operand תֵאוּר
input tensor of 32-bit float or 1-bit signless integer or 8-bit signless integer or 8-bit unsigned integer or 32-bit signless integer or QI8 type or QUI8 type or 16-bit signless integer or QI16 type values

Results:

תוֹצָאָה תֵאוּר
outputs variadic of tensor of any type values

tfl.unsorted_segment_max (TFL::UnsortedSegmentMaxOp)

UnsortedSegmentMax operator

Computes the maximum value along segments of a tensor such that output[i] = max(data[j....]) where segment_ids[j...] = i if the maximum is empty for a given segment ID i, it outputs the smallest possible value for the specific numeric type, output[i] = numeric_limits::lowest(). Note the values of segment_ids are always validated to be less than num_segments and an error is thrown for out-of-bound indices.

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand תֵאוּר
input tensor of 32-bit float or 32-bit signless integer values
segment_ids tensor of 32-bit signless integer values
num_segments tensor of 32-bit signless integer values

Results:

תוֹצָאָה תֵאוּר
output tensor of 32-bit float or 32-bit signless integer values

tfl.unsorted_segment_min (TFL::UnsortedSegmentMinOp)

UnsortedSegmentMin operator

Computes the minimum value along segments of a tensor such that output[i] = min(data[j....]) where segment_ids[j...] = i if the minimum is empty for a given segment ID i, it outputs the largest possible value for the specific numeric type, output[i] = numeric_limits::max(). Note the values of segment_ids are always validated to be less than num_segments and an error is thrown for out-of-bound indices.

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand תֵאוּר
input tensor of 32-bit float or 32-bit signless integer values
segment_ids tensor of 32-bit signless integer values
num_segments tensor of 32-bit signless integer values

Results:

תוֹצָאָה תֵאוּר
output tensor of 32-bit float or 32-bit signless integer values

tfl.unsorted_segment_prod (TFL::UnsortedSegmentProdOp)

UnsortedSegmentProd operator

Computes the product along segments of a tensor.

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand תֵאוּר
input tensor of 32-bit float or 32-bit signless integer values
segment_ids tensor of 32-bit signless integer values
num_segments tensor of 32-bit signless integer values

Results:

תוֹצָאָה תֵאוּר
output tensor of 32-bit float or 32-bit signless integer values

tfl.unsorted_segment_sum (TFL::UnsortedSegmentSumOp)

UnsortedSegmentSum operator

From a tensor segmentation, computes the output resulting from summing together elements mapped to the same segment_id. Ie output[i] is equal to the tensor sum of all elements from the input tensor mapped to segment_id i . If no tensors are mapped to a particular included segment_id, the output at that indice will be a zero tensor with the appropriate shape. Note the values of segment_ids are always validated to be less than num_segments and an error is thrown for out-of-bound indices

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand תֵאוּר
input tensor of 32-bit float or 32-bit signless integer values
segment_ids tensor of 32-bit signless integer values
num_segments tensor of 32-bit signless integer values

Results:

תוֹצָאָה תֵאוּר
output tensor of 32-bit float or 32-bit signless integer values

tfl.var_handle (TFL::VarHandleOp)

Returns a handle to a variable resource from its name.

Returns a handle for a variable resource from its name. container: the container this variable is placed in. shared_name: the name by which this variable is referred to.

Interfaces: TflRuntimeVerifyOpInterface

Attributes:

תְכוּנָה MLIR Type תֵאוּר
container ::mlir::StringAttr string attribute
shared_name ::mlir::StringAttr string attribute

Results:

תוֹצָאָה תֵאוּר
resource_handle tensor of resource values

tfl.where (TFL::WhereOp)

Returns locations of nonzero / true values in a tensor.

This operation returns the coordinates of true elements in condition . The coordinates are returned in a 2-D tensor where the first dimension (rows) represents the number of true elements, and the second dimension (columns) represents the coordinates of the true elements. Keep in mind, the shape of the output tensor can vary depending on how many true values there are in condition . Indices are output in row-major order.

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand תֵאוּר
condition tensor of 1-bit signless integer or 32-bit float or 32/64-bit signless integer or 8-bit signless integer or 8-bit unsigned integer or 32-bit unsigned integer values

Results:

תוֹצָאָה תֵאוּר
index tensor of 64-bit signless integer values

tfl.while (TFL::WhileOp)

While loop

output = input; while (cond(output)) { output = body(output) }

While loop where all values are passes through arguments with implicit capture.

input: A list of input tensors whose types are T. output: A list of output tensors whose types are T. cond: A region that takes 'input' and returns a boolean scalar tensor. body: A region that takes a list of tensors and returns another list of tensors. Both lists have the same types.

Traits: SingleBlockImplicitTerminator<YieldOp> , SingleBlock

Interfaces: LoopLikeOpInterface , TflRuntimeVerifyOpInterface

Attributes:

תְכוּנָה MLIR Type תֵאוּר
is_stateless ::mlir::BoolAttr bool attribute

Operands:

Operand תֵאוּר
input variadic of tensor of any type values

Results:

תוֹצָאָה תֵאוּר
output variadic of tensor of any type values

tfl.yield (TFL::YieldOp)

Yield operation

The "yield" operation represents a return operation within the conditional and body of structured control flow (eg, while), and a terminator for ControlNodeOp. The operation takes a variable number of operands and produces no results. The operand number and types must match the signature of the region that contains the operation.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , Terminator

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand תֵאוּר
«unnamed» variadic of any type

tfl.zeros_like (TFL::ZerosLikeOp)

ZerosLike operator

Returns a tensor of zeros with the same shape and type as the input tensor.

Traits: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand תֵאוּר
input tensor of 64-bit signless integer or 32-bit signless integer or 32-bit float values

תוצאות:

תוֹצָאָה תֵאוּר
output tensor of 64-bit signless integer or 32-bit signless integer or 32-bit float values

תכונות

DimensionMetadataAttr

Dimension metadata.

תַחבִּיר: 

#tfl.dimension_metadata<
  ::mlir::TFL::DimensionTypeAttr,   # format
  int32_t,   # dense_size
  ::llvm::ArrayRef<int32_t>,   # segments
  ::llvm::ArrayRef<int32_t>   # indices
>

Parameters:

פָּרָמֶטֶר C++ type תֵאוּר
פוּרמָט ::mlir::TFL::DimensionTypeAttr dimension_type
dense_size int32_t
segments ::llvm::ArrayRef<int32_t>
מדדים ::llvm::ArrayRef<int32_t>

SparsityParameterAttr

Sparsity parameter.

תַחבִּיר: 

#tfl.sparsity_parameter<
  ::llvm::ArrayRef<int32_t>,   # traversal_order
  ::llvm::ArrayRef<int32_t>,   # block_map
  ::llvm::ArrayRef<DimensionMetadataAttr>   # dim_metadata
>

Parameters:

פָּרָמֶטֶר C++ type תֵאוּר
traversal_order ::llvm::ArrayRef<int32_t>
block_map ::llvm::ArrayRef<int32_t>
dim_metadata ::llvm::ArrayRef<DimensionMetadataAttr>

ConstBytesAttr

A string attribute representation of compiled bytes

Syntax Examples: 

#tfl<const_bytes : "0xDEADBEEF">

Parameters:

פָּרָמֶטֶר C++ type תֵאוּר
עֵרֶך ::llvm::StringRef

DimensionTypeAttr

dimension_type

תַחבִּיר: 

#tfl.dimension_type_attr<
  ::mlir::TFL::DimensionType   # value
>

Enum cases:

  • DENSE ( DENSE )
  • SPARSE_CSR ( SPARSE_CSR )

Parameters:

פָּרָמֶטֶר C++ type תֵאוּר
עֵרֶך ::mlir::TFL::DimensionType an enum of type DimensionType

LSTMKernelTypeAttr

lstm_kernel_type

תַחבִּיר: 

#tfl.lstm_kernel_type_attr<
  ::mlir::TFL::LSTMKernelType   # value
>

Enum cases:

  • FULL ( FULL )
  • BASIC ( BASIC )

Parameters:

פָּרָמֶטֶר C++ type תֵאוּר
עֵרֶך ::mlir::TFL::LSTMKernelType an enum of type LSTMKernelType

MirrorPaddingTypeAttr

mirror_pad_enum

תַחבִּיר: 

#tfl.mirror_pad_attr<
  ::mlir::TFL::MirrorPaddingType   # value
>

Enum cases:

  • REFLECT ( REFLECT )
  • SYMMETRIC ( SYMMETRIC )

Parameters:

פָּרָמֶטֶר C++ type תֵאוּר
עֵרֶך ::mlir::TFL::MirrorPaddingType an enum of type MirrorPaddingType

Enums

DimensionType

dimension_type

Cases:

סֵמֶל עֵרֶך חוּט
צָפוּף 0 צָפוּף
SPARSE_CSR 1 SPARSE_CSR

LSTMKernelType

lstm_kernel_type

Cases:

סֵמֶל עֵרֶך חוּט
מָלֵא 0 מָלֵא
בְּסִיסִי 1 בְּסִיסִי

MirrorPaddingType

mirror_pad_enum

Cases:

סֵמֶל עֵרֶך חוּט
לְשַׁקֵף 0 לְשַׁקֵף
SYMMETRIC 1 SYMMETRIC