'tfl' گویش

گویش TensorFlow Lite.

این گویش با عملیات TensorFlow Lite نگاشت می شود.

متغیرها:

• همه مقادیر از نوع Tensor هستند (به ویژه، اسکالرها با استفاده از تانسورهای صفر بعدی نشان داده می شوند).

عملیات

tfl.abs (TFL::AbsOp)

عملگر مقدار مطلق

با توجه به یک تانسور x ، این عملیات یک تانسور حاوی مقدار مطلق هر عنصر در x را برمی‌گرداند. برای مثال، اگر x یک عنصر ورودی و y یک عنصر خروجی باشد، این عملیات محاسبه می‌شود \(y = |x|\).

صفات: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape Shape

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.add (TFL::AddOp)

اپراتور اضافه

عملیات جمع عنصر.

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

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflArithmeticCountOpInterface ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

عملگرها:

نتایج:

tfl.add_n (TFL::AddNOp)

_افزودن n عملگر

همه تانسورهای ورودی را از نظر عنصر اضافه می کند.

صفات: AlwaysSpeculatableImplTrait , Commutative

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflArithmeticCountOpInterface ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.arg_max (TFL::ArgMaxOp)

اپراتور ArgMax

شاخصی را با بیشترین مقدار در ابعاد یک تانسور برمی‌گرداند.

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

عملگرها:

نتایج:

tfl.arg_min (TFL::ArgMinOp)

اپراتور ArgMin

شاخصی را با کمترین مقدار در ابعاد یک تانسور برمی‌گرداند. a = [1، 10، 26.9، 2.8، 166.32، 62.3] b = tf.math.argmin(input = a) c = tf.keras.backend.eval(b)

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

عملگرها:

نتایج:

tfl.assign_variable (TFL::AssignVariableOp)

مقدار جدیدی را به یک متغیر اختصاص می دهد.

هر ReadVariableOp با وابستگی کنترلی به این عملیات تضمینی برای برگرداندن این مقدار یا مقدار جدیدتر بعدی متغیر است.

رابط ها: TflRuntimeVerifyOpInterface

عملگرها:

tfl.atan2 (TFL::Atan2Op)

عملیات Atan2

عملیات "atan2" با رعایت نشانه‌های آرگومان‌ها، تانژانت y/x را از نظر عنصر محاسبه می‌کند.

صفات: AlwaysSpeculatableImplTrait ، SameOperandsAndResultElementType ، SameOperandsAndResultShape

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.average_pool_2d (TFL::AveragePool2DOp)

اپراتور _Average_pool 2d

عملیات ادغام متوسط ​​را روی ورودی انجام می دهد.

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflArithmeticCountOpInterface ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

عملگرها:

نتایج:

tfl.basic_lstm (TFL::BasicLSTMOp)

اپراتور اصلی lstm

اپراتور سلولی پایه LSTM.

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

عملگرها:

نتایج:

tfl.batch_matmul (TFL::BatchMatMulOp)

عملگر ضرب ماتریس دسته ای

ضرب ماتریس دسته ای را روی ورودی ها انجام می دهد. از قراردادهای TensorFlow BatchMatMulV2 پیروی می کند، با پشتیبانی از ابعاد ناشناخته در ابعاد دسته ای و پخش.

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

صفات: ::mlir::OpTrait::TFLRuntimeOpTrait ، AlwaysSpeculatableImplTrait ، QuantizableResult

رابط ها: ConditionallySpeculatable ، DynamicRangeQuantizedOpInterface ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

عملگرها:

نتایج:

tfl.batch_to_space_nd (TFL::BatchToSpaceNdOp)

اپراتور BatchToSpaceNd

این عملیات بعد "دسته ای" 0 را به ابعاد فضایی تغییر می دهد.

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.bidirectional_sequence_lstm (TFL::BidirectionalSequenceLSTMOp)

عملگر lstm دنباله دو طرفه

lstm دو ​​جهته اساساً دو lstm است، یکی در حال اجرا به جلو و دیگری در حال اجرا به عقب. و خروجی الحاق دو lstms است.

صفات: QuantizableResult

رابط ها: DynamicRangeQuantizedOpInterface ، TFL_StatefulOp ، TflRuntimeVerifyOpInterface

ویژگی ها:

عملگرها:

نتایج:

tfl.bitcast (TFL::BitcastOp)

اپراتور بیت کست

یک تانسور را از یک نوع به نوع دیگر Bitcast می کند.

صفات: AlwaysSpeculatableImplTrait

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.bitwise_xor (TFL::BitwiseXorOp)

عملگر بیتی Xor

Elementwise XOR بیتی lhs و rhs را محاسبه می‌کند.

صفات: AlwaysSpeculatableImplTrait , Commutative , ResultsBroadcastableShape , SameOperandsAndResultElementType

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.broadcast_args (TFL::BroadcastArgsOp)

شکل s0 op s1 را با پخش برگردانید.

با توجه به s0 و s1 ، تانسورهایی که اشکال را نشان می دهند، r0 ، شکل پخش شده را محاسبه می کنند. s0 ، s1 و r0 همگی بردارهای عدد صحیح هستند.

صفات: AlwaysSpeculatableImplTrait

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.broadcast_to (TFL::BroadcastToOp)

پخش یک آرایه برای یک شکل سازگار.

پخش فرآیند ساخت آرایه هایی است که دارای اشکال سازگار برای عملیات حسابی باشند. دو شکل با هم سازگار هستند اگر برای هر جفت بعد یا مساوی باشند یا یکی از آنها یکی باشد. هنگامی که می خواهید یک Tensor را به یک شکل پخش کنید، از ابعاد انتهایی شروع می شود و به سمت جلو حرکت می کند.

به عنوان مثال،

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)

در مثال بالا، تانسور ورودی با شکل [1, 3] به تانسور خروجی با شکل [3, 3] پخش می شود.

هنگام انجام عملیات پخش شده مانند ضرب یک تانسور در یک اسکالر، پخش (معمولاً) مقداری مزیت زمانی یا مکانی را به همراه دارد، زیرا تانسور پخش شده هرگز محقق نمی شود.

با این حال، broadcast_to چنین مزایایی را به همراه ندارد. تانسور تازه ایجاد شده حافظه کامل شکل پخش شده را می گیرد. (در یک زمینه گراف، broadcast_to ممکن است با عملیات بعدی ترکیب شود و سپس بهینه شود.)

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.bucketize (TFL::BucketizeOp)

"ورودی" را بر اساس "مرزها" سطل می کند.

مثال:

اگر ورودی ها boundaries = [0, 10, 100] و input = [[-5, 10000][150, 10][5, 100]] ، آنگاه خروجی output = [[0, 3][3, 2][1, 3]] خواهد بود. output = [[0, 3][3, 2][1, 3]] .

صفات: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

عملگرها:

نتایج:

tfl.call_once (TFL::CallOnceOp)

یک تابع مقداردهی اولیه را فراخوانی می کند

این عملیات تابع مقداردهی اولیه را برای جلسه اولیه در گویش مدل ذخیره شده tf فراخوانی می کند.

رابط ها: TflRuntimeVerifyOpInterface

ویژگی ها:

tfl.cast (TFL::CastOp)

اپراتور بازیگران

ورودی را از نوع ورودی به نوع خروجی ارسال می کند.

صفات: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.ceil (TFL::CeilOp)

اپراتور سقفی

مقدار سقف ورودی از نظر عنصر را برمی‌گرداند.

صفات: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

رابط ها: ConditionallySpeculatable ، InferShapedTypeOpInterface ، InferTypeOpInterface ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.complex_abs (TFL::ComplexAbsOp)

قدر مطلق مختلط یک تانسور را محاسبه می کند.

با توجه به تانسور x از اعداد مختلط، این عملیات یک تانسور از نوع float یا double را برمی‌گرداند که قدر مطلق هر عنصر در x است. تمام عناصر x باید اعداد مختلط فرم باشند \(a + bj\). مقدار مطلق به صورت محاسبه می شود \( \sqrt{a^2 + b^2}\).

صفات: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.concatenation (TFL::ConcatenationOp)

عملگر الحاق

تانسورها را در یک بعد به هم متصل می کند

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

عملگرها:

نتایج:

tfl.control_node (TFL::ControlNodeOp)

عملیات TFL.control_node عملیات تک بلوکی را به منظور اتصال لبه‌های کنترلی می‌پیچد.

این برای بسته بندی مناطق و اتصال وابستگی های کنترلی به آنها استفاده می شود. معمولاً، این اتفاق در یکی از آخرین مراحل قبل از انتشار مدل flatbuffer رخ می‌دهد تا بهینه‌سازی‌هایی که به ترتیب ثابتی از عملیات متکی هستند (مانند مواد مجدد) را فعال کند. به طوری که هرگونه ترتیب مجدد زمان اجرا به ترتیب داده شده توسط وابستگی های کنترلی احترام می گذارد.

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

عملگرها:

نتایج:

tfl.conv_2d (TFL::Conv2DOp)

عملگر پیچیدگی

عملیات کانولوشن را روی ورودی ها انجام می دهد.

ورودی‌ها: inputs[0] : مورد نیاز: inputs[1] : لازم: inputs[2] : اختیاری: تانسور بایاس

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

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

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

عملگرها:

نتایج:

tfl.conv_3d (TFL::Conv3DOp)

اپراتور Convolution 3D

عملیات کانولوشن را روی ورودی های سه بعدی انجام می دهد. ورودی‌ها: inputs[0] : مورد نیاز: inputs[1] : لازم: inputs[2] : اختیاری: تانسور بایاس

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

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

عملگرها:

نتایج:

tfl.conv_3d_transpose (TFL::Conv3DTransposeOp)

عملگر 3 بعدی کانولوشن انتقال یافته

عملیات کانولوشن انتقالی را روی ورودی های سه بعدی انجام می دهد. ورودی‌ها: inputs[0] : مورد نیاز: شکل inputs[1] : مورد نیاز: inputs[2] : لازم: inputs[3] : اختیاری: تانسور بایاس

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

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

عملگرها:

نتایج:

tfl.cos (TFL::CosOp)

عملگر کسینوس

کسینوس ورودی را از نظر عنصر محاسبه می کند

صفات: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

رابط ها: ConditionallySpeculatable ، InferShapedTypeOpInterface ، InferTypeOpInterface ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.cumsum (TFL::CumsumOp)

عملگر Cumsum

مجموع تجمعی تانسور x را در امتداد محور محاسبه کنید.

صفات: AlwaysSpeculatableImplTrait

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

عملگرها:

نتایج:

tfl.custom (TFL::CustomOp)

عملیات سفارشی

یک عملیات عمومی برای هر عملیات سفارشی TFLite.

input: فهرستی از ورودی ها در عملیات اصلی. custom_code: رشته ای است که برای تشخیص اینکه دقیقاً این op چیست، که با operator_codes.custom_code در flatbuffer مطابقت دارد استفاده می شود. custom_option: نگهدارنده ای برای ذخیره ویژگی های op به صورت بایت. خروجی: فهرستی از خروجی ها در عملیات اصلی.

رابط ها: TflRuntimeVerifyOpInterface

ویژگی ها:

عملگرها:

نتایج:

tfl.custom_tf (TFL::CustomTfOp)

Wrapper Op برای عملیات سفارشی TF.

یک عملیات بسته بندی در اطراف هر عملیات سفارشی TF. این شامل عملیات‌هایی است که با استفاده از custom_opdefs تعریف شده‌اند یا پیوند داده شده‌اند که در گویش TF تعریف نشده‌اند. این Op فقط عملیات سفارشی را در یک منطقه پیچیده می کند. توجه شماره 1، این عملیات شامل عملیات سفارشی TF Lite نخواهد بود که با استفاده از CustomOp تعریف شده است. توجه شماره 2، این عملیات فقط نمایش داخلی در داخل مبدل است و هنگامی که مدل به Flatbuffer صادر می‌شود، در معرض/اکسپورت نمی‌شود.

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

رابط ها: InferTypeOpInterface ، TflRuntimeVerifyOpInterface

عملگرها:

نتایج:

tfl.densify (TFL::DensifyOp)

عملگر متراکم کردن

تانسور پراکنده را به فرمت متراکم تبدیل می کند.

صفات: AlwaysSpeculatableImplTrait

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.depth_to_space (TFL::DepthToSpaceOp)

اپراتور DepthToSpace

داده ها را از عمق به بلوک های داده های مکانی بازآرایی می کند. این تبدیل معکوس SpaceToDepth است. به طور خاص، این عملیات یک کپی از تانسور ورودی را که در آن مقادیر از بعد depth در بلوک های فضایی به ابعاد height و width منتقل می شود، خروجی می دهد. attr block_size اندازه بلوک ورودی و نحوه انتقال داده ها را نشان می دهد.

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

عملگرها:

نتایج:

tfl.depthwise_conv_2d (TFL::DepthwiseConv2DOp)

عملگر پیچیدگی قابل جداسازی عمقی

عملیات کانولوشن را روی ورودی ها انجام می دهد.

ورودی‌ها: inputs[0] : مورد نیاز: inputs[1] : لازم: inputs[2] : اختیاری: تانسور بایاس

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

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

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

عملگرها:

نتایج:

tfl.dequantize (TFL::DequantizeOp)

اپراتور Dequantize

آرایه کوانتیزه شده از اعداد صحیح را با توجه به پارامترهای کوانتیزاسیون به نقاط شناور تبدیل می کند.

رابط ها: NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.dilate (TFL::DilateOp)

اپراتور اتساع

یک تانسور را با افزودن عناصر جدید بین عناصر موجود گسترش می دهد. صفات: AlwaysSpeculatableImplTrait

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.div (TFL::DivOp)

اپراتور بخش

عملیات تقسیم عنصری.

ویژگی ها: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , ResultsBroadcastableShape

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflArithmeticCountOpInterface ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

عملگرها:

نتایج:

tfl.dynamic_update_slice (TFL::DynamicUpdateSliceOp)

DynamicUpdateSlice.

عملیات DynamicUpdateSlice که معنایی مشابه با XLA DynamicUpdateSlice دارند. نتیجه ای را ایجاد می کند که مقدار عملوند آرایه ورودی است، با یک به روز رسانی تکه ای که در start_indices بازنویسی می شود.

به https://www.tensorflow.org/xla/operation_semantics#dynamicupdateslice مراجعه کنید

صفات: AlwaysSpeculatableImplTrait

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.elu (TFL::EluOp)

عملگر واحد خطی نمایی

خطی نمایی f(x) -> exp(x) - 1 را برای x < 0، x برای x >= 0 محاسبه می کند.

صفات: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.embedding_lookup (TFL::EmbeddingLookupOp)

تعبیه اپراتور جستجو

شناسه‌ها را در فهرستی از تانسورهای جاسازی شده جستجو می‌کند.

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: AffineQuantizedOpInterface ، ConditionallySpeculatable ، DynamicRangeQuantizedOpInterface ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.equal (TFL::EqualOp)

اپراتور برابر

عنصر حقیقت x == y را از نظر عنصر برمی‌گرداند

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

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.exp (TFL::ExpOp)

عملگر توان طبیعی

عملیات افزایش قدرت طبیعی از نظر عنصر را در ورودی انجام می دهد.

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.expand_dims (TFL::ExpandDimsOp)

بعد 1 را به شکل تانسور وارد می کند.

با توجه به input تانسور، این عملیات بعد 1 را در axis شاخص ابعاد شکل input وارد می کند. axis شاخص بعد از صفر شروع می شود. اگر یک عدد منفی برای axis مشخص کنید، از انتهای آن به عقب شمارش می شود.

اگر بخواهید یک بعد دسته ای به یک عنصر اضافه کنید، این عملیات مفید است. به عنوان مثال، اگر یک تصویر واحد از شکل [height, width, channels] دارید، می‌توانید آن را به صورت دسته‌ای از 1 تصویر با expand_dims(image, 0) بسازید که شکل [1, height, width, channels] می‌سازد. .

نمونه های دیگر:

# '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]

این عملیات مستلزم این است که:

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

این عملیات مربوط به squeeze() است که ابعاد اندازه 1 را حذف می کند.

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.external_const (TFL::ExternalConstOp)

عملیات خروجی

External const op دارای یک buffer_index است که به یک ثابت در flatbuffer اشاره می کند.

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

نتایج:

tfl.fake_quant (TFL::FakeQuantOp)

اپراتور FakeQuant

تانسور «ورودی‌ها» از نوع شناور را از طریق اسکالرهای شناور حداقل و حداکثر به تانسور «خروجی» هم‌شکل ورودی‌ها، کوانتیزه کنید.

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

عملگرها:

نتایج:

tfl.fill (TFL::FillOp)

تانسور را با مقدار داده شده پر کنید.

تانسور را با مقدار داده شده پر کنید.

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.floor (TFL::FloorOp)

اپراتور طبقه

مقدار کف ورودی را از نظر عنصر برمی‌گرداند.

صفات: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

رابط ها: ConditionallySpeculatable ، InferShapedTypeOpInterface ، InferTypeOpInterface ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.floor_div (TFL::FloorDivOp)

اپراتور تقسیم طبقه

عملیات تقسیم طبقه بر حسب عنصر.

ویژگی ها: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , ResultsBroadcastableShape

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.floor_mod (TFL::FloorModOp)

یادآوری بخش

عملیات یادآوری تقسیم بر اساس عنصر.

ویژگی ها: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , ResultsBroadcastableShape

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.fully_connected (TFL::FullyConnectedOp)

عملیات کاملا متصل

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

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

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

عملگرها:

نتایج:

tfl.gather (TFL::GatherOp)

اپراتور جمع آوری کنید

برش ها را از axis محور params بر اساس indices جمع آوری کنید.

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، DynamicRangeQuantizedOpInterface ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

عملگرها:

نتایج:

tfl.gather_nd (TFL::GatherNdOp)

_اپراتور جمع آوری کنید

برش ها را از params در یک تانسور با شکل مشخص شده توسط indices جمع آوری کنید.

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.gelu (TFL::GeluOp)

عملکرد فعال سازی GELU.

تابع فعال‌سازی GELU را بر حسب عنصر محاسبه می‌کند.

صفات: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape Shape

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

عملگرها:

نتایج:

tfl.greater (TFL::GreaterOp)

اپراتور بزرگتر

عملکرد بیشتر از نظر عنصر.

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

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.greater_equal (TFL::GreaterEqualOp)

_عملگر برابر بزرگتر

عملیات بزرگتر_برابر از نظر عنصر.

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

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.hard_swish (TFL::HardSwishOp)

عملکرد فعال سازی هارد.

تابع فعال‌سازی سخت f(x) -> (x * relu6(x+3))/6 عنصر را محاسبه می‌کند.

صفات: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape Shape

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.hashtable (TFL::HashtableOp)

یک جدول هش غیر اولیه ایجاد می کند.

این عملیات یک جدول هش ایجاد می کند و نوع کلیدها و مقادیر آن را مشخص می کند. قبل از استفاده از جدول، باید آن را مقداردهی اولیه کنید. پس از مقداردهی اولیه جدول تغییرناپذیر خواهد بود.

رابط ها: TflRuntimeVerifyOpInterface

ویژگی ها:

نتایج:

tfl.hashtable_find (TFL::HashtableFindOp)

کلیدها را در یک جدول جستجو می کند، مقادیر مربوطه را خروجی می کند.

keys تانسور باید از نوع کلیدهای جدول باشند. values خروجی از نوع مقادیر جدول است.

default_value اسکالار مقدار خروجی برای کلیدهایی است که در جدول وجود ندارد. همچنین باید از همان نوع مقادیر جدول باشد.

رابط ها: TflRuntimeVerifyOpInterface

عملگرها:

نتایج:

tfl.hashtable_import (TFL::HashtableImportOp)

محتویات جدول را با کلیدها و مقادیر مشخص شده جایگزین می کند.

keys تانسور باید از همان نوع کلیدهای جدول باشند. values تانسور باید از نوع مقادیر جدول باشد.

رابط ها: TflRuntimeVerifyOpInterface

عملگرها:

tfl.hashtable_size (TFL::HashtableSizeOp)

تعداد عناصر جدول داده شده را محاسبه می کند.

رابط ها: TflRuntimeVerifyOpInterface

عملگرها:

نتایج:

tfl.if (TFL::IfOp)

عملیات اگر-پس دیگر

عملیات tfl.if یک ساختار if-then-else برای اجرای مشروط دو ناحیه کد را نشان می دهد. عملوند عملیات if یک مقدار بولی است. به عنوان مثال:

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

tfl.if همچنین ممکن است نتایجی را که در مناطق آن تعریف شده است را برگرداند. مقادیر تعریف شده مشخص می شود که کدام مسیر اجرا طی می شود.

مثال:

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

مناطق tfl.if همیشه با "tfl.yield" خاتمه می یابند. اگر "tfl.if" هیچ مقداری را تعریف نمی کند، "tfl.yield" را می توان کنار گذاشت و به طور ضمنی درج می شود. در غیر این صورت باید صریح باشد. همچنین، اگر "tfl.if" یک یا چند مقدار را تعریف کند، بلوک "else" قابل حذف نیست.

مثال:

tfl.if %b  {
  ...
}

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

رابط ها: RegionBranchOpInterface ، TflRuntimeVerifyOpInterface

عملگرها:

نتایج:

tfl.imag (TFL::ImagOp)

قسمت خیالی یک عدد مختلط را برمی گرداند.

با توجه به input تانسور اعداد مختلط، این عملیات یک تانسور از نوع float را برمی‌گرداند که بخش خیالی هر عنصر در input است. تمام عناصر input باید اعداد مختلط فرم باشند \(a + bj\)، که در آن a قسمت واقعی و b قسمت خیالی است که توسط این عملیات برگردانده شده است.

صفات: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.l2_normalization (TFL::L2NormalizationOp)

L2 Normalize Operator

عملیات عادی سازی L2

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، FixedOutputRangeInterface ، NoMemoryEffect (MemoryEffectOpInterface) ، TflArithmeticCountOpInterface ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

عملگرها:

نتایج:

tfl.leaky_relu (TFL::LeakyReluOp)

اپراتور Leaky Relu

عملگر Leaky ReLU از نظر عنصر x -> x >= 0 ? x : (آلفا * x)

صفات: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape Shape

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

عملگرها:

نتایج:

tfl.less (TFL::LessOp)

اپراتور کمتر

عملکرد کمتر از نظر عنصر.

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

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.less_equal (TFL::LessEqualOp)

_اپراتور مساوی کمتر

از نظر عنصر عملیات less_equal.

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

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.local_response_normalization (TFL::LocalResponseNormalizationOp)

عادی سازی پاسخ محلی

تانسور input 4 بعدی به عنوان یک آرایه سه بعدی از بردارهای 1 بعدی (در امتداد آخرین بعد) در نظر گرفته می شود و هر بردار به طور مستقل نرمال می شود. در یک بردار معین، هر مولفه بر مجموع وزنی و مجذور ورودی‌ها در depth_radius تقسیم می‌شود. به تفصیل،

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

برای جزئیات، کریژفسکی و همکاران، طبقه بندی ImageNet با شبکه های عصبی کانولوشن عمیق (NIPS 2012) را ببینید.

صفات: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

رابط ها: ConditionallySpeculatable ، InferShapedTypeOpInterface ، InferTypeOpInterface ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

عملگرها:

نتایج:

tfl.log (TFL::LogOp)

عملگر لگاریتم طبیعی

عملیات لگاریتم طبیعی از نظر عنصر را در ورودی انجام می دهد.

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.log_softmax (TFL::LogSoftmaxOp)

لاگ عملگر softmax

فعال سازی های softmax log-wise را با فرمول زیر محاسبه می کند

ورودی - log(reduce_sum(exp(input)، dim))

صفات: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape Shape

رابط ها: ConditionallySpeculatable ، FixedOutputRangeInterface ، NoMemoryEffect (MemoryEffectOpInterface) ، TflArithmeticCountOpInterface ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.logical_and (TFL::LogicalAndOp)

عملگر و منطقی

عملیات منطقی و از نظر عنصر.

صفات: AlwaysSpeculatableImplTrait , ResultsBroadcastableShape Shape

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.logical_not (TFL::LogicalNotOp)

عملگر منطقی NOT

عملیات NOT منطقی از نظر عنصر.

صفات: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.logical_or (TFL::LogicalOrOp)

عملگر منطقی OR

عملیات OR منطقی از نظر عنصر.

صفات: AlwaysSpeculatableImplTrait , ResultsBroadcastableShape Shape

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.logistic (TFL::LogisticOp)

اپراتور لجستیک

Sigmoid ورودی را از نظر عنصر محاسبه می کند

صفات: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape Shape

رابط ها: ConditionallySpeculatable ، FixedOutputRangeInterface ، NoMemoryEffect (MemoryEffectOpInterface) ، TflArithmeticCountOpInterface ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.lstm (TFL::LSTMOp)

اپراتور کامل lstm

لایه شبکه بازگشتی واحد حافظه کوتاه مدت بلند مدت (LSTM). اجرای پیش‌فرض بدون چشم‌انداز بر اساس: http://deeplearning.cs.cmu.edu/pdfs/Hochreiter97_lstm.pdf S. Hochreiter و J. Schmidhuber است. "حافظه کوتاه مدت طولانی". محاسبات عصبی، 9(8): 1735-1780، 1997. پیاده سازی چشمی بر اساس: https://research.google.com/pubs/archive/43905.pdf Hasim Sak، Andrew Senior و Francoise Beaufays است. "معماری های شبکه عصبی بازگشتی حافظه کوتاه مدت برای مدل سازی آکوستیک در مقیاس بزرگ." INTERSPEECH، 2014. جفت کردن ورودی و دروازه فراموشی (CIFG) بر اساس: http://arxiv.org/pdf/1503.04069.pdf Greff et al. 'LSTM: A Search Space Odyssey' عادی سازی لایه بر اساس: https://arxiv.org/pdf/1607.06450.pdf Ba et al. "نرمال سازی لایه"

صفات: QuantizableResult

رابط ها: DynamicRangeQuantizedOpInterface ، TFL_StatefulOp ، TflRuntimeVerifyOpInterface

ویژگی ها:

عملگرها:

نتایج:

tfl.matrix_diag (TFL::MatrixDiagOp)

یک تانسور را با قطر ارائه شده و هر چیز دیگری که با صفر پر شده است برمی‌گرداند.

با توجه به قطر، یک تانسور با قطر و هر چیز دیگری که با صفر پر شده است را برمی گرداند. فرض کنید مورب k ابعاد دارد [I, J, K, ..., N] ، سپس خروجی یک تانسور با رتبه k+1 با ابعاد [I, J, K, ..., N, N] است که در آن: output[i, j, k, ..., m, n] = 1{m=n} * diagonal[i, j, k, ..., n].

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.matrix_set_diag (TFL::MatrixSetDiagOp)

یک تانسور ماتریس دسته‌ای را با مقادیر مورب دسته‌ای جدید برمی‌گرداند.

با توجه به input و diagonal ، این عملیات یک تانسور را با همان شکل و مقادیر input برمی‌گرداند، به جز قطر اصلی درونی‌ترین ماتریس‌ها. اینها توسط مقادیر در diagonal بازنویسی می شوند.

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.max_pool_2d (TFL::MaxPool2DOp)

Max Pool 2D op

حداکثر استخر 2 بعدی را در ورودی انجام می دهد.

ورودی ها: inputs[0] : مورد نیاز: تانسور ورودی

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflArithmeticCountOpInterface ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

عملگرها:

نتایج:

tfl.maximum (TFL::MaximumOp)

اپراتور حداکثر

عملیات حداکثر از نظر عنصر.

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

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.mean (TFL::MeanOp)

عملگر متوسط

میانگین عناصر در ابعاد یک تانسور را محاسبه می کند. input_tensor را در امتداد ابعاد داده شده در محور کاهش می دهد. مگر اینکه keepdims درست باشد، رتبه تانسور برای هر ورودی در محور 1 کاهش می یابد. اگر keepdims درست باشد، ابعاد کاهش یافته با طول 1 حفظ می شود.

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

عملگرها:

نتایج:

tfl.minimum (TFL::MinimumOp)

اپراتور حداقل

عملیات min از نظر عنصر.

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

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.mirror_pad (TFL::MirrorPadOp)

اپراتور MirrorPad. یک تانسور را با مقادیر آینه‌ای قرار می‌دهد.

این عملیات یک ورودی را با مقادیر آینه ای مطابق با بالشتک هایی که شما مشخص کرده اید، اضافه می کند. paddings یک تانسور عدد صحیح با شکل [n، 2] است که n رتبه ورودی است. برای هر بعد D ورودی، paddings[D, 0] نشان می‌دهد که چند مقدار باید قبل از محتویات ورودی در آن بعد اضافه شود، و paddings[D, 1] نشان می‌دهد که چند مقدار بعد از محتوای ورودی در آن بعد اضافه شود.

هر دو paddings[D, 0] و paddings[D, 1] نباید بزرگتر از input.dim_size(D) (یا input.dim_size(D) - 1) باشند اگر copy_border درست باشد (به ترتیب اگر غلط باشد).

اندازه بالشتکی هر بعد D خروجی عبارت است از:

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

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

عملگرها:

نتایج:

tfl.mul (TFL::MulOp)

عملگر ضرب

عملیات ضرب المان.

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

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflArithmeticCountOpInterface ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

عملگرها:

نتایج:

tfl.multinomial (TFL::MultinomialOp)

نمونه هایی را از یک توزیع طبقه بندی می کند.

مقادیر تولید شده یک توزیع طبقه بندی شده بر اساس logits یا احتمالات لاگ غیر عادی ارائه شده برای همه کلاس ها خواهند داشت.

رابط ها: TflRuntimeVerifyOpInterface

ویژگی ها:

عملگرها:

نتایج:

tfl.neg (TFL::NegOp)

عملگر نفی

نفی ورودی از نظر عنصر را محاسبه می کند

صفات: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

رابط ها: ConditionallySpeculatable ، InferShapedTypeOpInterface ، InferTypeOpInterface ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.no_value (TFL::NoValueOp)

ثابت نشان دهنده هیچ ارزشی نیست.

بدون مقدار عملیات ثابت

ویژگی ها: AlwaysSpeculatableImplTrait ، ConstantLike

رابط ها: ConditionallySpeculatable ، InferTypeOpInterface ، NoMemoryEffect (MemoryEffectOpInterface)

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

نتایج:

tfl.non_max_suppression_v4 (TFL::NonMaxSuppressionV4Op)

حریصانه زیرمجموعه ای از جعبه های مرزی را به ترتیب امتیاز نزولی انتخاب می کند،

هرس کردن جعبه هایی که دارای تقاطع بالای اتحاد (IOU) هستند با جعبه های انتخاب شده قبلی همپوشانی دارند. کادرهای محدود کننده با امتیاز کمتر از score_threshold حذف می شوند. جعبه های مرزی به صورت [y1، x1، y2، x2] عرضه می شوند، که در آن (y1، x1) و (y2، x2) مختصات هر جفت مورب گوشه های جعبه هستند و مختصات را می توان به صورت نرمال ارائه کرد (یعنی خوابیده در فاصله [0، 1]) یا مطلق. توجه داشته باشید که این الگوریتم نسبت به جایی که مبدأ در سیستم مختصات است آگنوستیک است و به طور کلی نسبت به تبدیل‌های متعامد و ترجمه‌های سیستم مختصات تغییر نمی‌کند. بنابراین ترجمه یا بازتاب سیستم مختصات منجر به انتخاب کادرهای مشابه توسط الگوریتم می شود. خروجی این عملیات مجموعه ای از اعداد صحیح است که در مجموعه ورودی جعبه های مرزی نمایانگر جعبه های انتخاب شده اند. سپس مختصات جعبه مرزی مربوط به شاخص های انتخاب شده را می توان با استفاده از tf.gather operation به دست آورد. برای مثال: selected_indices = tf.image.non_max_suppression_v2( کادرها، امتیازات، حداکثر_اندازه_خروجی، iou_threshold، score_threshold) selected_boxes = tf.gather(جعبه ها، شاخص_های انتخاب شده)

صفات: AlwaysSpeculatableImplTrait

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.non_max_suppression_v5 (TFL::NonMaxSuppressionV5Op)

حریصانه زیرمجموعه ای از جعبه های مرزی را به ترتیب امتیاز نزولی انتخاب می کند،

هرس کردن جعبه هایی که دارای تقاطع بالای اتحاد (IOU) هستند با جعبه های انتخاب شده قبلی همپوشانی دارند. کادرهای محدود کننده با امتیاز کمتر از score_threshold حذف می شوند. جعبه های مرزی به صورت [y1، x1، y2، x2] عرضه می شوند، که در آن (y1، x1) و (y2، x2) مختصات هر جفت مورب گوشه های جعبه هستند و مختصات را می توان به صورت نرمال ارائه کرد (یعنی خوابیده در فاصله [0، 1]) یا مطلق. توجه داشته باشید که این الگوریتم نسبت به جایی که مبدأ در سیستم مختصات است آگنوستیک است و به طور کلی نسبت به تبدیل‌های متعامد و ترجمه‌های سیستم مختصات تغییر نمی‌کند. بنابراین ترجمه یا بازتاب سیستم مختصات منجر به انتخاب کادرهای مشابه توسط الگوریتم می شود. خروجی این عملیات مجموعه ای از اعداد صحیح است که در مجموعه ورودی جعبه های مرزی نمایانگر جعبه های انتخاب شده اند. سپس مختصات جعبه مرزی مربوط به شاخص های انتخاب شده را می توان با استفاده از tf.gather operation به دست آورد. به عنوان مثال: selected_indices = tf.image.non_max_suppression_v2 ( کادرها، امتیازات، حداکثر_اندازه_output_size، iou_threshold، score_threshold) selected_boxes = tf.gather(boxes, selected_indices) این عملیات همچنین از یک Soft-NMS (با حالت Bossianfed) پشتیبانی می کند. ، https://arxiv.org/abs/1704.04503 ) که در آن جعبه ها به جای اینکه مستقیماً باعث هرس شدن آنها شوند، امتیاز سایر جعبه های همپوشانی را کاهش می دهند. برای فعال کردن این حالت Soft-NMS، پارامتر soft_nms_sigma را بزرگتر از 0 تنظیم کنید.

صفات: AlwaysSpeculatableImplTrait

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.not_equal (TFL::NotEqualOp)

_اپراتور برابر نیست

عملیات not_equal از نظر عنصر.

ویژگی ها: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , Commutative , ResultsBroadcastableShape

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.NumericVerify (TFL::NumericVerifyOp)

اعداد دو عملوند را تأیید می کند

عملیات NumericVerify یک عملیات اشکال زدایی برای تأیید اعداد دو فعال سازی است. این یک عملیات سفارشی در TFLite است. اگر log_if_failed درست باشد، عملیات NumericVerify آمار تفاوت‌های بین فعال‌سازی‌های شناور و کوانتیزه‌شده، گزارش‌های خروجی را محاسبه می‌کند، تفاوت‌ها را روی تانسورهای خروجی تنظیم می‌کند، و در صورت وجود خطاهای بالاتر از تلورانس، خطا می‌دهد. اگر log_if_failed = نادرست است، پس به خطاها اهمیتی نمی دهد.

صفات: QuantizableResult ، SameOperandsShape

رابط ها: TflRuntimeVerifyOpInterface

ویژگی ها:

عملگرها:

نتایج:

tfl.one_hot (TFL::OneHotOp)

اپراتور OneHot

یک تانسور یک داغ را برمی‌گرداند. مکان‌هایی که با شاخص‌ها در indices نشان داده می‌شوند، مقدار on_value می‌گیرند، در حالی که همه مکان‌های دیگر مقدار off_value را می‌گیرند.

اگر indices ورودی رتبه N باشد، خروجی دارای رتبه N+1 خواهد بود، محور جدید در axis بعد ایجاد می شود (پیش فرض: محور جدید در انتها اضافه می شود).

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

عملگرها:

نتایج:

tfl.pack (TFL::PackOp)

فهرستی از تانسورها را در امتداد یک بعد در یک تانسور بسته بندی می کند

فهرستی از values_count rank- تانسورهای R را در یک تانسور رتبه (R+1) بسته بندی می کند.

تانسورهای values_count را در values در یک تانسور با رتبه یک بالاتر از هر تانسور در values ، با بسته بندی آنها در امتداد بعد axis ، بسته بندی می کند.

با توجه به فهرستی از تانسورهای شکل (A, B, C) .

اگر axis == 0 باشد، تانسور output شکل (N, A, B, C) خواهد داشت. اگر axis == 1 باشد، تانسور output شکل (A, N, B, C) خواهد داشت. و غیره

به عنوان مثال:

# '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]]

این برعکس unpack است.

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

عملگرها:

نتایج:

tfl.pad (TFL::PadOp)

اپراتور بالشتک

این عملیات با توجه به paddings که شما مشخص می کنید، input با صفر می کند. paddings یک تانسور عدد صحیح با شکل [Dn, 2] است که n رتبه input است. برای هر بعد D input ، paddings[D, 0] نشان می دهد که چند صفر قبل از محتویات input در آن بعد اضافه شود، و paddings[D, 1] نشان می دهد که چند صفر بعد از محتویات input در آن بعد اضافه شود.

اندازه بالشتکی هر بعد D خروجی عبارت است از:

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

به عنوان مثال:

# '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]]

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.padv2 (TFL::PadV2Op)

padding operator v2

این عملیات یک input با توجه به paddings و constant_values که شما مشخص می کنید، اضافه می کند. paddings یک تانسور عدد صحیح با شکل [Dn, 2] است که n رتبه input است. برای هر بعد D input ، paddings[D, 0] نشان می دهد که چند صفر قبل از محتویات input در آن بعد اضافه شود، و paddings[D, 1] نشان می دهد که چند صفر بعد از محتویات input در آن بعد اضافه شود. constant_values یک تانسور اسکالر از همان نوع input است که مقدار مورد استفاده برای input padding را نشان می دهد.

اندازه بالشتکی هر بعد D خروجی عبارت است از:

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

به عنوان مثال:

# '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]]

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.poly_call (TFL::PolyCallOp)

تماس پلی

برای محاسبات یکسان بدنه های تابع متعددی داشته باشید. این به یک کامپایلر/مفسر برنامه اجازه می‌دهد تا یکی از گزینه‌های موجود را برای اجرای برنامه بر اساس اینکه کدام یک برای باطن هدف مناسب‌تر است، انتخاب کند.

ورودی: فهرستی از تانسورهای ورودی که انواع آنها T. خروجی: فهرستی از تانسورهای خروجی که انواع آنها T هستند.

فراخوانی: چندین ناحیه که هر کدام محاسبات معنایی یکسان را اما به اشکال مختلف در بر می گیرند.

ویژگی ها: SingleBlockImplicitTerminator<YieldOp> , SingleBlock

رابط ها: RegionBranchOpInterface

عملگرها:

نتایج:

tfl.pow (TFL::PowOp)

اپراتور برق

عملیات برق از نظر عنصر.

ویژگی ها: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , ResultsBroadcastableShape

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملگرها:

نتایج:

tfl.prelu (TFL::PReluOp)

عملگر Relu پارامتری شده

عملگر Relu پارامتر شده x -> x >= 0 ? X: (آلفا * x) که در آن آلفا یک تانسور قابل آموزش است. ورودی و آلفا باید به اندازه ورودی باشد یا قابل پخش باشد.

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

رابط ها: AffineQuantizedOpInterface ، ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملیات:

نتایج:

tfl.pseudo_const (tfl :: constop)

شبه ثابت ثابت.

یک مقدار ثابت در گویش Tensorflow Lite را نشان می دهد. این یک عمل واقعی نیست و به جای آن به بافر کاهش می یابد.

OP مجاز است دارای تمام نوع ویژگی های یکسان باشد که Tf.Const انجام می دهد (به عنوان مثال ، ویژگی های TF مات مجاز است).

صفات: AlwaysSpeculatableImplTrait ، ConstantLike ، FirstAttrDerivedResultType ، QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

نتایج:

tfl.pseudo_qconst (tfl :: qconstop)

کمیته شبه OP ثابت

نشان دهنده یک مقدار ثابت کمی در گویش Tensorflow Lite است. این یک عمل واقعی نیست و به جای آن به بافر کاهش می یابد. پارامترهای کمیت در این ثابت به عنوان یک ویژگی نوع ذخیره می شوند.

صفات: AlwaysSpeculatableImplTrait ، FirstAttrDerivedResultType

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface)

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

نتایج:

tfl.pseudo_sparse_const (tfl :: sparseconstop)

شبه ثابت پراکنده.

یک مقدار ثابت پراکنده در گویش Tensorflow Lite را نشان می دهد. این یک عمل واقعی نیست و به جای آن به بافر کاهش می یابد.

صفات: AlwaysSpeculatableImplTrait ، FirstAttrDerivedResultType ، QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

نتایج:

tfl.pseudo_sparse_qconst (tfl :: sparseqconstop)

کمیته پراکنده شبه op

یک مقدار ثابت پراکنده در گویش Lite Tensorflow را نشان می دهد. این یک عمل واقعی نیست و به جای آن به بافر کاهش می یابد. پارامترهای کمیت در این ثابت به عنوان یک ویژگی نوع ذخیره می شوند.

صفات: AlwaysSpeculatableImplTrait ، FirstAttrDerivedResultType

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

نتایج:

tfl.quantize (tfl :: quantizeop)

عملگر کمکی

تانسور های نقطه شناور را به تانسور های عدد صحیح با توجه به پارامترهای کمیت تعریف شده در ویژگی نوع تبدیل می کنند.

صفات: FirstAttrDerivedResultType ، SameOperandsAndResultShape

رابط ها: NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

عملیات:

نتایج:

tfl.random_standard_normal (tfl :: تصادفی pstandardnormalop)

مقادیر تصادفی را از یک توزیع عادی خروجی می کند.

مقادیر تولید شده دارای میانگین 0 و انحراف استاندارد 1 خواهد بود.

رابط ها: TflRuntimeVerifyOpInterface

ویژگی ها:

عملیات:

نتایج:

tfl.random_uniform (tfl :: randomuniformop)

مقادیر تصادفی را از توزیع یکنواخت خارج می کند.

مقادیر تولید شده از توزیع یکنواخت در محدوده پیروی می کنند [0, 1) . محدوده پایین 0 در محدوده گنجانده شده است ، در حالی که قسمت بالایی 1 حذف شده است.

رابط ها: TflRuntimeVerifyOpInterface

ویژگی ها:

عملیات:

نتایج:

tfl.range (tfl :: rangeop)

اپراتور محدوده

یک تانسور 1D تعریف شده توسط یک دنباله از start تا limit با یک delta داده شده را برمی گرداند.

صفات: AlwaysSpeculatableImplTrait

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملیات:

نتایج:

tfl.rank (TFL :: RankOp)

اپراتور رتبه بندی

رتبه یک تانسور را برمی گرداند.

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملیات:

نتایج:

tfl.read_variable (tfl :: readVarableOp)

مقدار متغیر را می خواند.

داده های متغیر مشخص شده توسط "Resource_id" را بخوانید.

رابط ها: TflRuntimeVerifyOpInterface

عملیات:

نتایج:

tfl.real (tfl :: realop)

قسمت واقعی یک شماره پیچیده را برمی گرداند.

با توجه به input تانسور از اعداد پیچیده ، این عمل یک تانسور از نوع float را برمی گرداند که قسمت واقعی هر عنصر در input است. تمام عناصر input باید تعداد پیچیده ای از فرم باشند \(a + bj\)، جایی که A قسمت واقعی است که توسط این عملیات برگردانده شده است و B قسمت خیالی است.

صفات: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملیات:

نتایج:

tfl.reduce_all (tfl :: reduceallop)

عناصر "منطقی و" را در ابعاد تانسور محاسبه می کند.

input در طول ابعاد ذکر شده در axis کاهش می دهد. مگر در مواردی که keep_dims صحیح باشد ، درجه تانسور برای هر ورودی در axis 1 کاهش می یابد. اگر keep_dims درست باشد ، ابعاد کاهش یافته با طول 1 حفظ می شوند.

صفات: AlwaysSpeculatableImplTrait

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

عملیات:

نتایج:

tfl.reduce_any (tfl :: reduceanyop)

عناصر "منطقی یا" را در ابعاد تانسور محاسبه می کند.

input در طول ابعاد ذکر شده در axis کاهش می دهد. مگر در مواردی که keep_dims صحیح باشد ، درجه تانسور برای هر ورودی در axis 1 کاهش می یابد. اگر keep_dims درست باشد ، ابعاد کاهش یافته با طول 1 حفظ می شوند.

صفات: AlwaysSpeculatableImplTrait

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

عملیات:

نتایج:

tfl.reduce_max (tfl :: reducelemaxop)

اپراتور کاهش حداکثر

حداکثر کاهش را در امتداد محورهای مشخص محاسبه می کند

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

عملیات:

نتایج:

tfl.reduce_min (tfl :: کاهش یافته)

اپراتور کمتری

کاهش حداقل در محورهای مشخص شده را محاسبه می کند

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

عملیات:

نتایج:

tfl.reduce_prod (tfl :: reducprodop)

اپراتور کاهش یافته

محصول را در امتداد محورهای مشخص محاسبه می کند

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

عملیات:

نتایج:

tfl.relu (tfl :: Reluop)

عملگر

اپراتور RELU عاقلانه X -> حداکثر (0 ، x)

صفات: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape Shape

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملیات:

نتایج:

tfl.relu6 (tfl :: relu6op)

عملگر

Element Wise Wise Relu6 Operator X -> Max (0 ، دقیقه (6 ، x))

صفات: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape Shape

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملیات:

نتایج:

tfl.relu_0_to_1 (tfl :: relu0to1op)

اپراتور relu0to1

اپراتور relu0to1 عناصر عناصر X -> حداکثر (0 ، دقیقه (1 ، x))

صفات: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape Shape

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملیات:

نتایج:

tfl.relu_n1_to_1 (tfl :: relu1op)

عملگر

Element Wise Wise Relu1 Operator X-> Max (-1 ، min (1 ، x))

صفات: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape Shape

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملیات:

نتایج:

tfl.reshape (tfl :: تغییر شکل)

اپراتور تغییر شکل

یک تانسور با همان مقادیر تولید می کند اما شکل استاتیک مختلف تعریف شده توسط نوع خروجی.

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، InferTypeOpInterface ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملیات:

نتایج:

tfl.resize_bilinear (tfl :: rizebilinearop)

inizeBilinear op

با استفاده از درون یابی دو طرفه ، images به size تغییر دهید.

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

عملیات:

نتایج:

tfl.resize_nearest_neighbor (tfl :: resizenearestneighborop)

resizenearestneighbor op

با استفاده از نزدیکترین درون یابی همسایه ، images به size تغییر دهید.

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

عملیات:

نتایج:

tfl.reverse_sequence (tfl :: reversesequenceop)

برش های طول متغیر را معکوس می کند.

این قطعه اول input در امتداد ابعاد batch_dim ، و برای هر برش i ، اولین عناصر seq_lengths[i] را در طول ابعاد seq_dim معکوس می کند.

عناصر seq_lengths باید از seq_lengths[i] <= input.dims[seq_dim] و seq_lengths باید بردار input.dims[batch_dim] .

برش خروجی i در امتداد ابعاد batch_dim سپس توسط برش ورودی i داده می شود ، با اولین برش های seq_lengths[i] در طول ابعاد seq_dim معکوس شده است.

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

عملیات:

نتایج:

tfl.reverse_v2 (tfl :: reversev2op)

اپراتور معکوس

ابعاد خاص یک تانسور را معکوس می کند.

با توجه به یک تانسور ، و یک محور Tensor Int32/Int64 که مجموعه ای از ابعاد تانسور را برای معکوس نشان می دهد. این عملیات هر ابعادی را که برای آن وجود دارد ، معکوس می کند [j] == i.

استدلال ها: Tensor: Tensor. باید یکی از انواع زیر باشد: uint8 ، int8 ، int16 ، int32 ، int64 ، float32 ، bool تا 8-d.

محور: تانسور. باید یکی از انواع زیر باشد: int32 ، int64. تنها با 1 عنصر که شاخص محور است. TODO: پشتیبانی از چندین عنصر را اضافه کنید.

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملیات:

نتایج:

tfl.rfft2d (tfl :: rfft2dop)

تبدیل سریع فوریه 2D با ارزش واقعی.

تبدیل 2 بعدی گسسته فوریه از یک سیگنال با ارزش واقعی را در ابعاد داخلی 2 input محاسبه می کند.

از آنجا که DFT یک سیگنال واقعی هرمیتی-متقارن است ، RFFT2D فقط اجزای منحصر به فرد fft_length / 2 + 1 FFT را برای ابعاد داخلی بیشترین output باز می گرداند: اصطلاح فرکانس صفر ، و به دنبال آن fft_length / 2 -Frequency مثبت شرایط

در امتداد هر محور RFFT2D محاسبه می شود ، اگر fft_length از بعد مربوط به input کوچکتر باشد ، ابعاد آن خرد می شود. اگر بزرگتر باشد ، ابعاد با صفرها قرار می گیرد.

صفات: AlwaysSpeculatableImplTrait

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملیات:

نتایج:

tfl.right_shift (tfl :: Rightshiftop)

اپراتور شیفت راست

Elementwise تغییر سمت راست lhs توسط rhs را محاسبه می کند.

صفات: AlwaysSpeculatableImplTrait ، SameOperandsAndResultElementType

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملیات:

نتایج:

tfl.round (tfl :: roundop)

عملگر

مقادیر یک تانسور را به نزدیکترین عدد صحیح ، عناصر عناصر دور می کند.

صفات: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

رابط ها: ConditionallySpeculatable ، InferShapedTypeOpInterface ، InferTypeOpInterface ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملیات:

نتایج:

tfl.rsqrt (tfl :: rsqrtop)

متقابل اپراتور ریشه مربع

ریشه مربع معکوس عناصر را محاسبه می کند

صفات: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape Shape

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملیات:

نتایج:

tfl.scatter_nd (tfl :: scatterndop)

_ اپراتور ND

updates پراکنده در یک تانسور جدید با توجه به indices

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملیات:

نتایج:

tfl.segment_sum (tfl :: segmentsumop)

عملگر

مبلغ را در امتداد بخش های یک تانسور محاسبه می کند.

صفات: AlwaysSpeculatableImplTrait

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملیات:

نتایج:

tfl.select (tfl :: selectop)

اپراتور را انتخاب کنید

مقادیر "x" را انتخاب کنید اگر مقدار مربوط به "شرط" صحیح باشد یا مقدار "y" اگر نادرست باشد. اندازه ورودی شرایط معتبر وجود دارد:

1. یا به همان شکل (در این حالت انتخاب ElementIse است) ، یا
2. شرط باید رتبه 1 باشد و از بعد اول مطابقت داشته باشد.

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملیات:

نتایج:

tfl.select_v2 (tfl :: selectv2op)

اپراتور SelectV2

مقادیر "x" را انتخاب کنید اگر مقدار مربوط به "شرط" صحیح باشد یا مقدار "y" اگر نادرست باشد. اندازه ورودی شرایط معتبر وجود دارد:

1. یا به همان شکل (در این حالت انتخاب ElementIse است) ، یا
2. اشکال قابل پخش بین "شرط" ، "x" و "y".

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

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملیات:

نتایج:

tfl.shape (tfl :: shapeop)

عملگر شکل

شکل تانسور را برمی گرداند.

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

عملیات:

نتایج:

tfl.sign (tfl :: signop)

عمل علامت

اگر x nan باشد ، NAN را برمی گرداند ، 0 اگر x 0 ، -1 اگر x <0 و 1 if x> 0 است.

صفات: AlwaysSpeculatableImplTrait ، SameOperandsAndResultElementType ، SameOperandsAndResultShape

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملیات:

نتایج:

tfl.sin (tfl :: sinop)

اپراتور

سینوسی عناصر ورودی را محاسبه می کند

صفات: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

رابط ها: ConditionallySpeculatable ، InferShapedTypeOpInterface ، InferTypeOpInterface ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

عملیات:

نتایج:

tfl.slice (tfl :: sliceop)

یک برش را از "ورودی" برگردانید.

تانسور خروجی یک تانسور با ابعاد توصیف شده توسط "اندازه" است که مقادیر آن از "ورودی" استخراج می شود و در جبران "شروع" شروع می شود.

begin مبتنی بر صفر است. size یک مبتنی بر است. اگر اندازه [i] -1 باشد ، تمام عناصر باقیمانده در ابعاد من در برش گنجانده شده اند. به عبارت دیگر ، این معادل تنظیم است: اندازه [i] = input.dim_size (i) - شروع [i]

الزامات : 0 <= شروع [i] <= شروع [i] + اندازه [i] <= di برای i در [0 ، n)

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

اثرات: MemoryEffects::Effect{}

عملیات:

نتایج:

tfl.softmax (tfl :: softmaxop)

اپراتور نرم

فعال سازی های SoftMax عاقلانه را با فرمول زیر محاسبه می کند

Exp (ورودی) / tf.reduce_sum (exp (ورودی * بتا) ، کم نور)

صفات: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape Shape

رابط ها: ConditionallySpeculatable ، FixedOutputRangeInterface ، NoMemoryEffect (MemoryEffectOpInterface) ، TflArithmeticCountOpInterface ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

عملیات:

نتایج:

tfl.space_to_batch_nd (tfl :: spacetobatchndop)

اپراتور SpacetObatchnd

این عملیات ابعاد فضایی را در ابعاد "دسته" 0 تغییر می دهد

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

اثرات: MemoryEffects::Effect{}

عملیات:

نتایج:

tfl.space_to_depth (tfl :: spacetodepthop)

اپراتور Spacetodepth

بلوک های داده های مکانی را به عمق تنظیم می کند. به طور خاص ، این OP کپی از تانسور ورودی را که در آن مقادیر از ابعاد height و width به بعد depth منتقل می شوند ، خروجی می کند. block_size اندازه بلوک ورودی را نشان می دهد.

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

اثرات: MemoryEffects::Effect{}

ویژگی ها:

عملیات:

نتایج:

tfl.sparse_to_dense (tfl :: sparsetodenseop)

یک نمایش پراکنده را به یک تانسور متراکم تبدیل می کند.

یک آرایه dense با شکل output_shape را ایجاد می کند به گونه ای

# 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]

تمام مقادیر دیگر dense روی default_value تنظیم شده اند. اگر sparse_values ​​یک مقیاس باشد ، تمام شاخص های پراکنده روی این مقدار واحد تنظیم می شوند.

شاخص ها باید به ترتیب واژگان طبقه بندی شوند و شاخص ها نباید حاوی تکرارهای باشند. اگر validate_indices درست باشد ، این خصوصیات در حین اجرای بررسی می شوند.

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

اثرات: MemoryEffects::Effect{}

عملیات:

نتایج:

tfl.split (tfl :: Splitop)

یک تانسور را به تانسرهای num_split در یک بعد تقسیم می کند.

مقدار تانسور value را در امتداد split_dim به تعدادی از زیرنویس های زیر با شکل اصلی به جز split_dim تقسیم می کند. همان TF.Split.

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

اثرات: MemoryEffects::Effect{}

ویژگی ها:

عملیات:

نتایج:

tfl.split_v (tfl :: Splitvop)

یک تانسور را به تانسرهای num_split در یک بعد تقسیم می کند.

مقدار تانسور value را در امتداد split_dim به تعدادی از زیرنویس های زیر با شکل اصلی به جز split_dim تقسیم می کند. گروه بندی زیرنویس های فرعی حاصل توسط size-splits تصمیم گرفته می شود. همان Tf.Splitv.

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

اثرات: MemoryEffects::Effect{}

ویژگی ها:

عملیات:

نتایج:

tfl.sqrt (tfl :: sqrtop)

عملگر ریشه مربع

ریشه مربع عناصر ورودی را محاسبه می کند

صفات: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

رابط ها: ConditionallySpeculatable ، InferShapedTypeOpInterface ، InferTypeOpInterface ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

اثرات: MemoryEffects::Effect{}

عملیات:

نتایج:

tfl.square (tfl :: squareop)

مربع

مربع عناصر ورودی را محاسبه می کند

صفات: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

رابط ها: ConditionallySpeculatable ، InferShapedTypeOpInterface ، InferTypeOpInterface ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

اثرات: MemoryEffects::Effect{}

عملیات:

نتایج:

tfl.squared_difference (tfl :: squareddifferenceop)

اپراتور تفاوت مربع

عملیات تفاوت مربع عناصر.

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

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

اثرات: MemoryEffects::Effect{}

عملیات:

نتایج:

tfl.squeeze (tfl :: squeezeop)

ابعاد اندازه 1 را از شکل تانسور حذف می کند.

با توجه به input تانسور ، این عمل یک تانسور از همان نوع را با تمام ابعاد اندازه 1 حذف می کند. اگر نمی خواهید تمام ابعاد 1 اندازه را حذف کنید ، می توانید با مشخص کردن squeeze_dims ابعاد خاص 1 را حذف کنید.

به عنوان مثال:

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

یا برای حذف ابعاد خاص 1 اندازه:

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

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

اثرات: MemoryEffects::Effect{}

ویژگی ها:

عملیات:

نتایج:

tfl.strided_slice (tfl :: stridedsliceop)

Stridedslice op

یک برش قدم را از input برگردانید.

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

اثرات: MemoryEffects::Effect{}

ویژگی ها:

عملیات:

نتایج:

tfl.sub (tfl :: زیرنویس)

اپراتور تفریق

عملیات تفریق عناصر.

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

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflArithmeticCountOpInterface ، TflRuntimeVerifyOpInterface

جلوه ها: MemoryEffects::Effect{}

ویژگی ها:

عملیات:

نتایج:

tfl.sum (tfl :: sumop)

کل اپراتور

کاهش جمع را در محورهای مشخص شده محاسبه می کند

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

اثرات: MemoryEffects::Effect{}

ویژگی ها:

عملیات:

نتایج:

tfl.svdf (tfl :: svdfop)

اپراتور فیلتر تجزیه یک مقدار

SVDF OP تجزیه یک OP متراکم متصل به فیلترهای با درجه پایین است. برای جزئیات: https://research.google.com/pubs/pub43813.html https://arxiv.org/abs/1812.02802

صفات: QuantizableResult ، quant::AccumulatorUniformScale<3, 2, 4>

رابط ها: DynamicRangeQuantizedOpInterface ، TFL_StatefulOp ، TflRuntimeVerifyOpInterface

ویژگی ها:

عملیات:

نتایج:

tfl.tanh (tfl :: tanhop)

اپراتور مماس هیپربولیک

مماس هیپربولیک عناصر ورودی را محاسبه می کند

صفات: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape Shape

رابط ها: ConditionallySpeculatable ، FixedOutputRangeInterface ، NoMemoryEffect (MemoryEffectOpInterface) ، TflArithmeticCountOpInterface ، TflRuntimeVerifyOpInterface

اثرات: MemoryEffects::Effect{}

عملیات:

نتایج:

tfl.tile (tfl :: tileop)

اپراتور کاشی.

با کاشی کاری یک تانسور معین ، یک تانسور ایجاد می کند.

این عمل با تکرار چندین بار ورودی ، یک تانسور جدید ایجاد می کند. ابعاد ITH Tensor خروجی دارای input.dims (i) * عناصر [i] چند برابر است ، و مقادیر ورودی چند برابر می شوند [i] بار در طول بعد 'ITH. به عنوان مثال ، کاشی کاری [ABCD] توسط [2] [ABCDABCD] را تولید می کند.

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

اثرات: MemoryEffects::Effect{}

عملیات:

نتایج:

tfl.topk_v2 (tfl :: topkv2op)

اپراتور

بزرگترین عنصر برتر k را در طول هر قطعه بعدی از input و شاخص های مقادیر در بعد آخر تانسور ورودی برمی گرداند.

نتایج همیشه به ترتیب نزولی طبقه بندی می شوند.

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

اثرات: MemoryEffects::Effect{}

عملیات:

نتایج:

tfl.transpose (tfl :: transposeop)

اپراتور را انتقال دهید

انتقال x را برمی گرداند

صفات: AlwaysSpeculatableImplTrait , QuantizableResult

رابط ها: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

اثرات: MemoryEffects::Effect{}

عملیات:

نتایج:

tfl.transpose_conv (tfl :: transposeconvop)

اپراتور Convolution را انتقال دهید

عملکرد Convolution را در ورودی انجام می دهد.

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

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

اثرات: MemoryEffects::Effect{}

ویژگی ها:

عملیات:

نتایج:

tfl.unidirectional_sequence_lstm (tfl :: unidirectionalEnselStmop)

عملگر LSTM دنباله یک طرفه

یک شبکه عصبی مکرر که توسط یک سلول LSTM مشخص شده است. این OP از عدم کنترل ورودی در طول ابعاد زمان یا دسته ای پشتیبانی می کند و عملکرد زیر را برای هر عنصر در دنباله s = 1 ... دنباله_ طول: خروجی [s] = حالت = فعال سازی (lstmop (ورودی ها [s])) پیاده سازی می کند.

جایی که lstmop lstm tf lite op است و "فعال سازی" عملکردی است که به عنوان آرگومان "fuse_activation_function" تصویب شده است (اگر نه "هیچ یک").

صفات: QuantizableResult

رابط ها: DynamicRangeQuantizedOpInterface ، InferTypeOpInterface ، TFL_StatefulOp ، TflRuntimeVerifyOpInterface

ویژگی ها:

عملیات:

نتایج:

tfl.unidirectional_sequence_rnn (tfl :: unidirectionalEnalencnop)

اپراتور RNN توالی یک طرفه

یک شبکه عصبی مکرر که توسط یک سلول RNN مشخص شده است. این OP در یک قالب {batch_size ، seq_len ، input_size} یا {seq_len ، batch_size ، input_size} در صورت استفاده از زمان ، وارد می شود.

این عملکرد زیر را برای هر عنصر در دنباله s = 1 ... دنباله_ طول: خروجی [s] = حالت = فعال سازی (RNNOP (ورودی [S])) پیاده سازی می کند.

جایی که rnnop rnnop tf lite op است و "فعال سازی" عملکردی است که به عنوان آرگومان "fuse_activation_function" منتقل می شود (اگر نه "هیچ یک").

صفات: QuantizableResult

رابط ها: DynamicRangeQuantizedOpInterface ، TFL_StatefulOp ، TflRuntimeVerifyOpInterface

ویژگی ها:

عملیات:

نتایج:

tfl.unique (tfl :: منحصر به فرد)

OP منحصر به فرد

این عملیات یک output تانسور را شامل می شود که شامل تمام عناصر منحصر به فرد input است که به همان ترتیب که در input رخ می دهند ، مرتب می شوند. این عمل همچنین یک idx Tensor را به همان اندازه x باز می گرداند که حاوی شاخص هر مقدار input در output خروجی منحصر به فرد است. به عبارت دیگر: