'tfl' উপভাষা

টেনসরফ্লো লাইট উপভাষা।

এই উপভাষা TensorFlow Lite ক্রিয়াকলাপগুলির মানচিত্র।

অপরিবর্তনীয়:

• সমস্ত মান টেনসর প্রকারের (বিশেষত, স্কেলারগুলি শূন্য-মাত্রিক টেনসর ব্যবহার করে উপস্থাপন করা হয়);

অপারেশন

tfl.abs (TFL::AbsOp)

পরম মান অপারেটর

একটি টেনসর x দেওয়া হলে, এই অপারেশনটি x এ প্রতিটি উপাদানের পরম মান ধারণকারী একটি টেনসর প্রদান করে। উদাহরণস্বরূপ, যদি x একটি ইনপুট উপাদান এবং y একটি আউটপুট উপাদান, এই অপারেশন গণনা করে \(y = |x|\).

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

ইন্টারফেস: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

tfl.add (TFL::AddOp)

সংযোজন অপারেটর

উপাদান অনুযায়ী সংযোজন অপারেশন.

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

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

প্রভাব: MemoryEffects::Effect{}

গুণাবলী:

অপারেন্ডস:

ফলাফল:

tfl.add_n (TFL::AddNOp)

_অপারেটর যোগ করুন

উপাদান অনুসারে সমস্ত ইনপুট টেনসর যোগ করে।

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , Commutative

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

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

tfl.arg_max (TFL::ArgMaxOp)

ArgMax অপারেটর

একটি টেনসরের মাত্রা জুড়ে সবচেয়ে বড় মান সহ সূচকটি প্রদান করে।

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , QuantizableResult

ইন্টারফেস: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

প্রভাব: MemoryEffects::Effect{}

গুণাবলী:

অপারেন্ডস:

ফলাফল:

tfl.arg_min (TFL::ArgMinOp)

ArgMin অপারেটর

একটি টেনসরের মাত্রা জুড়ে ক্ষুদ্রতম মান সহ সূচকটি প্রদান করে। a = [1, 10, 26.9, 2.8, 166.32, 62.3] b = tf.math.argmin(ইনপুট = a) c = tf.keras.backend.eval(b)

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , QuantizableResult

ইন্টারফেস: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

প্রভাব: MemoryEffects::Effect{}

গুণাবলী:

অপারেন্ডস:

ফলাফল:

tfl.assign_variable (TFL::AssignVariableOp)

একটি ভেরিয়েবলে একটি নতুন মান বরাদ্দ করে।

এই অপের উপর নিয়ন্ত্রণ নির্ভরতা সহ যেকোন ReadVariableOp এই মান বা ভেরিয়েবলের পরবর্তী নতুন মান ফেরত দেওয়ার গ্যারান্টিযুক্ত।

ইন্টারফেস: TflRuntimeVerifyOpInterface

অপারেন্ডস:

tfl.atan2 (TFL::Atan2Op)

Atan2 অপারেশন

"atan2" অপারেশনটি আর্গুমেন্টের চিহ্নকে সম্মান করে, y/x উপাদান-ভিত্তিক আর্কট্যাঞ্জেন্ট গণনা করে।

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , SameOperandsAndResultElementType , SameOperandsAndResultShape

ইন্টারফেস: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

tfl.average_pool_2d (TFL::AveragePool2DOp)

_Average_pool 2d অপারেটর

ইনপুটে গড়-পুলিং অপারেশন সম্পাদন করে।

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , QuantizableResult

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

প্রভাব: MemoryEffects::Effect{}

গুণাবলী:

অপারেন্ডস:

ফলাফল:

tfl.basic_lstm (TFL::BasicLSTMOp)

মৌলিক lstm অপারেটর

মৌলিক LSTM সেল অপারেটর।

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , QuantizableResult

ইন্টারফেস: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

প্রভাব: MemoryEffects::Effect{}

গুণাবলী:

অপারেন্ডস:

ফলাফল:

tfl.batch_matmul (TFL::BatchMatMulOp)

ব্যাচ ম্যাট্রিক্স মাল্টিপ্লাই অপারেটর

ইনপুটগুলিতে একটি ব্যাচড ম্যাট্রিক্স গুণন সম্পাদন করে। ব্যাচের মাত্রা এবং সম্প্রচারে অজানা মাত্রার সমর্থন সহ TensorFlow BatchMatMulV2-এর নিয়মগুলি অনুসরণ করে৷

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)

বৈশিষ্ট্য: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , QuantizableResult

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

প্রভাব: MemoryEffects::Effect{}

গুণাবলী:

অপারেন্ডস:

ফলাফল:

tfl.batch_to_space_nd (TFL::BatchToSpaceNdOp)

BatchToSpaceNd অপারেটর

এই ক্রিয়াকলাপটি "ব্যাচ" মাত্রা 0 কে স্থানের মাত্রায় পরিবর্তন করে।

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , QuantizableResult

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

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

tfl.bidirectional_sequence_lstm (TFL::BidirectionalSequenceLSTMOp)

দ্বিমুখী ক্রম lstm অপারেটর

দ্বিমুখী lstm মূলত দুটি lstms, একটি এগিয়ে চলেছে এবং অন্যটি পিছনে চলছে। এবং আউটপুট হল দুটি lstms এর সংযোগ।

বৈশিষ্ট্য: QuantizableResult

ইন্টারফেস: DynamicRangeQuantizedOpInterface , TFL_StatefulOp , TflRuntimeVerifyOpInterface

গুণাবলী:

অপারেন্ডস:

ফলাফল:

tfl.bitcast (TFL::BitcastOp)

বিটকাস্ট অপারেটর

একটি টেনসরকে এক প্রকার থেকে অন্য প্রকারে বিটকাস্ট করে।

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait

ইন্টারফেস: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

tfl.bitwise_xor (TFL::BitwiseXorOp)

Bitwise Xor অপারেটর

Elementwise lhs এবং rhs এর বিটওয়াইজ XOR গণনা করে।

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , Commutative , ResultsBroadcastableShape , SameOperandsAndResultElementType

ইন্টারফেস: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

tfl.broadcast_args (TFL::BroadcastArgsOp)

সম্প্রচার সহ s0 op s1 এর আকৃতি ফিরিয়ে দিন।

প্রদত্ত s0 এবং s1 , টেনসর যা আকারগুলিকে প্রতিনিধিত্ব করে, r0 গণনা করে, সম্প্রচারিত আকৃতি। s0 , s1 এবং r0 সব পূর্ণসংখ্যা ভেক্টর।

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait

ইন্টারফেস: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

tfl.broadcast_to (TFL::BroadcastToOp)

একটি সামঞ্জস্যপূর্ণ আকৃতির জন্য একটি অ্যারে সম্প্রচার করুন।

সম্প্রচার হল গাণিতিক ক্রিয়াকলাপের জন্য সামঞ্জস্যপূর্ণ আকারের জন্য অ্যারে তৈরির প্রক্রিয়া। দুটি আকার সামঞ্জস্যপূর্ণ যদি প্রতিটি মাত্রা জোড়ার জন্য তারা হয় সমান বা তাদের মধ্যে একটি এক হয়। একটি টেনসরকে একটি আকারে সম্প্রচার করার চেষ্টা করার সময়, এটি পিছনের মাত্রা দিয়ে শুরু হয় এবং এটি এগিয়ে যাওয়ার পথে কাজ করে।

যেমন,

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]], আকৃতি=(3, 3), dtype=int32)

উপরের উদাহরণে, [1, 3] আকৃতির ইনপুট টেনসরটি [3, 3] আকৃতির আউটপুট টেনসরে সম্প্রচার করা হয়।

যখন সম্প্রচারিত ক্রিয়াকলাপগুলি করা হয় যেমন একটি স্কেলার দ্বারা একটি টেনসরকে গুণ করা, সম্প্রচার করা (সাধারণত) কিছু সময় বা স্থান সুবিধা প্রদান করে, কারণ সম্প্রচারিত টেনসর কখনই বাস্তবায়িত হয় না।

যাইহোক, broadcast_to এর সাথে এমন কোন সুবিধা বহন করে না। সদ্য নির্মিত টেনসর সম্প্রচারিত আকারের সম্পূর্ণ স্মৃতি গ্রহণ করে। (একটি গ্রাফ প্রসঙ্গে, broadcast_to পরবর্তী অপারেশনে মিশে যেতে পারে এবং তারপরে অপ্টিমাইজ করা যেতে পারে।)

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , QuantizableResult

ইন্টারফেস: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

tfl.bucketize (TFL::BucketizeOp)

'সীমানা' এর উপর ভিত্তি করে 'ইনপুট' বাকেটাইজ করে।

উদাহরণ:

যদি ইনপুটগুলি boundaries = [0, 10, 100] এবং input = [[-5, 10000][150, 10][5, 100]] , তাহলে আউটপুট হবে output = [[0, 3][3, 2][1, 3]] ।

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait ইমপ্লট্রেট , SameOperandsAndResultShape

ইন্টারফেস: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

প্রভাব: MemoryEffects::Effect{}

গুণাবলী:

অপারেন্ডস:

ফলাফল:

tfl.call_once (TFL::CallOnceOp)

একটি প্রারম্ভিক ফাংশন আহ্বান করে

এই ক্রিয়াকলাপটি টিএফ সংরক্ষিত মডেল উপভাষায় সেশন ইনিশিয়ালাইজারের জন্য প্রদত্ত প্রারম্ভিক ফাংশনকে আহ্বান করে।

ইন্টারফেস: TflRuntimeVerifyOpInterface

গুণাবলী:

tfl.cast (TFL::CastOp)

কাস্ট অপারেটর

ইনপুট টাইপ থেকে আউটপুট টাইপে ইনপুট কাস্ট করে।

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait ইমপ্লট্রেট , SameOperandsAndResultShape

ইন্টারফেস: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

tfl.ceil (TFL::CeilOp)

সিল অপারেটর

ইনপুটের উপাদান-ভিত্তিক সিল মান প্রদান করে।

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

tfl.complex_abs (TFL::ComplexAbsOp)

একটি টেনসরের জটিল পরম মান গণনা করে।

জটিল সংখ্যার একটি টেনসর x দেওয়া হলে, এই ক্রিয়াকলাপটি float বা double একটি টেনসর প্রদান করে যা x এ প্রতিটি উপাদানের পরম মান। x এর সমস্ত উপাদান অবশ্যই ফর্মের জটিল সংখ্যা হতে হবে \(a + bj\). পরম মান হিসাবে গণনা করা হয় \( \sqrt{a^2 + b^2}\).

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait ইমপ্লট্রেট , SameOperandsAndResultShape

ইন্টারফেস: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

tfl.concatenation (TFL::ConcatenationOp)

সংযোগ অপারেটর

এক মাত্রা বরাবর টেনসর সংযুক্ত করে

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , QuantizableResult

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

প্রভাব: MemoryEffects::Effect{}

গুণাবলী:

অপারেন্ডস:

ফলাফল:

tfl.control_node (TFL::ControlNodeOp)

TFL.control_node অপারেশন কন্ট্রোল প্রান্ত সংযুক্ত করার জন্য একক-ব্লক অপারেশন মোড়ানো হয়।

এটি অঞ্চলগুলিকে মোড়ানো এবং তাদের সাথে নিয়ন্ত্রণ নির্ভরতা সংযুক্ত করতে ব্যবহৃত হয়। সাধারণত, ফ্ল্যাটবাফার মডেল নির্গত করার আগে শেষ ধাপগুলির একটিতে এটি ঘটবে অপ্টিমাইজেশানগুলিকে সক্ষম করার জন্য যা একটি নির্দিষ্ট ক্রিয়াকলাপের উপর নির্ভর করে (যেমন পুনঃম্যাটেরিয়ালাইজেশন।) ফ্ল্যাটবাফার রপ্তানিকারক মোড়ানো অঞ্চলটি খুলবে এবং মেটাডেটা সহ জেনারেট করা মডেলটিকে টীকা করবে যেমন যে কোনো রানটাইম পুনঃক্রম নিয়ন্ত্রণ নির্ভরতা দ্বারা প্রদত্ত আদেশকে সম্মান করবে।

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

অপারেন্ডস:

ফলাফল:

tfl.conv_2d (TFL::Conv2DOp)

কনভোলিউশন অপারেটর

ইনপুট নেভিগেশন convolution অপারেশন সঞ্চালন.

ইনপুট: inputs[0] : প্রয়োজনীয়: ইনপুট অ্যাক্টিভেশন টেনসর inputs[1] : প্রয়োজনীয়: ফিল্টার ওজন টেনসর inputs[2] : ঐচ্ছিক: বায়াস টেনসর

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

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

প্রভাব: MemoryEffects::Effect{}

গুণাবলী:

অপারেন্ডস:

ফলাফল:

tfl.conv_3d (TFL::Conv3DOp)

কনভোলিউশন 3D অপারেটর

3D ইনপুটগুলিতে কনভোলিউশন অপারেশন সঞ্চালন করে। ইনপুট: inputs[0] : প্রয়োজনীয়: ইনপুট অ্যাক্টিভেশন টেনসর inputs[1] : প্রয়োজনীয়: ফিল্টার ওজন টেনসর inputs[2] : ঐচ্ছিক: বায়াস টেনসর

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

ইন্টারফেস: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

প্রভাব: MemoryEffects::Effect{}

গুণাবলী:

অপারেন্ডস:

ফলাফল:

tfl.conv_3d_transpose (TFL::Conv3DTtransposeOp)

ট্রান্সপোজড কনভোলিউশন 3D অপারেটর

3D ইনপুটগুলিতে ট্রান্সপোজড কনভোলিউশন অপারেশন করে। ইনপুট: inputs[0] : প্রয়োজনীয়: আউটপুট টেনসর inputs[1] : প্রয়োজনীয়: ফিল্টার ওজন টেনসর inputs[2] : প্রয়োজনীয়: ইনপুট অ্যাক্টিভেশন টেনসর inputs[3] : ঐচ্ছিক: বায়াস টেনসর

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

ইন্টারফেস: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

প্রভাব: MemoryEffects::Effect{}

গুণাবলী:

অপারেন্ডস:

ফলাফল:

tfl.cos (TFL::CosOp)

কোসাইন অপারেটর

ইনপুটের উপাদান-ভিত্তিক কোসাইন গণনা করে

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

tfl.cumsum (TFL::CumsumOp)

কামসাম অপারেটর

অক্ষ বরাবর টেনসর x এর ক্রমবর্ধমান সমষ্টি গণনা করুন।

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait

ইন্টারফেস: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

প্রভাব: MemoryEffects::Effect{}

গুণাবলী:

অপারেন্ডস:

ফলাফল:

tfl.custom (TFL::CustomOp)

কাস্টম অপশন

যেকোন TFLite কাস্টম অপারেশনের জন্য একটি জেনেরিক অপশন।

ইনপুট: মূল অপশনে ইনপুটগুলির একটি তালিকা। custom_code: এই অপটি ঠিক কোনটি তা সনাক্ত করতে ব্যবহৃত একটি স্ট্রিং, যা ফ্ল্যাটবাফারে operator_codes.custom_code এর সাথে মিলে যায়। custom_option: বাইট ফ্যাশনে অপ এট্রিবিউট সংরক্ষণ করার জন্য একটি ধারক। আউটপুট: আসল অপশনে আউটপুটগুলির একটি তালিকা।

ইন্টারফেস: TflRuntimeVerifyOpInterface

গুণাবলী:

অপারেন্ডস:

ফলাফল:

tfl.custom_tf (TFL::CustomTfOp)

TF কাস্টম অপ্স জন্য মোড়ক অপ.

যে কোন কাস্টম TF অপের চারপাশে একটি মোড়ক অপশন. এর মধ্যে রয়েছে custom_opdefs ব্যবহার করে সংজ্ঞায়িত করা বা লিঙ্ক করা যা TF উপভাষায় সংজ্ঞায়িত নয়। এই অপটি শুধুমাত্র একটি অঞ্চলের ভিতরে কাস্টম অপটি মোড়ানো হয়। দ্রষ্টব্য #1, এই অপের মধ্যে কাস্টমঅপ ব্যবহার করে সংজ্ঞায়িত TF Lite কাস্টম অপস অন্তর্ভুক্ত থাকবে না। দ্রষ্টব্য #2, এই অপটি কনভার্টারের অভ্যন্তরীণ উপস্থাপনা এবং মডেলটি যখন ফ্ল্যাটবাফারে রপ্তানি করা হয় তখন উন্মুক্ত/রপ্তানি করা হয় না।

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

ইন্টারফেস: InferTypeOpInterface , TflRuntimeVerifyOpInterface

অপারেন্ডস:

ফলাফল:

tfl.densify (TFL::DensifyOp)

ঘনত্ব অপারেটর

স্পার্স টেনসরকে ঘন বিন্যাসে রূপান্তর করে।

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait

ইন্টারফেস: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

tfl.depth_to_space (TFL::DepthToSpaceOp)

DepthToSpace অপারেটর

স্থানিক ডেটার ব্লকগুলিতে গভীরতা থেকে ডেটা পুনর্বিন্যাস করে। এটি SpaceToDepth এর বিপরীত রূপান্তর। আরও নির্দিষ্টভাবে, এই অপটি ইনপুট টেনসরের একটি অনুলিপি আউটপুট করে যেখানে depth মাত্রা থেকে মানগুলি স্থানিক ব্লকে height এবং width মাত্রায় সরানো হয়। attr block_size ইনপুট ব্লকের আকার এবং কিভাবে ডেটা সরানো হয় তা নির্দেশ করে।

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , QuantizableResult

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

প্রভাব: MemoryEffects::Effect{}

গুণাবলী:

অপারেন্ডস:

ফলাফল:

tfl.depthwise_conv_2d (TFL::DepthwiseConv2DOp)

গভীরভাবে-বিভাজ্য কনভোলিউশন অপারেটর

ইনপুট নেভিগেশন convolution অপারেশন সঞ্চালন.

ইনপুট: inputs[0] : প্রয়োজনীয়: ইনপুট অ্যাক্টিভেশন টেনসর inputs[1] : প্রয়োজনীয়: ফিল্টার ওজন টেনসর inputs[2] : ঐচ্ছিক: বায়াস টেনসর

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

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

প্রভাব: MemoryEffects::Effect{}

গুণাবলী:

অপারেন্ডস:

ফলাফল:

tfl.dequantize (TFL::DequantizeOp)

অপারেটর ডিকুয়ান্টাইজ করুন

কোয়ান্টাইজেশন প্যারামিটার অনুযায়ী পূর্ণসংখ্যার পরিমাপকৃত অ্যারেকে ফ্লোটিং-পয়েন্টে রূপান্তর করে।

ইন্টারফেস: NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

tfl.dilate (TFL::DilateOp)

প্রসারণ অপারেটর

বিদ্যমান উপাদানগুলির মধ্যে নতুন উপাদান যোগ করে একটি টেনসর প্রসারিত করে। বৈশিষ্ট্য: AlwaysSpeculatableImplTrait

ইন্টারফেস: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

tfl.div (TFL::DivOp)

বিভাগ অপারেটর

উপাদান অনুযায়ী বিভাগ অপারেশন.

বৈশিষ্ট্য: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , ResultsBroadcastableShape

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

প্রভাব: MemoryEffects::Effect{}

গুণাবলী:

অপারেন্ডস:

ফলাফল:

tfl.dynamic_update_slice (TFL::DynamicUpdateSliceOp)

ডাইনামিকআপডেট স্লাইস।

DynamicUpdateSlice op যেটির XLA DynamicUpdateSlice-এর সাথে একই শব্দার্থ আছে। একটি ফলাফল তৈরি করে যা ইনপুট অ্যারে অপারেন্ডের মান, একটি স্লাইস আপডেট start_indices এ ওভাররাইট করা হয়।

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

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait

ইন্টারফেস: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

tfl.elu (tfl :: eluop)

ক্ষতিকারক লিনিয়ার ইউনিট অপারেটর

X <0 এর জন্য এক্স <0 এর জন্য 1 টি এক্সপোনেনশিয়াল লিনিয়ার এফ (এক্স) -> এক্সপ (এক্স) -এক্স> = 0 এর জন্য x> = 0. উপাদান -ভিত্তিক গণনা করে।

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

NoMemoryEffect (MemoryEffectOpInterface) TflRuntimeVerifyOpInterface ConditionallySpeculatable

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

tfl.embedding_lookup (tfl :: এম্বেডিংলুকুপপ)

এম্বেডিং লুকআপ অপারেটর

এম্বেডিং টেনারগুলির একটি তালিকায় আইডি সন্ধান করে।

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , QuantizableResult

NoMemoryEffect (MemoryEffectOpInterface) TflRuntimeVerifyOpInterface AffineQuantizedOpInterface ConditionallySpeculatable DynamicRangeQuantizedOpInterface

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

tfl.equal (tfl :: সমান)

সমান অপারেটর

X == y উপাদান-ভিত্তিক সত্য উপাদান প্রদান করে

বৈশিষ্ট্য: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait ইমপ্লিট্রেট, Commutative , QuantizableResult , ResultsBroadcastableShape

NoMemoryEffect (MemoryEffectOpInterface) TflRuntimeVerifyOpInterface ConditionallySpeculatable

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

tfl.exp (tfl :: expop)

প্রাকৃতিক এক্সপেনশনেশন অপারেটর

ইনপুটটিতে উপাদান-ভিত্তিক প্রাকৃতিক এক্সপেনশনিয়েশন অপারেশন সম্পাদন করে।

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , QuantizableResult

NoMemoryEffect (MemoryEffectOpInterface) TflRuntimeVerifyOpInterface ConditionallySpeculatable

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

tfl.expand_dims (টিএফএল :: এক্সপ্যান্ডডিমসপ)

একটি টেনসারের আকারে 1 এর একটি মাত্রা সন্নিবেশ করে।

একটি টেনসর input দেওয়া, এই অপারেশনটি input আকারের মাত্রা সূচক axis 1 এর একটি মাত্রা সন্নিবেশ করে। মাত্রা সূচক axis শূন্য থেকে শুরু হয়; আপনি যদি axis জন্য একটি নেতিবাচক সংখ্যা নির্দিষ্ট করেন তবে এটি শেষ থেকে পিছনে গণনা করা হয়।

আপনি যদি কোনও একক উপাদানটিতে ব্যাচের মাত্রা যুক্ত করতে চান তবে এই অপারেশনটি কার্যকর। উদাহরণস্বরূপ, যদি আপনার আকারের একক চিত্র থাকে [height, width, channels] , আপনি এটিকে expand_dims(image, 0) সহ 1 টি চিত্রের একটি ব্যাচ তৈরি করতে পারেন, যা আকারটি তৈরি করবে [1, height, width, channels] .

অন্যান্য উদাহরণ:

# '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]

এই অপারেশনটি যে প্রয়োজন:

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

এই অপারেশনটি squeeze() এর সাথে সম্পর্কিত, যা আকারের 1 এর মাত্রাগুলি সরিয়ে দেয়।

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , QuantizableResult

SameOperandsAndResultsScale TflRuntimeVerifyOpInterface ConditionallySpeculatable NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

tfl.external_const (tfl :: বহিরাগত কনস্টপ)

বাহ্যিক কনস্ট অপ।

বাহ্যিক কনস্ট ওপিতে একটি buffer_index রয়েছে যা ফ্ল্যাটবফারটিতে একটি ধ্রুবককে নির্দেশ করে।

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , QuantizableResult

NoMemoryEffect (MemoryEffectOpInterface) TflRuntimeVerifyOpInterface ConditionallySpeculatable

প্রভাব: MemoryEffects::Effect{}

বৈশিষ্ট্য:

ফলাফল:

tfl.fake_quant (tfl :: neckantop)

জাল অপারেটর

ইনপুটগুলির মতো একই আকারের টেনসরকে ফ্লোট স্কেলারস ন্যূনতম এবং সর্বোচ্চের মাধ্যমে ফ্লোটের টাইপ ফ্লোটের 'ইনপুটস' টেনসরকে নকল-কোয়ান্টাইজ করুন।

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , QuantizableResult

NoMemoryEffect (MemoryEffectOpInterface) TflRuntimeVerifyOpInterface ConditionallySpeculatable

প্রভাব: MemoryEffects::Effect{}

বৈশিষ্ট্য:

অপারেন্ডস:

ফলাফল:

tfl.fill (tfl :: ফিলপ)

প্রদত্ত মান দিয়ে টেনসর পূরণ করুন।

প্রদত্ত মান দিয়ে টেনসর পূরণ করুন।

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , QuantizableResult

SameOperandsAndResultsScale TflRuntimeVerifyOpInterface ConditionallySpeculatable NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

tfl.floor (tfl :: ফ্লোরপ)

মেঝে অপারেটর

ইনপুটটির উপাদান-ভিত্তিক মেঝে মান ফেরত দেয়।

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

InferTypeOpInterface InferShapedTypeOpInterface ConditionallySpeculatable NoMemoryEffect (MemoryEffectOpInterface) TflRuntimeVerifyOpInterface

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

tfl.floor_div (tfl :: florordivop)

ফ্লোর ডিভ অপারেটর

উপাদান অনুসারে মেঝে ডিভ অপারেশন।

বৈশিষ্ট্য: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait ইমপ্লিট্রাইট, ResultsBroadcastableShape

NoMemoryEffect (MemoryEffectOpInterface) TflRuntimeVerifyOpInterface ConditionallySpeculatable

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

tfl.floor_mod (tfl :: ফ্লোরমোডপ)

বিভাগ অনুস্মারক

উপাদান ভিত্তিক বিভাগ অনুস্মারক অপারেশন।

বৈশিষ্ট্য: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait ইমপ্লিট্রেট, ResultsBroadcastableShape

NoMemoryEffect (MemoryEffectOpInterface) TflRuntimeVerifyOpInterface ConditionallySpeculatable

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

tfl.fully_connected (tfl :: সম্পূর্ণ সংযোগযুক্তপ)

সম্পূর্ণ সংযুক্ত অপ

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

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

প্রভাব: MemoryEffects::Effect{}

বৈশিষ্ট্য:

অপারেন্ডস:

ফলাফল:

tfl.gather (tfl :: A, gaterop)

অপারেটর সংগ্রহ করুন

indices অনুসারে params অক্ষ axis থেকে স্লাইসগুলি সংগ্রহ করুন।

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , QuantizableResult

NoMemoryEffect (MemoryEffectOpInterface) DynamicRangeQuantizedOpInterface ConditionallySpeculatable SameOperandsAndResultsScale TflRuntimeVerifyOpInterface

প্রভাব: MemoryEffects::Effect{}

বৈশিষ্ট্য:

অপারেন্ডস:

ফলাফল:

tfl.gather_nd (tfl :: gatherndop)

_Gather nd অপারেটর

indices দ্বারা নির্দিষ্ট আকারের সাথে params থেকে টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো টুকরো

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , QuantizableResult

SameOperandsAndResultsScale TflRuntimeVerifyOpInterface ConditionallySpeculatable NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

tfl.gelu (tfl :: geluop)

জেলু অ্যাক্টিভেশন ফাংশন।

জেলু অ্যাক্টিভেশন ফাংশন উপাদান ভিত্তিক গণনা।

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

NoMemoryEffect (MemoryEffectOpInterface) TflRuntimeVerifyOpInterface ConditionallySpeculatable

প্রভাব: MemoryEffects::Effect{}

বৈশিষ্ট্য:

অপারেন্ডস:

ফলাফল:

tfl.greater (tfl :: গ্রেটারোপ)

বৃহত্তর অপারেটর

উপাদান অনুসারে বৃহত্তর অপারেশন।

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

NoMemoryEffect (MemoryEffectOpInterface) TflRuntimeVerifyOpInterface ConditionallySpeculatable

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

tfl.greater_equal (tfl :: গ্রেটারেক্যালপ)

_ গ্রেটার সমান অপারেটর

উপাদান ভিত্তিক বৃহত্তর_কুইয়াল অপারেশন।

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

NoMemoryEffect (MemoryEffectOpInterface) TflRuntimeVerifyOpInterface ConditionallySpeculatable

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

tfl.hard_swish (tfl :: হার্ডসওয়িশপ)

হার্ডসুইশ অ্যাক্টিভেশন ফাংশন।

হার্ড-সুইশ অ্যাক্টিভেশন ফাংশন f (x)-> (x * relu6 (x+3))/6 উপাদান-ভিত্তিক গণনা করে।

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

NoMemoryEffect (MemoryEffectOpInterface) TflRuntimeVerifyOpInterface ConditionallySpeculatable

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

tfl.hashtable (tfl :: হ্যাশটেবলপ)

একটি অনিশ্চিত হ্যাশ টেবিল তৈরি করে।

এই ওপি একটি হ্যাশ টেবিল তৈরি করে, এর কী এবং মানগুলির ধরণ নির্দিষ্ট করে। টেবিলটি ব্যবহার করার আগে আপনাকে এটি আরম্ভ করতে হবে। সূচনা করার পরে টেবিলটি অপরিবর্তনীয় হবে।

ইন্টারফেস: TflRuntimeVerifyOpInterface

বৈশিষ্ট্য:

ফলাফল:

tfl.hashtable_find (tfl :: হ্যাশটেবলফাইন্ডপ)

একটি টেবিলের কীগুলি সন্ধান করে, সংশ্লিষ্ট মানগুলি আউটপুট করে।

টেনসর keys অবশ্যই টেবিলের কীগুলির মতো একই ধরণের। আউটপুট values টেবিলের মানগুলির ধরণের।

স্কেলার default_value হ'ল সারণীতে উপস্থিত না থাকা কীগুলির জন্য মান আউটপুট। এটি অবশ্যই টেবিলের মানগুলির মতো একই ধরণের হতে হবে।

ইন্টারফেস: TflRuntimeVerifyOpInterface

অপারেন্ডস:

ফলাফল:

tfl.hashtable_import (tfl :: Hashtableimportop)

টেবিলের সামগ্রীগুলি নির্দিষ্ট কী এবং মানগুলির সাথে প্রতিস্থাপন করে।

টেনসর keys অবশ্যই টেবিলের কীগুলির মতো একই ধরণের হতে হবে। টেনসর values অবশ্যই টেবিলের মানগুলির ধরণের হতে হবে।

ইন্টারফেস: TflRuntimeVerifyOpInterface

অপারেন্ডস:

tfl.hashtable_size (tfl :: Hashtablesiseop)

প্রদত্ত সারণীতে উপাদানগুলির সংখ্যা গণনা করে।

ইন্টারফেস: TflRuntimeVerifyOpInterface

অপারেন্ডস:

ফলাফল:

tfl.if (tfl :: ifop)

যদি-তবে-ইলেস অপারেশন

tfl.if অপারেশনটি শর্তসাপেক্ষে কোডের দুটি অঞ্চল সম্পাদন করার জন্য একটি আইএফ-তবে-এলস কনস্ট্রাক্টের প্রতিনিধিত্ব করে। অপারেশন আইএফ অপারেশন একটি বুলিয়ান মান। যেমন:

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

tfl.if এছাড়াও এর অঞ্চলগুলিতে সংজ্ঞায়িত ফলাফলগুলিও ফিরিয়ে দিতে পারে। সংজ্ঞায়িত মানগুলি নির্ধারণ করা হয় কোন কার্যকর করার পথটি নেওয়া হয়।

উদাহরণ:

%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 অঞ্চলগুলি সর্বদা "tfl.yeld" দিয়ে সমাপ্ত হয়। যদি "tfl.if" কোনও মান নির্ধারণ করে না, তবে "tfl.yeld" বাদ দেওয়া যেতে পারে এবং স্পষ্টভাবে serted োকানো হবে। অন্যথায়, এটি অবশ্যই স্পষ্ট হতে হবে। এছাড়াও, যদি "tfl.if" এক বা একাধিক মান সংজ্ঞায়িত করে তবে 'অন্য' ব্লকটি বাদ দেওয়া যায় না।

উদাহরণ:

tfl.if %b  {
  ...
}

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

ইন্টারফেস: RegionBranchOpInterface , TflRuntimeVerifyOpInterface

অপারেন্ডস:

ফলাফল:

tfl.imag (tfl :: ইমেজপ)

একটি জটিল সংখ্যার কাল্পনিক অংশ প্রদান করে।

জটিল সংখ্যার একটি টেনসর input দেওয়া, এই অপারেশনটি টাইপ float একটি টেনসর দেয় যা input প্রতিটি উপাদানের কাল্পনিক অংশ। input সমস্ত উপাদান অবশ্যই ফর্মের জটিল সংখ্যা হতে হবে \(a + bj\), যেখানে একটি আসল অংশ এবং বি এই অপারেশন দ্বারা ফিরে আসা কাল্পনিক অংশ।

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

NoMemoryEffect (MemoryEffectOpInterface) TflRuntimeVerifyOpInterface ConditionallySpeculatable

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

tfl.l2_normalization (tfl :: L2Normalizationop)

L2 অপারেটরকে স্বাভাবিক করুন

L2normalization অপ

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , QuantizableResult

NoMemoryEffect (MemoryEffectOpInterface) FixedOutputRangeInterface ConditionallySpeculatable TflArithmeticCountOpInterface TflRuntimeVerifyOpInterface

প্রভাব: MemoryEffects::Effect{}

বৈশিষ্ট্য:

অপারেন্ডস:

ফলাফল:

tfl.leaky_relu (tfl :: leakireluop)

ফাঁস রিলু অপারেটর

উপাদান -ভিত্তিক ফাঁস রিলু অপারেটর x -> x> = 0? এক্স: (আলফা * এক্স)

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

NoMemoryEffect (MemoryEffectOpInterface) TflRuntimeVerifyOpInterface ConditionallySpeculatable

প্রভাব: MemoryEffects::Effect{}

বৈশিষ্ট্য:

অপারেন্ডস:

ফলাফল:

tfl.less (tfl :: lissop)

কম অপারেটর

উপাদান অনুসারে কম অপারেশন।

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

NoMemoryEffect (MemoryEffectOpInterface) TflRuntimeVerifyOpInterface ConditionallySpeculatable

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

tfl.less_equal (tfl :: কমক্যালপ)

_বিহীন সমান অপারেটর

উপাদান ভিত্তিক কম_কুইয়াল অপারেশন।

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

NoMemoryEffect (MemoryEffectOpInterface) TflRuntimeVerifyOpInterface ConditionallySpeculatable

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

tfl.local_response_normalization (tfl :: লোকাল রিপ্রেসনরমালাইজেশনপ)

স্থানীয় প্রতিক্রিয়া স্বাভাবিককরণ।

4-ডি input টেনসরকে 1-ডি ভেক্টর (শেষ মাত্রা বরাবর) এর 3-ডি অ্যারে হিসাবে বিবেচনা করা হয় এবং প্রতিটি ভেক্টর স্বাধীনভাবে স্বাভাবিক করা হয়। প্রদত্ত ভেক্টরের মধ্যে, প্রতিটি উপাদান depth_radius মধ্যে ভারী, স্কোয়ার যোগের যোগফল দ্বারা বিভক্ত হয়। বিস্তারিতভাবে,

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

বিশদগুলির জন্য, ক্রিজেভস্কি এট আল।, গভীর সমঝোতা নিউরাল নেটওয়ার্কগুলির সাথে ইমেজেনেট শ্রেণিবিন্যাস (এনআইপিএস 2012) দেখুন।

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

InferTypeOpInterface InferShapedTypeOpInterface ConditionallySpeculatable NoMemoryEffect (MemoryEffectOpInterface) TflRuntimeVerifyOpInterface

প্রভাব: MemoryEffects::Effect{}

বৈশিষ্ট্য:

অপারেন্ডস:

ফলাফল:

tfl.log (tfl :: লোগোপ)

প্রাকৃতিক লগারিদম অপারেটর

ইনপুটটিতে উপাদান-ভিত্তিক প্রাকৃতিক লোগারিদম অপারেশন সম্পাদন করে।

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , QuantizableResult

NoMemoryEffect (MemoryEffectOpInterface) TflRuntimeVerifyOpInterface ConditionallySpeculatable

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

tfl.log_softmax (tfl :: লগসফটম্যাক্সপ)

লগ সফটম্যাক্স অপারেটর

নিম্নলিখিত সূত্রের সাথে উপাদান-ভিত্তিক লগ সফটম্যাক্স অ্যাক্টিভেশনগুলি গণনা করে

ইনপুট - লগ (হ্রাস_সাম (এক্সপ্রেস (ইনপুট), ম্লান))

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

NoMemoryEffect (MemoryEffectOpInterface) FixedOutputRangeInterface ConditionallySpeculatable TflArithmeticCountOpInterface TflRuntimeVerifyOpInterface

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

tfl.logical_and (tfl :: লজিকালএপপ)

যৌক্তিক এবং অপারেটর

উপাদান ভিত্তিক যৌক্তিক এবং অপারেশন।

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , ResultsBroadcastableShape

NoMemoryEffect (MemoryEffectOpInterface) TflRuntimeVerifyOpInterface ConditionallySpeculatable

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

tfl.logical_not (টিএফএল :: লজিকাল নটপ)

লজিক্যাল নয় অপারেটর

উপাদান অনুসারে লজিক্যাল অপারেশন নয়।

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

NoMemoryEffect (MemoryEffectOpInterface) TflRuntimeVerifyOpInterface ConditionallySpeculatable

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

tfl.logical_or (tfl :: লজিকালোরপ)

যৌক্তিক বা অপারেটর

উপাদান ভিত্তিক যৌক্তিক বা অপারেশন।

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , ResultsBroadcastableShape

NoMemoryEffect (MemoryEffectOpInterface) TflRuntimeVerifyOpInterface ConditionallySpeculatable

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

tfl.logistic (tfl :: লজিস্টিকপ)

লজিস্টিক অপারেটর

ইনপুটটির উপাদান অনুসারে সিগময়েড গণনা করে

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

NoMemoryEffect (MemoryEffectOpInterface) FixedOutputRangeInterface ConditionallySpeculatable TflArithmeticCountOpInterface TflRuntimeVerifyOpInterface

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

tfl.lstm (tfl :: lstmop)

পুরো এলএসটিএম অপারেটর

দীর্ঘ স্বল্প-মেয়াদী মেমরি ইউনিট (এলএসটিএম) পুনরাবৃত্ত নেটওয়ার্ক স্তর। ডিফল্ট নন-পেফোল বাস্তবায়ন ভিত্তিক: http://depelarning.cs.cmu.edu/pdfs/hochreiter97_lstm.pdf এস। 'দীর্ঘ স্বল্পমেয়াদী স্মৃতি'। নিউরাল গণনা, 9 (8): 1735-1780, 1997. পিফোল বাস্তবায়ন ভিত্তিক: https://research.google.com/pubs/archive/43905.pdf হাসিম সাক, অ্যান্ড্রু সিনিয়র এবং ফ্রাঙ্কোইস বিউফেস। 'দীর্ঘ স্কেল অ্যাকোস্টিক মডেলিংয়ের জন্য দীর্ঘ স্বল্প-মেয়াদী মেমরি পুনরাবৃত্ত নিউরাল নেটওয়ার্ক আর্কিটেকচার' ' ইন্টারস্পিচ, 2014. ইনপুট এবং ফ্লোক গেট (সিআইএফজি) এর সংযুক্তি ভিত্তিক: http://arxiv.org/pdf/1503.04069.pdf গ্রেফ এট আল। 'এলএসটিএম: একটি অনুসন্ধান স্পেস ওডিসি' স্তরটি সাধারণীকরণ ভিত্তিক: https://arxiv.org/pdf/1607.06450.pdf বা এট আল। 'স্তর স্বাভাবিককরণ'

বৈশিষ্ট্য: QuantizableResult

ইন্টারফেস: DynamicRangeQuantizedOpInterface , TFL_StatefulOp , TflRuntimeVerifyOpInterface

বৈশিষ্ট্য:

অপারেন্ডস:

ফলাফল:

tfl.matrix_diag (tfl :: ম্যাট্রিক্সডিয়াগপ)

প্রদত্ত তির্যক এবং জিরো দিয়ে প্যাডযুক্ত সমস্ত কিছু দিয়ে একটি টেনসর ফেরত দেয়।

একটি তির্যক দেওয়া, তির্যক এবং জিরো দিয়ে প্যাড করা সমস্ত কিছু দিয়ে একটি টেনসর ফেরত দেয়। ধরুন ডায়াগোনালের কে মাত্রা রয়েছে [I, J, K, ..., N] , তারপরে আউটপুটটি মাত্রা সহ [I, J, K, ..., N, N] র‌্যাঙ্ক k+1 এর একটি টেনসর যেখানে: output[i, j, k, ..., m, n] = 1{m=n} * diagonal[i, j, k, ..., n].

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , QuantizableResult

NoMemoryEffect (MemoryEffectOpInterface) TflRuntimeVerifyOpInterface ConditionallySpeculatable

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

tfl.matrix_set_diag (tfl :: ম্যাট্রিক্সসেটডিয়াগপ)

নতুন ব্যাচযুক্ত তির্যক মানগুলির সাথে একটি ব্যাচড ম্যাট্রিক্স টেনসর প্রদান করে।

input এবং diagonal দেওয়া, এই অপারেশনটি অন্তর্নিহিত ম্যাট্রিক্সের মূল তির্যক ব্যতীত একই আকার এবং input হিসাবে মানগুলির সাথে একটি টেনসর দেয়। এগুলি diagonal মান দ্বারা ওভাররাইট করা হবে।

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , QuantizableResult

NoMemoryEffect (MemoryEffectOpInterface) TflRuntimeVerifyOpInterface ConditionallySpeculatable

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

tfl.max_pool_2d (টিএফএল :: ম্যাক্সপুল 2 ডপ)

সর্বোচ্চ পুল 2 ডি ওপি

ইনপুটটিতে ম্যাক্স পুল 2 ডি সম্পাদন করে।

ইনপুট: inputs[0] : প্রয়োজনীয়: ইনপুট টেনসর

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , QuantizableResult

NoMemoryEffect (MemoryEffectOpInterface) SameOperandsAndResultsScale ConditionallySpeculatable TflArithmeticCountOpInterface TflRuntimeVerifyOpInterface

প্রভাব: MemoryEffects::Effect{}

বৈশিষ্ট্য:

অপারেন্ডস:

ফলাফল:

tfl.maximum (tfl :: সর্বাধিকপ)

সর্বাধিক অপারেটর

উপাদান ভিত্তিক সর্বোচ্চ অপারেশন।

বৈশিষ্ট্য: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait ইমপ্লিট্রেট, Commutative , QuantizableResult , ResultsBroadcastableShape

SameOperandsAndResultsScale TflRuntimeVerifyOpInterface ConditionallySpeculatable NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

tfl.mean (tfl :: meanop)

গড় অপারেটর

একটি টেনসরের মাত্রা জুড়ে উপাদানগুলির গড় গণনা করে। অক্ষগুলিতে প্রদত্ত মাত্রা বরাবর ইনপুট_টেনসর হ্রাস করে। কিপডিমস সত্য না হলে, অক্ষের প্রতিটি প্রবেশের জন্য টেনসারের পদমর্যাদা 1 দ্বারা হ্রাস করা হয়। যদি কিপডিমস সত্য হয় তবে হ্রাস মাত্রাগুলি দৈর্ঘ্য 1 দিয়ে ধরে রাখা হয়।

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , QuantizableResult

NoMemoryEffect (MemoryEffectOpInterface) TflRuntimeVerifyOpInterface ConditionallySpeculatable

প্রভাব: MemoryEffects::Effect{}

বৈশিষ্ট্য:

অপারেন্ডস:

ফলাফল:

tfl.minimum (tfl :: ন্যূনতমপ)

মিন অপারেটর

উপাদান ভিত্তিক ন্যূনতম অপারেশন।

বৈশিষ্ট্য: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait ইমপ্লিট্রেট, Commutative , QuantizableResult , ResultsBroadcastableShape

SameOperandsAndResultsScale TflRuntimeVerifyOpInterface ConditionallySpeculatable NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

tfl.mirror_pad (tfl :: মিররপ্যাডপ)

মিররপ্যাড অপারেটর। মিররযুক্ত মানগুলির সাথে একটি টেনসর প্যাড করে।

এই অপারেশনটি আপনার নির্দিষ্ট করা প্যাডিংস অনুসারে মিররযুক্ত মানগুলির সাথে একটি ইনপুট প্যাড করে। প্যাডিংস হ'ল আকার [এন, 2] এর একটি পূর্ণসংখ্যা টেনসর, যেখানে এন ইনপুটটির পদমর্যাদা। 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:

Operands:

ফলাফল:

tfl.mul (TFL::MulOp)

গুন অপারেটর

Element-wise multiplication operation.

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

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

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

ফলাফল:

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:

Operands:

ফলাফল:

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:

ফলাফল:

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:

ফলাফল:

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:

ফলাফল:

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:

ফলাফল:

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:

ফলাফল:

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:

Operands:

ফলাফল:

tfl.one_hot (TFL::OneHotOp)

OneHot operator

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

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

ফলাফল:

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) . ইত্যাদি।

যেমন:

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

This is the opposite of unpack .

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

ফলাফল:

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)

যেমন:

# '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:

ফলাফল:

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)

যেমন:

# '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:

ফলাফল:

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:

ফলাফল:

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:

ফলাফল:

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:

ফলাফল:

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:

ফলাফল:

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:

ফলাফল:

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:

ফলাফল:

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:

ফলাফল:

tfl.quantize (TFL::QuantizeOp)

Quantize operator

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

Traits: FirstAttrDerivedResultType , SameOperandsAndResultShape

Interfaces: NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

ফলাফল:

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:

Operands:

ফলাফল:

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:

Operands:

ফলাফল:

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:

ফলাফল:

tfl.rank (TFL::RankOp)

Rank operator.

Returns the rank of a tensor.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

ফলাফল:

tfl.read_variable (TFL::ReadVariableOp)

Reads variable value.

Read variable data identified by 'resource_id'.

Interfaces: TflRuntimeVerifyOpInterface

Operands:

ফলাফল:

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:

ফলাফল:

tfl.reduce_all (TFL::ReduceAllOp)

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

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

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

ফলাফল:

tfl.reduce_any (TFL::ReduceAnyOp)

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

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

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

ফলাফল:

tfl.reduce_max (TFL::ReduceMaxOp)

Max-reduction operator

Computes the max reduction along the specified axes

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

ফলাফল:

tfl.reduce_min (TFL::ReduceMinOp)

Min-reduction operator

Computes the min reduction along the specified axes

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

ফলাফল:

tfl.reduce_prod (TFL::ReduceProdOp)

Prod-reduction operator

Computes the product along the specified axes

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

ফলাফল:

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:

ফলাফল:

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:

ফলাফল:

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:

ফলাফল:

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:

ফলাফল:

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:

ফলাফল:

tfl.resize_bilinear (TFL::ResizeBilinearOp)

ResizeBilinear Op

Resize images to size using bilinear interpolation.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

ফলাফল:

tfl.resize_nearest_neighbor (TFL::ResizeNearestNeighborOp)

ResizeNearestNeighbor Op

Resize images to size using nearest neighbor interpolation.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

ফলাফল:

tfl.reverse_sequence (TFL::ReverseSequenceOp)

Reverses variable length slices.

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

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

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

ফলাফল:

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:

ফলাফল:

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:

ফলাফল:

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:

ফলাফল:

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:

ফলাফল:

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:

ফলাফল:

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:

ফলাফল:

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:

ফলাফল:

tfl.select (TFL::SelectOp)

অপারেটর নির্বাচন করুন

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:

ফলাফল:

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:

ফলাফল:

tfl.shape (TFL::ShapeOp)

Shape operator

Returns the shape of a tensor.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

ফলাফল:

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:

ফলাফল:

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:

ফলাফল:

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:

ফলাফল:

tfl.softmax (TFL::SoftmaxOp)

Softmax operator

Computes element-wise softmax activations with the following formula

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

ফলাফল:

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:

ফলাফল:

tfl.space_to_depth (TFL::SpaceToDepthOp)

SpaceToDepth operator

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

ফলাফল:

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:

ফলাফল:

tfl.split (TFL::SplitOp)

Splits a tensor into num_split tensors along one dimension.

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

ফলাফল:

tfl.split_v (TFL::SplitVOp)

Splits a tensor into num_split tensors along one dimension.

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

ফলাফল:

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:

ফলাফল:

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:

ফলাফল:

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:

ফলাফল:

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 .

যেমন:

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

Or, to remove specific size 1 dimensions:

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

ফলাফল:

tfl.strided_slice (TFL::StridedSliceOp)

StridedSlice Op

Return a strided slice from input .

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

ফলাফল:

tfl.sub (TFL::SubOp)

বিয়োগ অপারেটর

Element-wise subtraction operation.

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

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

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

ফলাফল:

tfl.sum (TFL::SumOp)

Sum operator

Computes the sum reduction along the specified axes

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

ফলাফল:

tfl.svdf (TFL::SVDFOp)

Single value decomposition filter operator

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

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

Interfaces: DynamicRangeQuantizedOpInterface , TFL_StatefulOp , TflRuntimeVerifyOpInterface

Attributes:

Operands:

ফলাফল:

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:

ফলাফল:

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:

ফলাফল:

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:

ফলাফল:

tfl.transpose (TFL::TransposeOp)

Transpose operator

Returns the Transpose of x

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

ফলাফল:

tfl.transpose_conv (TFL::TransposeConvOp)

Transpose convolution operator

Performs transpose convolution operation on input.

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

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

Effects: MemoryEffects::Effect{}

Attributes:

Operands: