'tfl' 방언

TensorFlow Lite 방언.

이 방언은 TensorFlow Lite 작업에 매핑됩니다.

불변성:

• 모든 값은 Tensor 유형입니다. 특히 스칼라는 0차원 텐서를 사용하여 표현됩니다.

운영

tfl.abs (TFL::AbsOp)

절대값 연산자

텐서 x 가 주어지면 이 연산은 x 에 있는 각 요소의 절대값을 포함하는 텐서를 반환합니다. 예를 들어, x가 입력 요소이고 y가 출력 요소인 경우 이 연산은 다음을 계산합니다. \(y = |x|\).

특성: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

피연산자:

결과:

tfl.add (TFL::AddOp)

덧셈 연산자

요소별 추가 작업.

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

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

효과: MemoryEffects::Effect{}

속성:

피연산자:

결과:

tfl.add_n (TFL::AddNOp)

_n 연산자 추가

모든 입력 텐서를 요소별로 추가합니다.

특성: AlwaysSpeculatableImplTrait , Commutative

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

효과: MemoryEffects::Effect{}

피연산자:

결과:

tfl.arg_max (TFL::ArgMaxOp)

ArgMax 연산자

텐서의 차원 전체에서 가장 큰 값을 가진 인덱스를 반환합니다.

특성: AlwaysSpeculatableImplTrait , QuantizableResult

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

속성:

피연산자:

결과:

tfl.arg_min (TFL::ArgMinOp)

ArgMin 연산자

텐서의 차원 전체에서 가장 작은 값을 가진 인덱스를 반환합니다. a = [1, 10, 26.9, 2.8, 166.32, 62.3] b = tf.math.argmin(입력 = a) c = tf.keras.backend.eval(b)

특성: AlwaysSpeculatableImplTrait , QuantizableResult

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

속성:

피연산자:

결과:

tfl.assign_variable (TFL::AssignVariableOp)

변수에 새 값을 할당합니다.

이 작업에 대한 제어 종속성이 있는 모든 ReadVariableOp는 이 값 또는 변수의 후속 새 값을 반환하도록 보장됩니다.

인터페이스: TflRuntimeVerifyOpInterface

피연산자:

tfl.atan2 (TFL::Atan2Op)

Atan2 작업

"atan2" 연산은 인수의 부호를 고려하여 요소별로 y/x의 아크탄젠트를 계산합니다.

특성: AlwaysSpeculatableImplTrait , SameOperandsAndResultElementType , SameOperandsAndResultShape

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

피연산자:

결과:

tfl.average_pool_2d (TFL::AveragePool2DOp)

_Average_pool 2d 연산자

입력에 대해 평균 풀링 작업을 수행합니다.

특성: AlwaysSpeculatableImplTrait , QuantizableResult

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

효과: MemoryEffects::Effect{}

속성:

피연산자:

결과:

tfl.basic_lstm (TFL::BasicLSTMOp)

기본 lstm 연산자

기본 LSTM 셀 연산자.

특성: AlwaysSpeculatableImplTrait , QuantizableResult

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

속성:

피연산자:

결과:

tfl.batch_matmul (TFL::BatchMatMulOp)

배치 행렬 곱셈 연산자

입력에 대해 일괄 행렬 곱셈을 수행합니다. 배치 차원 및 브로드캐스팅에서 알 수 없는 차원을 지원하는 TensorFlow BatchMatMulV2의 규칙을 따릅니다.

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

특성: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , QuantizableResult

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

효과: MemoryEffects::Effect{}

속성:

피연산자:

결과:

tfl.batch_to_space_nd (TFL::BatchToSpaceNdOp)

BatchToSpaceNd 연산자

이 작업은 "배치" 차원 0을 공간 차원으로 재구성합니다.

특성: AlwaysSpeculatableImplTrait , QuantizableResult

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

효과: MemoryEffects::Effect{}

피연산자:

결과:

tfl.bidirectional_sequence_lstm (TFL::BidirectionSequenceLSTMOp)

양방향 시퀀스 lstm 연산자

양방향 lstm은 기본적으로 두 개의 lstm으로, 하나는 앞으로 실행되고 다른 하나는 뒤로 실행됩니다. 그리고 출력은 두 개의 lstms를 연결한 것입니다.

특성: QuantizableResult

인터페이스: DynamicRangeQuantizedOpInterface , TFL_StatefulOp , TflRuntimeVerifyOpInterface

속성:

피연산자:

결과:

tfl.bitcast (TFL::BitcastOp)

비트캐스트 연산자

한 유형에서 다른 유형으로 텐서를 비트캐스트합니다.

특성: AlwaysSpeculatableImplTrait

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

피연산자:

결과:

tfl.bitwise_xor (TFL::BitwiseXorOp)

비트별 Xor 연산자

Elementwise는 lhs 와 rhs 의 비트별 XOR을 계산합니다.

특성: AlwaysSpeculatableImplTrait , Commutative , ResultsBroadcastableShape , SameOperandsAndResultElementType

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

피연산자:

결과:

tfl.broadcast_args (TFL::BroadcastArgsOp)

브로드캐스트를 사용하여 s0 op s1의 모양을 반환합니다.

모양을 나타내는 텐서인 s0 및 s1 이 주어지면 브로드캐스팅된 모양인 r0 계산합니다. s0 , s1 및 r0 은 모두 정수 벡터입니다.

특성: AlwaysSpeculatableImplTrait

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

피연산자:

결과:

tfl.broadcast_to (TFL::BroadcastToOp)

호환 가능한 모양에 대한 배열을 브로드캐스트합니다.

브로드캐스트는 산술 연산에 적합한 모양을 갖도록 배열을 만드는 프로세스입니다. 각 차원 쌍에 대해 두 모양이 동일하거나 그 중 하나가 하나인 경우 두 모양이 호환됩니다. Tensor를 모양으로 브로드캐스트하려고 하면 후행 차원에서 시작하여 앞으로 나아갑니다.

예를 들어,

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]], 모양=(3, 3), dtype=int32)

위의 예에서 [1, 3] 모양의 입력 Tensor는 [3, 3] 모양의 출력 Tensor로 브로드캐스팅됩니다.

텐서에 스칼라를 곱하는 것과 같은 브로드캐스트 작업을 수행할 때 브로드캐스팅된 텐서는 결코 구체화되지 않으므로 일반적으로 브로드캐스팅은 어느 정도 시간 또는 공간 이점을 제공합니다.

그러나 broadcast_to 에는 그러한 이점이 없습니다. 새로 생성된 텐서는 브로드캐스트된 모양의 전체 메모리를 사용합니다. (그래프 컨텍스트에서 broadcast_to 후속 작업에 융합된 다음 최적화될 수 있습니다.)

특성: AlwaysSpeculatableImplTrait , QuantizableResult

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

피연산자:

결과:

tfl.bucketize (TFL::BucketizeOp)

'경계'를 기준으로 '입력'을 버킷화합니다.

예:

입력이 boundaries = [0, 10, 100] 이고 input = [[-5, 10000][150, 10][5, 100]] 인 경우 출력은 output = [[0, 3][3, 2][1, 3]] 입니다. output = [[0, 3][3, 2][1, 3]] .

특성: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

속성:

피연산자:

결과:

tfl.call_once (TFL::CallOnceOp)

초기화 함수를 호출합니다.

이 작업은 tf 저장된 모델 방언의 세션 초기화 프로그램에 대해 지정된 초기화 함수를 호출합니다.

인터페이스: TflRuntimeVerifyOpInterface

속성:

tfl.cast (TFL::CastOp)

캐스트 연산자

입력 유형에서 출력 유형으로 입력을 변환합니다.

특성: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

피연산자:

결과:

tfl.ceil (TFL::CeilOp)

Ceil 운영자

입력의 요소별 최대값을 반환합니다.

특성: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

효과: MemoryEffects::Effect{}

피연산자:

결과:

tfl.complex_abs (TFL::ComplexAbsOp)

텐서의 복소 절대값을 계산합니다.

복소수의 텐서 x 주어지면 이 연산은 x 에 있는 각 요소의 절대값인 float 또는 double 유형의 텐서를 반환합니다. x 의 모든 요소는 다음 형식의 복소수여야 합니다. \(a + bj\). 절대값은 다음과 같이 계산됩니다. \( \sqrt{a^2 + b^2}\).

특성: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

피연산자:

결과:

tfl.concatenation (TFL::ConcatenationOp)

연결 연산자

한 차원을 따라 텐서를 연결합니다.

특성: AlwaysSpeculatableImplTrait , QuantizableResult

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

효과: MemoryEffects::Effect{}

속성:

피연산자:

결과:

tfl.control_node (TFL::ControlNodeOp)

TFL.control_node 작업은 제어 에지를 연결하기 위해 단일 블록 작업을 래핑합니다.

이는 영역을 래핑하고 해당 영역에 제어 종속성을 연결하는 데 사용됩니다. 일반적으로 이는 고정된 작업 순서(예: 재구체화)에 의존하는 최적화를 활성화하기 위해 플랫버퍼 모델을 내보내기 전 마지막 단계 중 하나에서 발생합니다. 플랫버퍼 내보내기는 래핑된 영역을 풀고 생성된 모델에 메타데이터로 주석을 추가합니다. 따라서 모든 런타임 재정렬은 제어 종속성에 의해 지정된 순서를 존중합니다.

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

피연산자:

결과:

tfl.conv_2d (TFL::Conv2DOp)

컨볼루션 연산자

입력에 대해 컨벌루션 작업을 수행합니다.

입력: inputs[0] : 필수: 입력 활성화 텐서 inputs[1] : 필수: 필터 가중치 텐서 inputs[2] : 선택 사항: 바이어스 텐서

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

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

효과: MemoryEffects::Effect{}

속성:

피연산자:

결과:

tfl.conv_3d (TFL::Conv3DOp)

컨볼루션 3D 연산자

3D 입력에 대해 컨벌루션 작업을 수행합니다. 입력: inputs[0] : 필수: 입력 활성화 텐서 inputs[1] : 필수: 필터 가중치 텐서 inputs[2] : 선택 사항: 바이어스 텐서

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

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

속성:

피연산자:

결과:

tfl.conv_3d_transpose (TFL::Conv3DTransposeOp)

전치된 컨볼루션 3D 연산자

3D 입력에 대해 전치된 컨벌루션 작업을 수행합니다. 입력: inputs[0] : 필수: 출력 텐서의 모양 inputs[1] : 필수: 필터 가중치 텐서 inputs[2] : 필수: 입력 활성화 텐서 inputs[3] : 선택 사항: 바이어스 텐서

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

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

속성:

피연산자:

결과:

tfl.cos (TFL::CosOp)

코사인 연산자

입력의 요소별 코사인을 계산합니다.

특성: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

효과: MemoryEffects::Effect{}

피연산자:

결과:

tfl.cumsum (TFL::CumsumOp)

누적 연산자

축을 따라 텐서 x의 누적 합계를 계산합니다.

특성: AlwaysSpeculatableImplTrait

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

속성:

피연산자:

결과:

tfl.custom (TFL::CustomOp)

맞춤 작전

모든 TFLite 사용자 정의 작업에 대한 일반 작업입니다.

입력: 원본 작업의 입력 목록입니다. custom_code: 이 작업이 정확히 무엇인지 식별하는 데 사용되는 문자열로, 플랫버퍼의 Operator_codes.custom_code에 해당합니다. custom_option: op 속성을 바이트 방식으로 저장하는 홀더입니다. 출력: 원본 작업의 출력 목록입니다.

인터페이스: TflRuntimeVerifyOpInterface

속성:

피연산자:

결과:

tfl.custom_tf (TFL::CustomTfOp)

TF 사용자 정의 작업을 위한 래퍼 작업입니다.

Custom TF 작업을 둘러싼 래퍼 작업입니다. 여기에는 custom_opdefs를 사용하여 정의된 작업이나 TF 언어로 정의되지 않은 링크가 포함됩니다. 이 작업은 지역 내에서 사용자 정의 작업을 래핑합니다. 참고 #1, 이 작업에는 CustomOp를 사용하여 정의된 TF Lite 맞춤 작업이 포함되지 않습니다. 참고 #2, 이 작업은 변환기 내부의 내부 표현일 뿐이며 모델을 Flatbuffer로 내보낼 때 노출/내보내지 않습니다.

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

인터페이스: InferTypeOpInterface , TflRuntimeVerifyOpInterface

피연산자:

결과:

tfl.densify (TFL::DensifyOp)

치밀화 연산자

희소 텐서를 밀집 형식으로 변환합니다.

특성: AlwaysSpeculatableImplTrait

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

피연산자:

결과:

tfl.depth_to_space (TFL::DepthToSpaceOp)

DepthToSpace 연산자

데이터를 깊이에서 공간 데이터 블록으로 재배열합니다. 이는 SpaceToDepth의 역변환입니다. 보다 구체적으로, 이 작업은 depth 차원의 값이 공간 블록에서 height 및 width 차원으로 이동되는 입력 텐서의 복사본을 출력합니다. block_size 속성은 입력 블록 크기와 데이터 이동 방법을 나타냅니다.

특성: AlwaysSpeculatableImplTrait , QuantizableResult

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

효과: MemoryEffects::Effect{}

속성:

피연산자:

결과:

tfl.depthwise_conv_2d (TFL::DepthwiseConv2DOp)

깊이 분리 가능한 컨벌루션 연산자

입력에 대해 컨벌루션 작업을 수행합니다.

입력: inputs[0] : 필수: 입력 활성화 텐서 inputs[1] : 필수: 필터 가중치 텐서 inputs[2] : 선택 사항: 바이어스 텐서

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

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

효과: MemoryEffects::Effect{}

속성:

피연산자:

결과:

tfl.dequantize (TFL::DeQuantizeOp)

역양자화 연산자

양자화 매개변수에 따라 양자화된 정수 배열을 부동 소수점으로 변환합니다.

인터페이스: NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

피연산자:

결과:

tfl.dilate (TFL::DilateOp)

팽창 연산자

기존 요소 사이에 새 요소를 추가하여 텐서를 확장합니다.

특성: AlwaysSpeculatableImplTrait

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

피연산자:

결과:

tfl.div (TFL::DivOp)

나눗셈 연산자

요소별 나누기 연산.

특성: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , ResultsBroadcastableShape

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

효과: MemoryEffects::Effect{}

속성:

피연산자:

결과:

tfl.dynamic_update_slice (TFL::DynamicUpdateSliceOp)

DynamicUpdateSlice.

XLA DynamicUpdateSlice와 동일한 의미를 갖는 DynamicUpdateSlice 작업입니다. start_indices에서 덮어쓴 슬라이스 업데이트를 사용하여 입력 배열 피연산자의 값인 결과를 생성합니다.

https://www.tensorflow.org/xla/Operation_semantics#dynamicupdateslice를 참조하세요.

특성: AlwaysSpeculatableImplTrait

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

피연산자:

결과:

tfl.elu (tfl :: eluop)

지수 선형 단위 연산자

지수 선형 F (x) -> exp (x) -1의 경우 1, x> = 0의 경우 x를 계산합니다.

특성 : AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

인터페이스 : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과 : MemoryEffects::Effect{}

피연산자 :

결과:

tfl.embedding_lookup (tfl :: EmbeddingLookupop)

삽입 조회 연산자

임베딩 텐서 목록에서 ID를 찾습니다.

특성 : AlwaysSpeculatableImplTrait , QuantizableResult

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

효과 : MemoryEffects::Effect{}

피연산자 :

결과:

tfl.equal (tfl :: equelop)

동등한 연산자

x == y 요소 별의 진실 요소를 반환합니다

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

인터페이스 : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과 : MemoryEffects::Effect{}

피연산자 :

결과:

tfl.exp (tfl :: Expop)

자연 지수 연산자

입력에 대한 요소 별 자연 지수 작업을 수행합니다.

특성 : AlwaysSpeculatableImplTrait , QuantizableResult

인터페이스 : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과 : MemoryEffects::Effect{}

피연산자 :

결과:

tfl.expand_dims (tfl :: expanddimsop)

1의 치수를 텐서 모양에 삽입합니다.

텐서 input 주어지면,이 작업은 input 모양의 치수 인덱스 axis 에서 1의 치수를 삽입합니다. 치수 인덱스 axis 0에서 시작합니다. axis 에 대한 음수를 지정하면 끝에서 뒤로 계산됩니다.

이 작업은 단일 요소에 배치 치수를 추가하려는 경우 유용합니다. 예를 들어, 모양 [height, width, channels] [1, height, width, channels] 단일 이미지가있는 경우 expand_dims(image, 0) 가있는 1 개의 이미지를 만들 수 있습니다. .

기타 예 :

# '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]

이 작업은 다음을 요구합니다.

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

이 작업은 squeeze() 와 관련하여 크기 1의 치수를 제거합니다.

특성 : AlwaysSpeculatableImplTrait , QuantizableResult

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

효과 : MemoryEffects::Effect{}

피연산자 :

결과:

tfl.external_const (tfl :: externalConstop)

외부 Const op.

외부 const op는 flatbuffer의 상수를 가리키는 buffer_index 보유합니다.

특성 : AlwaysSpeculatableImplTrait , QuantizableResult

인터페이스 : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과 : MemoryEffects::Effect{}

속성 :

결과:

tfl.fake_quant (tfl :: gaugalquantop)

가짜 연산자

플로트 스칼라 최소 및 최대 입력과 동일한 모양의 '출력'텐서를 통해 유형 플로트의 '입력'텐서를 가짜 정의하십시오.

특성 : AlwaysSpeculatableImplTrait , QuantizableResult

인터페이스 : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과 : MemoryEffects::Effect{}

속성 :

피연산자 :

결과:

tfl.fill (tfl :: fillop)

주어진 값으로 텐서를 채우십시오.

주어진 값으로 텐서를 채우십시오.

특성 : AlwaysSpeculatableImplTrait , QuantizableResult

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

효과 : MemoryEffects::Effect{}

피연산자 :

결과:

tfl.floor (tfl :: floorop)

바닥 운영자

입력의 요소 별 바닥 값을 반환합니다.

특성 : AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

효과 : MemoryEffects::Effect{}

피연산자 :

결과:

tfl.floor_div (tfl :: floordivop)

바닥 div 운영자

요소 별 플로어 디바리 작동.

특성 : ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait ImplTrait, ResultsBroadcastableShape

인터페이스 : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과 : MemoryEffects::Effect{}

피연산자 :

결과:

tfl.floor_mod (tfl :: floormodop)

디비전 알림

요소 별 부서 알림 작동.

특성 : ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait ImplTrait, ResultsBroadcastableShape

인터페이스 : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과 : MemoryEffects::Effect{}

피연산자 :

결과:

tfl.fully_connected (tfl :: FullyConnectop)

완전히 연결된 OP

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

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

효과 : MemoryEffects::Effect{}

속성 :

피연산자 :

결과:

tfl.gather (tfl :: Gatherop)

운영자를 모으십시오

indices 에 따라 params Axis axis 에서 슬라이스를 수집하십시오.

특성 : AlwaysSpeculatableImplTrait , QuantizableResult

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

효과 : MemoryEffects::Effect{}

속성 :

피연산자 :

결과:

tfl.gather_nd (tfl :: gatherndop)

_gather nd 운영자

indices 에 의해 지정된 모양이있는 params 변수에서 텐서로 슬라이스를 수집하십시오.

특성 : AlwaysSpeculatableImplTrait , QuantizableResult

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

효과 : MemoryEffects::Effect{}

피연산자 :

결과:

tfl.gelu (tfl :: geluop)

겔루 활성화 기능.

gelu 활성화 함수 요소 단위를 계산합니다.

특성 : AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

인터페이스 : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과 : MemoryEffects::Effect{}

속성 :

피연산자 :

결과:

tfl.greater (tfl :: Greaterop)

더 큰 운영자

요소 측면에서 더 큰 작동.

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

인터페이스 : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과 : MemoryEffects::Effect{}

피연산자 :

결과:

tfl.greater_equal (tfl :: Greaterequalop)

_greater 평등 연산자

요소 측면 GROGREE_EQUAL 작동.

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

인터페이스 : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과 : MemoryEffects::Effect{}

피연산자 :

결과:

tfl.hard_swish (tfl :: Hardswishop)

Hardswish 활성화 기능.

하드 스위스 활성화 함수 f (x)-> (x * relu6 (x+3))/6 요소 별을 계산합니다.

특성 : AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

인터페이스 : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과 : MemoryEffects::Effect{}

피연산자 :

결과:

tfl.hashtable (tfl :: hashtableop)

비 초기화 해시 테이블을 만듭니다.

이 OP는 키와 값의 유형을 지정하여 해시 테이블을 만듭니다. 테이블을 사용하기 전에 초기화해야합니다. 초기화 후 테이블은 불변이됩니다.

인터페이스 : TflRuntimeVerifyOpInterface

속성 :

결과:

tfl.hashtable_find (tfl :: hashtablefindop)

테이블에서 키를 찾아 해당 값을 출력합니다.

텐서 keys 는 테이블의 키와 같은 유형의 유형이어야합니다. 출력 values 은 테이블 값의 유형입니다.

Scalar default_value 는 테이블에없는 키의 값 출력입니다. 또한 테이블 값과 같은 유형이어야합니다.

인터페이스 : TflRuntimeVerifyOpInterface

피연산자 :

결과:

tfl.hashtable_import (tfl :: hashtableimportop)

표의 내용을 지정된 키 및 값으로 대체합니다.

텐서 keys 테이블 키와 같은 유형이어야합니다. 텐서 values 테이블 값의 유형이어야합니다.

인터페이스 : TflRuntimeVerifyOpInterface

피연산자 :

tfl.hashtable_size (tfl :: hashtablesizeop)

주어진 테이블의 요소 수를 계산합니다.

인터페이스 : TflRuntimeVerifyOpInterface

피연산자 :

결과:

tfl.if (tfl :: ifop)

if-then-else 작동

tfl.if 작업은 두 개의 코드 영역을 조건부로 실행하기위한 IF-then-ELSE 구성을 나타냅니다. IF 작업에 대한 피연산자는 부울 값입니다. 예를 들어:

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

tfl.if 이 지역에서 정의 된 결과를 반환 할 수도 있습니다. 정의 된 값은 어떤 실행 경로를 수행하는지에 따라 결정됩니다.

예:

%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 영역은 항상 "tfl.yield"로 종료됩니다. "tfl.if"가 값을 정의하지 않으면 "tfl.yield"를 남겨두고 암시 적으로 삽입됩니다. 그렇지 않으면 명시 적이어야합니다. 또한 "tfl."가 하나 이상의 값을 정의하면 'else'블록을 생략 할 수 없습니다.

예:

tfl.if %b  {
  ...
}

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

인터페이스 : RegionBranchOpInterface , TflRuntimeVerifyOpInterface

피연산자 :

결과:

tfl.imag (tfl :: imagop)

복소수의 가상 부분을 반환합니다.

복소수의 텐서 input 주어지면이 작업은 input 에서 각 요소의 가상 부분 인 유형 float 의 텐서를 반환합니다. input 의 모든 요소는 양식의 복소수 여야합니다. \(a + bj\), 여기서 A 는 실제 부분이고 B 는이 작업에 의해 반환 된 상상의 부분입니다.

특성 : AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

인터페이스 : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과 : MemoryEffects::Effect{}

피연산자 :

결과:

tfl.l2_normalization (tfl :: l2normalizeop)

L2 연산자 정규화

L2normalization op

특성 : AlwaysSpeculatableImplTrait , QuantizableResult

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

효과 : MemoryEffects::Effect{}

속성 :

피연산자 :

결과:

tfl.leaky_relu (tfl :: Leakyreluop)

누출 된 Relu 연산자

요소가있는 유출 된 Relu 연산자 x-> x> = 0? X : (alpha * x)

특성 : AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

인터페이스 : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과 : MemoryEffects::Effect{}

속성 :

피연산자 :

결과:

tfl.less (tfl :: lessop)

더 적은 운영자

요소가 적은 작업.

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

인터페이스 : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과 : MemoryEffects::Effect{}

피연산자 :

결과:

tfl.less_equal (tfl :: Lessequalop)

_없는 동일한 연산자

요소 측면 덜 _artal 작업.

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

인터페이스 : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과 : MemoryEffects::Effect{}

피연산자 :

결과:

tfl.local_response_normalization (tfl :: localResponsenormalization)

로컬 응답 정규화.

4-D input 텐서는 1 차원의 3 차원 배열 (마지막 치수를 따라)으로 처리되며 각 벡터는 독립적으로 정규화됩니다. 주어진 벡터 내에서, 각 구성 요소는 depth_radius 내에서 가중치의 제곱 합의로 나뉩니다. 상세히,

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

자세한 내용은 Krizhevsky et al., Deep Convolutional Neural Networks를 통한 Imagenet 분류를 참조하십시오 (NIPS 2012) .

특성 : AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

효과 : MemoryEffects::Effect{}

속성 :

피연산자 :

결과:

tfl.log (tfl :: 로그)

자연 로그 연산자

입력시 요소 별 자연 로그 조작을 수행합니다.

특성 : AlwaysSpeculatableImplTrait , QuantizableResult

인터페이스 : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과 : MemoryEffects::Effect{}

피연산자 :

결과:

tfl.log_softmax (tfl :: logsoftmaxop)

SoftMax 연산자 로그

다음 공식으로 요소 별 로그 SoftMax 활성화를 계산합니다

입력 - log (reting_sum (exp (입력), dim))

특성 : AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

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

효과 : MemoryEffects::Effect{}

피연산자 :

결과:

tfl.logical_and (tfl :: logicalandop)

논리 및 운영자

요소 별 논리 및 작동.

특성 : AlwaysSpeculatableImplTrait , ResultsBroadcastableShape

인터페이스 : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과 : MemoryEffects::Effect{}

피연산자 :

결과:

tfl.logical_not (tfl :: logicalnotop)

논리가 아닌 연산자

요소 별 논리적 작동이 아닙니다.

특성 : AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

인터페이스 : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과 : MemoryEffects::Effect{}

피연산자 :

결과:

tfl.logical_or (tfl :: logicalorop)

논리 또는 연산자

요소 별 논리 또는 작동.

특성 : AlwaysSpeculatableImplTrait , ResultsBroadcastableShape

인터페이스 : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과 : MemoryEffects::Effect{}

피연산자 :

결과:

tfl.logistic (tfl :: logisticop)

물류 연산자

입력의 요소 별 sigmoid를 계산합니다

특성 : AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

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

효과 : MemoryEffects::Effect{}

피연산자 :

결과:

tfl.lstm (tfl :: lstmop)

전체 LSTM 연산자

긴 단기 메모리 유닛 (LSTM) 반복 네트워크 계층. 기본 비 가구 구현은 다음 과 같습니다. '긴 단기 메모리'. 신경 계산, 9 (8) : 1735-1780, 1997. Peephole 구현은 다음 과 같습니다. '대규모 음향 모델링을위한 긴 단기 메모리 재발 신경 네트워크 아키텍처.' Interspeech, 2014. 입력 및 잊어 버린 게이트 (CIFG)의 커플 링은 http://arxiv.org/pdf/1503.04069.pdf Greff et al. 'LSTM : 검색 공간 오디세이'레이어 정규화는 https://arxiv.org/pdf/1607.06450.pdf Ba et al. '레이어 정규화'

특성 : QuantizableResult

인터페이스 : DynamicRangeQuantizedOpInterface , TFL_StatefulOp , TflRuntimeVerifyOpInterface

속성 :

피연산자 :

결과:

tfl.matrix_diag (tfl :: matrixdiagop)

제공된 대각선과 0으로 패딩 된 모든 것을 사용하여 텐서를 반환합니다.

대각선이 주어지면 대각선과 다른 모든 것을 0으로 묶는 텐서를 반환합니다. Diagonal이 k 치수 [I, J, K, ..., N] 가지고 있다고 가정하면 출력은 치수 [I, J, K, ..., N, N] with where : output[i, j, k, ..., m, n] = 1{m=n} * diagonal[i, j, k, ..., n]. 순위 k+1 의 텐서입니다. output[i, j, k, ..., m, n] = 1{m=n} * diagonal[i, j, k, ..., n].

특성 : AlwaysSpeculatableImplTrait , QuantizableResult

인터페이스 : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과 : MemoryEffects::Effect{}

피연산자 :

결과:

tfl.matrix_set_diag (tfl :: matrixsetdiagop)

새로운 배치 대각선 값으로 배치 된 행렬 텐서를 반환합니다.

input 및 diagonal 주어지면,이 작업은 가장 안쪽 행렬의 주요 대각선을 제외하고 input 과 동일한 모양과 값의 텐서를 반환합니다. 이들은 diagonal 의 값에 의해 덮어 쓸 것입니다.

특성 : AlwaysSpeculatableImplTrait , QuantizableResult

인터페이스 : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과 : MemoryEffects::Effect{}

피연산자 :

결과:

tfl.max_pool_2d (tfl :: maxpool2dop)

Max Pool 2d Op

입력에서 Max Pool 2D를 수행합니다.

입력 : inputs[0] : 필수 : ​​입력 텐서

특성 : AlwaysSpeculatableImplTrait , QuantizableResult

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

효과 : MemoryEffects::Effect{}

속성 :

피연산자 :

결과:

tfl.maximum (tfl :: maximumop)

최대 연산자

요소 별 최대 조작.

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

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

효과 : MemoryEffects::Effect{}

피연산자 :

결과:

tfl.mean (tfl :: meanop)

평균 운영자

텐서의 치수에 걸쳐 요소의 평균을 계산합니다. 축에 주어진 치수를 따라 입력 _tensor를 줄입니다. KeepDims가 사실이 아니라면 텐서의 순위는 축의 각 항목에 대해 1 씩 감소합니다. KeepDims가 참이면 감소 된 치수는 길이 1으로 유지됩니다.

특성 : AlwaysSpeculatableImplTrait , QuantizableResult

인터페이스 : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과 : MemoryEffects::Effect{}

속성 :

피연산자 :

결과:

tfl.minimum (tfl :: minimumop)

민 연산자

요소 별 최소 작업.

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

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

효과 : MemoryEffects::Effect{}

피연산자 :

결과:

tfl.mirror_pad (tfl :: mirrorpadop)

mirrorpad 연산자. 거울 값으로 텐서를 패드합니다.

이 작업은 지정한 패딩에 따라 미러 값의 입력을 패드합니다. 패딩은 모양 [n, 2]의 정수 텐서이며, 여기서 n은 입력 순위입니다. 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:

결과:

tfl.mul (TFL::MulOp)

Multiplication operator

Element-wise multiplication operation.

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

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

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

결과:

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:

결과:

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:

결과:

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:

결과:

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:

결과:

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:

결과:

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:

결과:

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:

결과:

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:

결과:

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) . 등.

예를 들어:

# '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:

결과:

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)

예를 들어:

# '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:

결과:

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)

예를 들어:

# '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:

결과:

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:

결과:

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:

결과:

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:

결과:

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:

결과:

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:

결과:

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:

결과:

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:

결과:

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:

결과:

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:

결과:

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:

결과:

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:

결과:

tfl.rank (TFL::RankOp)

Rank operator.

Returns the rank of a tensor.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

결과:

tfl.read_variable (TFL::ReadVariableOp)

Reads variable value.

Read variable data identified by 'resource_id'.

Interfaces: TflRuntimeVerifyOpInterface

Operands:

결과:

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:

결과:

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:

결과:

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:

결과:

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:

결과:

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:

결과:

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:

결과:

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:

결과:

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:

결과:

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:

결과:

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:

결과:

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:

결과:

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:

결과:

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:

결과:

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:

결과:

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:

결과:

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 자귀.

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:

결과:

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:

결과:

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:

결과:

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:

결과:

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:

결과:

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:

결과:

tfl.select (TFL::SelectOp)

연산자 선택

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:

결과:

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:

결과:

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:

결과:

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:

결과:

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:

결과:

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:

결과:

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:

결과:

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:

결과:

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:

결과:

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:

결과:

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:

결과:

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:

결과:

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:

결과:

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:

결과:

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:

결과:

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 .

예를 들어:

# '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:

결과:

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:

결과:

tfl.sub (TFL::SubOp)

Subtraction operator

Element-wise subtraction operation.

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

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

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

결과:

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:

결과:

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:

결과:

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:

결과:

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:

결과:

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:

결과:

tfl.transpose (TFL::TransposeOp)

Transpose operator

Returns the Transpose of x

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

결과:

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: