'mhlo' উপভাষা

অপারেশনস

mhlo.abs (mhlo::AbsOp)

পেটের অপারেশন

বাক্য গঠন:

operation ::= `mhlo.abs` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

operand টেনসরের উপর এলিমেন্ট-ভিত্তিক অ্যাবস অপারেশন সম্পাদন করে এবং একটি result টেনসর তৈরি করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#abs

উদাহরণ:

%result = mhlo.abs %operand : tensor<3xi32>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , Elementwise , SameOperandsAndResultShape

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

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

mhlo.acos (mhlo::AcosOp)

অ্যাকোস অপারেশন

বাক্য গঠন:

operation ::= `mhlo.acos` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

operand টেনসরের উপর উপাদান-ভিত্তিক অ্যাকোস অপারেশন সম্পাদন করে এবং একটি result টেনসর তৈরি করে।

উদাহরণ:

%result = mhlo.acos %operand : tensor<2x2xf32>

বৈশিষ্ট্য: CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

ইন্টারফেস: InferShapedTypeOpInterface , InferTypeOpInterface

অপারেন্ডস:

ফলাফল:

mhlo.acosh (mhlo::AcoshOp)

অ্যাকোশ অপারেশন

বাক্য গঠন:

operation ::= `mhlo.acosh` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

operand টেনসরের উপর এলিমেন্ট-ভিত্তিক অ্যাকোশ অপারেশন সম্পাদন করে এবং একটি result টেনসর তৈরি করে।

উদাহরণ:

%result = mhlo.acosh %operand : tensor<2x2xf32>

বৈশিষ্ট্য: CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

ইন্টারফেস: InferShapedTypeOpInterface , InferTypeOpInterface

অপারেন্ডস:

ফলাফল:

mhlo.add (mhlo::AddOp)

অপারেশন যোগ করুন

বাক্য গঠন:

operation ::= `mhlo.add` $lhs `,` $rhs attr-dict
              `:` custom<SameOperandsAndResultType>(type($lhs), type($rhs), type($result))

দুটি টেনসর lhs এবং rhs এর উপাদান-ভিত্তিক যোগ সম্পাদন করে এবং একটি result টেনসর তৈরি করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#add

উদাহরণ:

%result = mhlo.add %lhs, %rhs : tensor<2x2xi32>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait অনুমানযোগ্যইমপ্লট্রেট, Commutative , CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

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

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

mhlo.add_dependency (mhlo::AddDependencyOp)

অ্যাডডিপেন্ডেন্সি অপারেশন

বাক্য গঠন:

operation ::= `mhlo.add_dependency` operands attr-dict `:` functional-type(operands, results)

এই অপারেশনটি XLA কম্পাইলারের ব্যক্তিগত, তাই এর এখনও কোনও স্পেসিফিকেশন নেই।

অনানুষ্ঠানিকভাবে, এই অপারেশনের দুটি অপারেন্ড রয়েছে: একটি ডেটা অপারেন্ড এবং একটি টোকেন। অপারেশনের আউটপুট হল ডেটা অপারেন্ড। AfterAll এর সাথে ব্যবহার করা হলে এই অপারেশনটি পার্শ্ব-প্রতিক্রিয়াহীন অপারেশনগুলিকে (যেগুলি টোকেন মান তৈরি করে না) অর্ডার করতে সক্ষম করে।

উদাহরণ:

%1 = mhlo.add_dependency %arg0, %0 : (tensor<3x4xf32>, !mhlo.token) -> tensor<3x4xf32>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait

ইন্টারফেস: ConditionallySpeculatable , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

mhlo.after_all (mhlo::AfterAllOp)

আফটারঅল অপারেশন

বাক্য গঠন:

operation ::= `mhlo.after_all` $inputs attr-dict
              `:` custom<VariadicSameOperandsAndResultType>(ref($inputs), type($inputs), type($result))

result উপর নির্ভরশীল যেকোনো ক্রিয়াকলাপের আগে inputs তৈরির ক্রিয়াকলাপগুলি কার্যকর করা হয়েছে তা নিশ্চিত করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#after_all

উদাহরণ:

%result = mhlo.after_all %input0, %input1 : !mhlo.token

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait

ইন্টারফেস: ConditionallySpeculatable , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

mhlo.all_gather (mhlo::AllGatherOp)

অলগ্যাদার অপারেশন

প্রসেস গ্রিডের প্রতিটি প্রসেস গ্রুপের মধ্যে, all_gather_dim বরাবর প্রতিটি প্রসেস থেকে অপারেন্ড টেনসরের মানগুলিকে একত্রিত করে এবং একটি ফলাফল টেনসর তৈরি করে। operands প্রতিটি অপারেন্ডের জন্য computation আলাদাভাবে প্রয়োগ করা হয়, যা প্রতি অপারেন্ডে একটি ফলাফল তৈরি করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#all_gather

উদাহরণ:

%result = "mhlo.all_gather"(%operand) {
  all_gather_dim = 1 : i64,
  replica_groups = dense<[[0, 1]]> : tensor<1x2xi64>
  // channel_id = 0
  channel_handle = #mhlo.channel_handle<handle = 0, type = 0>,
  // use_global_device_ids = false
} : (tensor<2x2xf32>) -> tensor<2x4xf32>

বৈশিষ্ট্য: SameOperandsAndResultElementType

বৈশিষ্ট্য:

অপারেন্ডস:

ফলাফল:

mhlo.all_reduce (mhlo::AllReduceOp)

অলরিডিউস অপারেশন

প্রসেস গ্রিডের প্রতিটি প্রসেস গ্রুপের মধ্যে, প্রতিটি প্রসেস থেকে একটি অপারেন্ড টেনসরের মানের উপর একটি রিডাকশন ফাংশন computation প্রয়োগ করে এবং একটি ফলাফল টেনসর তৈরি করে। operands প্রতিটি অপারেন্ডের জন্য computation আলাদাভাবে প্রয়োগ করা হয়, যা প্রতি অপারেন্ডে একটি ফলাফল তৈরি করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#all_reduce

উদাহরণ:

%result = "mhlo.all_reduce"(%operand) ({
  ^bb0(%arg0: tensor<f32>, %arg1: tensor<f32>):
    %0 = mhlo.add %arg1, %arg2 : tensor<f32>
    mhlo.return %0 : tensor<f32>
}) {
  replica_groups = dense<[[0, 1]]> : tensor<1x2xi64>
  // channel_id = 0
  channel_handle = #mhlo.channel_handle<handle = 0, type = 0>
  // use_global_device_ids = false
} : (tensor<4xf32>) -> tensor<4xf32>

বৈশিষ্ট্য: InferTensorType , SingleBlockImplicitTerminator<ReturnOp> , SingleBlock

ইন্টারফেস: InferShapedTypeOpInterface , InferTypeOpInterface

বৈশিষ্ট্য:

অপারেন্ডস:

ফলাফল:

mhlo.all_to_all (mhlo::AllToAllOp)

AllToAll অপারেশন

প্রসেস গ্রিডের প্রতিটি প্রসেস গ্রুপের মধ্যে, split_dimension বরাবর operand টেনসরের মানগুলিকে অংশে বিভক্ত করে, প্রসেসগুলির মধ্যে বিভক্ত অংশগুলিকে ছড়িয়ে দেয়, concat_dimension বরাবর বিক্ষিপ্ত অংশগুলিকে সংযুক্ত করে এবং একটি result টেনসর তৈরি করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#all_to_all

উদাহরণ:

%result = "mhlo.all_to_all"(%operand) {
  split_dimension = 1 : i64,
  concat_dimension = 0 : i64,
  split_count = 2 : i64,
  replica_groups = dense<[[0, 1]]> : tensor<1x2xi64>
} : (tensor<2x4xf32>) -> tensor<4x2xf32>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , InferTensorType , SameOperandsElementType , SameOperandsShape , SameVariadicOperandSize

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

প্রভাব: MemoryEffects::Effect{}

বৈশিষ্ট্য:

অপারেন্ডস:

ফলাফল:

mhlo.and (mhlo::AndOp)

এবং অপারেশন

বাক্য গঠন:

operation ::= `mhlo.and` $lhs `,` $rhs attr-dict
              `:` custom<SameOperandsAndResultType>(type($lhs), type($rhs), type($result))

দুটি টেনসর lhs এবং rhs এর উপাদান-ভিত্তিক AND সম্পাদন করে এবং একটি result টেনসর তৈরি করে

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#and

উদাহরণ:

%result = mhlo.and %lhs, %rhs : tensor<2x2xi32>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait অনুমানযোগ্যইমপ্লট্রেট, Commutative , CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

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

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

mhlo.asin (mhlo::AsinOp)

আসিন অপারেশন

বাক্য গঠন:

operation ::= `mhlo.asin` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

operand টেনসরের উপর উপাদান-ভিত্তিক অ্যাসিন অপারেশন সম্পাদন করে এবং একটি result টেনসর তৈরি করে।

উদাহরণ:

%result = mhlo.asin %operand : tensor<2x2xf32>

বৈশিষ্ট্য: CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

ইন্টারফেস: InferShapedTypeOpInterface , InferTypeOpInterface

অপারেন্ডস:

ফলাফল:

mhlo.asinh (mhlo::AsinhOp)

আসিন অপারেশন

বাক্য গঠন:

operation ::= `mhlo.asinh` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

operand টেনসরের উপর উপাদান-ভিত্তিক asinh অপারেশন সম্পাদন করে এবং একটি result টেনসর তৈরি করে।

উদাহরণ:

%result = mhlo.asinh %operand : tensor<2x2xf32>

বৈশিষ্ট্য: CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

ইন্টারফেস: InferShapedTypeOpInterface , InferTypeOpInterface

অপারেন্ডস:

ফলাফল:

mhlo.async_done (mhlo::AsyncDoneOp)

অ্যাসিঙ্কডোন অপারেশন

এই অপারেশনটি XLA কম্পাইলারের ব্যক্তিগত, তাই এর এখনও কোনও স্পেসিফিকেশন নেই।

অনানুষ্ঠানিকভাবে, এই অপারেশনটি একটি অ্যাসিঙ্ক্রোনাস গণনার শেষ না হওয়া পর্যন্ত ব্লক করে। এটি অ্যাসিঙ্ক্রোনাস গণনার চূড়ান্ত ফলাফল প্রদান করে।

আরও তথ্যের জন্য AsyncStart এর ডকুমেন্টেশন দেখুন।

ইন্টারফেস: InferTypeOpInterface

অপারেন্ডস:

ফলাফল:

mhlo.async_start (mhlo::AsyncStartOp)

অ্যাসিঙ্কস্টার্ট অপারেশন

এই অপারেশনটি XLA কম্পাইলারের ব্যক্তিগত, তাই এর এখনও কোনও স্পেসিফিকেশন নেই।

অনানুষ্ঠানিকভাবে, এই অপারেশনটি একটি অ্যাসিঙ্ক্রোনাস গণনা শুরু করে।

এটি তখন ব্যবহার করা হয় যখন এমন ফাংশন থাকে যেখানে অ্যাসিঙ্ক্রোনাস ওয়েট (যেমন DMA) এবং অন-থ্রেড কম্পিউটেশন উভয়ই থাকে। উদাহরণস্বরূপ, একটি ফাংশনে একটি কম্পিউটেশন, একটি DMA, আরেকটি কম্পিউটেশন, একটি দ্বিতীয় DMA এবং একটি চূড়ান্ত কম্পিউটেশন থাকতে পারে। এটি একটি async_start হিসাবে উপস্থাপন করা হবে, তারপরে async_update এবং একটি async_done। async_start প্রথম কম্পিউটেশনটি অন-থ্রেড করবে এবং তারপর DMA শুরু করবে। যদি এটি এখনও সম্পন্ন না হয় তবে async_update DMA সম্পূর্ণ হওয়ার জন্য অপেক্ষা করবে, তারপর ফাংশনে দ্বিতীয় কম্পিউটেশনটি কার্যকর করবে এবং দ্বিতীয় DMA শুরু করবে। অবশেষে, async_done এই শেষ DMA-তে অপেক্ষা করবে, এবং তারপরে শেষ কম্পিউটেশনটি চালাবে যা অন-থ্রেড চালানোর প্রয়োজন এবং সেই চূড়ান্ত কম্পিউটেশনের ফলাফল ফেরত দেবে।

operands সরাসরি গণনায় প্রেরণ করা হয়।_ called_computation হল একটি ফাংশন যা অ্যাসিঙ্ক্রোনাসভাবে চালানো হবে। execution_thread হল সেই থ্রেডের নাম যেখানে এটি চালানো হবে। প্রধান থ্রেডকে "main" বলা হয়। সমস্ত থ্রেডের নাম রয়েছে।

এটি অ্যাসিঙ্ক অপশনের মধ্যে প্রয়োজনীয় সমস্ত অবস্থা ফেরত দেয়। বাফার অ্যাসাইনমেন্টের পরে, রিটার্ন মানগুলি ইনপুট, ফলাফল এবং অ্যাসিঙ্ক অপশন দ্বারা প্রয়োজনীয় বা সম্পাদিত যেকোনো স্ক্র্যাচপ্যাড ধরে রাখার জন্য প্রয়োজনীয় স্থান প্রতিনিধিত্ব করে।

বৈশিষ্ট্য:

অপারেন্ডস:

ফলাফল:

mhlo.async_update (mhlo::AsyncUpdateOp)

অ্যাসিঙ্কআপডেট অপারেশন

এই অপারেশনটি XLA কম্পাইলারের ব্যক্তিগত, তাই এর এখনও কোনও স্পেসিফিকেশন নেই।

অনানুষ্ঠানিকভাবে, এই অপারেশনটি একটি অ্যাসিঙ্ক্রোনাস কম্পিউটেশনে একটি সিঙ্ক ব্যারিয়ার না হওয়া পর্যন্ত ব্লক করে। এটি অপারেটিং করার পরে bundle ফেরত দেয়।

আরও তথ্যের জন্য AsyncStart এর ডকুমেন্টেশন দেখুন।

ইন্টারফেস: InferTypeOpInterface

অপারেন্ডস:

ফলাফল:

mhlo.atan2 (mhlo::Atan2Op)

Atan2 অপারেশন

বাক্য গঠন:

operation ::= `mhlo.atan2` $lhs `,` $rhs attr-dict
              `:` custom<SameOperandsAndResultType>(type($lhs), type($rhs), type($result))

lhs এবং rhs টেনসরের উপর উপাদান-ভিত্তিক atan2 অপারেশন সম্পাদন করে এবং একটি result টেনসর তৈরি করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#atan2

উদাহরণ:

%result = mhlo.atan2 %lhs, %rhs : tensor<3xf32>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

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

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

mhlo.atanh (mhlo::AtanhOp)

আতান অপারেশন

বাক্য গঠন:

operation ::= `mhlo.atanh` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

operand টেনসরের উপর উপাদান-ভিত্তিক atanh অপারেশন সম্পাদন করে এবং একটি result টেনসর তৈরি করে।

উদাহরণ:

%result = mhlo.atanh %operand : tensor<2x2xf32>

বৈশিষ্ট্য: CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

ইন্টারফেস: InferShapedTypeOpInterface , InferTypeOpInterface

অপারেন্ডস:

ফলাফল:

mhlo.batch_norm_grad (mhlo::BatchNormGradOp)

ব্যাচনর্মগ্র্যাড অপারেশন

grad_output থেকে ব্যাকপ্রোপাগেটিং করা BatchNormTrainingOp এর বেশ কয়েকটি ইনপুটের গ্রেডিয়েন্ট গণনা করে এবং grad_operand , grad_scale এবং grad_offset টেনসর তৈরি করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#batch_norm_grad

উদাহরণ:

%grad_operand, %grad_scale, %grad_offset =
"mhlo.batch_norm_grad"(%operand, %scale, %mean, %variance, %grad_output) {
  epsilon = 0.0 : f32,
  feature_index = 2 : i64
} : (tensor<2x2x2xf32>, tensor<2xf32>, tensor<2xf32>, tensor<2xf32>,
    tensor<2x2x2xf32>) -> (tensor<2x2x2xf32>, tensor<2xf32>, tensor<2xf32>)

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , InferTensorType

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

প্রভাব: MemoryEffects::Effect{}

বৈশিষ্ট্য:

অপারেন্ডস:

ফলাফল:

mhlo.batch_norm_inference (mhlo::BatchNormInferenceOp)

ব্যাচনর্মইনফারেন্স অপারেশন

feature_index মাত্রা ব্যতীত সকল মাত্রায় operand টেনসরকে স্বাভাবিক করে এবং একটি result টেনসর তৈরি করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#batch_norm_inference

উদাহরণ:

%result = "mhlo.batch_norm_inference"(%operand, %scale, %offset, %mean, %variance) {
  epsilon = 0.0 : f32,
  feature_index = 2 : i64
} : (tensor<2x2x2xf32>, tensor<2xf32>, tensor<2xf32>, tensor<2xf32>, tensor<2xf32>) -> tensor<2x2x2xf32>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , InferTensorType

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

প্রভাব: MemoryEffects::Effect{}

বৈশিষ্ট্য:

অপারেন্ডস:

ফলাফল:

mhlo.batch_norm_training (mhlo::BatchNormTrainingOp)

ব্যাচনর্মপ্রশিক্ষণ কার্যক্রম

ব্যাচ এবং স্থানিক মাত্রা জুড়ে গড় এবং ভ্যারিয়েন্স গণনা করে এবং feature_index মাত্রার প্রতিটি বৈশিষ্ট্যের জন্য operand টেনসরকে স্বাভাবিক করে এবং output , batch_mean এবং batch_var টেনসর তৈরি করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#batch_norm_training

উদাহরণ:

%output, %batch_mean, %batch_var = "mhlo.batch_norm_training"(%operand, %scale, %offset) {
  epsilon = 0.0 : f32,
  feature_index = 2 : i64
} : (tensor<2x2x2xf32>, tensor<2xf32>, tensor<2xf32>) -> (tensor<2x2x2xf32>, tensor<2xf32>, tensor<2xf32>)

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , InferTensorType

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

প্রভাব: MemoryEffects::Effect{}

বৈশিষ্ট্য:

অপারেন্ডস:

ফলাফল:

mhlo.bitcast (mhlo::BitcastOp)

বিটকাস্ট অপারেশন

বাক্য গঠন:

operation ::= `mhlo.bitcast` operands attr-dict `:` functional-type(operands, results)

এই অপারেশনটি XLA কম্পাইলারের ব্যক্তিগত, তাই এর এখনও কোনও স্পেসিফিকেশন নেই।

অনানুষ্ঠানিকভাবে, এই অপারেশনটি ইনপুটের আকৃতি পরিবর্তন করে যেভাবে উপাদানগুলির ভৌত বিন্যাস অপরিবর্তিত থাকে।

"উপাদানের ভৌত বিন্যাস" বোঝার জন্য এই অপারেশনের জন্য লেআউট তথ্যের প্রয়োজন, এবং MHLO-তে লেআউট সহায়তা বর্তমানে চলছে।

উদাহরণ:

%0 = mhlo.bitcast %arg0 : (tensor<3x4xf32>) -> tensor<3x4x1xf32>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait

ইন্টারফেস: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

mhlo.bitcast_convert (mhlo::BitcastConvertOp)

বিটকাস্টকনভার্ট অপারেশন

বাক্য গঠন:

operation ::= `mhlo.bitcast_convert` operands attr-dict `:` functional-type(operands, results)

operand টেনসরের উপর একটি বিটকাস্ট অপারেশন সম্পাদন করে এবং একটি result টেনসর তৈরি করে যেখানে সম্পূর্ণ operand টেনসরের বিটগুলিকে result টেনসরের ধরণ ব্যবহার করে পুনরায় ব্যাখ্যা করা হয়।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#bitcast_convert

উদাহরণ:

%result = mhlo.bitcast_convert %operand : (tensor<2xf32>) -> tensor<2x4xi8>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait

ইন্টারফেস: ConditionallySpeculatable , InferShapedTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

mhlo.broadcast (mhlo::BroadcastOp)

সম্প্রচার কার্যক্রম

এই অপারেশনটি StableHLO থেকে বেরিয়ে আসার পথে, তাই এটি স্পেসিফিকেশনে অন্তর্ভুক্ত নয়: https://github.com/openxla/stablehlo/issues/3

অনানুষ্ঠানিকভাবে, এই অপারেশনটি XLA এর সম্প্রচারের মতোই কাজ করে: https://www.tensorflow.org/xla/operation_semantics#broadcast

উদাহরণ:

%result = mhlo.broadcast %operand, sizes = [1, 2] : (tensor<3xi32>) -> tensor<1x2x3xi32>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , InferTensorType , SameOperandsAndResultElementType

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

প্রভাব: MemoryEffects::Effect{}

বৈশিষ্ট্য:

অপারেন্ডস:

ফলাফল:

mhlo.broadcast_in_dim (mhlo::BroadcastInDimOp)

ব্রডকাস্টইনডিম অপারেশন

operand টেনসরের ডেটা ডুপ্লিকেট করে একটি ইনপুট টেনসরের মাত্রা এবং/অথবা র‍্যাঙ্ক প্রসারিত করে এবং একটি result টেনসর তৈরি করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#broadcast_in_dim

উদাহরণ:

%result = mhlo.broadcast_in_dim %operand, dims = [2, 1] : (tensor<1x3xi32>) -> tensor<2x3x2xi32>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , HLO_CompatibleOperandsAndResultElementType

ইন্টারফেস: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

বৈশিষ্ট্য:

অপারেন্ডস:

ফলাফল:

mhlo.case (mhlo::CaseOp)

কেস অপারেশন

index মানের উপর নির্ভর করে branches থেকে ঠিক একটি function সম্পাদন করে আউটপুট তৈরি করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#case

উদাহরণ:

%result0, %result1 = "mhlo.case"(%index) ({
  mhlo.return %result_branch0, %result_branch0 : tensor<2xi64>, tensor<2xi64>
}, {
  mhlo.return %result_branch1, %result_branch1 : tensor<2xi64>, tensor<2xi64>
}) : (tensor<i32>) -> (tensor<2xi64>, tensor<2xi64>)

বৈশিষ্ট্য: RecursiveMemoryEffects , SingleBlockImplicitTerminator<ReturnOp> , SingleBlock

ইন্টারফেস: InferTypeOpInterface

অপারেন্ডস:

ফলাফল:

mhlo.cbrt (mhlo::CbrtOp)

সিবিআরটি অপারেশন

বাক্য গঠন:

operation ::= `mhlo.cbrt` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

operand টেনসরের উপর উপাদান-ভিত্তিক ঘনমূল অপারেশন সম্পাদন করে এবং একটি result টেনসর তৈরি করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#cbrt

উদাহরণ:

%result = mhlo.cbrt %operand : tensor<4xf32>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

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

প্রভাব: MemoryEffects::Effect{}

বৈশিষ্ট্য:

অপারেন্ডস:

ফলাফল:

mhlo.ceil (mhlo::CeilOp)

সিল অপারেশন

বাক্য গঠন:

operation ::= `mhlo.ceil` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

operand টেনসরের উপাদান-ভিত্তিক সিল সম্পাদন করে এবং একটি result টেনসর তৈরি করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#ceil

উদাহরণ:

%result = mhlo.ceil %operand : tensor<5xf32>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

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

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

mhlo.cholesky (mhlo::CholeskyOp)

চোলেস্কি অপারেশন

ম্যাট্রিক্সের একটি ব্যাচের চোলেস্কি পচন গণনা করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#cholesky

উদাহরণ:

%result = mhlo.cholesky %a, lower = true : tensor<3x3xf32>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , InferTensorType , SameOperandsAndResultElementType

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

প্রভাব: MemoryEffects::Effect{}

বৈশিষ্ট্য:

অপারেন্ডস:

ফলাফল:

mhlo.clamp (mhlo::ClampOp)

ক্ল্যাম্প অপারেশন

বাক্য গঠন:

operation ::= `mhlo.clamp` $min `,` $operand `,` $max attr-dict
              `:` custom<SameOperandsAndResultType>(type($min), type($operand), type($max), type($result))

operand টেনসরের প্রতিটি উপাদানকে সর্বনিম্ন এবং সর্বোচ্চ মানের মধ্যে আটকে রাখে এবং একটি result টেনসর তৈরি করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#clamp

উদাহরণ:

%result = mhlo.clamp %min, %operand, %max : tensor<3xi32>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , HLO_BroadcastingElementwise , InferTensorType , SameOperandsAndResultElementType

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

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

ফলাফল:

mhlo.collective_broadcast (mhlo::CollectiveBroadcastOp)

কালেক্টিভ ব্রডকাস্ট অপারেশন

প্রসেস গ্রিডের প্রতিটি প্রসেস গ্রুপের মধ্যে, সোর্স প্রসেস থেকে operand টেনসরের মান টার্গেট প্রসেসগুলিতে পাঠান এবং একটি result টেনসর তৈরি করুন।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#collective_broadcast

উদাহরণ:

%result = "mhlo.collective_broadcast"(%operand) {
  replica_groups = dense<[[0, 1]]> : tensor<1x2xi64>,
  channel_handle = #mhlo.channel_handle<handle = 0, type = 0>
} : (tensor<1x2xi64>) -> tensor<1x2xi64>

বৈশিষ্ট্য: CompatibleOperandsAndResultType

ইন্টারফেস: InferShapedTypeOpInterface , InferTypeOpInterface

বৈশিষ্ট্য:

অপারেন্ডস:

ফলাফল:

mhlo.collective_permute (mhlo::CollectivePermuteOp)

কালেকটিভপারমিউট অপারেশন

প্রসেস গ্রিডের প্রতিটি প্রসেস গ্রুপের মধ্যে, সোর্স প্রসেস থেকে operand টেনসরের মান টার্গেট প্রসেসে পাঠায় এবং একটি result টেনসর তৈরি করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#collective_permute

উদাহরণ:

%result = "mhlo.collective_permute"(%operand) {
  source_target_pairs = dense<[[0, 1], [1, 2]]> : tensor<2x2xi64>,
  // channel_id = 0
  channel_handle = #mhlo.channel_handle<handle = 0, type = 0>
} : (tensor<4x2xf32>) -> tensor<4x2xf32>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , CompatibleOperandsAndResultType

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

প্রভাব: MemoryEffects::Effect{}

বৈশিষ্ট্য:

অপারেন্ডস:

ফলাফল:

mhlo.compare (mhlo::CompareOp)

তুলনামূলক অপারেশন

বাক্য গঠন:

operation ::= `mhlo.compare` $comparison_direction `,` $lhs `,` $rhs (`,` $compare_type^)?
              attr-dict `:` functional-type(operands, results)

comparison_direction এবং compare_type অনুসারে lhs এবং rhs টেনসরের উপাদান-ভিত্তিক তুলনা সম্পাদন করে এবং একটি result টেনসর তৈরি করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#compare

উদাহরণ:

%result = mhlo.compare LT, %lhs, %rhs, FLOAT : (tensor<2xf32>, tensor<2xf32>) -> tensor<2xi1>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , Elementwise , InferTensorType , SameOperandsAndResultShape , SameOperandsElementType

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

প্রভাব: MemoryEffects::Effect{}

বৈশিষ্ট্য:

অপারেন্ডস:

ফলাফল:

mhlo.complex (mhlo::complexOp)

জটিল অপারেশন

বাক্য গঠন:

operation ::= `mhlo.complex` operands attr-dict
              `:` custom<ComplexOpType>(type($lhs), type($rhs), type($result))

বাস্তব এবং কাল্পনিক মান, lhs এবং rhs এর জোড়া থেকে উপাদান-ভিত্তিক একটি জটিল মানে রূপান্তর করে এবং একটি result টেনসর তৈরি করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#complex

উদাহরণ:

%result = mhlo.complex %lhs, %rhs : tensor<2xcomplex<f32>>

Traits: AlwaysSpeculatableImplTrait , Elementwise , SameOperandsAndResultShape , SameOperandsElementType

Interfaces: ConditionallySpeculatable , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

Operands:

ফলাফল:

mhlo.composite (mhlo::CompositeOp)

Composite operation

বাক্য গঠন:

operation ::= `mhlo.composite` $name $inputs attr-dict `:` functional-type(operands, results)

Encapsulates an operation made up (composed) of other StableHLO operations, taking inputs and composite_attributes and producing results . The semantics of the op are implemented by the decomposition attribute. The composite op can be replaced with its decomposition without changing program semantics. In cases where inlining the decomposition does not provide the same op semantics, prefer using custom_call .

The version field (defaults to 0 ) is used to denote when a composite's semantics change.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#composite

Example:

%results = mhlo.composite "my.op" %arg0, %arg1 {
  decomposition = @my_op,
  composite_attributes = { my_attribute = "my_value" },
  version = 1 : i32
} : (tensor<f32>, tensor<f32>) -> tensor<f32>

Interfaces: SymbolUserOpInterface

বৈশিষ্ট্য:

Operands:

ফলাফল:

mhlo.concatenate (mhlo::ConcatenateOp)

Concatenate operation

Concatenates a variadic number of tensors in inputs along dimension dimension in the same order as the given arguments and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#concatenate

Example:

%result = mhlo.concatenate %input0, %input1, dim = 0 : (tensor<3x2xi64>, tensor<1x2xi64>) -> tensor<4x2xi64>

Traits: AlwaysSpeculatableImplTrait , SameOperandsAndResultElementType

Interfaces: ConditionallySpeculatable , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

বৈশিষ্ট্য:

Operands:

ফলাফল:

mhlo.constant (mhlo::ConstantOp)

Constant operation

Produces an output tensor from a constant value .

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#constant

Example:

%output = mhlo.constant dense<[[0.0, 1.0], [2.0, 3.0]]> : tensor<2x2xf32>

Traits: AlwaysSpeculatableImplTrait , ConstantLike

Interfaces: ConditionallySpeculatable , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

বৈশিষ্ট্য:

ফলাফল:

mhlo.convert (mhlo::ConvertOp)

Convert operation

বাক্য গঠন:

operation ::= `mhlo.convert` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

Performs an element-wise conversion from one element type to another on operand tensor and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#convert

Example:

%result = mhlo.convert %operand : (tensor<3xi32>) -> tensor<3xcomplex<f32>>

Traits: AlwaysSpeculatableImplTrait , Elementwise , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , InferShapedTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

Operands:

ফলাফল:

mhlo.convolution (mhlo::ConvolutionOp)

Convolution operation

বাক্য গঠন:

operation ::= `mhlo.convolution` `(`operands`)`
              `dim_numbers` `=` custom<ConvolutionDimensions>($dimension_numbers) `,`
              `window` `=` `{` custom<WindowAttributes>($window_strides, $padding,
              $lhs_dilation, $rhs_dilation,
              $window_reversal) `}`
              attr-dict `:` functional-type(operands, results)

Computes dot products between windows of lhs and slices of rhs and produces result .

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#convolution

Example:

%result = "mhlo.convolution"(%lhs, %rhs) {
  window_strides = dense<4> : tensor<2xi64>,
  padding = dense<0> : tensor<2x2xi64>,
  lhs_dilation = dense<2> : tensor<2xi64>,
  rhs_dilation = dense<1> : tensor<2xi64>,
  window_reversal = dense<false> : tensor<2xi1>,
  dimension_numbers = #mhlo.conv<[b, 0, 1, f]x[0, 1, i, o]->[b, 0, 1, f]>,
  feature_group_count = 1 : i64,
  batch_group_count = 1 : i64,
  precision_config = [#stablehlo<precision DEFAULT>, #stablehlo<precision DEFAULT>]
} : (tensor<1x4x4x1xi32>, tensor<3x3x1x1xi32>) -> tensor<1x2x2x1xi32>

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

বৈশিষ্ট্য:

Operands:

ফলাফল:

mhlo.copy (mhlo::CopyOp)

Copy operation

বাক্য গঠন:

operation ::= `mhlo.copy` operands attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

This operation is private to the XLA compiler, so it is does not yet have a specification.

Informally, this operation a copy of operand . Depending on the metadata attached to the operation, it can behave quite differently from a no-op.

Example:

%0 = mhlo.copy %arg0 : tensor<f32>

Traits: AlwaysSpeculatableImplTrait , CompatibleOperandsAndResultType , Elementwise

Interfaces: ConditionallySpeculatable , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

বৈশিষ্ট্য:

Operands:

ফলাফল:

mhlo.cosh (mhlo::CoshOp)

Cosh operation

বাক্য গঠন:

operation ::= `mhlo.cosh` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

Performs element-wise cosh operation on operand tensor and produces a result tensor.

Example:

%result = mhlo.cosh %operand : tensor<2x2xf32>

Traits: CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

Interfaces: InferShapedTypeOpInterface , InferTypeOpInterface

Operands:

ফলাফল:

mhlo.cosine (mhlo::CosineOp)

Cosine operation

বাক্য গঠন:

operation ::= `mhlo.cosine` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

Performs element-wise cosine operation on operand tensor and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#cosine

Example:

%result = mhlo.cosine %operand : tensor<2xf32>

Traits: AlwaysSpeculatableImplTrait , CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

বৈশিষ্ট্য:

Operands:

ফলাফল:

mhlo.count_leading_zeros (mhlo::ClzOp)

Clz operation

বাক্য গঠন:

operation ::= `mhlo.count_leading_zeros` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

Performs element-wise count of the number of leading zero bits in the operand tensor and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#count_leading_zeros

Example:

%result = mhlo.count_leading_zeros %operand : tensor<2x2xi8>

Traits: AlwaysSpeculatableImplTrait , CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

Operands:

ফলাফল:

mhlo.create_token (mhlo::CreateTokenOp)

CreateToken operation

বাক্য গঠন:

operation ::= `mhlo.create_token` attr-dict `:` type(results)

This operation is on its way out of StableHLO, so it is not included in the specification: https://github.com/openxla/stablehlo/issues/3

Informally, this operation does the same thing as AfterAllOp with 0 inputs: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#after_all

Example:

%output = mhlo.create_token : !mhlo.token

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

ফলাফল:

mhlo.cross-replica-sum (mhlo::CrossReplicaSumOp)

CrossReplicaSum operation

This operation is on its way out of StableHLO, so it is not included in the specification: https://github.com/openxla/stablehlo/issues/3

Informally, this operation does the same thing as AllReduceOp with channel_id = 0 , use_global_device_ids = false and computation implementing addition: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#all_reduce

Example:

%result = "mhlo.cross-replica-sum"(%operand) {
  replica_groups = dense<[[0, 1]]> : tensor<1x2xi64>
} : (tensor<4xf32>) -> tensor<4xf32>

Traits: AlwaysSpeculatableImplTrait , CompatibleOperandsAndResultType

Interfaces: ConditionallySpeculatable , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

বৈশিষ্ট্য:

Operands:

ফলাফল:

mhlo.custom_call (mhlo::CustomCallOp)

CustomCall operation

বাক্য গঠন:

operation ::= `mhlo.custom_call` custom<CustomCallTarget>($call_target_name) `(` $inputs `)`
              attr-dict `:` functional-type(operands, results)

Encapsulates an implementation-defined operation call_target_name that takes inputs and called_computations and produces results .

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#custom_call

Example:

%results = "mhlo.custom_call"(%input0) {
  call_target_name = "foo",
  has_side_effect = false,
  backend_config = "bar",
  api_version = 1 : i32,
  called_computations = [@foo]
} : (tensor<f32>) -> tensor<f32>

A custom call invokes code external to XLA. The `inputs` are passed to the
external code, and the external code is expected to produce a result of the
given type. The exact mechanism is backend-specific. For example, in the CPU
backend, a call instruction is emitted which targets a symbol with the name
`call_target_name`.

If XLA runtime is enabled for a backend, then custom calls use the runtime
custom call calling convention to call into the external functions. This
calling convention defines an ABI for encoding arguments, attributes and
results.

Depending on the API version there are two ways to pass extra bits of static
information to the external function:

1. For `API_VERSION_TYPED_FFI` custom calls `backend_config` must be a
   dictionary attribute, that will be encoded according to the custom call
   calling convention and passed to the external function as the attributes
   argument. External code is expected to use declarative bindings (see
   `xla/runtime/custom_call.h`) to decode them at run time. These custom
   calls are only supported if XLA uses XLA runtime.

2. For previous API versions it is the user responsibility to encode extra
   bits of static information as a string `backend_config` attribute, and
   decode it at run time.

Interfaces: MemoryEffectOpInterface

বৈশিষ্ট্য:

Operands:

ফলাফল:

mhlo.divide (mhlo::DivOp)

Div operation

বাক্য গঠন:

operation ::= `mhlo.divide` $lhs `,` $rhs attr-dict
              `:` custom<SameOperandsAndResultType>(type($lhs), type($rhs), type($result))

Performs element-wise division of dividend lhs and divisor rhs tensors and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#divide

Example:

%result = mhlo.divide %lhs, %rhs : tensor<4xf32>

Traits: AlwaysSpeculatableImplTrait , CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

Operands:

ফলাফল:

mhlo.domain (mhlo::DomainOp)

Domain operation

This operation is private to the XLA compiler, so it is does not yet have a specification.

Informally, these operations are used to group instructions with the same DomainMetadata property. ShardingMetadata is the main use case today to group instructions on the same device. Domain instructions provide two major benefits:

• Prevent unintentionally optimizing instructions across domains.
• Automatically assign the metadata of the instructions created in the domain. Without domain instructions, each HLO optimization pass would have to check and propagate the metadata, which would be easy to miss and also adds complexity to the compiler. Since domain instructions connect two different domains, each domain instruction is associated with two DomainMetadata -- one on the operand side and one on the user side of the domain.

Traits: AlwaysSpeculatableImplTrait , CompatibleOperandsAndResultType

Interfaces: ConditionallySpeculatable , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

বৈশিষ্ট্য:

Operands:

ফলাফল:

mhlo.dot (mhlo::DotOp)

Dot operation

This operation is on its way out of StableHLO, so it is not included in the specification: https://github.com/openxla/stablehlo/issues/3

Informally, this operation does the same thing as XLA's Dot: https://www.tensorflow.org/xla/operation_semantics#dot

Example:

%0 = mhlo.dot %arg0, %arg1 : (tensor<1x2xi32>, tensor<2x1xi32>) -> tensor<1x1xi32>

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

বৈশিষ্ট্য:

Operands:

ফলাফল:

mhlo.dot_general (mhlo::DotGeneralOp)

DotGeneral operation

Computes dot products between slices of lhs and slices of rhs and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#dot_general

Example:

%result = "mhlo.dot_general"(%lhs, %rhs) {
  dot_dimension_numbers = #mhlo.dot<
    lhs_batching_dimensions = [0],
    rhs_batching_dimensions = [0],
    lhs_contracting_dimensions = [2],
    rhs_contracting_dimensions = [1]
  >,
  precision_config = [#stablehlo<precision DEFAULT>, #stablehlo<precision DEFAULT>]
} : (tensor<2x2x2xi32>, tensor<2x2x2xi32>) -> tensor<2x2x2xi32>

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , InferShapedTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

বৈশিষ্ট্য:

Operands:

ফলাফল:

mhlo.dynamic_broadcast_in_dim (mhlo::DynamicBroadcastInDimOp)

DynamicBroadcastInDim operation

This operation is functionally identical to broadcast_in_dim op, but the result shape is specified dynamically via output_dimensions .

It also accepts optional attributes to express static knowledge about the expanding behavior of dimensions. If not specified, all dimensions are assumed to be possibly expanding. The sets of dimensions that are known to be expanding and the set of dimensions that are known to be non-expanding must be disjoint and they must be a subset of the operand's dimensions.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#dynamic_broadcast_in_dim

Example:

%operand = mhlo.constant dense<[[1, 2, 3]]> : tensor<1x3xi64>
%output_dimensions = mhlo.constant dense<[2, 3, 2]> : tensor<3xi64>
%result = "mhlo.dynamic_broadcast_in_dim"(%operand, %output_dimensions) {
  broadcast_dimensions = array<i64: 2, 1>,
  known_expanding_dimensions = array<i64: 0>,
  known_nonexpanding_dimensions = array<i64: 1>
} : (tensor<1x3xi64>, tensor<3xi64>) -> tensor<2x3x2xi64>

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , InferShapedTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

বৈশিষ্ট্য:

Operands:

ফলাফল:

mhlo.dynamic_conv (mhlo::DynamicConvOp)

DynamicConv operation

This operation is a work in progress, so it is not yet included in the specification: https://github.com/openxla/stablehlo/issues/8

Informally, this operation does the same thing as ConvolutionOp except that padding is specified dynamically via d_padding : https://github.com/openxla/stablehlo/blob/main/docs/spec.md#convolution

Example:

%result = "mhlo.dynamic_conv"(%lhs, %rhs, %d_padding) {
  window_strides = dense<4> : tensor<2xi64>,
  lhs_dilation = dense<2> : tensor<2xi64>,
  rhs_dilation = dense<1> : tensor<2xi64>,
  window_reversal = dense<false> : tensor<2xi1>,
  dimension_numbers = #mhlo.conv<[b, 0, 1, f]x[0, 1, i, o]->[b, 0, 1, f]>,
  feature_group_count = 1 : i64,
  batch_group_count = 1 : i64,
  precision_config = [#stablehlo<precision DEFAULT>, #stablehlo<precision DEFAULT>]
} : (tensor<1x4x4x1xi32>, tensor<3x3x1x1xi32>, tensor<2x2xi64>) -> tensor<1x2x2x1xi32>

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

বৈশিষ্ট্য:

Operands:

ফলাফল:

mhlo.dynamic_gather (mhlo::DynamicGatherOp)

DynamicGather operation

This operation is a work in progress, so it is not yet included in the specification: https://github.com/openxla/stablehlo/issues/8

Informally, this operation does the same thing as GatherOp except that slice_sizes are specified dynamically: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#gather

Example:

%result = "mhlo.dynamic_gather"(%operand, %start_indices, %slice_sizes) {
  dimension_numbers = #mhlo.gather<
    offset_dims = [2, 3],
    collapsed_slice_dims = [0],
    start_index_map = [0, 2],
    index_vector_dim = 2>,
  indices_are_sorted = false
} : (tensor<3x4x2xi32>, tensor<2x3x2xi64>, tensor<3xi64>) -> tensor<2x3x2x2xi32>

Traits: AlwaysSpeculatableImplTrait , InferTensorType

Interfaces: ConditionallySpeculatable , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

বৈশিষ্ট্য:

Operands:

ফলাফল:

mhlo.dynamic_iota (mhlo::DynamicIotaOp)

DynamicIota operation

This operation is functionally identical to iota op, but the result shape is specified dynamically via output_shape .

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#dynamic_iota

Example:

%0 = mhlo.dynamic_iota %arg0, dim = 0 : (tensor<1xindex>) -> tensor<4xi32>

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , InferShapedTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

বৈশিষ্ট্য:

Operands:

ফলাফল:

mhlo.dynamic_pad (mhlo::DynamicPadOp)

DynamicPad operation

বাক্য গঠন:

operation ::= `mhlo.dynamic_pad` operands attr-dict `:` functional-type(operands, results)

Dynamically Pads the operand , with amount of padding added at low-end/high-end/interior is passed through input tensors.

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , InferShapedTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

Operands:

ফলাফল:

mhlo.dynamic_reshape (mhlo::DynamicReshapeOp)

DynamicReshape operation

বাক্য গঠন:

operation ::= `mhlo.dynamic_reshape` operands attr-dict `:` functional-type(operands, results)

This operation is functionally identical to reshape op, but the result shape is specified dynamically via output_shape .

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#dynamic_reshape

Example:

%output_shape = mhlo.constant dense<[3, 2]> : tensor<2xi64>
%result = mhlo.dynamic_reshape %operand, %output_shape : (tensor<2x3xi64>, tensor<2xi64>) -> tensor<3x2xi64>

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , InferShapedTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

Operands:

ফলাফল:

mhlo.dynamic_slice (mhlo::DynamicSliceOp)

DynamicSlice operation

Extracts a slice from the operand using dynamically-computed starting indices and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#dynamic_slice

Example:

%result = mhlo.dynamic_slice %operand, %start_indices0, %start_indices1, sizes = [2, 2]
  : (tensor<4x4xi32>, tensor<i64>, tensor<i64>) -> tensor<2x2xi32>

Traits: AlwaysSpeculatableImplTrait , InferTensorType

Interfaces: ConditionallySpeculatable , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

বৈশিষ্ট্য:

Operands:

ফলাফল:

mhlo.dynamic_update_slice (mhlo::DynamicUpdateSliceOp)

DynamicUpdateSlice operation

বাক্য গঠন:

operation ::= `mhlo.dynamic_update_slice` operands attr-dict `:` functional-type(operands, results)

Produces a result tensor which is equal to the operand tensor except that the slice starting at start_indices is updated with the values in update .

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#dynamic_update_slice

Example:

%result = mhlo.dynamic_update_slice %operand, %update, %start_indices0, %start_indices1
  : (tensor<4x4xi32>, tensor<2x2xi32>, tensor<i64>, tensor<i64>) -> tensor<4x4xi32>

Traits: AlwaysSpeculatableImplTrait , InferTensorType

Interfaces: ConditionallySpeculatable , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

Operands:

ফলাফল:

mhlo.einsum (mhlo::EinsumOp)

Einsum operation

This operation is on its way out of StableHLO, so it is not included in the specification: https://github.com/openxla/stablehlo/issues/3

Informally, this operation does the same thing as TF's einsum: https://www.tensorflow.org/api_docs/python/tf/einsum

Example:

%result = "mhlo.einsum"(%lhs, %rhs) {
  einsum_config = "ab,bc->ac"
} : (tensor<4x16xf32>, tensor<16x4xf32>) -> tensor<4x4xf32>

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

বৈশিষ্ট্য:

Operands:

ফলাফল:

mhlo.erf (mhlo::ErfOp)

Erf operation

বাক্য গঠন:

operation ::= `mhlo.erf` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

Performs element-wise erf operation on operand tensor and produces a result tensor.

Example:

%result = mhlo.erf %operand : tensor<2x2xf32>

Traits: AlwaysSpeculatableImplTrait , CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

Operands:

ফলাফল:

mhlo.exponential (mhlo::ExpOp)

Exp operation

বাক্য গঠন:

operation ::= `mhlo.exponential` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

Performs element-wise exponential operation on operand tensor and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#exponential

Example:

%result = mhlo.exponential %operand : tensor<2x2xf64>

Traits: AlwaysSpeculatableImplTrait , CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

বৈশিষ্ট্য:

Operands:

ফলাফল:

mhlo.exponential_minus_one (mhlo::Expm1Op)

Expm1 operation

বাক্য গঠন:

operation ::= `mhlo.exponential_minus_one` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

Performs element-wise exponential minus one operation on operand tensor and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#exponential_minus_one

Example:

%result = mhlo.exponential_minus_one %operand : tensor<2xf32>

Traits: AlwaysSpeculatableImplTrait , CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

বৈশিষ্ট্য:

Operands:

ফলাফল:

mhlo.fft (mhlo::FftOp)

Fft operation

Performs the forward and inverse Fourier transforms for real and complex inputs/outputs.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#fft

Example:

%result = mhlo.fft %operand, type = FFT, length = [4] : (tensor<4xcomplex<f32>>) -> tensor<4xcomplex<f32>>

Traits: AlwaysSpeculatableImplTrait , InferTensorType

Interfaces: ConditionallySpeculatable , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

বৈশিষ্ট্য:

Operands:

ফলাফল:

mhlo.floor (mhlo::FloorOp)

Floor operation

বাক্য গঠন:

operation ::= `mhlo.floor` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

Performs element-wise floor of operand tensor and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#floor

Example:

%result = mhlo.floor %operand : tensor<2xf32>

Traits: AlwaysSpeculatableImplTrait , CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

Operands:

ফলাফল:

mhlo.fusion (mhlo::FusionOp)

Fusion operation

This operation is private to the XLA compiler, so it is does not yet have a specification.

Informally, this operation consists of a group of basic ops (represented as a region attached to it). It serves as a hint to the backend that it is beneficial to emit the contained ops into a single loop nest or kernel.

বৈশিষ্ট্য:

Operands:

ফলাফল:

mhlo.gather (mhlo::GatherOp)

Gather operation

Gathers slices from operand tensor from offsets specified in start_indices and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#gather

Example:

%result = "mhlo.gather"(%operand, %start_indices) {
  dimension_numbers = #stablehlo.gather<
    offset_dims = [3, 4],
    collapsed_slice_dims = [1],
    operand_batching_dims = [0],
    start_indices_batching_dims = [1],
    start_index_map = [2, 1],
    index_vector_dim = 3>,
  slice_sizes = dense<[0, 2, 2]> : tensor<3xi64>,
  indices_are_sorted = false
} : (tensor<2x3x4x2xi64>, tensor<2x2x3x2xi64>) -> tensor<2x2x3x2x2xi64>

Traits: AlwaysSpeculatableImplTrait , InferTensorType

Interfaces: ConditionallySpeculatable , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

বৈশিষ্ট্য:

Operands:

ফলাফল:

mhlo.get_dimension_size (mhlo::GetDimensionSizeOp)

GetDimensionSize operation

Produces the size of the given dimension of the operand .

See https://github.com/openxla/stablehlo/blob/main/docs/spec.md#get_dimension_size

Example:

%result = mhlo.get_dimension_size %operand, dim = 1 : (tensor<2x3xf32>) -> tensor<i32>

Traits: AlwaysSpeculatableImplTrait , InferTensorType

Interfaces: ConditionallySpeculatable , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

বৈশিষ্ট্য:

Operands:

ফলাফল:

mhlo.get_tuple_element (mhlo::GetTupleElementOp)

GetTupleElement operation

বাক্য গঠন:

operation ::= `mhlo.get_tuple_element` $operand `[` $index `]` attr-dict `:` functional-type(operands, results)