"تي اف إل&39; اللهجة

لهجة TensorFlow Lite.

تتوافق هذه اللهجة مع عمليات TensorFlow Lite.

الثوابت:

• جميع القيم من نوع Tensor (على وجه الخصوص، يتم تمثيل القيم القياسية باستخدام موتر ذو أبعاد صفرية)؛

العمليات

tfl.abs (TFL::AbsOp)

عامل القيمة المطلقة

بالنظر إلى موتر x ، تُرجع هذه العملية موترًا يحتوي على القيمة المطلقة لكل عنصر في x . على سبيل المثال، إذا كان x عنصر إدخال وy عنصر إخراج، فإن هذه العملية تحسب \(y = |x|\).

السمات: AlwaysSpeculatableImplTrait و QuantizableResult و SameOperandsAndResultShape

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المتعاملات:

نتائج:

tfl.add (TFL::AddOp)

عامل الجمع

عملية الجمع حسب العناصر.

السمات: ::mlir::OpTrait::TFLRuntimeOpTrait ، AlwaysSpeculatableImplTrait ، Commutative ، QuantizableResult ، ResultsBroadcastableShape

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflArithmeticCountOpInterface ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المتعاملات:

نتائج:

tfl.add_n (TFL::AddNOp)

_إضافة عامل n

يضيف جميع عناصر الموتر المدخلة على مستوى العنصر.

السمات: AlwaysSpeculatableImplTrait ، Commutative

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflArithmeticCountOpInterface ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المتعاملات:

نتائج:

tfl.arg_max (TFL::ArgMaxOp)

مشغل ArgMax

إرجاع الفهرس الذي يحمل أكبر قيمة عبر أبعاد الموتر.

السمات: AlwaysSpeculatableImplTrait و QuantizableResult

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المتعاملات:

نتائج:

tfl.arg_min (TFL::ArgMinOp)

مشغل ArgMin

إرجاع الفهرس الذي يحمل أصغر قيمة عبر أبعاد الموتر. a = [1, 10, 26.9, 2.8, 166.32, 62.3] b = tf.math.argmin(input = a) c = tf.keras.backend.eval(b)

السمات: AlwaysSpeculatableImplTrait و QuantizableResult

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المتعاملات:

نتائج:

tfl.assign_variable (TFL::AssignVariableOp)

تعيين قيمة جديدة للمتغير.

من المؤكد أن أي ReadVariableOp مع اعتماد عنصر التحكم على هذه العملية سيقوم بإرجاع هذه القيمة أو قيمة أحدث لاحقة للمتغير.

الواجهات: TflRuntimeVerifyOpInterface

المتعاملات:

tfl.atan2 (TFL::Atan2Op)

عملية أتان2

تحسب عملية "atan2" الظل العكسي لـ y/x على مستوى العناصر، مع مراعاة علامات الوسائط.

السمات: AlwaysSpeculatableImplTrait ، SameOperandsAndResultType

الواجهات: ConditionallySpeculatable ، InferTypeOpInterface ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المتعاملات:

نتائج:

tfl.average_pool_2d (TFL::AveragePool2DOp)

مشغل متوسط ​​​​المجمع ثنائي الأبعاد

ينفذ عملية تجميع المتوسطات على الإدخال.

السمات: AlwaysSpeculatableImplTrait و QuantizableResult

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflArithmeticCountOpInterface ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المتعاملات:

نتائج:

tfl.basic_lstm (TFL::BasicLSTMOp)

عامل lstm الأساسي

مشغل خلية LSTM الأساسية.

السمات: AlwaysSpeculatableImplTrait و QuantizableResult

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المتعاملات:

نتائج:

tfl.batch_matmul (TFL::BatchMatMulOp)

عامل ضرب مصفوفة الدفعة

يُجري عملية ضرب مصفوفة مُجمّعة على المُدخلات. يتبع معايير TensorFlow BatchMatMulV2، مع دعم الأبعاد غير المعروفة في أبعاد الدفعة والبث.

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)

السمات: ::mlir::OpTrait::TFLRuntimeOpTrait ، AlwaysSpeculatableImplTrait ، QuantizableResult

الواجهات: ConditionallySpeculatable ، DynamicRangeQuantizedOpInterface ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المتعاملات:

نتائج:

tfl.batch_to_space_nd (TFL::BatchToSpaceNdOp)

مشغل BatchToSpaceNd

تعمل هذه العملية على إعادة تشكيل البعد "الدفعي" 0 إلى أبعاد مكانية.

السمات: AlwaysSpeculatableImplTrait و QuantizableResult

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المتعاملات:

نتائج:

tfl.bidirectional_sequence_lstm (TFL::BidirectionalSequenceLSTMOp)

مشغل lstm للتسلسل ثنائي الاتجاه

وحدة LSTM ثنائية الاتجاه هي في الأساس وحدتان LSTM، إحداهما للأمام والأخرى للخلف. والناتج هو سلسلة الوحدتين LSTM.

السمات: QuantizableResult

الواجهات: DynamicRangeQuantizedOpInterface ، TFL_StatefulOp ، TflRuntimeVerifyOpInterface

صفات:

المتعاملات:

نتائج:

tfl.bitcast (TFL::BitcastOp)

مشغل Bitcast

يقوم Bitcasts بإرسال موتر من نوع إلى آخر.

السمات: AlwaysSpeculatableImplTrait

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المتعاملات:

نتائج:

tfl.bitwise_xor (TFL::BitwiseXorOp)

عامل Xor بتوي

يحسب Elementwise عملية XOR ثنائية البت lhs و rhs .

السمات: AlwaysSpeculatableImplTrait ، Commutative ، ResultsBroadcastableShape ، SameOperandsAndResultElementType

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المتعاملات:

نتائج:

tfl.broadcast_args (TFL::BroadcastArgsOp)

قم بإرجاع شكل s0 op s1 مع البث.

بالنظر إلى s0 و s1 ، المتجهات التي تمثل الأشكال، احسب r0 ، الشكل المذاع. s0 و s1 و r0 هي جميعها متجهات صحيحة.

السمات: AlwaysSpeculatableImplTrait

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المتعاملات:

نتائج:

tfl.broadcast_to (TFL::BroadcastToOp)

بث مجموعة للحصول على شكل متوافق.

البث هو عملية جعل المصفوفات تحتوي على أشكال متوافقة للعمليات الحسابية. يكون الشكلان متوافقين إذا كانا متساويين أو أحدهما واحدًا لكل زوج من الأبعاد. عند محاولة بث موتر إلى شكل، يبدأ بالأبعاد اللاحقة، ثم يتقدم تدريجيًا.

على سبيل المثال،

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]]، الشكل=(3, 3)، نوع البيانات=int32)

في المثال أعلاه، يتم بث الموتر المدخل ذو الشكل [1, 3] إلى الموتر المخرج ذو الشكل [3, 3] .

عند إجراء عمليات البث مثل ضرب موتر بمقياس قياسي، فإن البث (عادةً) يمنح بعض الفوائد المتعلقة بالوقت أو المكان، حيث لا يتم تجسيد الموتر المذاع أبدًا.

مع ذلك، لا يحمل broadcast_to إلى أيٍّ من هذه المزايا. يستحوذ الموتر المُنشأ حديثًا على كامل ذاكرة الشكل المُبثّ. (مع ذلك، في سياق الرسم البياني، يُمكن دمج broadcast_to إلى العملية اللاحقة، ثمّ تحسينه).

السمات: AlwaysSpeculatableImplTrait و QuantizableResult

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المتعاملات:

نتائج:

tfl.bucketize (TFL::BucketizeOp)

يقوم بتقسيم "المدخلات" إلى مجموعات بناءً على "الحدود".

مثال:

إذا كانت المدخلات هي boundaries = [0, 10, 100] input = [[-5, 10000][150, 10][5, 100]] ، فسيكون المخرج هو output = [[0, 3][3, 2][1, 3]] .

السمات: AlwaysSpeculatableImplTrait و SameOperandsAndResultShape

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المتعاملات:

نتائج:

tfl.call_once (TFL::CallOnceOp)

يستدعي وظيفة التهيئة

تستدعي هذه العملية وظيفة التهيئة المحددة لمبدئ الجلسة في لهجة النموذج المحفوظ tf.

الواجهات: TflRuntimeVerifyOpInterface

صفات:

tfl.cast (TFL::CastOp)

مشغل الصب

يقوم بإرسال الإدخال من نوع الإدخال إلى نوع الإخراج.

السمات: AlwaysSpeculatableImplTrait و SameOperandsAndResultShape

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المتعاملات:

نتائج:

tfl.ceil (TFL::CeilOp)

مشغل السقف

إرجاع قيمة السقف لكل عنصر من عناصر الإدخال.

السمات: AlwaysSpeculatableImplTrait ، InferTensorType ، TF::SameOperandsAndResultTypeResolveRef

الواجهات: ConditionallySpeculatable ، InferShapedTypeOpInterface ، InferTypeOpInterface ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المتعاملات:

نتائج:

tfl.complex_abs (TFL::ComplexAbsOp)

يحسب القيمة المطلقة المعقدة للموتر.

بالنظر إلى موتر x من الأعداد المركبة، تُرجع هذه العملية موترًا من نوع float أو double ، وهو القيمة المطلقة لكل عنصر في x . يجب أن تكون جميع عناصر x أعدادًا مركبة من الشكل \(a + bj\). يتم حساب القيمة المطلقة على النحو التالي \( \sqrt{a^2 + b^2}\).

السمات: AlwaysSpeculatableImplTrait و SameOperandsAndResultShape

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المتعاملات:

نتائج:

tfl.concatenation (TFL::ConcatenationOp)

عامل التسلسل

يربط المتجهات على طول بُعد واحد

السمات: AlwaysSpeculatableImplTrait و QuantizableResult

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المتعاملات:

نتائج:

tfl.control_node (TFL::ControlNodeOp)

تقوم عملية TFL.control_node بتغليف العمليات ذات الكتلة الفردية من أجل ربط حواف التحكم.

يُستخدم هذا لتغليف المناطق وربط تبعيات عناصر التحكم بها. عادةً، يحدث هذا في إحدى الخطوات الأخيرة قبل إصدار نموذج المخزن المؤقت المسطح لتمكين عمليات التحسين التي تعتمد على ترتيب ثابت للعمليات (مثل إعادة التجسيد). سيقوم مُصدِّر المخزن المؤقت المسطح بفك تغليف المنطقة المُغلَّفة وشرح النموذج المُولَّد بالبيانات الوصفية بحيث تلتزم أي عمليات إعادة ترتيب أثناء التشغيل بالترتيب المُحدَّد بواسطة تبعيات عناصر التحكم.

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

المتعاملات:

نتائج:

tfl.conv_2d (TFL::Conv2DOp)

عامل الالتفاف

ينفذ عملية التفاف على المدخلات.

المدخلات: inputs[0] : مطلوب: موتر تنشيط المدخلات inputs[1] : مطلوب: موتر وزن المرشح inputs[2] : اختياري: موتر التحيز

السمات: AlwaysSpeculatableImplTrait ، QuantizableResult ، TFL::AccumulatorUniformScale<2, 0, 1> ، TFL::AffineOpCoefficient<0, 1>

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

التأثيرات: MemoryEffects::Effect{}

صفات:

المتعاملات:

نتائج:

tfl.conv_3d (TFL::Conv3DOp)

مشغل الالتفاف ثلاثي الأبعاد

يُجري عملية التفاف على مُدخلات ثلاثية الأبعاد. المُدخلات: inputs[0] : مطلوب: مُوتر تنشيط المُدخلات inputs[1] : مطلوب: مُوتر وزن المُرشِّح inputs[2] : اختياري: مُوتر التحيز

السمات: AlwaysSpeculatableImplTrait ، TFL::AccumulatorUniformScale<2, 0, 1>

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المتعاملات:

نتائج:

tfl.conv_3d_transpose (TFL::Conv3DTransposeOp)

مشغل الالتفاف المنقول ثلاثي الأبعاد

يُجري عملية التفاف منقولة على مدخلات ثلاثية الأبعاد. المدخلات: inputs[0] : مطلوب: شكل موتر الإخراج inputs[1] : مطلوب: موتر وزن المرشح inputs[2] : مطلوب: موتر تنشيط الإدخال inputs[3] : اختياري: موتر التحيز

السمات: AlwaysSpeculatableImplTrait ، TFL::AccumulatorUniformScale<2, 0, 1>

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المتعاملات:

نتائج:

tfl.cos (TFL::CosOp)

عامل جيب التمام

يحسب جيب التمام لكل عنصر من عناصر الإدخال

السمات: AlwaysSpeculatableImplTrait ، InferTensorType ، TF::SameOperandsAndResultTypeResolveRef

الواجهات: ConditionallySpeculatable ، InferShapedTypeOpInterface ، InferTypeOpInterface ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المتعاملات:

نتائج:

tfl.cumsum (TFL::CumsumOp)

عامل Cumsum

احسب المجموع التراكمي للموتر x على طول المحور.

السمات: AlwaysSpeculatableImplTrait

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المتعاملات:

نتائج:

tfl.custom (TFL::CustomOp)

عملية مخصصة

عملية عامة لأي عملية مخصصة في TFLite.

الإدخال: قائمة المدخلات في العملية الأصلية. custom_code: سلسلة تستخدم لتحديد أي عملية هي هذه بالضبط، والتي تتوافق مع operator_codes.custom_code في flatbuffer. custom_option: حامل لحفظ سمات العملية على شكل بايتات. output: قائمة المخرجات في العملية الأصلية.

الواجهات: TflRuntimeVerifyOpInterface

صفات:

المتعاملات:

نتائج:

tfl.custom_tf (TFL::CustomTfOp)

Wrapper Op لعمليات TF المخصصة.

عملية تغليف لأي عملية TF مخصصة. تتضمن هذه العمليات المُعرّفة باستخدام custom_opdefs أو المرتبطة، وهي غير مُعرّفة في لهجة TF. تُغلّف هذه العملية العملية المخصصة داخل منطقة. ملاحظة رقم 1: لن تتضمن هذه العملية عمليات TF Lite المخصصة المُعرّفة باستخدام CustomOp. ملاحظة رقم 2: هذه العملية مجرد تمثيل داخلي داخل المُحوّل، ولا يتم عرضها أو تصديرها عند تصدير النموذج إلى Flatbuffer.

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

الواجهات: InferTypeOpInterface ، TflRuntimeVerifyOpInterface

المتعاملات:

نتائج:

tfl.densify (TFL::DensifyOp)

مشغل Densify

تحويل التنسيق المتناثر إلى تنسيق كثيف.

السمات: AlwaysSpeculatableImplTrait

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المتعاملات:

نتائج:

tfl.depth_to_space (TFL::DepthToSpaceOp)

مشغل DepthToSpace

يُعيد ترتيب البيانات من العمق إلى كتل بيانات مكانية. هذا هو التحويل العكسي لـ SpaceToDepth. وبشكل أكثر تحديدًا، تُخرِج هذه العملية نسخة من موتر الإدخال حيث تُنقل القيم من بُعد depth في الكتل المكانية إلى بُعدي height width . يُشير سمة attr block_size إلى حجم كتلة الإدخال وكيفية نقل البيانات.

السمات: AlwaysSpeculatableImplTrait و QuantizableResult

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المتعاملات:

نتائج:

tfl.depthwise_conv_2d (TFL::DepthwiseConv2DOp)

عامل التفاف قابل للفصل بعمق

ينفذ عملية التفاف على المدخلات.

المدخلات: inputs[0] : مطلوب: موتر تنشيط المدخلات inputs[1] : مطلوب: موتر وزن المرشح inputs[2] : اختياري: موتر التحيز

السمات: AlwaysSpeculatableImplTrait ، QuantizableResult ، TFL::AccumulatorUniformScale<2, 0, 1> ، TFL::AffineOpCoefficient<3, 1>

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

التأثيرات: MemoryEffects::Effect{}

صفات:

المتعاملات:

نتائج:

tfl.dequantize (TFL::DequantizeOp)

عامل إزالة الكمية

يقوم بتحويل مجموعة من الأعداد الصحيحة المكممة إلى أعداد عشرية عائمة وفقًا لمعلمات التكميم.

الواجهات: NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المتعاملات:

نتائج:

tfl.dilate (TFL::DilateOp)

عامل التمدد

يقوم بتوسيع الموتر عن طريق إضافة عناصر جديدة بين العناصر الموجودة.

السمات: AlwaysSpeculatableImplTrait

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المتعاملات:

نتائج:

tfl.div (TFL::DivOp)

مشغل القسم

عملية القسمة حسب العناصر.

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

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflArithmeticCountOpInterface ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المتعاملات:

نتائج:

tfl.dynamic_update_slice (TFL::DynamicUpdateSliceOp)

DynamicUpdateSlice.

عملية DynamicUpdateSlice لها نفس دلالات XLA DynamicUpdateSlice. تُولّد نتيجةً تُمثّل قيمة مُعامل مصفوفة الإدخال، مع استبدال تحديث الشريحة في start_indices.

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

السمات: AlwaysSpeculatableImplTrait

الواجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المتعاملات:

نتائج:

tfl.elu (tfl :: eluop)

مشغل الوحدة الخطية الأسية

يحسب الخطي الأسي F (x) -> exp (x) -1 لـ x <0 ، x for x> = 0. element -wise.

السمات: AlwaysSpeculatableImplTrait ، SameOperandsAndResultShape

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.embedding_lookup (tfl :: inmbdinglookupop)

تضمين مشغل البحث

تبحث عن معرفات في قائمة التنسور التضمين.

السمات: AlwaysSpeculatableImplTrait speculatableImpltrait ، QuantizableResult

واجهات: AffineQuantizedOpInterface ، ConditionallySpeculatable ، DynamicRangeQuantizedOpInterface ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.equal (tfl :: equalop)

مشغل مساوٍ

إرجاع عنصر الحقيقة من x == y العنصر الحكيم

السمات: ::mlir::OpTrait::TFLRuntimeOpTrait ، AlwaysSpeculatableImplTrait speculatableImpltrait ، Commutative ، QuantizableResult ، ResultsBroadcastableShape

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.exp (tfl :: expop)

مشغل الأساس الطبيعي

يقوم بعملية إنشاء الأسعار الطبيعية عن العناصر على الإدخال.

السمات: AlwaysSpeculatableImplTrait speculatableImpltrait ، QuantizableResult

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.expand_dims (tfl :: expeddimsop)

إدراج بعد 1 في شكل الموتر.

بالنظر إلى input الموتر ، تقوم هذه العملية بإدراج بعد 1 في axis مؤشر الأبعاد في شكل input . يبدأ axis مؤشر الأبعاد عند الصفر ؛ إذا قمت بتحديد رقم سالب axis ، فسيتم حسابه للخلف من النهاية.

تكون هذه العملية مفيدة إذا كنت ترغب في إضافة بعد دفع إلى عنصر واحد. على سبيل المثال ، إذا كان لديك صورة واحدة من الشكل [height, width, channels] ، يمكنك جعلها مجموعة من صورة واحدة مع expand_dims(image, 0) ، والتي ستجعل الشكل [1, height, width, channels] .

أمثلة أخرى:

# '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]

هذه العملية تتطلب ذلك:

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

ترتبط هذه العملية squeeze() ، الذي يزيل أبعاد الحجم 1.

السمات: AlwaysSpeculatableImplTrait speculatableImpltrait ، QuantizableResult

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.external_const (tfl :: externalconstop)

خارجي const op.

يحمل Const Op الخارجي buffer_index الذي يشير إلى ثابت في flatbuffer.

السمات: AlwaysSpeculatableImplTrait speculatableImpltrait ، QuantizableResult

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

نتائج:

tfl.fake_quant (tfl :: fakequantop)

مشغل مزيف

قم بتوزيع موتر "المدخلات" من النوع العائم عبر عوامل التعويم و MAX إلى "المخرجات" من نفس الشكل مثل المدخلات.

السمات: AlwaysSpeculatableImplTrait speculatableImpltrait ، QuantizableResult

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المعاملات:

نتائج:

tfl.fill (tfl :: fillop)

ملء الموتر مع قيمة معينة.

ملء الموتر مع قيمة معينة.

السمات: AlwaysSpeculatableImplTrait speculatableImpltrait ، QuantizableResult

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.floor (tfl :: floorop)

مشغل الأرضية

إرجاع قيمة الأرضية الحكيمة للمدخلات.

السمات: AlwaysSpeculatableImplTrait ، InferTensorType ، TF::SameOperandsAndResultTypeResolveRef

واجهات: ConditionallySpeculatable ، InferShapedTypeOpInterface ، InferTypeOpInterface ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.floor_div (tfl :: floordivop)

مشغل DIV Floor

العنصر الحكيمة.

السمات: ::mlir::OpTrait::TFLRuntimeOpTrait ، AlwaysSpeculatableImplTrait ، ResultsBroadcastableShape

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.floor_mod (tfl :: floormodop)

تذكير التقسيم

عملية تذكير القسم الحكيم.

السمات: ::mlir::OpTrait::TFLRuntimeOpTrait ، AlwaysSpeculatableImplTrait ، ResultsBroadcastableShape

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.fully_connected (tfl :: connectionop)

OP متصل بالكامل

السمات: AlwaysSpeculatableImplTrait speculatableImpltrait ، QuantizableResult ، TFL::AccumulatorUniformScale<2, 0, 1> ، TFL::AffineOpCoefficient<0, 1>

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

التأثيرات: MemoryEffects::Effect{}

صفات:

المعاملات:

نتائج:

tfl.gather (tfl :: contherop)

جمع المشغل

جمع الشرائح من axis محور params وفقا indices .

السمات: AlwaysSpeculatableImplTrait speculatableImpltrait ، QuantizableResult

واجهات: ConditionallySpeculatable ، DynamicRangeQuantizedOpInterface ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المعاملات:

نتائج:

tfl.gather_nd (tfl :: gatherndop)

_ Gather ND Operator

جمع شرائح من params إلى موتر مع الشكل المحدد بواسطة indices .

السمات: AlwaysSpeculatableImplTrait speculatableImpltrait ، QuantizableResult

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.gelu (tfl :: geluop)

وظيفة تنشيط جيلو.

يحسب عنصر تنشيط Gelu العنصر.

السمات: AlwaysSpeculatableImplTrait speculatableImpltrait ، QuantizableResult ، SameOperandsAndResultShape

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المعاملات:

نتائج:

tfl.greater (TFL :: Greatop)

عامل أكبر

عنصر أكبر من العناصر.

السمات: ::mlir::OpTrait::TFLRuntimeOpTrait ، AlwaysSpeculatableImplTrait speculatableImpltrait ، QuantizableResult ، ResultsBroadcastableShape

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.greater_equal (tfl :: greatequalop)

_ المشغل المساواة

العنصر الحكيم Greater_equal العملية.

السمات: ::mlir::OpTrait::TFLRuntimeOpTrait ، AlwaysSpeculatableImplTrait speculatableImpltrait ، QuantizableResult ، ResultsBroadcastableShape

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.hard_swish (tfl :: hardswishop)

وظيفة التنشيط الصلبة.

يحسب وظيفة التنشيط الصلب F (x)-> (x * relu6 (x+3))/6 element-wise.

السمات: AlwaysSpeculatableImplTrait speculatableImpltrait ، QuantizableResult ، SameOperandsAndResultShape

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.hashtable (tfl :: hashtableop)

يخلق جدول التجزئة غير المخلوطة.

يقوم هذا OP بإنشاء جدول التجزئة ، ويحدد نوع مفاتيحه وقيمه. قبل استخدام الجدول ، سيتعين عليك تهيئته. بعد التهيئة ، سيكون الجدول غير قابل للتغيير.

واجهات: TflRuntimeVerifyOpInterface

صفات:

نتائج:

tfl.hashtable_find (tfl :: hashtablefindop)

تبحث عن مفاتيح في الجدول ، ويخرج القيم المقابلة.

يجب أن تكون keys الموتر من نفس النوع مثل مفاتيح الجدول. values الإخراج هي من نوع قيم الجدول.

العددية default_value هي إخراج القيمة للمفاتيح غير موجودة في الجدول. يجب أن يكون أيضًا من نفس النوع مثل قيم الجدول.

واجهات: TflRuntimeVerifyOpInterface

المعاملات:

نتائج:

tfl.hashtable_import (tfl :: hashtableimportop)

يحل محل محتويات الجدول بالمفاتيح والقيم المحددة.

يجب أن تكون keys الموتر من نفس النوع مثل مفاتيح الجدول. يجب أن تكون values الموتر من نوع قيم الجدول.

واجهات: TflRuntimeVerifyOpInterface

المعاملات:

tfl.hashtable_size (tfl :: hashtablesizeop)

يحسب عدد العناصر في الجدول المحدد.

واجهات: TflRuntimeVerifyOpInterface

المعاملات:

نتائج:

tfl.if (tfl :: ifop)

إذا كانت عملية إيليس

تمثل عملية tfl.if بنية IF-THEN-ELSE لتنفيذ منطقتين من الكود بشكل مشروط. المعامل إلى IF العملية هي قيمة منطقية. على سبيل المثال:

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

tfl.if قد ترجع أيضًا نتائج محددة في مناطقها. يتم تحديد القيم المحددة التي يتم اتخاذ مسار التنفيذ.

مثال:

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

يتم إنهاء مناطق tfl.if دائمًا مع "tfl.yield". إذا لم يحدد "tfl.if" أي قيم ، فيمكن استبعاد "tfl.yield" ، وسيتم إدراجها ضمنيًا. خلاف ذلك ، يجب أن تكون صريحة. أيضًا ، إذا حدد "tfl.if" قيمًا واحدة أو أكثر ، فلا يمكن حذف كتلة "else".

مثال:

tfl.if %b  {
  ...
}

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

واجهات: RegionBranchOpInterface ، TflRuntimeVerifyOpInterface

المعاملات:

نتائج:

tfl.imag (tfl :: formop)

إرجاع الجزء الخيالي من الرقم المعقد.

بالنظر إلى input الموتر من الأرقام المعقدة ، تُرجع هذه العملية float من النوع الذي يعتبر الجزء الخيالي من كل عنصر في input . يجب أن تكون جميع العناصر في input أرقامًا معقدة للنموذج \(a + bj\)، حيث A هو الجزء الحقيقي و B هو الجزء الخيالي الذي تم إرجاعه بواسطة هذه العملية.

السمات: AlwaysSpeculatableImplTrait ، SameOperandsAndResultShape

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.l2_normalization (tfl :: l2normalizationop)

L2 مشغل تطبيع

L2Normalization OP

السمات: AlwaysSpeculatableImplTrait speculatableImpltrait ، QuantizableResult

واجهات: ConditionallySpeculatable ، FixedOutputRangeInterface ، NoMemoryEffect (MemoryEffectOpInterface) TflRuntimeVerifyOpInterface TflArithmeticCountOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المعاملات:

نتائج:

tfl.leaky_relu (tfl :: leakyreluop)

مشغل REAKY RELU

Element -wise Leaky Relu Operator X -> x> = 0؟ س: (ألفا * x)

السمات: AlwaysSpeculatableImplTrait speculatableImpltrait ، QuantizableResult ، SameOperandsAndResultShape

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المعاملات:

نتائج:

tfl.less (tfl :: lessop)

أقل مشغل

عنصر أقل من العناصر.

السمات: ::mlir::OpTrait::TFLRuntimeOpTrait ، AlwaysSpeculatableImplTrait speculatableImpltrait ، QuantizableResult ، ResultsBroadcastableShape

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.less_equal (tfl :: lessequalop)

_U.Less Equale Operator

عنصر element less_equal.

السمات: ::mlir::OpTrait::TFLRuntimeOpTrait ، AlwaysSpeculatableImplTrait speculatableImpltrait ، QuantizableResult ، ResultsBroadcastableShape

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.local_response_normalization (tfl :: localresponsenormizationop)

تطبيع الاستجابة المحلية.

يتم التعامل مع موتر input 4-D كصفيف ثلاثي الأبعاد من ناقلات 1-D (على طول البعد الأخير) ، ويتم تطبيع كل متجه بشكل مستقل. ضمن متجه معين ، يتم تقسيم كل مكون على مجموع المدخلات المرجحة ومربعة داخل depth_radius . بالتفصيل ،

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

للحصول على التفاصيل ، راجع تصنيف Krizhevsky et al.

السمات: AlwaysSpeculatableImplTrait ، InferTensorType ، TF::SameOperandsAndResultTypeResolveRef

واجهات: ConditionallySpeculatable ، InferShapedTypeOpInterface ، InferTypeOpInterface ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المعاملات:

نتائج:

tfl.log (tfl :: logop)

لوغاريتم الطبيعي

يقوم بعملية لوغاريتمية طبيعية من العناصر على الإدخال.

السمات: AlwaysSpeculatableImplTrait speculatableImpltrait ، QuantizableResult

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.log_softmax (tfl :: logsoftmaxop)

سجل softmax عامل

يحسب تنشيطات Softmax Log element مع الصيغة التالية

الإدخال - السجل (تخفيض _sum (exp (إدخال) ، قاتم))

السمات: AlwaysSpeculatableImplTrait speculatableImpltrait ، QuantizableResult ، SameOperandsAndResultShape

واجهات: ConditionallySpeculatable ، FixedOutputRangeInterface ، NoMemoryEffect (MemoryEffectOpInterface) TflRuntimeVerifyOpInterface TflArithmeticCountOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.logical_and (tfl :: logicalandop)

منطقي ومشغل

العنصر المنطقي والتشغيل.

السمات: AlwaysSpeculatableImplTrait ، ResultsBroadcastableShape

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.logical_not (tfl :: logicalNotop)

المنطقي وليس المشغل

العنصر المنطقي وليس العملية.

السمات: AlwaysSpeculatableImplTrait ، SameOperandsAndResultType

واجهات: ConditionallySpeculatable ، InferTypeOpInterface ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.logical_or (tfl :: logicalorop)

منطقي أو عامل

العنصر المنطقي أو العملية.

السمات: AlwaysSpeculatableImplTrait ، ResultsBroadcastableShape

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.logistic (tfl :: logisticop)

المشغل اللوجستي

يحسب sigmoid العنصر من المدخلات

السمات: AlwaysSpeculatableImplTrait speculatableImpltrait ، QuantizableResult ، SameOperandsAndResultShape

واجهات: ConditionallySpeculatable ، FixedOutputRangeInterface ، NoMemoryEffect (MemoryEffectOpInterface) TflRuntimeVerifyOpInterface TflArithmeticCountOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.lstm (tfl :: lstmop)

مشغل LSTM الكامل

وحدة الذاكرة طويلة الأجل طويلة الأجل (LSTM) طبقة الشبكة المتكررة. يعتمد تنفيذ غير القاع الافتراضي على: http://deeplearning.cs.cmu.edu/pdfs/hochreiter97_lstm.pdf S. Hochreiter و J. Schmidhuber. "ذاكرة طويلة الأجل طويلة". الحساب العصبي ، 9 (8): 1735-1780 ، 1997. يعتمد تنفيذ Peephole على: https://research.google.com/pubs/archive/43905.pdf Hasim Sak ، Andrew Senior ، و Francoise Beaufays. "بنيات الشبكة العصبية المتكررة على المدى الطويل على المدى القصير للنمذجة الصوتية واسعة النطاق." interspeech ، 2014. يعتمد اقتران المدخلات والنسيان (CIFG) على: http://arxiv.org/pdf/1503.04069.pdf Greff et al. "LSTM: A Search Space Odyssey" يعتمد تطبيع الطبقة على: https://arxiv.org/pdf/1607.06450.pdf ba et al. "تطبيع الطبقة"

السمات: QuantizableResult

واجهات: DynamicRangeQuantizedOpInterface ، TFL_StatefulOp ، TflRuntimeVerifyOpInterface

صفات:

المعاملات:

نتائج:

tfl.matrix_diag (tfl :: matrixdiagop)

إرجاع الموتر مع قطري المقدم وكل شيء آخر مبطن بالأصفار.

بالنظر إلى قطري ، يعيد توتر مع قطري وكل شيء آخر مبطن بالأصفار. افترض أن الأبعاد k لها أبعاد k [I, J, K, ..., N] ، فإن الإخراج هو موتر من الرتبة k+1 مع أبعاد [I, J, K, ..., N, N] حيث: output[i, j, k, ..., m, n] = 1{m=n} * diagonal[i, j, k, ..., n].

السمات: AlwaysSpeculatableImplTrait speculatableImpltrait ، QuantizableResult

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.matrix_set_diag (tfl :: matrixsetdiagop)

إرجاع موتر مصفوفة مزدوج مع قيم قطرية جديدة.

بالنظر إلى input diagonal ، تُرجع هذه العملية موترًا بنفس الشكل وقيم input ، باستثناء القطر الرئيسي لمصفوفات الأعمق. سيتم كتابة هذه بواسطة القيم في diagonal .

السمات: AlwaysSpeculatableImplTrait speculatableImpltrait ، QuantizableResult

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.max_pool_2d (tfl :: maxpool2dop)

Max Pool 2D OP

يؤدي Max Pool 2D على الإدخال.

المدخلات: inputs[0] : مطلوب: موتر الإدخال

السمات: AlwaysSpeculatableImplTrait speculatableImpltrait ، QuantizableResult

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflArithmeticCountOpInterface ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المعاملات:

نتائج:

tfl.maximum (tfl :: maximumop)

Max Operator

عنصر الحد الأقصى للعنصر.

السمات: ::mlir::OpTrait::TFLRuntimeOpTrait ، AlwaysSpeculatableImplTrait speculatableImpltrait ، Commutative ، QuantizableResult ، ResultsBroadcastableShape

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.mean (tfl :: meanop)

يعني المشغل

يحسب متوسط ​​العناصر عبر أبعاد الموتر. يقلل input_tensor على طول الأبعاد الواردة في المحور. ما لم يكن KeepDims صحيحًا ، يتم تقليل رتبة الموتر بمقدار 1 لكل إدخال في المحور. إذا كان KeepDims صحيحًا ، يتم الاحتفاظ بالأبعاد المخفضة بطول 1.

السمات: AlwaysSpeculatableImplTrait speculatableImpltrait ، QuantizableResult

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

صفات:

المعاملات:

نتائج:

tfl.minimum (tfl :: minimumop)

مشغل دقيقة

عنصر الحكم الدقيقة.

السمات: ::mlir::OpTrait::TFLRuntimeOpTrait ، AlwaysSpeculatableImplTrait speculatableImpltrait ، Commutative ، QuantizableResult ، ResultsBroadcastableShape

واجهات: ConditionallySpeculatable ، NoMemoryEffect (MemoryEffectOpInterface) ، SameOperandsAndResultsScale ، TflRuntimeVerifyOpInterface

التأثيرات: MemoryEffects::Effect{}

المعاملات:

نتائج:

tfl.mirror_pad (tfl :: mirrorpadop)

مشغل Mirrorpad. وسادات موتر مع القيم المتطابقة.

تقوم هذه العملية بوسادات الإدخال بقيم متطابقة وفقًا للحمل الذي تحدده. الحشوات هي موتر عدد صحيح مع الشكل [n ، 2] ، حيث n هو رتبة المدخلات. لكل بعد د من الإدخال ، تشير الحشوات [D ، 0] إلى عدد القيم التي يجب إضافتها قبل محتويات الإدخال في هذا البعد ، وتشير الحشوات [D ، 1] إلى عدد القيم التي يجب إضافتها بعد محتويات الإدخال في هذا البعد.

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{}

صفات:

Operands:

نتائج:

tfl.mul (TFL::MulOp)

عامل الضرب

Element-wise multiplication operation.

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

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

Effects: MemoryEffects::Effect{}

صفات:

Operands:

نتائج:

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

صفات:

Operands:

نتائج:

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:

نتائج:

tfl.no_value (TFL::NoValueOp)

Constant representing no value.

No value constant op.

Traits: AlwaysSpeculatableImplTrait , ConstantLike

Interfaces: ConditionallySpeculatable , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

صفات:

نتائج:

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:

نتائج:

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:

نتائج:

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:

نتائج:

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

صفات:

Operands:

نتائج:

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{}

صفات:

Operands:

نتائج:

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) ;

على سبيل المثال:

# '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{}

صفات:

Operands:

نتائج:

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)

على سبيل المثال:

# '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:

نتائج:

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)

على سبيل المثال:

# '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:

نتائج:

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:

نتائج:

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:

نتائج:

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 , TFL::AffineOpCoefficient<-1, 1>

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

Effects: MemoryEffects::Effect{}

Operands:

نتائج:

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{}

صفات:

نتائج:

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{}

صفات:

نتائج:

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{}

صفات:

نتائج:

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{}

صفات:

نتائج:

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{}

صفات:

Operands:

نتائج:

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

صفات:

Operands:

نتائج:

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

صفات:

Operands:

نتائج:

tfl.range (TFL::RangeOp)

مشغل النطاق

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:

نتائج:

tfl.rank (TFL::RankOp)

Rank operator.

Returns the rank of a tensor.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

نتائج:

tfl.read_variable (TFL::ReadVariableOp)

Reads variable value.

Read variable data identified by 'resource_id'.

Interfaces: TflRuntimeVerifyOpInterface

Operands:

نتائج:

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:

نتائج:

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{}

صفات:

Operands:

نتائج:

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{}

صفات:

Operands:

نتائج:

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{}

صفات:

Operands:

نتائج:

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{}

صفات:

Operands:

نتائج:

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{}

صفات:

Operands:

نتائج:

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:

نتائج:

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:

نتائج:

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:

نتائج:

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:

نتائج:

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:

نتائج:

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{}

صفات:

Operands:

نتائج:

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{}

صفات:

Operands:

نتائج:

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{}

صفات:

Operands:

نتائج:

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:

نتائج:

tfl.rfft2d (TFL::RFFT2dOp)

2D real-valued fast Fourier transform.

Computes the 2-dimensional discrete Fourier transform of a real-valued signal over the inner-most 2 dimensions of input .

Since the DFT of a real signal is Hermitian-symmetric, RFFT2D only returns the fft_length / 2 + 1 unique components of the FFT for the inner-most dimension of output : the zero-frequency term, followed by the fft_length / 2 positive-frequency terms.

Along each axis RFFT2D is computed on, if fft_length is smaller than the corresponding dimension of input , the dimension is cropped. If it is larger, the dimension is padded with zeros.

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

نتائج:

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:

نتائج:

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:

نتائج:

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:

نتائج:

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:

نتائج:

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:

نتائج:

tfl.select (TFL::SelectOp)

حدد المشغل

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:

نتائج:

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:

نتائج:

tfl.shape (TFL::ShapeOp)

Shape operator

Returns the shape of a tensor.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

صفات:

Operands:

نتائج:

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 , SameOperandsAndResultType

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

Effects: MemoryEffects::Effect{}

Operands:

نتائج:

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:

نتائج:

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

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

Effects: MemoryEffects::Effect{}

Operands:

نتائج:

tfl.softmax (TFL::SoftmaxOp)

Softmax operator

Computes element-wise softmax activations with the following formula

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

صفات:

Operands:

نتائج:

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:

نتائج:

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{}

صفات:

Operands:

نتائج:

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:

نتائج:

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{}

صفات:

Operands:

نتائج:

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{}

صفات:

Operands:

نتائج:

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:

نتائج:

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:

نتائج:

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:

نتائج:

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 .

على سبيل المثال:

# '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{}

صفات:

Operands:

نتائج:

tfl.strided_slice (TFL::StridedSliceOp)

StridedSlice Op

Return a strided slice from input .

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

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

Effects: MemoryEffects::Effect{}

صفات:

Operands:

نتائج:

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{}

صفات:

Operands:

نتائج:

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{}

صفات:

Operands:

نتائج:

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 , TFL::AccumulatorUniformScale<3, 2, 4>

Interfaces: DynamicRangeQuantizedOpInterface , TFL_StatefulOp , TflRuntimeVerifyOpInterface

صفات:

Operands:

نتائج:

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:

نتائج:

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:

نتائج:

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:

نتائج:

tfl.transpose (TFL::TransposeOp)

Transpose operator

Returns the Transpose of x

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

نتائج:

tfl.transpose_conv (TFL::TransposeConvOp)

Transpose convolution operator

Performs transpose convolution operation on input.

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

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

Effects: MemoryEffects::Effect{}

صفات:

Operands: