'tfl' ภาษาถิ่น

จัดทุกอย่างให้เป็นระเบียบอยู่เสมอด้วยคอลเล็กชัน บันทึกและจัดหมวดหมู่เนื้อหาตามค่ากำหนดของคุณ

ภาษา TensorFlow Lite

ภาษาถิ่นนี้จับคู่กับการทำงานของ TensorFlow Lite

ค่าคงที่:

  • ค่าทั้งหมดเป็นประเภทเทนเซอร์ (โดยเฉพาะอย่างยิ่ง สเกลาร์จะแสดงโดยใช้เทนเซอร์แบบไม่มีมิติ)

คำจำกัดความของการดำเนินการ

tfl.abs (::mlir::TFL::AbsOp)

ตัวดำเนินการค่าสัมบูรณ์

เมื่อกำหนดเทนเซอร์ x การดำเนินการนี้จะส่งคืนเทนเซอร์ที่มีค่าสัมบูรณ์ของแต่ละองค์ประกอบใน x ตัวอย่างเช่น ถ้า x เป็นองค์ประกอบอินพุต และ y เป็นองค์ประกอบเอาต์พุต การดำเนินการนี้จะคำนวณ \(y = |x|\)

ลักษณะ: AlwaysSpeculatableImplTrait, QuantizableResult, SameOperandsAndResultShape

อินเทอร์เฟซ: ระบุเงื่อนไขได้, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

เอฟเฟ็กต์: เอฟเฟ็กต์หน่วยความจำ::เอฟเฟ็กต์{}

ตัวดำเนินการ:

ตัวดำเนินการ คำอธิบาย
x tensor ของจำนวนเต็มไม่มีเครื่องหมาย 16 บิต หรือจำนวนเต็มไม่มีเครื่องหมาย 32 บิต หรือค่าทศนิยม 32 บิต หรือประเภท QI8 หรือประเภท QI16

ผลลัพธ์:

ผลลัพธ์ คำอธิบาย
y tensor ของจำนวนเต็มไม่มีเครื่องหมาย 16 บิต หรือจำนวนเต็มไม่มีเครื่องหมาย 32 บิต หรือค่าทศนิยม 32 บิต หรือประเภท QI8 หรือประเภท QI16

tfl.add_n (::mlir::TFL::AddNOp)

ตัวดำเนินการ add_n

เพิ่มเทนเซอร์อินพุตทั้งหมดตามองค์ประกอบ

ลักษณะ: AlwaysSpeculatableImplTrait, Commutative

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

เอฟเฟ็กต์: เอฟเฟ็กต์หน่วยความจำ::เอฟเฟ็กต์{}

ตัวดำเนินการ:

ตัวดำเนินการ คำอธิบาย
inputs เทนเซอร์ของค่าประเภทใดก็ได้

ผลลัพธ์:

ผลลัพธ์ คำอธิบาย
sum tensor ของค่าจำนวนเต็มแบบลอยตัว 32 บิตหรือแบบไม่มีเครื่องหมาย 32 บิต

tfl.add (::mlir::TFL::AddOp)

ตัวดำเนินการเพิ่มเติม

การดำเนินการเพิ่มองค์ประกอบที่ชาญฉลาด

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

อินเทอร์เฟซ: ระบุเงื่อนไขได้, NoMemoryEffect (MemoryEffectOpInterface), TflArithmeticCountOpInterface, TflRuntimeVerifyOpInterface

เอฟเฟ็กต์: เอฟเฟ็กต์หน่วยความจำ::เอฟเฟ็กต์{}

คุณลักษณะ:

คุณลักษณะ ประเภท MLIR คำอธิบาย
fused_activation_function ::mlir::StringAttr แอตทริบิวต์สตริงที่มีค่าเป็น NONE หรือ RELU หรือ RELU_N1_TO_1 หรือ RELU6 หรือ TANH หรือ SIGN_BIT

ตัวดำเนินการ:

ตัวดำเนินการ คำอธิบาย
lhs เทนเซอร์ของจำนวนเต็มแบบลอย 32 บิตหรือจำนวนเต็มไม่มีเครื่องหมาย 32 บิตหรือจำนวนเต็มแบบไม่มีเครื่องหมาย 64 บิตหรือค่าประเภท QI8 หรือประเภท QUI8 หรือประเภท QI16
rhs เทนเซอร์ของจำนวนเต็มแบบลอย 32 บิตหรือจำนวนเต็มไม่มีเครื่องหมาย 32 บิตหรือจำนวนเต็มแบบไม่มีเครื่องหมาย 64 บิตหรือค่าประเภท QI8 หรือประเภท QUI8 หรือประเภท QI16

ผลลัพธ์:

ผลลัพธ์ คำอธิบาย
output เทนเซอร์ของจำนวนเต็มแบบลอย 32 บิตหรือจำนวนเต็มไม่มีเครื่องหมาย 32 บิตหรือจำนวนเต็มแบบไม่มีเครื่องหมาย 64 บิตหรือค่าประเภท QI8 หรือประเภท QUI8 หรือประเภท QI16

tfl.arg_max (::mlir::TFL::ArgMaxOp)

ตัวดำเนินการ ArgMax

ส่งกลับดัชนีที่มีค่ามากที่สุดในทุกมิติของเทนเซอร์

ลักษณะ: AlwaysSpeculatableImplTrait, QuantizableResult

อินเทอร์เฟซ: ระบุเงื่อนไขได้, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

เอฟเฟ็กต์: เอฟเฟ็กต์หน่วยความจำ::เอฟเฟ็กต์{}

คุณลักษณะ:

คุณลักษณะ ประเภท MLIR คำอธิบาย
output_type ::mlir::แอตทริบิวต์ คุณลักษณะที่ได้รับ

ตัวดำเนินการ:

ตัวดำเนินการ คำอธิบาย
input tensor ของจำนวนเต็มไม่มีเครื่องหมาย 1 บิตหรือจำนวนจริง 32 บิตหรือจำนวนเต็มไม่มีเครื่องหมาย 32 บิตหรือจำนวนเต็มไม่มีเครื่องหมาย 8 บิตหรือจำนวนเต็มไม่มีเครื่องหมาย 8 บิตหรือค่าประเภท QI8 หรือประเภท QUI8
dim เทนเซอร์ของค่าจำนวนเต็มแบบไม่มีเครื่องหมาย 32/64 บิต

ผลลัพธ์:

ผลลัพธ์ คำอธิบาย
output เทนเซอร์ของค่าจำนวนเต็มแบบไม่มีเครื่องหมาย 32/64 บิต

tfl.arg_min (::mlir::TFL::ArgMinOp)

ตัวดำเนินการ ArgMin

ส่งกลับดัชนีที่มีค่าน้อยที่สุดในมิติต่างๆ ของเทนเซอร์ a = [1, 10, 26.9, 2.8, 166.32, 62.3] b = tf.math.argmin(อินพุต = a) c = tf.keras.backend.eval(b)

ลักษณะ: AlwaysSpeculatableImplTrait, QuantizableResult

อินเทอร์เฟซ: ระบุเงื่อนไขได้, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

เอฟเฟ็กต์: เอฟเฟ็กต์หน่วยความจำ::เอฟเฟ็กต์{}

คุณลักษณะ:

คุณลักษณะ ประเภท MLIR คำอธิบาย
output_type ::mlir::แอตทริบิวต์ คุณลักษณะที่ได้รับ

ตัวดำเนินการ:

ตัวดำเนินการ คำอธิบาย
input tensor ของจำนวนเต็มไม่มีเครื่องหมาย 1 บิตหรือจำนวนจริง 32 บิตหรือจำนวนเต็มไม่มีเครื่องหมาย 32 บิตหรือจำนวนเต็มไม่มีเครื่องหมาย 8 บิตหรือจำนวนเต็มไม่มีเครื่องหมาย 8 บิตหรือค่าประเภท QI8 หรือประเภท QUI8
dim เทนเซอร์ของค่าจำนวนเต็มแบบไม่มีเครื่องหมาย 32/64 บิต

ผลลัพธ์:

ผลลัพธ์ คำอธิบาย
output เทนเซอร์ของค่าจำนวนเต็มแบบไม่มีเครื่องหมาย 32/64 บิต

tfl.assign_variable (::mlir::TFL::AssignVariableOp)

กำหนดค่าใหม่ให้กับตัวแปร

ReadVariableOp ใดๆ ที่มีการขึ้นต่อกันของการควบคุมบน op นี้รับประกันว่าจะส่งคืนค่านี้หรือค่าที่ใหม่กว่าที่ตามมาของตัวแปร

อินเทอร์เฟซ: TflRuntimeVerifyOpInterface

ตัวดำเนินการ:

ตัวดำเนินการ คำอธิบาย
resource_id เทนเซอร์ของค่าทรัพยากร
value เทนเซอร์ของจำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิตหรือแบบลอยแบบ 64 บิตหรือจำนวนเต็มแบบไม่มีเครื่องหมาย 1 บิตหรือจำนวนเต็มแบบไม่มีเครื่องหมาย 8 บิตหรือจำนวนเต็มแบบไม่มีเครื่องหมาย 8 บิตหรือประเภท QI8 หรือประเภท QUI8 หรือจำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิตหรือประเภท QI16 แบบ 64 บิต หรือแบบซับซ้อนที่มีองค์ประกอบโฟลต 32 บิต หรือแบบซับซ้อนที่มีค่าองค์ประกอบโฟลต 64 บิต

tfl.atan2 (::mlir::TFL::Atan2Op)

การทำงานของ Atan2

การดำเนินการ "atan2" คำนวณอาร์กแทนเจนต์ขององค์ประกอบ y/x โดยคำนึงถึงสัญญาณของการโต้แย้ง

ลักษณะ: AlwaysSpeculatableImplTrait, SameOperandsAndResultElementType, SameOperandsAndResultShape

อินเทอร์เฟซ: ระบุเงื่อนไขได้, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

เอฟเฟ็กต์: เอฟเฟ็กต์หน่วยความจำ::เอฟเฟ็กต์{}

ตัวดำเนินการ:

ตัวดำเนินการ คำอธิบาย
y เทนเซอร์ของค่าโฟลต 32 บิตหรือ 64 บิต
x เทนเซอร์ของค่าโฟลต 32 บิตหรือ 64 บิต

ผลลัพธ์:

ผลลัพธ์ คำอธิบาย
output เทนเซอร์ของค่าโฟลต 32 บิตหรือ 64 บิต

tfl.average_pool_2d (::mlir::TFL::AveragePool2DOp)

ตัวดำเนินการ Average_pool_2d

ดำเนินการรวมเฉลี่ยกับอินพุต

ลักษณะ: AlwaysSpeculatableImplTrait, QuantizableResult

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

เอฟเฟ็กต์: เอฟเฟ็กต์หน่วยความจำ::เอฟเฟ็กต์{}

คุณลักษณะ:

คุณลักษณะ ประเภท MLIR คำอธิบาย
filter_height ::mlir::IntegerAttr แอตทริบิวต์จำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิต
filter_width ::mlir::IntegerAttr แอตทริบิวต์จำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิต
padding ::mlir::StringAttr แอตทริบิวต์สตริงที่มีค่าเป็น SAME หรือ VALID
stride_h ::mlir::IntegerAttr แอตทริบิวต์จำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิต
stride_w ::mlir::IntegerAttr แอตทริบิวต์จำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิต
fused_activation_function ::mlir::StringAttr แอตทริบิวต์สตริงที่มีค่าเป็น NONE หรือ RELU หรือ RELU_N1_TO_1 หรือ RELU6 หรือ TANH หรือ SIGN_BIT

ตัวดำเนินการ:

ตัวดำเนินการ คำอธิบาย
input เทนเซอร์ของค่าประเภทโฟลต 32 บิตหรือประเภท QI8 หรือประเภท QUI8 หรือประเภท QI16

ผลลัพธ์:

ผลลัพธ์ คำอธิบาย
output เทนเซอร์ของค่าประเภทโฟลต 32 บิตหรือประเภท QI8 หรือประเภท QUI8 หรือประเภท QI16

tfl.basic_lstm (::mlir::TFL::BasicLSTMOp)

ตัวดำเนินการ lstm พื้นฐาน

ตัวดำเนินการเซลล์ LSTM ขั้นพื้นฐาน

ลักษณะ: AlwaysSpeculatableImplTrait, QuantizableResult

อินเทอร์เฟซ: ระบุเงื่อนไขได้, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

เอฟเฟ็กต์: เอฟเฟ็กต์หน่วยความจำ::เอฟเฟ็กต์{}

คุณลักษณะ:

คุณลักษณะ ประเภท MLIR คำอธิบาย
fused_activation_function ::mlir::StringAttr แอตทริบิวต์สตริงที่มีค่าเป็น NONE หรือ RELU หรือ RELU_N1_TO_1 หรือ RELU6 หรือ TANH หรือ SIGN_BIT
cell_clip ::mlir::FloatAttr แอตทริบิวต์ float แบบ 32 บิตที่มีค่าไม่เป็นลบ
proj_clip ::mlir::FloatAttr แอตทริบิวต์ float แบบ 32 บิตที่มีค่าไม่เป็นลบ
kernel_type ::mlir::TFL::LSTMKernelTypeAttr lstm_kernel_type ซึ่งมีค่าเป็น mlir::TFL::LSTMKernelType::BASIC

ตัวดำเนินการ:

ตัวดำเนินการ คำอธิบาย
data_input tensor ของค่าประเภท float หรือ QUI8 แบบ 32 บิต
prev_activ_input tensor ของค่าประเภท float หรือ QUI8 แบบ 32 บิต
weights_input tensor ของค่าประเภท float หรือ QUI8 แบบ 32 บิต
biases_input เทนเซอร์ของค่าประเภทโฟลต 32 บิตหรือ QI32
prev_state_input เทนเซอร์ของค่าประเภทโฟลต 32 บิตหรือ QI16

ผลลัพธ์:

ผลลัพธ์ คำอธิบาย
activ_output เทนเซอร์ 2D ของค่าประเภทใดก็ได้
state_output เทนเซอร์ 2D ของค่าประเภทใดก็ได้
concat_temp เทนเซอร์ 2D ของค่าประเภทใดก็ได้
activ_temp เทนเซอร์ 2D ของค่าประเภทใดก็ได้

tfl.batch_matmul (::mlir::TFL::BatchMatMulOp)

ตัวดำเนินการคูณเมทริกซ์แบทช์

ดำเนินการคูณเมทริกซ์แบทช์บนอินพุต ปฏิบัติตามข้อกำหนดของ TensorFlow BatchMatMulV2 พร้อมรองรับมิติที่ไม่รู้จักในมิติแบทช์และการแพร่ภาพ

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

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

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

เอฟเฟ็กต์: เอฟเฟ็กต์หน่วยความจำ::เอฟเฟ็กต์{}

คุณลักษณะ:

คุณลักษณะ ประเภท MLIR คำอธิบาย
adj_x ::mlir::BoolAttr แอตทริบิวต์บูล
adj_y ::mlir::BoolAttr แอตทริบิวต์บูล
asymmetric_quantize_inputs ::mlir::BoolAttr แอตทริบิวต์บูล

ตัวดำเนินการ:

ตัวดำเนินการ คำอธิบาย
x เทนเซอร์ของโฟลต 32 บิตหรือประเภท QI8 หรือประเภท QI16 หรือค่าจำนวนเต็มแบบไม่มีเครื่องหมาย 8 บิต
y เทนเซอร์ของโฟลต 32 บิตหรือประเภท QI8 หรือประเภท QI16 หรือค่าจำนวนเต็มแบบไม่มีเครื่องหมาย 8 บิต

ผลลัพธ์:

ผลลัพธ์ คำอธิบาย
output เทนเซอร์ของโฟลต 32 บิตหรือประเภท QI8 หรือประเภท QI16 หรือค่าจำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิต

tfl.batch_to_space_nd (::mlir::TFL::BatchToSpaceNdOp)

ตัวดำเนินการ BatchToSpaceNd

การดำเนินการนี้เปลี่ยนมิติ "แบทช์" 0 เป็นมิติช่องว่าง

ลักษณะ: AlwaysSpeculatableImplTrait, QuantizableResult

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

เอฟเฟ็กต์: เอฟเฟ็กต์หน่วยความจำ::เอฟเฟ็กต์{}

ตัวดำเนินการ:

ตัวดำเนินการ คำอธิบาย
input tensor ของจำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิต หรือจำนวนเต็มแบบไม่มีเครื่องหมาย 8 บิต หรือจำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิต หรือจำนวนเต็มแบบไม่มีเครื่องหมาย 64 บิต หรือจำนวนเต็มแบบไม่มีเครื่องหมาย 8 บิต หรือประเภท QI8 หรือประเภท QUI8
block_shape เทนเซอร์ของค่าจำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิต
indices เทนเซอร์ของค่าจำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิต

ผลลัพธ์:

ผลลัพธ์ คำอธิบาย
output tensor ของจำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิตหรือจำนวนเต็มแบบไม่มีเครื่องหมาย 16 บิตหรือจำนวนเต็มแบบไม่มีเครื่องหมายแบบ 32 บิตหรือจำนวนเต็มแบบไม่มีเครื่องหมายแบบ 64 บิตหรือจำนวนเต็มแบบไม่มีเครื่องหมาย 8 บิตหรือค่าประเภท QI8 หรือประเภท QUI8 8 บิต

tfl.bidirectional_sequence_lstm (::mlir::TFL::BidirectionalSequenceLSTMOp)

ตัวดำเนินการ lstm ลำดับสองทิศทาง

lstm แบบสองทิศทางโดยพื้นฐานแล้วมีสอง lstms อันหนึ่งวิ่งไปข้างหน้าและอีกอันวิ่งถอยหลัง และเอาต์พุตคือการต่อข้อมูลของสอง lstms

ลักษณะ: QuantizableResult

อินเทอร์เฟซ: DynamicRangeQuantizedOpInterface, TFL_StatefulOp, TflRuntimeVerifyOpInterface

คุณลักษณะ:

คุณลักษณะ ประเภท MLIR คำอธิบาย
fused_activation_function ::mlir::StringAttr แอตทริบิวต์สตริงที่มีค่าเป็น NONE หรือ RELU หรือ RELU_N1_TO_1 หรือ RELU6 หรือ TANH หรือ SIGN_BIT
cell_clip ::mlir::FloatAttr แอตทริบิวต์ float แบบ 32 บิตที่มีค่าไม่เป็นลบ
proj_clip ::mlir::FloatAttr แอตทริบิวต์ float แบบ 32 บิตที่มีค่าไม่เป็นลบ
merge_outputs ::mlir::BoolAttr แอตทริบิวต์บูล
time_major ::mlir::BoolAttr แอตทริบิวต์บูล
asymmetric_quantize_inputs ::mlir::BoolAttr แอตทริบิวต์บูล

ตัวดำเนินการ:

ตัวดำเนินการ คำอธิบาย
input เทนเซอร์ของค่าจำนวนเต็มแบบลอยตัว 32 บิตหรือ 8 บิตแบบไม่มีเครื่องหมาย
fw_input_to_input_weights เทนเซอร์ของค่าประเภทใด ๆ หรือไม่มีเลย
fw_input_to_forget_weights เทนเซอร์ของค่าจำนวนเต็มแบบลอยตัว 32 บิตหรือ 8 บิตแบบไม่มีเครื่องหมาย
fw_input_to_cell_weights เทนเซอร์ของค่าจำนวนเต็มแบบลอยตัว 32 บิตหรือ 8 บิตแบบไม่มีเครื่องหมาย
fw_input_to_output_weights เทนเซอร์ของค่าจำนวนเต็มแบบลอยตัว 32 บิตหรือ 8 บิตแบบไม่มีเครื่องหมาย
fw_recurrent_to_input_weights เทนเซอร์ของค่าประเภทใด ๆ หรือไม่มีเลย
fw_recurrent_to_forget_weights เทนเซอร์ของค่าจำนวนเต็มแบบลอยตัว 32 บิตหรือ 8 บิตแบบไม่มีเครื่องหมาย
fw_recurrent_to_cell_weights เทนเซอร์ของค่าจำนวนเต็มแบบลอยตัว 32 บิตหรือ 8 บิตแบบไม่มีเครื่องหมาย
fw_recurrent_to_output_weights เทนเซอร์ของค่าจำนวนเต็มแบบลอยตัว 32 บิตหรือ 8 บิตแบบไม่มีเครื่องหมาย
fw_cell_to_input_weights เทนเซอร์ของค่าประเภทใด ๆ หรือไม่มีเลย
fw_cell_to_forget_weights เทนเซอร์ของค่าประเภทใด ๆ หรือไม่มีเลย
fw_cell_to_output_weights เทนเซอร์ของค่าประเภทใด ๆ หรือไม่มีเลย
fw_input_gate_bias เทนเซอร์ของค่าประเภทใด ๆ หรือไม่มีเลย
fw_forget_gate_bias เทนเซอร์ของค่าโฟลต 32 บิต
fw_cell_bias เทนเซอร์ของค่าโฟลต 32 บิต
fw_output_gate_bias เทนเซอร์ของค่าโฟลต 32 บิต
fw_projection_weights เทนเซอร์ของค่าประเภทใด ๆ หรือไม่มีเลย
fw_projection_bias เทนเซอร์ของค่าประเภทใด ๆ หรือไม่มีเลย
bw_input_to_input_weights เทนเซอร์ของค่าประเภทใด ๆ หรือไม่มีเลย
bw_input_to_forget_weights เทนเซอร์ของค่าจำนวนเต็มแบบลอยตัว 32 บิตหรือ 8 บิตแบบไม่มีเครื่องหมาย
bw_input_to_cell_weights เทนเซอร์ของค่าจำนวนเต็มแบบลอยตัว 32 บิตหรือ 8 บิตแบบไม่มีเครื่องหมาย
bw_input_to_output_weights เทนเซอร์ของค่าจำนวนเต็มแบบลอยตัว 32 บิตหรือ 8 บิตแบบไม่มีเครื่องหมาย
bw_recurrent_to_input_weights เทนเซอร์ของค่าประเภทใด ๆ หรือไม่มีเลย
bw_recurrent_to_forget_weights เทนเซอร์ของค่าจำนวนเต็มแบบลอยตัว 32 บิตหรือ 8 บิตแบบไม่มีเครื่องหมาย
bw_recurrent_to_cell_weights เทนเซอร์ของค่าจำนวนเต็มแบบลอยตัว 32 บิตหรือ 8 บิตแบบไม่มีเครื่องหมาย
bw_recurrent_to_output_weights เทนเซอร์ของค่าจำนวนเต็มแบบลอยตัว 32 บิตหรือ 8 บิตแบบไม่มีเครื่องหมาย
bw_cell_to_input_weights เทนเซอร์ของค่าประเภทใด ๆ หรือไม่มีเลย
bw_cell_to_forget_weights เทนเซอร์ของค่าประเภทใด ๆ หรือไม่มีเลย
bw_cell_to_output_weights เทนเซอร์ของค่าประเภทใด ๆ หรือไม่มีเลย
bw_input_gate_bias เทนเซอร์ของค่าประเภทใด ๆ หรือไม่มีเลย
bw_forget_gate_bias เทนเซอร์ของค่าโฟลต 32 บิต
bw_cell_bias เทนเซอร์ของค่าโฟลต 32 บิต
bw_output_gate_bias เทนเซอร์ของค่าโฟลต 32 บิต
bw_projection_weights เทนเซอร์ของค่าประเภทใด ๆ หรือไม่มีเลย
bw_projection_bias เทนเซอร์ของค่าประเภทใด ๆ หรือไม่มีเลย
fw_input_activation_state รัฐเทนเซอร์
fw_input_cell_state รัฐเทนเซอร์
bw_input_activation_state รัฐเทนเซอร์
bw_input_cell_state รัฐเทนเซอร์
aux_input เทนเซอร์ของค่าประเภทใด ๆ หรือไม่มีเลย
fw_aux_input_to_input_weights เทนเซอร์ของค่าประเภทใด ๆ หรือไม่มีเลย
fw_aux_input_to_forget_weights เทนเซอร์ของค่าประเภทใด ๆ หรือไม่มีเลย
fw_aux_input_to_cell_weights เทนเซอร์ของค่าประเภทใด ๆ หรือไม่มีเลย
fw_aux_input_to_output_weights เทนเซอร์ของค่าประเภทใด ๆ หรือไม่มีเลย
bw_aux_input_to_input_weights เทนเซอร์ของค่าประเภทใด ๆ หรือไม่มีเลย
bw_aux_input_to_forget_weights เทนเซอร์ของค่าประเภทใด ๆ หรือไม่มีเลย
bw_aux_input_to_cell_weights เทนเซอร์ของค่าประเภทใด ๆ หรือไม่มีเลย
bw_aux_input_to_output_weights เทนเซอร์ของค่าประเภทใด ๆ หรือไม่มีเลย

ผลลัพธ์:

ผลลัพธ์ คำอธิบาย
fw_output เทนเซอร์ของค่าประเภทใดก็ได้
bw_output เทนเซอร์ของค่าประเภทใดก็ได้

tfl.broadcast_args (::mlir::TFL::BroadcastArgsOp)

คืนรูปร่างของ s0 op s1 พร้อมการออกอากาศ

กำหนด s0 และ s1 เทนเซอร์ที่แสดงถึงรูปร่าง คำนวณ r0 รูปร่างที่ออกอากาศ s0 , s1 และ r0 เป็นเวกเตอร์จำนวนเต็มทั้งหมด

ลักษณะ: AlwaysSpeculatableImplTrait

อินเทอร์เฟซ: ระบุเงื่อนไขได้, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

เอฟเฟ็กต์: เอฟเฟ็กต์หน่วยความจำ::เอฟเฟ็กต์{}

ตัวดำเนินการ:

ตัวดำเนินการ คำอธิบาย
s0 เทนเซอร์ของค่าจำนวนเต็มแบบไม่มีเครื่องหมาย 32/64 บิต
s1 เทนเซอร์ของค่าจำนวนเต็มแบบไม่มีเครื่องหมาย 32/64 บิต

ผลลัพธ์:

ผลลัพธ์ คำอธิบาย
r0 เทนเซอร์ของค่าจำนวนเต็มแบบไม่มีเครื่องหมาย 32/64 บิต

tfl.broadcast_to (::mlir::TFL::BroadcastToOp)

ออกอากาศอาร์เรย์สำหรับรูปร่างที่เข้ากันได้

การแพร่ภาพคือกระบวนการสร้างอาร์เรย์ให้มีรูปร่างที่เข้ากันได้สำหรับการคำนวณทางคณิตศาสตร์ รูปทรงสองรูปทรงสามารถใช้งานร่วมกันได้ หากสำหรับแต่ละคู่มิติข้อมูลนั้นเท่ากันหรือมีอันใดอันหนึ่งเป็นหนึ่งเดียว เมื่อพยายามกระจาย Tensor เป็นรูปร่าง มันจะเริ่มต้นด้วยมิติต่อท้ายและเคลื่อนไปข้างหน้า

ตัวอย่างเช่น,

x = tf.constant([1, 2, 3]) y = tf.broadcast_to(x, [3, 3]) พิมพ์(y) tf.Tensor( [[1 2 3] [1 2 3] [1 2 3]], รูปร่าง=(3, 3), dtype=int32)

ในตัวอย่างข้างต้น Tensor อินพุตที่มีรูปร่างเป็น [1, 3] จะถูกส่งไปยังเอาต์พุต Tensor ที่มีรูปร่างเป็น [3, 3]

เมื่อทำการแพร่ภาพ เช่น การคูณเทนเซอร์ด้วยสเกลาร์ การแพร่ภาพ (โดยปกติ) ให้ประโยชน์ด้านเวลาหรือพื้นที่ เนื่องจากเทนเซอร์ที่แพร่ภาพจะไม่ปรากฏให้เห็น

อย่างไรก็ตาม broadcast_to ไม่มีประโยชน์ดังกล่าว เทนเซอร์ที่สร้างขึ้นใหม่ใช้หน่วยความจำเต็มรูปแบบของรูปร่างที่ออกอากาศ (ในบริบทของกราฟ broadcast_to อาจถูกรวมเข้ากับการดำเนินการที่ตามมา จากนั้นจึงปรับให้เหมาะสมออกไป)

ลักษณะ: AlwaysSpeculatableImplTrait, QuantizableResult

อินเทอร์เฟซ: ระบุเงื่อนไขได้, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

เอฟเฟ็กต์: เอฟเฟ็กต์หน่วยความจำ::เอฟเฟ็กต์{}

ตัวดำเนินการ:

ตัวดำเนินการ คำอธิบาย
input tensor ของจำนวนเต็ม 32 บิตแบบไม่มีเครื่องหมายหรือจำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิตหรือจำนวนเต็มแบบไม่มีเครื่องหมาย 1 บิตหรือจำนวนเต็มแบบไม่มีเครื่องหมาย 8 บิตหรือประเภท QI8 หรือจำนวนเต็มแบบไม่มีเครื่องหมาย 8 บิตหรือประเภท QUI8 หรือจำนวนเต็มแบบไม่มีเครื่องหมาย 16 บิตหรือประเภท QI16 หรือแบบ 64 บิตแบบไม่มีเครื่องหมาย ประเภทจำนวนเต็มหรือเชิงซ้อนที่มีค่าองค์ประกอบโฟลต 32 บิต
shape เทนเซอร์ของค่าจำนวนเต็มแบบไม่มีเครื่องหมาย 32/64 บิต

ผลลัพธ์:

ผลลัพธ์ คำอธิบาย
output tensor ของจำนวนเต็ม 32 บิตแบบไม่มีเครื่องหมายหรือจำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิตหรือจำนวนเต็มแบบไม่มีเครื่องหมาย 1 บิตหรือจำนวนเต็มแบบไม่มีเครื่องหมาย 8 บิตหรือประเภท QI8 หรือจำนวนเต็มแบบไม่มีเครื่องหมาย 8 บิตหรือประเภท QUI8 หรือจำนวนเต็มแบบไม่มีเครื่องหมาย 16 บิตหรือประเภท QI16 หรือแบบ 64 บิตแบบไม่มีเครื่องหมาย ประเภทจำนวนเต็มหรือเชิงซ้อนที่มีค่าองค์ประกอบโฟลต 32 บิต

tfl.bucketize (::mlir::TFL::BucketizeOp)

Bucketizes 'อินพุต' ตาม 'ขอบเขต'

ตัวอย่าง:

หากอินพุตมี boundaries = [0, 10, 100] และ input = [[-5, 10000][150, 10][5, 100]] เอาต์พุตจะเป็น output = [[0, 3][3, 2][1, 3]] .

ลักษณะ: AlwaysSpeculatableImplTrait, SameOperandsAndResultShape

อินเทอร์เฟซ: ระบุเงื่อนไขได้, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

เอฟเฟ็กต์: เอฟเฟ็กต์หน่วยความจำ::เอฟเฟ็กต์{}

คุณลักษณะ:

คุณลักษณะ ประเภท MLIR คำอธิบาย
boundaries ::mlir::ArrayAttr คุณลักษณะอาร์เรย์ลอย 32 บิต

ตัวดำเนินการ:

ตัวดำเนินการ คำอธิบาย
input tensor ของทศนิยม 32 บิตหรือทศนิยม 64 บิตหรือจำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิตหรือค่าจำนวนเต็มแบบไม่มีเครื่องหมาย 64 บิต

ผลลัพธ์:

ผลลัพธ์ คำอธิบาย
output เทนเซอร์ของค่าจำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิต

tfl.call_once (::mlir::TFL::CallOnceOp)

เรียกใช้ฟังก์ชันการเริ่มต้น

การดำเนินการนี้เรียกใช้ฟังก์ชันการเริ่มต้นที่กำหนดสำหรับ initializer เซสชันในภาษาถิ่นของโมเดลที่บันทึกไว้ tf

อินเทอร์เฟซ: TflRuntimeVerifyOpInterface

คุณลักษณะ:

คุณลักษณะ ประเภท MLIR คำอธิบาย
session_init_function ::mlir::StringAttr คุณลักษณะสตริง

tfl.cast (::mlir::TFL::CastOp)

แคสต์โอเปอเรเตอร์

แคสต์อินพุตจากประเภทอินพุตไปยังประเภทเอาต์พุต

ลักษณะ: AlwaysSpeculatableImplTrait, SameOperandsAndResultShape

อินเทอร์เฟซ: ระบุเงื่อนไขได้, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

เอฟเฟ็กต์: เอฟเฟ็กต์หน่วยความจำ::เอฟเฟ็กต์{}

ตัวดำเนินการ:

ตัวดำเนินการ คำอธิบาย
input เทนเซอร์ของทศนิยม 16 บิตหรือทศนิยม 32 บิตหรือทศนิยม 64 บิตหรือจำนวนเต็มไม่มีเครื่องหมาย 1 บิตหรือจำนวนเต็มไม่มีเครื่องหมาย 16 บิตหรือจำนวนเต็มไม่มีเครื่องหมาย 16 บิตหรือจำนวนเต็มไม่มีเครื่องหมาย 32 บิตหรือจำนวนเต็มไม่มีเครื่องหมาย 32 บิตหรือ 64 บิต 32 บิต จำนวนเต็มไม่มีเครื่องหมายหรือชนิด TFLite quint8 หรือจำนวนเต็มไม่มีเครื่องหมาย 8 บิตหรือจำนวนเต็มไม่มีเครื่องหมาย 8 บิตหรือชนิดซับซ้อนที่มีค่าองค์ประกอบโฟลต 32 บิต

ผลลัพธ์:

ผลลัพธ์ คำอธิบาย
output เทนเซอร์ของทศนิยม 16 บิตหรือทศนิยม 32 บิตหรือทศนิยม 64 บิตหรือจำนวนเต็มไม่มีเครื่องหมาย 1 บิตหรือจำนวนเต็มไม่มีเครื่องหมาย 16 บิตหรือจำนวนเต็มไม่มีเครื่องหมาย 16 บิตหรือจำนวนเต็มไม่มีเครื่องหมาย 32 บิตหรือจำนวนเต็มไม่มีเครื่องหมาย 32 บิตหรือ 64 บิต 32 บิต จำนวนเต็มไม่มีเครื่องหมายหรือชนิด TFLite quint8 หรือจำนวนเต็มไม่มีเครื่องหมาย 8 บิตหรือจำนวนเต็มไม่มีเครื่องหมาย 8 บิตหรือชนิดซับซ้อนที่มีค่าองค์ประกอบโฟลต 32 บิต

tfl.ceil (::mlir::TFL::CeilOp)

ตัวดำเนินการเพดาน

ส่งกลับค่าเพดานตามองค์ประกอบของอินพุต

ลักษณะ: AlwaysSpeculatableImplTrait, InferTensorType, TF::SameOperandsAndResultTypeResolveRef

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

เอฟเฟ็กต์: เอฟเฟ็กต์หน่วยความจำ::เอฟเฟ็กต์{}

ตัวดำเนินการ:

ตัวดำเนินการ คำอธิบาย
x เทนเซอร์ของค่าโฟลต 32 บิต

ผลลัพธ์:

ผลลัพธ์ คำอธิบาย
y เทนเซอร์ของค่าโฟลต 32 บิต

tfl.complex_abs (::mlir::TFL::ComplexAbsOp)

คำนวณค่าสัมบูรณ์เชิงซ้อนของเทนเซอร์

เมื่อกำหนดเทนเซอร์ x ของจำนวนเชิงซ้อน การดำเนินการนี้จะส่งคืนเทนเซอร์ประเภท float หรือ double ซึ่งเป็นค่าสัมบูรณ์ของแต่ละองค์ประกอบใน x องค์ประกอบทั้งหมดใน x ต้องเป็นจำนวนเชิงซ้อนในรูปแบบ \(a + bj\)ค่าสัมบูรณ์คำนวณเป็น \( \sqrt{a^2 + b^2}\)

ลักษณะ: AlwaysSpeculatableImplTrait, SameOperandsAndResultShape

อินเทอร์เฟซ: ระบุเงื่อนไขได้, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

เอฟเฟ็กต์: เอฟเฟ็กต์หน่วยความจำ::เอฟเฟ็กต์{}

ตัวดำเนินการ:

ตัวดำเนินการ คำอธิบาย
input เทนเซอร์ประเภทซับซ้อนพร้อมองค์ประกอบโฟลต 32 บิตหรือประเภทซับซ้อนพร้อมค่าองค์ประกอบโฟลต 64 บิต

ผลลัพธ์:

ผลลัพธ์ คำอธิบาย
output เทนเซอร์ของค่าโฟลต 32 บิตหรือ 64 บิต

tfl.concatenation (::mlir::TFL::ConcatenationOp)

ตัวดำเนินการเชื่อมต่อ

เชื่อมต่อเทนเซอร์ตามมิติเดียว

ลักษณะ: AlwaysSpeculatableImplTrait, QuantizableResult

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

เอฟเฟ็กต์: เอฟเฟ็กต์หน่วยความจำ::เอฟเฟ็กต์{}

คุณลักษณะ:

คุณลักษณะ ประเภท MLIR คำอธิบาย
axis ::mlir::IntegerAttr แอตทริบิวต์จำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิต
fused_activation_function ::mlir::StringAttr แอตทริบิวต์สตริงที่มีค่าเป็น NONE หรือ RELU หรือ RELU_N1_TO_1 หรือ RELU6 หรือ TANH หรือ SIGN_BIT

ตัวดำเนินการ:

ตัวดำเนินการ คำอธิบาย
values เทนเซอร์ของค่าประเภทใดก็ได้

ผลลัพธ์:

ผลลัพธ์ คำอธิบาย
output tensor ของจำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิตหรือจำนวนเต็มแบบไม่มีเครื่องหมาย 64 บิตหรือจำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิตหรือจำนวนเต็มแบบไม่มีเครื่องหมาย 16 บิตหรือจำนวนเต็มแบบไม่มีเครื่องหมาย 8 บิตหรือประเภท QI8 หรือประเภท QUI8 หรือจำนวนเต็มแบบไม่มีเครื่องหมาย 8 บิตหรือจำนวนเต็มแบบไม่มีเครื่องหมาย 1 บิต 8 บิต

tfl.pseudo_const (::mlir::TFL::ConstOp)

หลอกอย่างต่อเนื่อง op

แสดงค่าคงที่ในภาษาถิ่นของ TensorFlow Lite นี่ไม่ใช่การดำเนินการจริงและจะถูกลดระดับลงเป็นบัฟเฟอร์แทน

op ได้รับอนุญาตให้มีแอตทริบิวต์ประเภทเดียวกับที่ tf.Const ทำ (เช่น อนุญาตให้ใช้แอตทริบิวต์ TF ที่ทึบแสง)

ลักษณะ: AlwaysSpeculatableImplTrait, ConstantLike, FirstAttrDerivedResultType, QuantizableResult

อินเทอร์เฟซ: ระบุเงื่อนไขได้, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

เอฟเฟ็กต์: เอฟเฟ็กต์หน่วยความจำ::เอฟเฟ็กต์{}

คุณลักษณะ:

คุณลักษณะ ประเภท MLIR คำอธิบาย
value ::mlir::ElementsAttr แอตทริบิวต์เวกเตอร์/เทนเซอร์คงที่

ผลลัพธ์:

ผลลัพธ์ คำอธิบาย
output เทนเซอร์ของค่าประเภทใดก็ได้

tfl.control_node (::mlir::TFL::ControlNodeOp)

The `TFL.control_node` operation wraps single-block operations in order to attach control edges.

สิ่งนี้ใช้เพื่อรวมขอบเขตและแนบการพึ่งพาการควบคุมกับพวกเขา โดยทั่วไป สิ่งนี้จะเกิดขึ้นในขั้นตอนสุดท้ายก่อนที่จะปล่อยโมเดลแฟลตบัฟเฟอร์เพื่อเปิดใช้งานการปรับให้เหมาะสมที่อาศัยลำดับการดำเนินการคงที่ (เช่น การปรับวัสดุใหม่) ผู้ส่งออกแฟลตบัฟเฟอร์จะแกะขอบเขตที่พันไว้และใส่คำอธิบายประกอบโมเดลที่สร้างขึ้นด้วยข้อมูลเมตา ดังนั้นการจัดลำดับรันไทม์ใหม่จะเป็นไปตามลำดับที่กำหนดโดยการขึ้นต่อกันของการควบคุม

นิสัย: HasParent mlir::func::FuncOp , RecursiveMemoryEffects, SingleBlockImplicitTerminator

ตัวดำเนินการ:

ตัวดำเนินการ คำอธิบาย
controlInputs ควบคุม

ผลลัพธ์:

ผลลัพธ์ คำอธิบาย
outputs เทนเซอร์ของค่าประเภทใดก็ได้
control ควบคุม

tfl.conv_2d (::mlir::TFL::Conv2DOp)

ผู้ประกอบการ Convolution

ดำเนินการบิดบนอินพุต

อินพุต: inputs[0] : จำเป็น: อินพุตการเปิดใช้งานเทนเซอร์ inputs[1] : จำเป็น: inputs[2] : ทางเลือก: ไบอัสเทนเซอร์

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

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

เอฟเฟ็กต์: เอฟเฟ็กต์หน่วยความจำ::เอฟเฟ็กต์{}

คุณลักษณะ:

คุณลักษณะ ประเภท MLIR คำอธิบาย
dilation_h_factor ::mlir::IntegerAttr แอตทริบิวต์จำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิต
dilation_w_factor ::mlir::IntegerAttr แอตทริบิวต์จำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิต
fused_activation_function ::mlir::StringAttr แอตทริบิวต์สตริงที่มีค่าเป็น NONE หรือ RELU หรือ RELU_N1_TO_1 หรือ RELU6 หรือ TANH หรือ SIGN_BIT
padding ::mlir::StringAttr แอตทริบิวต์สตริงที่มีค่าเป็น SAME หรือ VALID
stride_h ::mlir::IntegerAttr แอตทริบิวต์จำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิต
stride_w ::mlir::IntegerAttr แอตทริบิวต์จำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิต

ตัวดำเนินการ:

ตัวดำเนินการ คำอธิบาย
input เทนเซอร์ของค่าประเภทโฟลต 32 บิตหรือประเภท QI8 หรือประเภท QUI8 หรือประเภท QI16
filter เทนเซอร์ของค่าประเภทโฟลต 32 บิตหรือประเภท QI4 หรือประเภท QI8 หรือประเภท QUI8
bias เทนเซอร์ของค่าประเภทใด ๆ หรือไม่มีเลย

ผลลัพธ์:

ผลลัพธ์ คำอธิบาย
output เทนเซอร์ของค่าประเภทโฟลต 32 บิตหรือประเภท QI8 หรือประเภท QUI8 หรือประเภท QI16

tfl.conv_3d (::mlir::TFL::Conv3DOp)

ตัวดำเนินการ Convolution 3D

ดำเนินการบิดบนอินพุต 3 มิติ อินพุต: inputs[0] : จำเป็น: อินพุตการเปิดใช้งานเทนเซอร์ inputs[1] : จำเป็น: inputs[2] : ทางเลือก: ไบอัสเทนเซอร์

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

อินเทอร์เฟซ: ระบุเงื่อนไขได้, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

เอฟเฟ็กต์: เอฟเฟ็กต์หน่วยความจำ::เอฟเฟ็กต์{}

คุณลักษณะ:

คุณลักษณะ ประเภท MLIR คำอธิบาย
dilation_d_factor ::mlir::IntegerAttr แอตทริบิวต์จำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิต
dilation_h_factor ::mlir::IntegerAttr แอตทริบิวต์จำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิต
dilation_w_factor ::mlir::IntegerAttr แอตทริบิวต์จำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิต
fused_activation_function ::mlir::StringAttr แอตทริบิวต์สตริงที่มีค่าเป็น NONE หรือ RELU หรือ RELU_N1_TO_1 หรือ RELU6 หรือ TANH หรือ SIGN_BIT
padding ::mlir::StringAttr แอตทริบิวต์สตริงที่มีค่าเป็น SAME หรือ VALID
stride_d ::mlir::IntegerAttr แอตทริบิวต์จำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิต
stride_h ::mlir::IntegerAttr แอตทริบิวต์จำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิต
stride_w ::mlir::IntegerAttr แอตทริบิวต์จำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิต

ตัวดำเนินการ:

ตัวดำเนินการ คำอธิบาย
input เทนเซอร์ของค่าโฟลต 32 บิต
filter เทนเซอร์ของค่าโฟลต 32 บิต
bias เทนเซอร์ของค่าประเภทใด ๆ หรือไม่มีเลย

ผลลัพธ์:

ผลลัพธ์ คำอธิบาย
output เทนเซอร์ของค่าโฟลต 32 บิต

tfl.conv_3d_transpose (::mlir::TFL::Conv3DTransposeOp)

ตัวดำเนินการ Transposed Convolution 3D

ดำเนินการหมุนแบบทรานสโพสบนอินพุต 3 มิติ อินพุต: inputs[0] : จำเป็น: รูปร่างของเอาต์พุตเทนเซอร์ inputs[1] inputs[3] จำเป็น: inputs[2] เทนเซอร์น้ำหนักกรอง

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

อินเทอร์เฟซ: ระบุเงื่อนไขได้, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

เอฟเฟ็กต์: เอฟเฟ็กต์หน่วยความจำ::เอฟเฟ็กต์{}

คุณลักษณะ:

คุณลักษณะ ประเภท MLIR คำอธิบาย
dilation_d_factor ::mlir::IntegerAttr แอตทริบิวต์จำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิต
dilation_h_factor ::mlir::IntegerAttr แอตทริบิวต์จำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิต
dilation_w_factor ::mlir::IntegerAttr แอตทริบิวต์จำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิต
fused_activation_function ::mlir::StringAttr แอตทริบิวต์สตริงที่มีค่าเป็น NONE หรือ RELU หรือ RELU_N1_TO_1 หรือ RELU6 หรือ TANH หรือ SIGN_BIT
padding ::mlir::StringAttr แอตทริบิวต์สตริงที่มีค่าเป็น SAME หรือ VALID
stride_d ::mlir::IntegerAttr แอตทริบิวต์จำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิต
stride_h ::mlir::IntegerAttr แอตทริบิวต์จำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิต
stride_w ::mlir::IntegerAttr แอตทริบิวต์จำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิต

ตัวดำเนินการ:

ตัวดำเนินการ คำอธิบาย
output_shape เทนเซอร์ของค่าจำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิต
filter เทนเซอร์ของค่าโฟลต 32 บิต
input เทนเซอร์ของค่าโฟลต 32 บิต
bias เทนเซอร์ของค่าประเภทใด ๆ หรือไม่มีเลย

ผลลัพธ์:

ผลลัพธ์ คำอธิบาย
output เทนเซอร์ของค่าโฟลต 32 บิต

tfl.cos (::mlir::TFL::CosOp)

ตัวดำเนินการโคไซน์

คำนวณโคไซน์ของอินพุตตามองค์ประกอบ

ลักษณะ: AlwaysSpeculatableImplTrait, InferTensorType, TF::SameOperandsAndResultTypeResolveRef

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

เอฟเฟ็กต์: เอฟเฟ็กต์หน่วยความจำ::เอฟเฟ็กต์{}

ตัวดำเนินการ:

ตัวดำเนินการ คำอธิบาย
x เทนเซอร์ของค่าโฟลต 32 บิต

ผลลัพธ์:

ผลลัพธ์ คำอธิบาย
y เทนเซอร์ของค่าโฟลต 32 บิต

tfl.cumsum (::mlir::TFL::CumsumOp)

ตัวดำเนินการคัมซัม

คำนวณผลรวมสะสมของเทนเซอร์ x ตามแกน

ลักษณะ: AlwaysSpeculatableImplTrait

อินเทอร์เฟซ: ระบุเงื่อนไขได้, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

เอฟเฟ็กต์: เอฟเฟ็กต์หน่วยความจำ::เอฟเฟ็กต์{}

คุณลักษณะ:

คุณลักษณะ ประเภท MLIR คำอธิบาย
exclusive ::mlir::BoolAttr แอตทริบิวต์บูล
reverse ::mlir::BoolAttr แอตทริบิวต์บูล

ตัวดำเนินการ:

ตัวดำเนินการ คำอธิบาย
input เทนเซอร์ของค่าจำนวนเต็มแบบลอย 32 บิตหรือจำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิตหรือค่าจำนวนเต็มแบบไม่มีเครื่องหมายแบบ 64 บิต
axis เทนเซอร์ของค่าจำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิต

ผลลัพธ์:

ผลลัพธ์ คำอธิบาย
output เทนเซอร์ของค่าจำนวนเต็มแบบลอย 32 บิตหรือจำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิตหรือค่าจำนวนเต็มแบบไม่มีเครื่องหมายแบบ 64 บิต

tfl.custom (::mlir::TFL::CustomOp)

ตัวเลือกที่กำหนดเอง

ทางเลือกทั่วไปสำหรับการดำเนินการแบบกำหนดเองของ TFLite

อินพุต: รายการอินพุตใน op ดั้งเดิม custom_code: สตริงที่ใช้ระบุว่า op นี้คืออะไรกันแน่ ซึ่งสอดคล้องกับ operation_codes.custom_code ใน flatbuffer custom_option: ตัวยึดสำหรับบันทึกแอตทริบิวต์ op ในรูปแบบไบต์ เอาต์พุต: รายการเอาต์พุตใน op ดั้งเดิม

อินเทอร์เฟซ: TflRuntimeVerifyOpInterface

คุณลักษณะ:

คุณลักษณะ ประเภท MLIR คำอธิบาย
custom_code ::mlir::StringAttr คุณลักษณะสตริง
custom_option ::mlir::TFL::ConstBytesAttr การแสดงแอตทริบิวต์สตริงของไบต์ที่คอมไพล์แล้ว

ตัวดำเนินการ:

ตัวดำเนินการ คำอธิบาย
input เทนเซอร์ของค่าประเภทใด ๆ หรือไม่มีเลย

ผลลัพธ์:

ผลลัพธ์ คำอธิบาย
output เทนเซอร์ของค่าประเภทใดก็ได้

tfl.custom_tf (::mlir::TFL::CustomTfOp)

Wrapper Op สำหรับ TF ops แบบกำหนดเอง

wrapper op รอบ ๆ Custom TF op ซึ่งรวมถึง ops ที่กำหนดโดยใช้ custom_opdefs หรือลิงก์ที่ไม่ได้กำหนดไว้ในภาษาถิ่น TF Op นี้เพียงล้อม op ที่กำหนดเองภายในภูมิภาค หมายเหตุ #1 Op นี้จะไม่รวม TF Lite custom ops ที่กำหนดโดยใช้ CustomOp หมายเหตุ #2 op นี้เป็นเพียงการแสดงภายในภายในตัวแปลงและจะไม่เปิดเผย/ส่งออกเมื่อโมเดลถูกส่งออกไปยัง Flatbuffer

ลักษณะ: IsolatedFromAbove, RecursiveMemoryEffects, SingleBlockImplicitTerminator

อินเทอร์เฟซ: InferTypeOpInterface, TflRuntimeVerifyOpInterface

ตัวดำเนินการ:

ตัวดำเนินการ คำอธิบาย
input เทนเซอร์ของค่าประเภทใด ๆ หรือไม่มีเลย

ผลลัพธ์:

ผลลัพธ์ คำอธิบาย
output เทนเซอร์ของค่าประเภทใดก็ได้

tfl.densify (::mlir::TFL::DensifyOp)

กระชับตัวดำเนินการ

แปลงเทนเซอร์กระจัดกระจายเป็นรูปแบบหนาแน่น

ลักษณะ: AlwaysSpeculatableImplTrait

อินเทอร์เฟซ: ระบุเงื่อนไขได้, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

เอฟเฟ็กต์: เอฟเฟ็กต์หน่วยความจำ::เอฟเฟ็กต์{}

ตัวดำเนินการ:

ตัวดำเนินการ คำอธิบาย
input เทนเซอร์ของค่าจำนวนเต็มแบบลอยตัว 32 บิตหรือ 8 บิตแบบไม่มีเครื่องหมาย

ผลลัพธ์:

ผลลัพธ์ คำอธิบาย
output เทนเซอร์ของค่าจำนวนเต็มแบบลอยตัว 32 บิตหรือ 8 บิตแบบไม่มีเครื่องหมาย

tfl.depth_to_space (::mlir::TFL::DepthToSpaceOp)

ตัวดำเนินการ DepthToSpace

จัดเรียงข้อมูลจากเชิงลึกใหม่เป็นบล็อกของข้อมูลเชิงพื้นที่ นี่คือการแปลงแบบย้อนกลับของ SpaceToDepth โดยเฉพาะอย่างยิ่ง op นี้จะส่งออกสำเนาของเทนเซอร์อินพุตซึ่งค่าจากมิติ depth จะถูกย้ายในบล็อกเชิงพื้นที่ไปยังมิติ height และ width attr block_size ระบุขนาดบล็อกอินพุตและวิธีการย้ายข้อมูล

ลักษณะ: AlwaysSpeculatableImplTrait, QuantizableResult

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

เอฟเฟ็กต์: เอฟเฟ็กต์หน่วยความจำ::เอฟเฟ็กต์{}

คุณลักษณะ:

คุณลักษณะ ประเภท MLIR คำอธิบาย
block_size ::mlir::IntegerAttr แอตทริบิวต์จำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิตที่มีค่าเป็นบวก

ตัวดำเนินการ:

ตัวดำเนินการ คำอธิบาย
input tensor ของจำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิตหรือจำนวนเต็มไม่มีเครื่องหมาย 8 บิตหรือจำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิตหรือจำนวนเต็มแบบไม่มีเครื่องหมาย 64 บิตหรือประเภท TFLite quint8 หรือจำนวนเต็มไม่มีเครื่องหมาย 8 บิตหรือประเภท QI8 หรือประเภท QUI8

ผลลัพธ์:

ผลลัพธ์ คำอธิบาย
output tensor ของจำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิตหรือจำนวนเต็มไม่มีเครื่องหมาย 8 บิตหรือจำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิตหรือจำนวนเต็มแบบไม่มีเครื่องหมาย 64 บิตหรือประเภท TFLite quint8 หรือจำนวนเต็มไม่มีเครื่องหมาย 8 บิตหรือประเภท QI8 หรือประเภท QUI8

tfl.depthwise_conv_2d (::mlir::TFL::DepthwiseConv2DOp)

ตัวดำเนินการ Convolution แบบแยกส่วนได้ลึก

ดำเนินการบิดบนอินพุต

อินพุต: inputs[0] : จำเป็น: อินพุตการเปิดใช้งานเทนเซอร์ inputs[1] : จำเป็น: inputs[2] : ทางเลือก: ไบอัสเทนเซอร์

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

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

เอฟเฟ็กต์: เอฟเฟ็กต์หน่วยความจำ::เอฟเฟ็กต์{}

คุณลักษณะ:

คุณลักษณะ ประเภท MLIR คำอธิบาย
dilation_h_factor ::mlir::IntegerAttr แอตทริบิวต์จำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิต
dilation_w_factor ::mlir::IntegerAttr แอตทริบิวต์จำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิต
fused_activation_function ::mlir::StringAttr แอตทริบิวต์สตริงที่มีค่าเป็น NONE หรือ RELU หรือ RELU_N1_TO_1 หรือ RELU6 หรือ TANH หรือ SIGN_BIT
padding ::mlir::StringAttr แอตทริบิวต์สตริงที่มีค่าเป็น SAME หรือ VALID
stride_h ::mlir::IntegerAttr แอตทริบิวต์จำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิต
stride_w ::mlir::IntegerAttr แอตทริบิวต์จำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิต
depth_multiplier ::mlir::IntegerAttr แอตทริบิวต์จำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิต

ตัวดำเนินการ:

ตัวดำเนินการ คำอธิบาย
input เทนเซอร์ของค่าประเภทโฟลต 32 บิตหรือประเภท QI8 หรือประเภท QUI8 หรือประเภท QI16
filter เทนเซอร์ของค่าประเภทโฟลต 32 บิตหรือประเภท QI4 หรือประเภท QI8 หรือประเภท QUI8
bias เทนเซอร์ของค่าประเภทใด ๆ หรือไม่มีเลย

ผลลัพธ์:

ผลลัพธ์ คำอธิบาย
output เทนเซอร์ของค่าประเภทโฟลต 32 บิตหรือประเภท QI8 หรือประเภท QUI8 หรือประเภท QI16

tfl.dequantize (::mlir::TFL::DequantizeOp)

แยกตัวดำเนินการ

แปลงอาร์เรย์เชิงปริมาณของจำนวนเต็มเป็นทศนิยมตามพารามิเตอร์การวัดปริมาณ

อินเทอร์เฟซ: NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

เอฟเฟ็กต์: เอฟเฟ็กต์หน่วยความจำ::เอฟเฟ็กต์{}

ตัวดำเนินการ:

ตัวดำเนินการ คำอธิบาย
input เทนเซอร์ประเภท QI4 หรือประเภท QI8 หรือประเภท QUI8 หรือประเภท QI16 หรือค่าทศนิยม 16 บิต

ผลลัพธ์:

ผลลัพธ์ คำอธิบาย
output เทนเซอร์ของค่าโฟลต 32 บิต

tfl.div (::mlir::TFL::DivOp)

ผู้ดำเนินการส่วน

การดำเนินการแบ่งองค์ประกอบอย่างชาญฉลาด

ลักษณะ: ::mlir::OpTrait::TFLRuntimeOpTrait, AlwaysSpeculatableImplTrait, ResultsBroadcastableShape

อินเทอร์เฟซ: ระบุเงื่อนไขได้, NoMemoryEffect (MemoryEffectOpInterface), TflArithmeticCountOpInterface, TflRuntimeVerifyOpInterface

เอฟเฟ็กต์: เอฟเฟ็กต์หน่วยความจำ::เอฟเฟ็กต์{}

คุณลักษณะ:

คุณลักษณะ ประเภท MLIR คำอธิบาย
fused_activation_function ::mlir::StringAttr แอตทริบิวต์สตริงที่มีค่าเป็น NONE หรือ RELU หรือ RELU_N1_TO_1 หรือ RELU6 หรือ TANH หรือ SIGN_BIT

ตัวดำเนินการ:

ตัวดำเนินการ คำอธิบาย
lhs เทนเซอร์ของค่าจำนวนเต็มแบบลอยตัว 32 บิตหรือแบบไม่มีเครื่องหมาย 32 บิตหรือค่าประเภท QUI8
rhs เทนเซอร์ของค่าจำนวนเต็มแบบลอยตัว 32 บิตหรือแบบไม่มีเครื่องหมาย 32 บิตหรือค่าประเภท QUI8

ผลลัพธ์:

ผลลัพธ์ คำอธิบาย
output เทนเซอร์ของค่าจำนวนเต็มแบบลอยตัว 32 บิตหรือแบบไม่มีเครื่องหมาย 32 บิตหรือค่าประเภท QUI8

tfl.dynamic_update_slice (::mlir::TFL::DynamicUpdateSliceOp)

DynamicUpdateSlice.

DynamicUpdateSlice op ที่มีความหมายเดียวกันกับ XLA DynamicUpdateSlice สร้างผลลัพธ์ซึ่งเป็นค่าของตัวถูกดำเนินการอาร์เรย์อินพุต โดยมีการอัปเดตสไลซ์เขียนทับที่ start_indices

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

ลักษณะ: AlwaysSpeculatableImplTrait

อินเทอร์เฟซ: ระบุเงื่อนไขได้, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

เอฟเฟ็กต์: เอฟเฟ็กต์หน่วยความจำ::เอฟเฟ็กต์{}

ตัวดำเนินการ:

ตัวดำเนินการ คำอธิบาย
operand tensor ของจำนวนเต็มไม่มีเครื่องหมาย 1 บิตหรือจำนวนเต็มไม่มีเครื่องหมาย 8 บิตหรือจำนวนเต็มไม่มีเครื่องหมาย 32 บิตหรือจำนวนเต็มไม่มีเครื่องหมาย 64 บิตหรือค่าทศนิยม 32 บิต
update tensor ของจำนวนเต็มไม่มีเครื่องหมาย 1 บิตหรือจำนวนเต็มไม่มีเครื่องหมาย 8 บิตหรือจำนวนเต็มไม่มีเครื่องหมาย 32 บิตหรือจำนวนเต็มไม่มีเครื่องหมาย 64 บิตหรือค่าทศนิยม 32 บิต
start_indices เทนเซอร์ของค่าจำนวนเต็มแบบไม่มีเครื่องหมาย 32 บิต

ผลลัพธ์:

ผลลัพธ์ คำอธิบาย
output tensor ของจำนวนเต็มไม่มีเครื่องหมาย 1 บิตหรือจำนวนเต็มไม่มีเครื่องหมาย 8 บิตหรือจำนวนเต็มไม่มีเครื่องหมาย 32 บิตหรือจำนวนเต็มไม่มีเครื่องหมาย 64 บิตหรือค่าทศนิยม 32 บิต

tfl.elu (::mlir::TFL::EluOp)

ตัวดำเนินการหน่วยเชิงเส้นเอกซ์โปเนนเชียล

คำนวณเชิงเส้นเอกซ์โปเนนเชียล f(x) -> exp(x) - 1 สำหรับ x < 0, x สำหรับ x >= 0 ตามองค์ประกอบ

ลักษณะ: AlwaysSpeculatableImplTrait, SameOperandsAndResultShape

อินเทอร์เฟซ: ระบุเงื่อนไขได้, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

เอฟเฟ็กต์: เอฟเฟ็กต์หน่วยความจำ::เอฟเฟ็กต์{}

ตัวดำเนินการ:

ตัวดำเนินการ คำอธิบาย
x เทนเซอร์ของค่าจำนวนเต็มแบบลอยตัว 32 บิตหรือ 8 บิตแบบไม่มีเครื่องหมาย

ผลลัพธ์:

ผลลัพธ์ คำอธิบาย
y เทนเซอร์ของค่าจำนวนเต็มแบบลอยตัว 32 บิตหรือ 8 บิตแบบไม่มีเครื่องหมาย

tfl.embedding_lookup (::mlir::TFL::EmbeddingLookupOp)

ตัวดำเนินการค้นหาแบบฝัง

ค้นหารหัสในรายการเทนเซอร์แบบฝัง

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

Operand คำอธิบาย
lookup tensor of 32-bit signless integer values
value tensor of 32-bit float or 8-bit signless integer or 8-bit unsigned integer values

Results:

Result คำอธิบาย
output tensor of 32-bit float or 8-bit signless integer or 8-bit unsigned integer values

tfl.equal (::mlir::TFL::EqualOp)

Equal operator

Returns the truth element of x == y element-wise

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

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand คำอธิบาย
x tensor of 1-bit signless integer or 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or 8-bit unsigned integer or TFLite string type values
y tensor of 1-bit signless integer or 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or 8-bit unsigned integer or TFLite string type values

Results:

Result คำอธิบาย
output tensor of 1-bit signless integer values

tfl.exp (::mlir::TFL::ExpOp)

Natural exponentiation operator

Performs element-wise natural exponentiation operation on input.

Traits: AlwaysSpeculatableImplTrait, InferTensorType, TF::SameOperandsAndResultTypeResolveRef

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

Effects: MemoryEffects::Effect{}

Operands:

Operand คำอธิบาย
x tensor of 32-bit float values

Results:

Result คำอธิบาย
y tensor of 32-bit float values

tfl.expand_dims (::mlir::TFL::ExpandDimsOp)

Inserts a dimension of 1 into a tensor's shape.

Given a tensor input , this operation inserts a dimension of 1 at the dimension index axis of input 's shape. The dimension index axis starts at zero; if you specify a negative number for axis it is counted backward from the end.

This operation is useful if you want to add a batch dimension to a single element. For example, if you have a single image of shape [height, width, channels] , you can make it a batch of 1 image with expand_dims(image, 0) , which will make the shape [1, height, width, channels] .

Other examples:

# '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]

This operation requires that:

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

This operation is related to squeeze() , which removes dimensions of size 1.

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

Operand คำอธิบาย
input tensor of any type values
dim tensor of 32/64-bit signless integer values

Results:

Result คำอธิบาย
output tensor of any type values

tfl.external_const (::mlir::TFL::ExternalConstOp)

External const op.

External const op holds a buffer_index which points to a constant in the flatbuffer.

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type คำอธิบาย
buffer_index ::mlir::IntegerAttr 32-bit signless integer attribute

Results:

Result คำอธิบาย
output tensor of any type values

tfl.fake_quant (::mlir::TFL::FakeQuantOp)

FakeQuant operator

Fake-quantize the 'inputs' tensor of type float via float scalars min and max to 'outputs' tensor of same shape as inputs.

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type คำอธิบาย
min ::mlir::FloatAttr 32-bit float attribute
max ::mlir::FloatAttr 32-bit float attribute
num_bits ::mlir::IntegerAttr 32-bit signless integer attribute whose minimum value is 2 whose maximum value is 16
narrow_range ::mlir::BoolAttr bool attribute whose value is false

Operands:

Operand คำอธิบาย
input tensor of 32-bit float values

Results:

Result คำอธิบาย
output tensor of 32-bit float values

tfl.fill (::mlir::TFL::FillOp)

Fill the tensor with given value.

Fill the tensor with given value.

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

Operand คำอธิบาย
dims tensor of 32/64-bit signless integer values
input tensor of 32-bit float or 16-bit float or 32-bit signless integer or 64-bit signless integer or 1-bit signless integer or QI8 type or QI16 type or TFLite string type values

Results:

Result คำอธิบาย
result tensor of 32-bit float or 16-bit float or 32-bit signless integer or 64-bit signless integer or 1-bit signless integer or QI8 type or QI16 type or TFLite string type values

tfl.floor_div (::mlir::TFL::FloorDivOp)

Floor div operator

Element-wise floor div operation.

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

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand คำอธิบาย
lhs tensor of 32-bit float or 32-bit signless integer values
rhs tensor of 32-bit float or 32-bit signless integer values

Results:

Result คำอธิบาย
output tensor of 32-bit float or 32-bit signless integer values

tfl.floor_mod (::mlir::TFL::FloorModOp)

Division reminder

Element-wise division reminder operation.

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

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand คำอธิบาย
lhs tensor of 32-bit signless integer or 64-bit signless integer or 32-bit float values
rhs tensor of 32-bit signless integer or 64-bit signless integer or 32-bit float values

Results:

Result คำอธิบาย
output tensor of 32-bit signless integer or 64-bit signless integer or 32-bit float values

tfl.floor (::mlir::TFL::FloorOp)

Floor operator

Returns element-wise floor value of the input.

Traits: AlwaysSpeculatableImplTrait, InferTensorType, TF::SameOperandsAndResultTypeResolveRef

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

Effects: MemoryEffects::Effect{}

Operands:

Operand คำอธิบาย
x tensor of 32-bit float values

Results:

Result คำอธิบาย
y tensor of 32-bit float values

tfl.fully_connected (::mlir::TFL::FullyConnectedOp)

Fully connected op

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

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

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type คำอธิบาย
fused_activation_function ::mlir::StringAttr string attribute whose value is NONE, or RELU, or RELU_N1_TO_1, or RELU6, or TANH, or SIGN_BIT
weights_format ::mlir::StringAttr string attribute whose value is DEFAULT, or SHUFFLED4x16INT8
keep_num_dims ::mlir::BoolAttr bool attribute
asymmetric_quantize_inputs ::mlir::BoolAttr bool attribute

Operands:

Operand คำอธิบาย
input tensor of 32-bit float or QI8 type or QUI8 type or QI16 type or QUI16 type values
filter tensor of 32-bit float or QI4 type or QI8 type or QUI8 type or QI16 type values
bias tensor of any type values or none type

Results:

Result คำอธิบาย
output tensor of any type values

tfl.gather_nd (::mlir::TFL::GatherNdOp)

Gather_nd operator

Gather slices from params into a Tensor with shape specified by indices .

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

Operand คำอธิบาย
params tensor of 32-bit float or 8-bit signless integer or 16-bit signless integer or 64-bit signless integer or 32-bit signless integer or 8-bit unsigned integer or TFLite string type values
indices tensor of 32/64-bit signless integer values

Results:

Result คำอธิบาย
output tensor of 32-bit float or 8-bit signless integer or 16-bit signless integer or 64-bit signless integer or 32-bit signless integer or 8-bit unsigned integer or TFLite string type values

tfl.gather (::mlir::TFL::GatherOp)

Gather operator

Gather slices from params axis axis according to indices .

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type คำอธิบาย
axis ::mlir::IntegerAttr 32-bit signless integer attribute
batch_dims ::mlir::IntegerAttr 32-bit signless integer attribute

Operands:

Operand คำอธิบาย
params tensor of 32-bit float or 1-bit signless integer or 8-bit signless integer or 32-bit signless integer or 64-bit signless integer or TFLite string type or 8-bit unsigned integer or QI8 type or QUI8 type or QI16 type values
indices tensor of 32-bit signless integer or 64-bit signless integer values

Results:

Result คำอธิบาย
output tensor of 32-bit float or 1-bit signless integer or 8-bit signless integer or 32-bit signless integer or 64-bit signless integer or TFLite string type or 8-bit unsigned integer or QI8 type or QUI8 type or QI16 type values

tfl.gelu (::mlir::TFL::GeluOp)

GELU activation function.

Computes GELU activation function element-wise.

Traits: AlwaysSpeculatableImplTrait, QuantizableResult, SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type คำอธิบาย
approximate ::mlir::BoolAttr bool attribute

Operands:

Operand คำอธิบาย
input tensor of 32-bit float or QI8 type or QUI8 type values

Results:

Result คำอธิบาย
output tensor of 32-bit float or QI8 type or QUI8 type values

tfl.greater_equal (::mlir::TFL::GreaterEqualOp)

Greater_equal operator

Element-wise greater_equal operation.

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

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand คำอธิบาย
lhs tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QUI8 type or QI8 type values
rhs tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QUI8 type or QI8 type values

Results:

Result คำอธิบาย
output tensor of 1-bit signless integer values

tfl.greater (::mlir::TFL::GreaterOp)

Greater operator

Element-wise greater operation.

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

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand คำอธิบาย
lhs tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QUI8 type or QI8 type or TFLite quint8 type values
rhs tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QUI8 type or QI8 type or TFLite quint8 type values

Results:

Result คำอธิบาย
output tensor of 1-bit signless integer values

tfl.hard_swish (::mlir::TFL::HardSwishOp)

Hardswish activation function.

Computes hard-swish activation function f(x) -> (x * relu6(x+3))/6 element-wise.

Traits: AlwaysSpeculatableImplTrait, QuantizableResult, SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand คำอธิบาย
input tensor of 32-bit float or QUI8 type or QI8 type values

Results:

Result คำอธิบาย
output tensor of 32-bit float or QUI8 type or QI8 type values

tfl.hashtable_find (::mlir::TFL::HashtableFindOp)

Looks up keys in a table, outputs the corresponding values.

The tensor keys must of the same type as the keys of the table. The output values is of the type of the table values.

The scalar default_value is the value output for keys not present in the table. It must also be of the same type as the table values.

Interfaces: TflRuntimeVerifyOpInterface

Operands:

Operand คำอธิบาย
hash_table tensor of resource values
keys tensor of 32-bit signless integer or TFLite string type or 64-bit signless integer values
default_value tensor of 32-bit float or 32-bit signless integer or TFLite string type or 64-bit signless integer values

Results:

Result คำอธิบาย
out tensor of 32-bit float or 32-bit signless integer or TFLite string type or 64-bit signless integer values

tfl.hashtable_import (::mlir::TFL::HashtableImportOp)

Replaces the contents of the table with the specified keys and values.

The tensor keys must be of the same type as the keys of the table. The tensor values must be of the type of the table values.

Interfaces: TflRuntimeVerifyOpInterface

Operands:

Operand คำอธิบาย
hash_table tensor of resource values
keys tensor of 32-bit signless integer or TFLite string type or 64-bit signless integer values
values tensor of 32-bit float or 32-bit signless integer or TFLite string type or 64-bit signless integer values

tfl.hashtable (::mlir::TFL::HashtableOp)

Creates a non-initialized hash table.

This op creates a hash table, specifying the type of its keys and values. Before using the table you will have to initialize it. After initialization the table will be immutable.

Interfaces: TflRuntimeVerifyOpInterface

Attributes:

Attribute MLIR Type คำอธิบาย
table_id ::mlir::IntegerAttr 32-bit signless integer attribute
key_dtype ::mlir::TypeAttr any type attribute
value_dtype ::mlir::TypeAttr any type attribute

Results:

Result คำอธิบาย
out tensor of resource values

tfl.hashtable_size (::mlir::TFL::HashtableSizeOp)

Computes the number of elements in the given table.

Interfaces: TflRuntimeVerifyOpInterface

Operands:

Operand คำอธิบาย
hash_table tensor of resource values

Results:

Result คำอธิบาย
out tensor of 64-bit signless integer values

tfl.if (::mlir::TFL::IfOp)

if-then-else operation

The tfl.if operation represents an if-then-else construct for conditionally executing two regions of code. The operand to an if operation is a boolean value. For example:

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

tfl.if may also return results that are defined in its regions. The values defined are determined by which execution path is taken.

Example:

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

tfl.if regions are always terminated with "tfl.yield". If "tfl.if" defines no values, the "tfl.yield" can be left out, and will be inserted implicitly. Otherwise, it must be explicit. Also, if "tfl.if" defines one or more values, the 'else' block cannot be omitted.

Example:

tfl.if %b  {
  ...
}

Traits: NoRegionArguments, RecursiveMemoryEffects, SingleBlockImplicitTerminator

Interfaces: RegionBranchOpInterface, TflRuntimeVerifyOpInterface

Operands:

Operand คำอธิบาย
cond tensor of 1-bit signless integer values

Results:

Result คำอธิบาย
results tensor of any type values

tfl.imag (::mlir::TFL::ImagOp)

Returns the imaginary part of a complex number.

Given a tensor input of complex numbers, this operation returns a tensor of type float that is the imaginary 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 and b is the imaginary part returned by this operation.

Traits: AlwaysSpeculatableImplTrait, SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand คำอธิบาย
input tensor of complex type with 32-bit float elements or complex type with 64-bit float elements values

Results:

Result คำอธิบาย
output tensor of 32-bit float or 64-bit float values

tfl.l2_normalization (::mlir::TFL::L2NormalizationOp)

L2 Normalize Operator

L2Normalization Op

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type คำอธิบาย
fused_activation_function ::mlir::StringAttr string attribute whose value is NONE, or RELU, or RELU_N1_TO_1, or RELU6, or TANH, or SIGN_BIT

Operands:

Operand คำอธิบาย
input tensor of 32-bit float or QUI8 type or QI8 type or QUI16 type or QI16 type or 8-bit signless integer values

Results:

Result คำอธิบาย
output tensor of 32-bit float or QUI8 type or QI8 type or QUI16 type or QI16 type or 8-bit signless integer values

tfl.lstm (::mlir::TFL::LSTMOp)

The full lstm operator

Long short-term memory unit (LSTM) recurrent network layer. The default non-peephole implementation is based on: http://deeplearning.cs.cmu.edu/pdfs/Hochreiter97_lstm.pdf S. Hochreiter and J. Schmidhuber. 'Long Short-Term Memory'. Neural Computation, 9(8):1735-1780, 1997. The peephole implementation is based on: https://research.google.com/pubs/archive/43905.pdf Hasim Sak, Andrew Senior, and Francoise Beaufays. 'Long short-term memory recurrent neural network architectures for large scale acoustic modeling.' INTERSPEECH, 2014. The coupling of input and forget gate (CIFG) is based on: http://arxiv.org/pdf/1503.04069.pdf Greff et al. 'LSTM: A Search Space Odyssey' The layer normalization is based on: https://arxiv.org/pdf/1607.06450.pdf Ba et al. 'Layer Normalization'

Traits: QuantizableResult

Interfaces: DynamicRangeQuantizedOpInterface, TFL_StatefulOp, TflRuntimeVerifyOpInterface

Attributes:

Attribute MLIR Type คำอธิบาย
fused_activation_function ::mlir::StringAttr string attribute whose value is NONE, or RELU, or RELU_N1_TO_1, or RELU6, or TANH, or SIGN_BIT
cell_clip ::mlir::FloatAttr 32-bit float attribute whose value is non-negative
proj_clip ::mlir::FloatAttr 32-bit float attribute whose value is non-negative
kernel_type ::mlir::TFL::LSTMKernelTypeAttr lstm_kernel_type whose value is mlir::TFL::LSTMKernelType::FULL
asymmetric_quantize_inputs ::mlir::BoolAttr bool attribute
input_to_input_intermediate ::mlir::TypeAttr any type attribute
input_to_forget_intermediate ::mlir::TypeAttr any type attribute
input_to_cell_intermediate ::mlir::TypeAttr any type attribute
input_to_output_intermediate ::mlir::TypeAttr any type attribute
effective_hidden_scale_intermediate ::mlir::TypeAttr any type attribute

Operands:

Operand คำอธิบาย
input tensor of 32-bit float or QI8 type or QI16 type values
input_to_input_weights tensor of any type values or none type
input_to_forget_weights tensor of 32-bit float or QI8 type values
input_to_cell_weights tensor of 32-bit float or QI8 type values
input_to_output_weights tensor of 32-bit float or QI8 type values
recurrent_to_input_weights tensor of any type values or none type
recurrent_to_forget_weights tensor of 32-bit float or QI8 type values
recurrent_to_cell_weights tensor of 32-bit float or QI8 type values
recurrent_to_output_weights tensor of 32-bit float or QI8 type values
cell_to_input_weights tensor of any type values or none type
cell_to_forget_weights tensor of any type values or none type
cell_to_output_weights tensor of any type values or none type
input_gate_bias tensor of any type values or none type
forget_gate_bias tensor of 32-bit float or QI32 type values
cell_bias tensor of 32-bit float or QI32 type values
output_gate_bias tensor of 32-bit float or QI32 type values
projection_weights tensor of any type values or none type
projection_bias tensor of any type values or none type
input_activation_state stateful tensor
input_cell_state stateful tensor
input_layer_norm_coefficients tensor of any type values or none type
forget_layer_norm_coefficients tensor of any type values or none type
cell_layer_norm_coefficients tensor of any type values or none type
output_layer_norm_coefficients tensor of any type values or none type

Results:

Result คำอธิบาย
output tensor of any type values

tfl.leaky_relu (::mlir::TFL::LeakyReluOp)

Leaky Relu operator

Element-wise Leaky ReLU operator x -> x >= 0 ? x : (alpha * x)

Traits: AlwaysSpeculatableImplTrait, QuantizableResult, SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type คำอธิบาย
alpha ::mlir::FloatAttr 32-bit float attribute

Operands:

Operand คำอธิบาย
input tensor of 32-bit float or QUI8 type or QI8 type or TFLite quint8 type or QI16 type values

Results:

Result คำอธิบาย
output tensor of 32-bit float or QUI8 type or QI8 type or TFLite quint8 type or QI16 type values

tfl.less_equal (::mlir::TFL::LessEqualOp)

Less_equal operator

Element-wise less_equal operation.

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

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand คำอธิบาย
lhs tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type values
rhs tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type values

Results:

Result คำอธิบาย
output tensor of 1-bit signless integer values

tfl.less (::mlir::TFL::LessOp)

Less operator

Element-wise less operation.

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

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand คำอธิบาย
lhs tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QUI8 type or QI8 type or TFLite quint8 type values
rhs tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QUI8 type or QI8 type or TFLite quint8 type values

Results:

Result คำอธิบาย
output tensor of 1-bit signless integer values

tfl.local_response_normalization (::mlir::TFL::LocalResponseNormalizationOp)

Local Response Normalization.

The 4-D input tensor is treated as a 3-D array of 1-D vectors (along the last dimension), and each vector is normalized independently. Within a given vector, each component is divided by the weighted, squared sum of inputs within depth_radius . In detail,

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

For details, see Krizhevsky et al., ImageNet classification with deep convolutional neural networks (NIPS 2012) .

Traits: AlwaysSpeculatableImplTrait, InferTensorType, TF::SameOperandsAndResultTypeResolveRef

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

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type คำอธิบาย
radius ::mlir::IntegerAttr 32-bit signless integer attribute
bias ::mlir::FloatAttr 32-bit float attribute
alpha ::mlir::FloatAttr 32-bit float attribute
beta ::mlir::FloatAttr 32-bit float attribute

Operands:

Operand คำอธิบาย
input tensor of 32-bit float values

Results:

Result คำอธิบาย
output tensor of 32-bit float values

tfl.log (::mlir::TFL::LogOp)

Natural logarithm operator

Performs element-wise natural logarithm operation on input.

Traits: AlwaysSpeculatableImplTrait, InferTensorType, TF::SameOperandsAndResultTypeResolveRef

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

Effects: MemoryEffects::Effect{}

Operands:

Operand คำอธิบาย
x tensor of 32-bit float values

Results:

Result คำอธิบาย
y tensor of 32-bit float values

tfl.log_softmax (::mlir::TFL::LogSoftmaxOp)

Log softmax operator

Computes element-wise log softmax activations with the following formula

input - log(reduce_sum(exp(input), dim))

Traits: AlwaysSpeculatableImplTrait, QuantizableResult, SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

Operands:

Operand คำอธิบาย
input tensor of 32-bit float or QUI8 type or QI8 type or TFLite quint8 type values

Results:

Result คำอธิบาย
output tensor of 32-bit float or QUI8 type or QI8 type or TFLite quint8 type values

tfl.logical_and (::mlir::TFL::LogicalAndOp)

Logical AND operator

Element-wise logical AND operation.

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand คำอธิบาย
lhs tensor of 1-bit signless integer values
rhs tensor of 1-bit signless integer values

Results:

Result คำอธิบาย
output tensor of 1-bit signless integer values

tfl.logical_not (::mlir::TFL::LogicalNotOp)

Logical NOT operator

Element-wise logical NOT operation.

Traits: AlwaysSpeculatableImplTrait, SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand คำอธิบาย
lhs tensor of 1-bit signless integer values

Results:

Result คำอธิบาย
output tensor of 1-bit signless integer values

tfl.logical_or (::mlir::TFL::LogicalOrOp)

Logical OR operator

Element-wise logical OR operation.

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand คำอธิบาย
lhs tensor of 1-bit signless integer values
rhs tensor of 1-bit signless integer values

Results:

Result คำอธิบาย
output tensor of 1-bit signless integer values

tfl.logistic (::mlir::TFL::LogisticOp)

Logistic operator

Computes element-wise Sigmoid of input

Traits: AlwaysSpeculatableImplTrait, QuantizableResult, SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

Operands:

Operand คำอธิบาย
x tensor of 32-bit float or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

Results:

Result คำอธิบาย
y tensor of 32-bit float or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

tfl.matrix_diag (::mlir::TFL::MatrixDiagOp)

Returns a tensor with the provided diagonal and everything else padded with zeros.

Given a diagonal, returns a tensor with the diagonal and everything else padded with zeros. Assume diagonal has k dimensions [I, J, K, ..., N] , then the output is a tensor of rank k+1 with dimensions [I, J, K, ..., N, N] where: output[i, j, k, ..., m, n] = 1{m=n} * diagonal[i, j, k, ..., n].

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand คำอธิบาย
diagonal tensor of 32-bit float or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 8-bit unsigned integer or QUI8 type or QI8 type or TFLite quint8 type values

Results:

Result คำอธิบาย
output tensor of 32-bit float or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 8-bit unsigned integer or QUI8 type or QI8 type or TFLite quint8 type values

tfl.matrix_set_diag (::mlir::TFL::MatrixSetDiagOp)

Returns a batched matrix tensor with new batched diagonal values.

Given input and diagonal , this operation returns a tensor with the same shape and values as input , except for the main diagonal of the innermost matrices. These will be overwritten by the values in diagonal .

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand คำอธิบาย
input tensor of 32-bit float or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 8-bit unsigned integer or QI8 type or QI16 type or QUI8 type or TFLite quint8 type values
diagonal tensor of 32-bit float or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 8-bit unsigned integer or QI8 type or QI16 type or QUI8 type or TFLite quint8 type values

Results:

Result คำอธิบาย
result tensor of 32-bit float or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 8-bit unsigned integer or QI8 type or QI16 type or QUI8 type or TFLite quint8 type values

tfl.max_pool_2d (::mlir::TFL::MaxPool2DOp)

Max Pool 2D op

Performs max pool 2D on input.

Inputs: inputs[0] : required: the input tensor

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type คำอธิบาย
padding ::mlir::StringAttr string attribute whose value is SAME, or VALID
stride_w ::mlir::IntegerAttr 32-bit signless integer attribute
stride_h ::mlir::IntegerAttr 32-bit signless integer attribute
filter_width ::mlir::IntegerAttr 32-bit signless integer attribute
filter_height ::mlir::IntegerAttr 32-bit signless integer attribute
fused_activation_function ::mlir::StringAttr string attribute whose value is NONE, or RELU, or RELU_N1_TO_1, or RELU6, or TANH, or SIGN_BIT

Operands:

Operand คำอธิบาย
input tensor of 32-bit float or QUI8 type or QI8 type or QI16 type or TFLite quint8 type values

Results:

Result คำอธิบาย
output tensor of 32-bit float or QUI8 type or QI8 type or QI16 type or TFLite quint8 type values

tfl.maximum (::mlir::TFL::MaximumOp)

Max operator

Element-wise max operation.

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

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

Effects: MemoryEffects::Effect{}

Operands:

Operand คำอธิบาย
lhs tensor of 32-bit float or 32/64-bit signless integer or QI8 type or QUI8 type or QI16 type values
rhs tensor of 32-bit float or 32/64-bit signless integer or QI8 type or QUI8 type or QI16 type values

Results:

Result คำอธิบาย
max tensor of 32-bit float or 32/64-bit signless integer or QI8 type or QUI8 type or QI16 type values

tfl.mean (::mlir::TFL::MeanOp)

Mean operator

Computes the mean of elements across dimensions of a tensor. Reduces input_tensor along the dimensions given in axis. Unless keepdims is true, the rank of the tensor is reduced by 1 for each entry in axis. If keepdims is true, the reduced dimensions are retained with length 1.

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type คำอธิบาย
keep_dims ::mlir::BoolAttr bool attribute

Operands:

Operand คำอธิบาย
input tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or 8-bit unsigned integer or QI16 type values
axis tensor of 32-bit signless integer or 64-bit signless integer values

Results:

Result คำอธิบาย
output tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or 8-bit unsigned integer or QI16 type values

tfl.minimum (::mlir::TFL::MinimumOp)

Min operator

Element-wise min operation.

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

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

Effects: MemoryEffects::Effect{}

Operands:

Operand คำอธิบาย
lhs tensor of 32-bit float or 32/64-bit signless integer or QI8 type or QUI8 type or QI16 type values
rhs tensor of 32-bit float or 32/64-bit signless integer or QI8 type or QUI8 type or QI16 type values

Results:

Result คำอธิบาย
min tensor of 32-bit float or 32/64-bit signless integer or QI8 type or QUI8 type or QI16 type values

tfl.mirror_pad (::mlir::TFL::MirrorPadOp)

MirrorPad Operator. Pads a tensor with mirrored values.

This operation pads a input with mirrored values according to the paddings you specify. paddings is an integer tensor with shape [n, 2], where n is the rank of input. For each dimension D of input, paddings[D, 0] indicates how many values to add before the contents of input in that dimension, and paddings[D, 1] indicates how many values to add after the contents of input in that dimension.

Both paddings[D, 0] and paddings[D, 1] must be no greater than input.dim_size(D) (or input.dim_size(D) - 1) if copy_border is true (if false, respectively).

The padded size of each dimension D of the output is:

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

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type คำอธิบาย
mode ::mlir::TFL::MirrorPaddingTypeAttr mirror_pad_enum

Operands:

Operand คำอธิบาย
input tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or 8-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type values
pad tensor of 32-bit signless integer or 64-bit signless integer values

Results:

Result คำอธิบาย
output tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or 8-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type values

tfl.mul (::mlir::TFL::MulOp)

Multiplication operator

Element-wise multiplication operation.

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

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

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type คำอธิบาย
fused_activation_function ::mlir::StringAttr string attribute whose value is NONE, or RELU, or RELU_N1_TO_1, or RELU6, or TANH, or SIGN_BIT

Operands:

Operand คำอธิบาย
lhs tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or QI16 type or complex type with 32-bit float elements values
rhs tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or QI16 type or complex type with 32-bit float elements values

Results:

Result คำอธิบาย
output tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or QI16 type or complex type with 32-bit float elements values

tfl.multinomial (::mlir::TFL::MultinomialOp)

Draws samples from a categorical distribution.

The generated values will have a categorical distribution based on the logits or unnormalized log-probabilities provided for all classes.

Interfaces: TflRuntimeVerifyOpInterface

Attributes:

Attribute MLIR Type คำอธิบาย
seed ::mlir::IntegerAttr 64-bit signless integer attribute
seed2 ::mlir::IntegerAttr 64-bit signless integer attribute

Operands:

Operand คำอธิบาย
logits tensor of 32-bit float values
num_samples tensor of 32-bit signless integer values

Results:

Result คำอธิบาย
out tensor of 32-bit signless integer or 64-bit signless integer values

tfl.neg (::mlir::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:

Operand คำอธิบาย
x tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer values

Results:

Result คำอธิบาย
y tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer values

tfl.no_value (::mlir::TFL::NoValueOp)

constant representing no value.

No value constant op.

Traits: AlwaysSpeculatableImplTrait, ConstantLike

Interfaces: ConditionallySpeculatable, InferTypeOpInterface, NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type คำอธิบาย
value ::mlir::UnitAttr unit attribute

Results:

Result คำอธิบาย
none_val none type

tfl.non_max_suppression_v4 (::mlir::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:

Operand คำอธิบาย
boxes tensor of 32-bit float values
scores tensor of 32-bit float values
max_output_size tensor of 32-bit signless integer values
iou_threshold tensor of 32-bit float values
score_threshold tensor of 32-bit float values

Results:

Result คำอธิบาย
selected_indices tensor of 32-bit signless integer values
valid_outputs tensor of 32-bit signless integer values

tfl.non_max_suppression_v5 (::mlir::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:

Operand คำอธิบาย
boxes tensor of 32-bit float values
scores tensor of 32-bit float values
max_output_size tensor of 32-bit signless integer values
iou_threshold tensor of 32-bit float values
score_threshold tensor of 32-bit float values
soft_nms_sigma tensor of 32-bit float values

Results:

Result คำอธิบาย
selected_indices tensor of 32-bit signless integer values
selected_scores tensor of 32-bit float values
valid_outputs tensor of 32-bit signless integer values

tfl.not_equal (::mlir::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:

Operand คำอธิบาย
lhs tensor of 1-bit signless integer or 32-bit float or 32-bit signless integer or 64-bit signless integer or QUI8 type or QI8 type or TFLite quint8 type or TFLite string type values
rhs tensor of 1-bit signless integer or 32-bit float or 32-bit signless integer or 64-bit signless integer or QUI8 type or QI8 type or TFLite quint8 type or TFLite string type values

Results:

Result คำอธิบาย
output tensor of 1-bit signless integer values

tfl.NumericVerify (::mlir::TFL::NumericVerifyOp)

Verifies the numericals of the two operands

The NumericVerify op is a debugging op to verify the numericals of the two activations. It is a custom op in TFLite. If log_if_failed is true, the NumericVerify op calculates statistics on differences between float and quantized activations, output logs, set differences to the output tensors, and throws an error if errors above tolerance exist. If log_if_failed = false, then it doesn't care about errors.

Traits: QuantizableResult, SameOperandsShape

Interfaces: TflRuntimeVerifyOpInterface

Attributes:

Attribute MLIR Type คำอธิบาย
tolerance ::mlir::FloatAttr 32-bit float attribute
log_if_failed ::mlir::BoolAttr bool attribute

Operands:

Operand คำอธิบาย
input tensor of QI8 type or QUI8 type or QI16 type or 16-bit float or TFLite quint8 type values
ref tensor of 32-bit float values

Results:

Result คำอธิบาย
output tensor of 32-bit float values

tfl.one_hot (::mlir::TFL::OneHotOp)

OneHot operator

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

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

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type คำอธิบาย
axis ::mlir::IntegerAttr 32-bit signless integer attribute

Operands:

Operand คำอธิบาย
indices tensor of 32-bit signless integer or 64-bit signless integer values
depth tensor of 32-bit signless integer values
on_value tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or 1-bit signless integer or 8-bit signless integer or 8-bit unsigned integer values
off_value tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or 1-bit signless integer or 8-bit signless integer or 8-bit unsigned integer values

Results:

Result คำอธิบาย
output tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or 1-bit signless integer or 8-bit signless integer or 8-bit unsigned integer values

tfl.prelu (::mlir::TFL::PReluOp)

Parameterized Relu operator

Parameterized Relu operator x -> x >= 0 ? x : (alpha * x) where alpha is a trainable tensor. input and alpha should be the same size as input or be broadcastable.

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

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

Effects: MemoryEffects::Effect{}

Operands:

Operand คำอธิบาย
input tensor of 32-bit float or QI8 type or QUI8 type or TFLite quint8 type values
alpha tensor of 32-bit float or QI8 type or QUI8 type or TFLite quint8 type values

Results:

Result คำอธิบาย
output tensor of 32-bit float or QI8 type or QUI8 type or TFLite quint8 type values

tfl.pack (::mlir::TFL::PackOp)

Packs a list of tensors along a dimension into one tensor

Packs a list of values_count rank- R tensors into one rank- (R+1) tensor.

Packs the values_count tensors in values into a tensor with rank one higher than each tensor in values , by packing them along the axis dimension.

Given a list of tensors of shape (A, B, C) ;

if axis == 0 then the output tensor will have the shape (N, A, B, C) . if axis == 1 then the output tensor will have the shape (A, N, B, C) . Etc.

For example:

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

This is the opposite of unpack .

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type คำอธิบาย
values_count ::mlir::IntegerAttr 32-bit signless integer attribute whose value is positive
axis ::mlir::IntegerAttr 32-bit signless integer attribute

Operands:

Operand คำอธิบาย
values tensor of any type values

Results:

Result คำอธิบาย
output tensor of 32-bit float or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

tfl.pad (::mlir::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)

For example:

# '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:

Operand คำอธิบาย
input tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values
padding tensor of 32/64-bit signless integer values

Results:

Result คำอธิบาย
output tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values

tfl.padv2 (::mlir::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)

For example:

# '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:

Operand คำอธิบาย
input tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or TFLite quint8 type values
padding tensor of 32/64-bit signless integer values
constant_values tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or TFLite quint8 type values

Results:

Result คำอธิบาย
output tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or TFLite quint8 type values

tfl.poly_call (::mlir::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

Interfaces: RegionBranchOpInterface

Operands:

Operand คำอธิบาย
input tensor of any type values

Results:

Result คำอธิบาย
output tensor of any type values

tfl.pow (::mlir::TFL::PowOp)

Power operator

Element-wise power operation.

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

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand คำอธิบาย
lhs tensor of 32-bit float or 32-bit signless integer values
rhs tensor of 32-bit float or 32-bit signless integer values

Results:

Result คำอธิบาย
output tensor of 32-bit float or 32-bit signless integer values

tfl.pseudo_qconst (::mlir::TFL::QConstOp)

Quantized constant pseudo op

Represents a quantized constant value in TensorFlow Lite dialect. This is not an actual operation and it will be lowered to buffer instead. The quantization parameters are stored as a type attribute in this constant.

Traits: AlwaysSpeculatableImplTrait, FirstAttrDerivedResultType

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type คำอธิบาย
qtype ::mlir::TypeAttr Tensor type attribute
value ::mlir::ElementsAttr constant vector/tensor attribute

Results:

Result คำอธิบาย
output tensor of QUI8 type or QI8 type or QI16 type or QUI16 type or TFLite quint8 type values

tfl.quantize (::mlir::TFL::QuantizeOp)

Quantize operator

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

Traits: FirstAttrDerivedResultType, SameOperandsAndResultShape

Interfaces: NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type คำอธิบาย
qtype ::mlir::TypeAttr Tensor type attribute

Operands:

Operand คำอธิบาย
input tensor of 32-bit float or QI4 type or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

Results:

Result คำอธิบาย
output tensor of QI4 type or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

tfl.rfft2d (::mlir::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:

Operand คำอธิบาย
input tensor of 32-bit float values
fft_length tensor of 32-bit signless integer values

Results:

Result คำอธิบาย
output tensor of complex type with 32-bit float elements values

tfl.random_standard_normal (::mlir::TFL::RandomStandardNormalOp)

Outputs random values from a normal distribution.

The generated values will have mean 0 and standard deviation 1.

Interfaces: TflRuntimeVerifyOpInterface

Attributes:

Attribute MLIR Type คำอธิบาย
seed ::mlir::IntegerAttr 64-bit signless integer attribute
seed2 ::mlir::IntegerAttr 64-bit signless integer attribute

Operands:

Operand คำอธิบาย
shape tensor of 32-bit signless integer values

Results:

Result คำอธิบาย
out tensor of 32-bit float values

tfl.random_uniform (::mlir::TFL::RandomUniformOp)

Outputs random values from a uniform distribution.

The generated values follow a uniform distribution in the range [0, 1) . The lower bound 0 is included in the range, while the upper bound 1 is excluded.

Interfaces: TflRuntimeVerifyOpInterface

Attributes:

Attribute MLIR Type คำอธิบาย
seed ::mlir::IntegerAttr 64-bit signless integer attribute
seed2 ::mlir::IntegerAttr 64-bit signless integer attribute

Operands:

Operand คำอธิบาย
shape tensor of 32-bit signless integer values

Results:

Result คำอธิบาย
out tensor of 32-bit float values

tfl.range (::mlir::TFL::RangeOp)

Range operator

Returns a 1D tensor defined by a sequence from start to limit with a given delta .

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand คำอธิบาย
start tensor of 32-bit signless integer or 32-bit float values
limit tensor of 32-bit signless integer or 32-bit float values
delta tensor of 32-bit signless integer or 32-bit float values

Results:

Result คำอธิบาย
result tensor of 32-bit signless integer or 32-bit float values

tfl.rank (::mlir::TFL::RankOp)

Rank operator.

Returns the rank of a tensor.

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand คำอธิบาย
input tensor of any type values

Results:

Result คำอธิบาย
output tensor of any integer type

tfl.read_variable (::mlir::TFL::ReadVariableOp)

Reads variable value.

Read variable data identified by 'resource_id'.

Interfaces: TflRuntimeVerifyOpInterface

Operands:

Operand คำอธิบาย
resource_id tensor of resource values

Results:

Result คำอธิบาย
result tensor of 32-bit float or 64-bit float or 1-bit signless integer or 8-bit unsigned integer or 8-bit signless integer or QI8 type or QUI8 type or 32-bit signless integer or 64-bit signless integer or QI16 type or complex type with 32-bit float elements or complex type with 64-bit float elements values

tfl.real (::mlir::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:

Operand คำอธิบาย
input tensor of complex type with 32-bit float elements or complex type with 64-bit float elements values

Results:

Result คำอธิบาย
output tensor of 32-bit float or 64-bit float values

tfl.reduce_all (::mlir::TFL::ReduceAllOp)

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

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

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type คำอธิบาย
keep_dims ::mlir::BoolAttr bool attribute

Operands:

Operand คำอธิบาย
input tensor of 1-bit signless integer values
reduction_indices tensor of 32-bit signless integer values

Results:

Result คำอธิบาย
output tensor of 1-bit signless integer values

tfl.reduce_any (::mlir::TFL::ReduceAnyOp)

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

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

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type คำอธิบาย
keep_dims ::mlir::BoolAttr bool attribute

Operands:

Operand คำอธิบาย
input tensor of 1-bit signless integer values
reduction_indices tensor of 32-bit signless integer values

Results:

Result คำอธิบาย
output tensor of 1-bit signless integer values

tfl.reduce_max (::mlir::TFL::ReduceMaxOp)

Max-reduction operator

Computes the max reduction along the specified axes

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type คำอธิบาย
keep_dims ::mlir::BoolAttr bool attribute

Operands:

Operand คำอธิบาย
input tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values
axes tensor of 32-bit signless integer values

Results:

Result คำอธิบาย
output tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values

tfl.reduce_min (::mlir::TFL::ReduceMinOp)

Min-reduction operator

Computes the min reduction along the specified axes

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type คำอธิบาย
keep_dims ::mlir::BoolAttr bool attribute

Operands:

Operand คำอธิบาย
input tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values
axes tensor of 32-bit signless integer values

Results:

Result คำอธิบาย
output tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values

tfl.reduce_prod (::mlir::TFL::ReduceProdOp)

Prod-reduction operator

Computes the product along the specified axes

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type คำอธิบาย
keep_dims ::mlir::BoolAttr bool attribute

Operands:

Operand คำอธิบาย
input tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values
axes tensor of 32-bit signless integer values

Results:

Result คำอธิบาย
output tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values

tfl.relu_0_to_1 (::mlir::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:

Operand คำอธิบาย
x tensor of 32-bit float or QUI8 type or QI8 type values

Results:

Result คำอธิบาย
y tensor of 32-bit float or QUI8 type or QI8 type values

tfl.relu_n1_to_1 (::mlir::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:

Operand คำอธิบาย
x tensor of 32-bit float or QUI8 type or QI8 type values

Results:

Result คำอธิบาย
y tensor of 32-bit float or QUI8 type or QI8 type values

tfl.relu6 (::mlir::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:

Operand คำอธิบาย
x tensor of 32-bit float or QUI8 type or QI8 type values

Results:

Result คำอธิบาย
y tensor of 32-bit float or QUI8 type or QI8 type values

tfl.relu (::mlir::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:

Operand คำอธิบาย
x tensor of 32-bit float or QUI8 type or QI8 type or QI16 type values

Results:

Result คำอธิบาย
y tensor of 32-bit float or QUI8 type or QI8 type or QI16 type values

tfl.reshape (::mlir::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:

Operand คำอธิบาย
input tensor of any type values
shape tensor of 32-bit signless integer values

Results:

Result คำอธิบาย
output tensor of any type values

tfl.resize_bilinear (::mlir::TFL::ResizeBilinearOp)

ResizeBilinear Op

Resize images to size using bilinear interpolation.

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type คำอธิบาย
align_corners ::mlir::BoolAttr bool attribute
half_pixel_centers ::mlir::BoolAttr bool attribute

Operands:

Operand คำอธิบาย
input tensor of 32-bit float or TFLite quint8 type or QUI8 type or QI8 type or QI16 type values
size tensor of 32-bit signless integer values

Results:

Result คำอธิบาย
output tensor of 32-bit float or TFLite quint8 type or QUI8 type or QI8 type or QI16 type values

tfl.resize_nearest_neighbor (::mlir::TFL::ResizeNearestNeighborOp)

ResizeNearestNeighbor Op

Resize images to size using nearest neighbor interpolation.

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type คำอธิบาย
align_corners ::mlir::BoolAttr bool attribute
half_pixel_centers ::mlir::BoolAttr bool attribute

Operands:

Operand คำอธิบาย
input tensor of 32-bit float or TFLite quint8 type or QUI8 type or QI8 type or QI16 type values
size tensor of 32-bit signless integer values

Results:

Result คำอธิบาย
output tensor of 32-bit float or TFLite quint8 type or QUI8 type or QI8 type or QI16 type values

tfl.reverse_sequence (::mlir::TFL::ReverseSequenceOp)

Reverses variable length slices.

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

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

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

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type คำอธิบาย
seq_dim ::mlir::IntegerAttr 32-bit signless integer attribute whose value is non-negative
batch_dim ::mlir::IntegerAttr 32-bit signless integer attribute whose value is non-negative

Operands:

Operand คำอธิบาย
input tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI16 type or QUI8 type or TFLite quint8 type values
seq_lengths tensor of 32/64-bit signless integer values

Results:

Result คำอธิบาย
output tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI16 type or QUI8 type or TFLite quint8 type values

tfl.reverse_v2 (::mlir::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:

Operand คำอธิบาย
input tensor of 32-bit float or 8-bit unsigned integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or QI16 type or QUI8 type or QI8 type or TFLite quint8 type or 1-bit signless integer values
axis tensor of 32-bit signless integer values

Results:

Result คำอธิบาย
output tensor of 32-bit float or 8-bit unsigned integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or QI16 type or QUI8 type or QI8 type or TFLite quint8 type or 1-bit signless integer values

tfl.round (::mlir::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:

Operand คำอธิบาย
x tensor of 32-bit float values

Results:

Result คำอธิบาย
y tensor of 32-bit float values

tfl.rsqrt (::mlir::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:

Operand คำอธิบาย
x tensor of 32-bit float or QI8 type or QI16 type values

Results:

Result คำอธิบาย
y tensor of 32-bit float or QI8 type or QI16 type values

tfl.svdf (::mlir::TFL::SVDFOp)

Single value decomposition filter operator

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

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

Interfaces: DynamicRangeQuantizedOpInterface, TFL_StatefulOp, TflRuntimeVerifyOpInterface

Attributes:

Attribute MLIR Type คำอธิบาย
rank ::mlir::IntegerAttr 32-bit signless integer attribute whose value is positive
fused_activation_function ::mlir::StringAttr string attribute whose value is NONE, or RELU, or RELU_N1_TO_1, or RELU6, or TANH, or SIGN_BIT
asymmetric_quantize_inputs ::mlir::BoolAttr bool attribute

Operands:

Operand คำอธิบาย
input tensor of 32-bit float or QI8 type values
feature_weights tensor of 32-bit float or QI8 type or QUI8 type values
time_weights tensor of 32-bit float or QI16 type values
input_gate_bias tensor of any type values or none type
activation_state stateful tensor

Results:

Result คำอธิบาย
output tensor of 32-bit float or QI8 type values

tfl.scatter_nd (::mlir::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:

Operand คำอธิบาย
indices tensor of 32-bit signless integer values
updates tensor of 32-bit float or 8-bit signless integer or 64-bit signless integer or 32-bit signless integer or 8-bit unsigned integer or 1-bit signless integer values
shape 1D tensor of any type values

Results:

Result คำอธิบาย
output tensor of 32-bit float or 8-bit signless integer or 64-bit signless integer or 32-bit signless integer or 8-bit unsigned integer or 1-bit signless integer values

tfl.segment_sum (::mlir::TFL::SegmentSumOp)

SegmentSum operator

Computes the sum along segments of a tensor.

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand คำอธิบาย
input tensor of 32-bit float or 32-bit signless integer values
segment_ids tensor of 32-bit signless integer values

Results:

Result คำอธิบาย
output tensor of 32-bit float or 32-bit signless integer values

tfl.select (::mlir::TFL::SelectOp)

Select 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. condition must be Rank 1 and match over the first dimension.

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

Operand คำอธิบาย
condition tensor of 1-bit signless integer values
x tensor of 32-bit float or 1-bit signless integer or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values
y tensor of 32-bit float or 1-bit signless integer or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

Results:

Result คำอธิบาย
output tensor of 32-bit float or 1-bit signless integer or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

tfl.select_v2 (::mlir::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:

Operand คำอธิบาย
condition tensor of 1-bit signless integer values
x tensor of 32-bit float or 1-bit signless integer or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values
y tensor of 32-bit float or 1-bit signless integer or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

Results:

Result คำอธิบาย
output tensor of 32-bit float or 1-bit signless integer or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

tfl.shape (::mlir::TFL::ShapeOp)

Shape operator

Returns the shape of a tensor.

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type คำอธิบาย
out_type ::mlir::Attribute derived attribute

Operands:

Operand คำอธิบาย
input tensor of any type values

Results:

Result คำอธิบาย
output tensor of 32-bit signless integer or 64-bit signless integer values

tfl.sign (::mlir::TFL::SignOp)

Sign operation

Returns NaN if x is NaN, 0 if x is 0, -1 if x < 0 and 1 if x > 0.

Traits: AlwaysSpeculatableImplTrait, SameOperandsAndResultElementType, SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand คำอธิบาย
x tensor of 32-bit float or 64-bit float or 32-bit signless integer values

Results:

Result คำอธิบาย
output tensor of 32-bit float or 64-bit float or 32-bit signless integer values

tfl.sin (::mlir::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:

Operand คำอธิบาย
x tensor of 32-bit float values

Results:

Result คำอธิบาย
y tensor of 32-bit float values

tfl.slice (::mlir::TFL::SliceOp)

Return a slice from 'input'.

The output tensor is a tensor with dimensions described by 'size' whose values are extracted from 'input' starting at the offsets in 'begin'.

begin is zero-based; size is one-based. If size[i] is -1, all remaining elements in dimension i are included in the slice. In other words, this is equivalent to setting: size[i] = input.dim_size(i) - begin[i]

Requirements : 0 <= begin[i] <= begin[i] + size[i] <= Di for i in [0, n)

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

Operand คำอธิบาย
input tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or 8-bit signless integer or 8-bit unsigned integer or 1-bit signless integer or TFLite string type or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values
begin tensor of 32/64-bit signless integer values
size tensor of 32/64-bit signless integer values

Results:

Result คำอธิบาย
output tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or 8-bit signless integer or 8-bit unsigned integer or 1-bit signless integer or TFLite string type or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values

tfl.softmax (::mlir::TFL::SoftmaxOp)

Softmax operator

Computes element-wise softmax activations with the following formula

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

Traits: AlwaysSpeculatableImplTrait, QuantizableResult, SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type คำอธิบาย
beta ::mlir::FloatAttr 32-bit float attribute

Operands:

Operand คำอธิบาย
input tensor of 32-bit float or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values

Results:

Result คำอธิบาย
output tensor of 32-bit float or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values

tfl.space_to_batch_nd (::mlir::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:

Operand คำอธิบาย
input tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type values
block_shape tensor of 32-bit signless integer values
paddings tensor of 32-bit signless integer values

Results:

Result คำอธิบาย
output tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type values

tfl.space_to_depth (::mlir::TFL::SpaceToDepthOp)

SpaceToDepth operator

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

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type คำอธิบาย
block_size ::mlir::IntegerAttr 32-bit signless integer attribute whose value is positive

Operands:

Operand คำอธิบาย
input tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type values

Results:

Result คำอธิบาย
output tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type values

tfl.pseudo_sparse_const (::mlir::TFL::SparseConstOp)

Sparse constant pseudo op.

Represents a sparse constant value in TensorFlow Lite dialect. This is not an actual operation and it will be lowered to buffer instead.

Traits: AlwaysSpeculatableImplTrait, FirstAttrDerivedResultType, QuantizableResult

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type คำอธิบาย
value ::mlir::ElementsAttr constant vector/tensor attribute
s_param ::mlir::TFL::SparsityParameterAttr Sparsity parameter.
compressed_data ::mlir::ElementsAttr constant vector/tensor attribute

Results:

Result คำอธิบาย
output tensor of any type values

tfl.pseudo_sparse_qconst (::mlir::TFL::SparseQConstOp)

Sparse quantized constant pseudo op

Represents a sparse quantized constant value in TensorFlow Lite dialect. This is not an actual operation and it will be lowered to buffer instead. The quantization parameters are stored as a type attribute in this constant.

Traits: AlwaysSpeculatableImplTrait, FirstAttrDerivedResultType

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type คำอธิบาย
qtype ::mlir::TypeAttr Tensor type attribute
value ::mlir::ElementsAttr constant vector/tensor attribute
s_param ::mlir::TFL::SparsityParameterAttr Sparsity parameter.
compressed_data ::mlir::ElementsAttr constant vector/tensor attribute

Results:

Result คำอธิบาย
output tensor of QUI8 type or QI8 type or QI16 type or QUI16 type or TFLite quint8 type values

tfl.sparse_to_dense (::mlir::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:

Operand คำอธิบาย
sparse_indices tensor of 32/64-bit signless integer values
output_shape tensor of 32/64-bit signless integer values
sparse_values tensor of 32-bit signless integer or 64-bit signless integer or 8-bit signless integer or QI8 type or 8-bit unsigned integer or QUI8 type or TFLite quint8 type or 32-bit float values
default_value tensor of 32-bit signless integer or 64-bit signless integer or 8-bit signless integer or QI8 type or 8-bit unsigned integer or QUI8 type or TFLite quint8 type or 32-bit float values

Results:

Result คำอธิบาย
dense tensor of 32-bit signless integer or 64-bit signless integer or 8-bit signless integer or QI8 type or 8-bit unsigned integer or QUI8 type or TFLite quint8 type or 32-bit float values

tfl.split (::mlir::TFL::SplitOp)

Splits a tensor into num_split tensors along one dimension.

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

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type คำอธิบาย
num_splits ::mlir::IntegerAttr 32-bit signless integer attribute whose value is positive

Operands:

Operand คำอธิบาย
split_dim tensor of 32-bit signless integer values
value tensor of 32-bit float or 16-bit signless integer or 32-bit signless integer or 8-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or QI16 type values

Results:

Result คำอธิบาย
outputs tensor of any type values

tfl.split_v (::mlir::TFL::SplitVOp)

Splits a tensor into num_split tensors along one dimension.

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

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type คำอธิบาย
num_splits ::mlir::IntegerAttr 32-bit signless integer attribute whose value is positive

Operands:

Operand คำอธิบาย
value tensor of 32-bit float or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 8-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or QI16 type values
size_splits 1D tensor of 32-bit signless integer values
split_dim 0D tensor of 32-bit signless integer values

Results:

Result คำอธิบาย
outputs tensor of any type values

tfl.sqrt (::mlir::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:

Operand คำอธิบาย
x tensor of 32-bit float values

Results:

Result คำอธิบาย
y tensor of 32-bit float values

tfl.square (::mlir::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:

Operand คำอธิบาย
x tensor of 32-bit float values

Results:

Result คำอธิบาย
y tensor of 32-bit float values

tfl.squared_difference (::mlir::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:

Operand คำอธิบาย
lhs tensor of 32-bit float or 32-bit signless integer or QI8 type values
rhs tensor of 32-bit float or 32-bit signless integer or QI8 type values

Results:

Result คำอธิบาย
output tensor of 32-bit float or 32-bit signless integer or QI8 type values

tfl.squeeze (::mlir::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 .

For example:

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

Or, to remove specific size 1 dimensions:

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

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type คำอธิบาย
squeeze_dims ::mlir::ArrayAttr 64-bit integer array attribute whose size is at most 8

Operands:

Operand คำอธิบาย
input tensor of any type values

Results:

Result คำอธิบาย
output tensor of any type values

tfl.strided_slice (::mlir::TFL::StridedSliceOp)

StridedSlice Op

Return a strided slice from input .

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type คำอธิบาย
begin_mask ::mlir::IntegerAttr 32-bit signless integer attribute
end_mask ::mlir::IntegerAttr 32-bit signless integer attribute
ellipsis_mask ::mlir::IntegerAttr 32-bit signless integer attribute
new_axis_mask ::mlir::IntegerAttr 32-bit signless integer attribute
shrink_axis_mask ::mlir::IntegerAttr 32-bit signless integer attribute

Operands:

Operand คำอธิบาย
input tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or 8-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or 1-bit signless integer or 16-bit signless integer or QI16 type or TFLite quint8 type or TFLite string type values
begin tensor of 32-bit signless integer values
end tensor of 32-bit signless integer values
strides tensor of 32-bit signless integer values

Results:

Result คำอธิบาย
output tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or 8-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or 1-bit signless integer or 16-bit signless integer or QI16 type or TFLite quint8 type or TFLite string type values

tfl.sub (::mlir::TFL::SubOp)

Subtraction operator

Element-wise subtraction operation.

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

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

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type คำอธิบาย
fused_activation_function ::mlir::StringAttr string attribute whose value is NONE, or RELU, or RELU_N1_TO_1, or RELU6, or TANH, or SIGN_BIT

Operands:

Operand คำอธิบาย
lhs tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or QI16 type values
rhs tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or QI16 type values

Results:

Result คำอธิบาย
output tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or QI16 type values

tfl.sum (::mlir::TFL::SumOp)

Sum operator

Computes the sum reduction along the specified axes

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type คำอธิบาย
keep_dims ::mlir::BoolAttr bool attribute

Operands:

Operand คำอธิบาย
input tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values
axes tensor of 32-bit signless integer values

Results:

Result คำอธิบาย
output tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values

tfl.tanh (::mlir::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:

Operand คำอธิบาย
input tensor of 32-bit float or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

Results:

Result คำอธิบาย
output tensor of 32-bit float or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

tfl.tile (::mlir::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:

Operand คำอธิบาย
input tensor of 32-bit float or 1-bit signless integer or 32-bit signless integer or 64-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or TFLite string type values
multiples tensor of 32/64-bit signless integer values

Results:

Result คำอธิบาย
output tensor of 32-bit float or 1-bit signless integer or 32-bit signless integer or 64-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or TFLite string type values

tfl.topk_v2 (::mlir::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:

Operand คำอธิบาย
input tensor of 32-bit float or 8-bit signless integer or 32-bit signless integer or 64-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type values
k tensor of 32-bit signless integer values

Results:

Result คำอธิบาย
values tensor of 32-bit float or 8-bit signless integer or 32-bit signless integer or 64-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type values
indices tensor of 32-bit signless integer values

tfl.transpose_conv (::mlir::TFL::TransposeConvOp)

Transpose convolution operator

Performs transpose convolution operation on input.

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

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

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type คำอธิบาย
padding ::mlir::StringAttr string attribute whose value is SAME, or VALID
stride_h ::mlir::IntegerAttr 32-bit signless integer attribute whose value is positive
stride_w ::mlir::IntegerAttr 32-bit signless integer attribute whose value is positive
fused_activation_function ::mlir::StringAttr string attribute whose value is NONE, or RELU, or RELU_N1_TO_1, or RELU6, or TANH, or SIGN_BIT

Operands:

Operand คำอธิบาย
output_shape tensor of 32-bit signless integer values
weights tensor of 32-bit float or QI8 type or QUI8 type or QI16 type values
input tensor of 32-bit float or QI8 type or QUI8 type or QI16 type values
bias tensor of any type values or none type

Results:

Result คำอธิบาย
output tensor of 32-bit float or QI8 type or QUI8 type or QI16 type values

tfl.transpose (::mlir::TFL::TransposeOp)

Transpose operator

Returns the Transpose of x

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

Operand คำอธิบาย
input tensor of 32-bit signless integer or 32-bit float or 8-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or TFLite quint8 type or 1-bit signless integer or 64-bit signless integer or QI16 type values
perm tensor of 32-bit signless integer values

Results:

Result คำอธิบาย
output tensor of 32-bit signless integer or 32-bit float or 8-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or TFLite quint8 type or 1-bit signless integer or 64-bit signless integer or QI16 type values

tfl.unidirectional_sequence_lstm (::mlir::TFL::UnidirectionalSequenceLSTMOp)

Unidirectional sequence lstm operator

A recurrent neural network specified by an LSTM cell. This Op supports unrolling the input along the time or batch dimensions, and implements the following operation for each element in the sequence s = 1...sequence_length: outputs[s] = state = activation(LSTMOp(inputs[s]))

where LSTMOp is LSTM TF Lite Op and the “activation” is the function passed as the “fused_activation_function” argument (if not “NONE”).

Traits: QuantizableResult

Interfaces: DynamicRangeQuantizedOpInterface, InferTypeOpInterface, TFL_StatefulOp, TflRuntimeVerifyOpInterface

Attributes:

Attribute MLIR Type คำอธิบาย
fused_activation_function ::mlir::StringAttr string attribute whose value is NONE, or RELU, or RELU_N1_TO_1, or RELU6, or TANH, or SIGN_BIT
cell_clip ::mlir::FloatAttr 32-bit float attribute whose value is non-negative
proj_clip ::mlir::FloatAttr 32-bit float attribute whose value is non-negative
time_major ::mlir::BoolAttr bool attribute
asymmetric_quantize_inputs ::mlir::BoolAttr bool attribute
diagonal_recurrent_tensors ::mlir::BoolAttr bool attribute
input_to_input_intermediate ::mlir::TypeAttr any type attribute
input_to_forget_intermediate ::mlir::TypeAttr any type attribute
input_to_cell_intermediate ::mlir::TypeAttr any type attribute
input_to_output_intermediate ::mlir::TypeAttr any type attribute
effective_hidden_scale_intermediate ::mlir::TypeAttr any type attribute

Operands:

Operand คำอธิบาย
input tensor of 32-bit float values
input_to_input_weights tensor of any type values or none type
input_to_forget_weights tensor of 32-bit float or QI8 type values
input_to_cell_weights tensor of 32-bit float or QI8 type values
input_to_output_weights tensor of 32-bit float or QI8 type values
recurrent_to_input_weights tensor of any type values or none type
recurrent_to_forget_weights tensor of 32-bit float or QI8 type values
recurrent_to_cell_weights tensor of 32-bit float or QI8 type values
recurrent_to_output_weights tensor of 32-bit float or QI8 type values
cell_to_input_weights tensor of any type values or none type
cell_to_forget_weights tensor of any type values or none type
cell_to_output_weights tensor of any type values or none type
input_gate_bias tensor of any type values or none type
forget_gate_bias tensor of 32-bit float values
cell_bias tensor of 32-bit float values
output_gate_bias tensor of 32-bit float values
projection_weights tensor of any type values or none type
projection_bias tensor of any type values or none type
input_activation_state stateful tensor
input_cell_state stateful tensor
input_layer_norm_coefficients tensor of any type values or none type
forget_layer_norm_coefficients tensor of any type values or none type
cell_layer_norm_coefficients tensor of any type values or none type
output_layer_norm_coefficients tensor of any type values or none type

Results:

Result คำอธิบาย
output tensor of 32-bit float or QI8 type values

tfl.unidirectional_sequence_rnn (::mlir::TFL::UnidirectionalSequenceRNNOp)

Unidirectional sequence rnn operator

A recurrent neural network specified by an RNN cell. This Op takes in input in a format {batch_size, seq_len, input_size} or {seq_len, batch_size, input_size} if it's time-majored.

It implements the following operation for each element in the sequence s = 1...sequence_length: outputs[s] = state = activation(RNNOp(inputs[s]))

where RNNOp is RNNOp TF Lite Op and the “activation” is the function passed as the “fused_activation_function” argument (if not “NONE”).

Traits: QuantizableResult

Interfaces: DynamicRangeQuantizedOpInterface, TFL_StatefulOp, TflRuntimeVerifyOpInterface

Attributes:

Attribute MLIR Type คำอธิบาย
time_major ::mlir::BoolAttr bool attribute
fused_activation_function ::mlir::StringAttr string attribute whose value is NONE, or RELU, or RELU_N1_TO_1, or RELU6, or TANH, or SIGN_BIT
asymmetric_quantize_inputs ::mlir::BoolAttr bool attribute

Operands:

Operand คำอธิบาย
input tensor of 32-bit float values
input_to_input_weights tensor of 32-bit float or QI8 type values
recurrent_to_input_weights tensor of 32-bit float or QI8 type values
input_gate_bias tensor of 32-bit float values
hidden_state stateful tensor

Results:

Result คำอธิบาย
output tensor of 32-bit float values

tfl.unique (::mlir::TFL::UniqueOp)

Unique Op.

This operation returns a tensor output containing all of the unique elements of input sorted in the same order that they occur in input . This operation also returns a tensor idx the same size as x that contains the index of each value of input in the unique output output . In other words:

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type คำอธิบาย
idx_out_type ::mlir::Attribute derived attribute

Operands:

Operand คำอธิบาย
input tensor of 8-bit signless integer or QI8 type or 8-bit unsigned integer or QUI8 type or 16-bit signless integer or QI16 type or 32-bit signless integer or 64-bit signless integer or 32-bit float values

Results:

Result คำอธิบาย
output tensor of 8-bit signless integer or QI8 type or 8-bit unsigned integer or QUI8 type or 16-bit signless integer or QI16 type or 32-bit signless integer or 64-bit signless integer or 32-bit float values
idx tensor of 32/64-bit signless integer values

tfl.unpack (::mlir::TFL::UnpackOp)

Unpacks a tensor along a dimension into multiple tensors

Unpacks a given dimension of a rank- R tensor into num rank- (R-1) tensors.

Unpacks num tensors from value by chipping it along the axis dimension. For example, given a tensor of shape (A, B, C, D) ;

If axis == 0 then the i'th tensor in output is the slice value[i, :, :, :] and each tensor in output will have shape (B, C, D) . (Note that the dimension unpacked along is gone, unlike split ).

If axis == 1 then the i'th tensor in output is the slice value[:, i, :, :] and each tensor in output will have shape (A, C, D) . Etc.

This is the opposite of pack .

Traits: AlwaysSpeculatableImplTrait, QuantizableResult, SameOperandsAndResultElementType

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

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type คำอธิบาย
num ::mlir::IntegerAttr 32-bit signless integer attribute whose value is non-negative
axis ::mlir::IntegerAttr 32-bit signless integer attribute

Operands:

Operand คำอธิบาย
input tensor of 32-bit float or 1-bit signless integer or 8-bit signless integer or 8-bit unsigned integer or 32-bit signless integer or QI8 type or QUI8 type or 16-bit signless integer or QI16 type values

Results:

Result คำอธิบาย
outputs tensor of any type values

tfl.unsorted_segment_max (::mlir::TFL::UnsortedSegmentMaxOp)

UnsortedSegmentMax operator

Computes the maximum value along segments of a tensor such that output[i] = max(data[j....]) where segment_ids[j...] = i if the maximum is empty for a given segment ID i, it outputs the smallest possible value for the specific numeric type, output[i] = numeric_limits::lowest(). Note the values of segment_ids are always validated to be less than num_segments and an error is thrown for out-of-bound indices.

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand คำอธิบาย
input tensor of 32-bit float or 32-bit signless integer values
segment_ids tensor of 32-bit signless integer values
num_segments tensor of 32-bit signless integer values

Results:

Result คำอธิบาย
output tensor of 32-bit float or 32-bit signless integer values

tfl.unsorted_segment_min (::mlir::TFL::UnsortedSegmentMinOp)

UnsortedSegmentMin operator

Computes the minimum value along segments of a tensor such that output[i] = min(data[j....]) where segment_ids[j...] = i if the minimum is empty for a given segment ID i, it outputs the largest possible value for the specific numeric type, output[i] = numeric_limits::max(). Note the values of segment_ids are always validated to be less than num_segments and an error is thrown for out-of-bound indices.

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand คำอธิบาย
input tensor of 32-bit float or 32-bit signless integer values
segment_ids tensor of 32-bit signless integer values
num_segments tensor of 32-bit signless integer values

Results:

Result คำอธิบาย
output tensor of 32-bit float or 32-bit signless integer values

tfl.unsorted_segment_prod (::mlir::TFL::UnsortedSegmentProdOp)

UnsortedSegmentProd operator

Computes the product along segments of a tensor.

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand คำอธิบาย
input tensor of 32-bit float or 32-bit signless integer values
segment_ids tensor of 32-bit signless integer values
num_segments tensor of 32-bit signless integer values

Results:

Result คำอธิบาย
output tensor of 32-bit float or 32-bit signless integer values

tfl.unsorted_segment_sum (::mlir::TFL::UnsortedSegmentSumOp)

UnsortedSegmentSum operator

From a tensor segmentation, computes the output resulting from summing together elements mapped to the same segment_id. Ie output[i] is equal to the tensor sum of all elements from the input tensor mapped to segment_id i . If no tensors are mapped to a particular included segment_id, the output at that indice will be a zero tensor with the appropriate shape. Note the values of segment_ids are always validated to be less than num_segments and an error is thrown for out-of-bound indices

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand คำอธิบาย
input tensor of 32-bit float or 32-bit signless integer values
segment_ids tensor of 32-bit signless integer values
num_segments tensor of 32-bit signless integer values

Results:

Result คำอธิบาย
output tensor of 32-bit float or 32-bit signless integer values

tfl.var_handle (::mlir::TFL::VarHandleOp)

Returns a handle to a variable resource from its name.

Returns a handle for a variable resource from its name. container: the container this variable is placed in. shared_name: the name by which this variable is referred to.

Interfaces: TflRuntimeVerifyOpInterface

Attributes:

Attribute MLIR Type คำอธิบาย
container ::mlir::StringAttr string attribute
shared_name ::mlir::StringAttr string attribute

Results:

Result คำอธิบาย
resource_handle tensor of resource values

tfl.where (::mlir::TFL::WhereOp)

Returns locations of nonzero / true values in a tensor.

This operation returns the coordinates of true elements in condition . The coordinates are returned in a 2-D tensor where the first dimension (rows) represents the number of true elements, and the second dimension (columns) represents the coordinates of the true elements. Keep in mind, the shape of the output tensor can vary depending on how many true values there are in condition . Indices are output in row-major order.

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand คำอธิบาย
condition tensor of 1-bit signless integer or 32-bit float or 32/64-bit signless integer or 8-bit signless integer or 8-bit unsigned integer or 32-bit unsigned integer values

Results:

Result คำอธิบาย
index tensor of 64-bit signless integer values

tfl.while (::mlir::TFL::WhileOp)

While loop

output = input; while (cond(output)) { output = body(output) }

While loop where all values are passes through arguments with implicit capture.

input: A list of input tensors whose types are T. output: A list of output tensors whose types are T. cond: A region that takes 'input' and returns a boolean scalar tensor. body: A region that takes a list of tensors and returns another list of tensors. Both lists have the same types.

Traits: SingleBlockImplicitTerminator

Interfaces: LoopLikeOpInterface, TflRuntimeVerifyOpInterface

Attributes:

Attribute MLIR Type คำอธิบาย
is_stateless ::mlir::BoolAttr bool attribute

Operands:

Operand คำอธิบาย
input tensor of any type values

Results:

Result คำอธิบาย
output tensor of any type values

tfl.yield (::mlir::TFL::YieldOp)

Yield operation

The "yield" operation represents a return operation within the conditional and body of structured control flow (eg, while), and a terminator for ControlNodeOp. The operation takes a variable number of operands and produces no results. The operand number and types must match the signature of the region that contains the operation.

Traits: AlwaysSpeculatableImplTrait, QuantizableResult, Terminator

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand คำอธิบาย
«unnamed» any type

tfl.zeros_like (::mlir::TFL::ZerosLikeOp)

ZerosLike operator

Returns a tensor of zeros with the same shape and type as the input tensor.

Traits: AlwaysSpeculatableImplTrait, SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand คำอธิบาย
input tensor of 64-bit signless integer or 32-bit signless integer or 32-bit float values

Results:

Result คำอธิบาย
output tensor of 64-bit signless integer or 32-bit signless integer or 32-bit float values

Attribute definition

DimensionMetadataAttr

Dimension metadata.

Syntax:

#tfl.dimension_metadata<
  ::mlir::TFL::DimensionTypeAttr,   # format
  int32_t,   # dense_size
  ::llvm::ArrayRef<int32_t>,   # segments
  ::llvm::ArrayRef<int32_t>   # indices
>

Parameters:

Parameter C++ type คำอธิบาย
format ::mlir::TFL::DimensionTypeAttr dimension_type
dense_size int32_t
segments ::llvm::ArrayRef<int32_t>
indices ::llvm::ArrayRef<int32_t>

SparsityParameterAttr

Sparsity parameter.

Syntax:

#tfl.sparsity_parameter<
  ::llvm::ArrayRef<int32_t>,   # traversal_order
  ::llvm::ArrayRef<int32_t>,   # block_map
  ::llvm::ArrayRef<DimensionMetadataAttr>   # dim_metadata
>

Parameters:

Parameter C++ type คำอธิบาย
traversal_order ::llvm::ArrayRef<int32_t>
block_map ::llvm::ArrayRef<int32_t>
dim_metadata ::llvm::ArrayRef<DimensionMetadataAttr>

ConstBytesAttr

A string attribute representation of compiled bytes

Syntax Examples:

#tfl<const_bytes : "0xDEADBEEF">

Parameters:

Parameter C++ type คำอธิบาย
value ::llvm::StringRef

DimensionTypeAttr

dimension_type

Syntax:

#tfl.dimension_type_attr<
  ::mlir::TFL::DimensionType   # value
>

Parameters:

Parameter C++ type คำอธิบาย
value ::mlir::TFL::DimensionType an enum of type DimensionType

LSTMKernelTypeAttr

lstm_kernel_type

Syntax:

#tfl.lstm_kernel_type_attr<
  ::mlir::TFL::LSTMKernelType   # value
>

Parameters:

Parameter C++ type คำอธิบาย
value ::mlir::TFL::LSTMKernelType an enum of type LSTMKernelType

MirrorPaddingTypeAttr

mirror_pad_enum

Syntax:

#tfl.mirror_pad_attr<
  ::mlir::TFL::MirrorPaddingType   # value
>

Parameters:

Parameter C++ type คำอธิบาย
value ::mlir::TFL::MirrorPaddingType an enum of type MirrorPaddingType