'tfl' बोली

टेन्सरफ्लो लाइट बोली।

यह बोली TensorFlow Lite संचालन को मैप करती है।

अपरिवर्तनीय:

• सभी मान टेंसर प्रकार के हैं (विशेष रूप से, स्केलर को शून्य-आयामी टेंसर का उपयोग करके दर्शाया जाता है);

संचालन

tfl.abs (TFL::AbsOp)

निरपेक्ष मान संचालिका

एक टेंसर x दिया गया है, यह ऑपरेशन एक टेंसर लौटाता है जिसमें x में प्रत्येक तत्व का निरपेक्ष मान होता है। उदाहरण के लिए, यदि x एक इनपुट तत्व है और y एक आउटपुट तत्व है, तो यह ऑपरेशन \(y = |x|\)गणना करता है।

लक्षण: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

इंटरफेस: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

संकार्य:

परिणाम:

tfl.add (TFL::AddOp)

अतिरिक्त ऑपरेटर

तत्व-वार जोड़ संचालन।

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

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

प्रभाव: MemoryEffects::Effect{}

गुण:

संकार्य:

परिणाम:

tfl.add_n (TFL::AddNOp)

_एन ऑपरेटर जोड़ें

सभी इनपुट टेंसरों को तत्व-वार जोड़ता है।

लक्षण: AlwaysSpeculatableImplTrait , Commutative

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

प्रभाव: MemoryEffects::Effect{}

संकार्य:

परिणाम:

tfl.arg_max (TFL::ArgMaxOp)

आर्गमैक्स ऑपरेटर

टेंसर के सभी आयामों में सबसे बड़े मान वाला सूचकांक लौटाता है।

लक्षण: AlwaysSpeculatableImplTrait , QuantizableResult

इंटरफेस: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

गुण:

संकार्य:

परिणाम:

tfl.arg_min (TFL::ArgMinOp)

आर्गमिन ऑपरेटर

टेंसर के सभी आयामों में सबसे छोटे मान वाला सूचकांक लौटाता है। ए = [1, 10, 26.9, 2.8, 166.32, 62.3] बी = tf.math.argmin(इनपुट = a) c = tf.keras.backend.eval(b)

लक्षण: AlwaysSpeculatableImplTrait , QuantizableResult

इंटरफेस: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

गुण:

संकार्य:

परिणाम:

tfl.assign_variable (TFL::AssignVariableOp)

किसी वेरिएबल को नया मान निर्दिष्ट करता है.

इस ऑप पर नियंत्रण निर्भरता वाला कोई भी ReadVariableOp इस मान या वेरिएबल के बाद के नए मान को वापस करने की गारंटी देता है।

इंटरफेस: TflRuntimeVerifyOpInterface

संकार्य:

tfl.atan2 (TFL::Atan2Op)

Atan2 ऑपरेशन

"atan2" ऑपरेशन तर्कों के संकेतों का सम्मान करते हुए, तत्व-वार y/x के चाप स्पर्शरेखा की गणना करता है।

लक्षण: AlwaysSpeculatableImplTrait , SameOperandsAndResultElementType , SameOperandsAndResultShape

इंटरफेस: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

संकार्य:

परिणाम:

tfl.average_pool_2d (TFL::AveragePool2DOp)

_औसत_पूल 2डी ऑपरेटर

इनपुट पर औसत-पूलिंग ऑपरेशन करता है।

लक्षण: AlwaysSpeculatableImplTrait , QuantizableResult

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

प्रभाव: MemoryEffects::Effect{}

गुण:

संकार्य:

परिणाम:

tfl.basic_lstm (TFL::BasicLSTMOp)

बुनियादी एलएसटीएम ऑपरेटर

बेसिक LSTM सेल ऑपरेटर।

लक्षण: AlwaysSpeculatableImplTrait , QuantizableResult

इंटरफेस: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

गुण:

संकार्य:

परिणाम:

tfl.batch_matmul (TFL::BatchMatMulOp)

बैच मैट्रिक्स मल्टीप्लाई ऑपरेटर

इनपुट पर बैच मैट्रिक्स गुणन निष्पादित करता है। बैच आयामों और प्रसारण में अज्ञात आयामों के समर्थन के साथ, TensorFlow BatchMatMulV2 के सम्मेलनों का पालन करता है।

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)

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

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

प्रभाव: MemoryEffects::Effect{}

गुण:

संकार्य:

परिणाम:

tfl.batch_to_space_nd (TFL::BatchToSpaceNdOp)

बैचटूस्पेसएनडी ऑपरेटर

यह ऑपरेशन "बैच" आयाम 0 को अंतरिक्ष आयामों में पुनः आकार देता है।

लक्षण: AlwaysSpeculatableImplTrait , QuantizableResult

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

प्रभाव: MemoryEffects::Effect{}

संकार्य:

परिणाम:

tfl.bidirectional_sequence_lstm (TFL::BidirectionalSequenceLSTMop)

द्विदिश अनुक्रम lstm ऑपरेटर

द्विदिशात्मक एलएसटीएम मूलतः दो एलएसटीएम हैं, एक आगे की ओर और दूसरा पीछे की ओर। और आउटपुट दो lstms का संयोजन है।

लक्षण: QuantizableResult

इंटरफेस: DynamicRangeQuantizedOpInterface , TFL_StatefulOp , TflRuntimeVerifyOpInterface

गुण:

संकार्य:

परिणाम:

tfl.bitcast (TFL::BitcastOp)

बिटकास्ट ऑपरेटर

एक टेंसर को एक प्रकार से दूसरे प्रकार में बिटकास्ट करता है।

लक्षण: AlwaysSpeculatableImplTrait

इंटरफेस: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

संकार्य:

परिणाम:

tfl.bitwise_xor (TFL::BitwaiXorOp)

बिटवाइज़ Xor ऑपरेटर

एलिमेंटवाइज lhs और rhs के बिटवाइज एक्सओआर की गणना करता है।

लक्षण: AlwaysSpeculatableImplTrait , Commutative , SameOperandsAndResultElementType

इंटरफेस: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

संकार्य:

परिणाम:

tfl.broadcast_args (TFL::BroadcastArgsOp)

प्रसारण के साथ s0 op s1 का आकार लौटाएँ।

दिए गए s0 और s1 , टेंसर जो आकृतियों का प्रतिनिधित्व करते हैं, r0 , प्रसारित आकार की गणना करते हैं। s0 , s1 और r0 सभी पूर्णांक सदिश हैं।

लक्षण: AlwaysSpeculatableImplTrait

इंटरफेस: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

संकार्य:

परिणाम:

tfl.broadcast_to (TFL::BroadcastToOp)

संगत आकृति के लिए एक सारणी प्रसारित करें।

प्रसारण अंकगणितीय परिचालनों के लिए संगत आकार बनाने की प्रक्रिया है। दो आकृतियाँ संगत होती हैं यदि प्रत्येक आयाम जोड़ी के लिए वे या तो बराबर हों या उनमें से एक एक हो। जब किसी टेन्सर को किसी आकार में प्रसारित करने का प्रयास किया जाता है, तो यह अनुगामी आयामों से शुरू होता है, और आगे की ओर काम करता है।

उदाहरण के लिए,

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

उपरोक्त उदाहरण में, [1, 3] के आकार के साथ इनपुट टेन्सर को [3, 3] के आकार के साथ आउटपुट टेन्सर में प्रसारित किया जाता है।

किसी स्केलर द्वारा टेन्सर को गुणा करने जैसे प्रसारित संचालन करते समय, प्रसारण (आमतौर पर) कुछ समय या स्थान लाभ प्रदान करता है, क्योंकि प्रसारित टेन्सर कभी भी भौतिक नहीं होता है।

हालाँकि, broadcast_to अपने साथ ऐसा कोई लाभ नहीं लाता है। नव-निर्मित टेंसर प्रसारित आकार की पूरी मेमोरी लेता है। (ग्राफ़ संदर्भ में, broadcast_to बाद के ऑपरेशन में जोड़ा जा सकता है और फिर इसे अनुकूलित किया जा सकता है।)

लक्षण: AlwaysSpeculatableImplTrait , QuantizableResult

इंटरफेस: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

संकार्य:

परिणाम:

tfl.bucketize (TFL::BucketizeOp)

'सीमाओं' के आधार पर 'इनपुट' को बकेटाइज़ करता है।

उदाहरण:

यदि इनपुट boundaries = [0, 10, 100] और input = [[-5, 10000][150, 10][5, 100]] , तो आउटपुट output = [[0, 3][3, 2][1, 3]] ।

लक्षण: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

इंटरफेस: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

गुण:

संकार्य:

परिणाम:

tfl.call_once (TFL::CallOnceOp)

एक आरंभीकरण फ़ंक्शन को आमंत्रित करता है

यह ऑपरेशन टीएफ सेव्ड मॉडल बोली में सत्र इनिशियलाइज़र के लिए दिए गए इनिशियलाइज़ेशन फ़ंक्शन को आमंत्रित करता है।

इंटरफेस: TflRuntimeVerifyOpInterface

गुण:

tfl.cast (TFL::CastOp)

कास्ट ऑपरेटर

इनपुट को इनपुट प्रकार से आउटपुट प्रकार में कास्ट करता है।

लक्षण: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

इंटरफेस: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

संकार्य:

परिणाम:

tfl.ceil (TFL::CeilOp)

सील ऑपरेटर

इनपुट का तत्व-वार अधिकतम मूल्य लौटाता है।

लक्षण: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

प्रभाव: MemoryEffects::Effect{}

संकार्य:

परिणाम:

tfl.complex_abs (TFL::ComplexAbsOp)

किसी टेंसर के जटिल निरपेक्ष मान की गणना करता है।

जटिल संख्याओं के एक टेंसर x देखते हुए, यह ऑपरेशन float या double प्रकार का एक टेंसर लौटाता है जो कि x में प्रत्येक तत्व का पूर्ण मान है। x के सभी तत्व \(a + bj\)रूप की सम्मिश्र संख्याएँ होनी चाहिए। निरपेक्ष मान की गणना \( \sqrt{a^2 + b^2}\)के रूप में की जाती है।

लक्षण: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

इंटरफेस: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

संकार्य:

परिणाम:

tfl.concatenation (TFL::ConatenationOp)

संयोजन संचालिका

टेंसरों को एक आयाम में जोड़ता है

लक्षण: AlwaysSpeculatableImplTrait , QuantizableResult

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

प्रभाव: MemoryEffects::Effect{}

गुण:

संकार्य:

परिणाम:

tfl.control_node (TFL::ControlNodeOp)

नियंत्रण किनारों को जोड़ने के लिए TFL.control_node ऑपरेशन सिंगल-ब्लॉक ऑपरेशंस को लपेटता है।

इसका उपयोग क्षेत्रों को लपेटने और उनमें नियंत्रण निर्भरताएँ जोड़ने के लिए किया जाता है। आमतौर पर, यह फ़्लैटबफ़र मॉडल को जारी करने से पहले अंतिम चरणों में से एक में होगा ताकि उन अनुकूलन को सक्षम किया जा सके जो संचालन के एक निश्चित क्रम (जैसे रीमटेरियलाइज़ेशन) पर निर्भर करते हैं। फ़्लैटबफ़र निर्यातक लिपटे हुए क्षेत्र को खोल देगा और मेटाडेटा के साथ जेनरेट किए गए मॉडल को एनोटेट करेगा। जैसे कि कोई भी रनटाइम पुन: क्रम नियंत्रण निर्भरता द्वारा दिए गए आदेश का सम्मान करेगा।

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

संकार्य:

परिणाम:

tfl.conv_2d (TFL::Conv2DOp)

कनवल्शन ऑपरेटर

इनपुट पर कनवल्शन ऑपरेशन निष्पादित करता है।

इनपुट: inputs[0] : आवश्यक: इनपुट सक्रियण टेंसर inputs[1] : आवश्यक: फिल्टर वजन टेंसर inputs[2] : वैकल्पिक: बायस टेंसर

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

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

प्रभाव: MemoryEffects::Effect{}

गुण:

संकार्य:

परिणाम:

tfl.conv_3d (TFL::Conv3DOp)

कनवल्शन 3डी ऑपरेटर

3डी इनपुट पर कनवल्शन ऑपरेशन करता है। इनपुट: inputs[0] : आवश्यक: इनपुट सक्रियण टेंसर inputs[1] : आवश्यक: फिल्टर वजन टेंसर inputs[2] : वैकल्पिक: बायस टेंसर

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

इंटरफेस: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

गुण:

संकार्य:

परिणाम:

tfl.conv_3d_transpose (TFL::Conv3DTransposeOp)

ट्रांसपोज़्ड कन्वोल्यूशन 3डी ऑपरेटर

3डी इनपुट पर ट्रांसपोज़्ड कन्वोल्यूशन ऑपरेशन करता है। इनपुट: inputs[0] : आवश्यक: आउटपुट टेंसर inputs[1] : आवश्यक: फिल्टर वजन टेंसर inputs[2] : आवश्यक: इनपुट सक्रियण टेंसर inputs[3] : वैकल्पिक: बायस टेंसर

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

इंटरफेस: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

गुण:

संकार्य:

परिणाम:

tfl.cos (TFL::CosOp)

कोसाइन संचालिका

इनपुट के तत्व-वार कोसाइन की गणना करता है

लक्षण: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

प्रभाव: MemoryEffects::Effect{}

संकार्य:

परिणाम:

tfl.cumsum (TFL::CumsumOp)

कमसम ऑपरेटर

अक्ष के अनुदिश टेंसर x के संचयी योग की गणना करें।

लक्षण: AlwaysSpeculatableImplTrait

इंटरफेस: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

गुण:

संकार्य:

परिणाम:

tfl.custom (TFL::CustomOp)

कस्टम ऑप

किसी भी TFLite कस्टम ऑपरेशन के लिए एक सामान्य ऑप।

इनपुट: मूल ऑप में इनपुट की एक सूची। कस्टम_कोड: एक स्ट्रिंग का उपयोग यह पहचानने के लिए किया जाता है कि यह ऑप वास्तव में कौन सा है, जो फ्लैटबफर में ऑपरेटर_कोड्स.कस्टम_कोड से मेल खाता है। कस्टम_ऑप्शन: बाइट्स फैशन में ऑप विशेषताओं को सहेजने के लिए एक धारक। आउटपुट: मूल ऑप में आउटपुट की एक सूची।

इंटरफेस: TflRuntimeVerifyOpInterface

गुण:

संकार्य:

परिणाम:

tfl.custom_tf (TFL::CustomTfOp)

टीएफ कस्टम ऑप्स के लिए रैपर ऑप।

किसी भी कस्टम टीएफ ऑप के चारों ओर एक रैपर ऑप। इनमें Custom_opdefs का उपयोग करके परिभाषित या लिंक किए गए ऑप्स शामिल हैं जो TF बोली में परिभाषित नहीं हैं। यह ऑप केवल कस्टम ऑप को एक क्षेत्र के अंदर लपेटता है। नोट #1, इस ऑप में CustomOp का उपयोग करके परिभाषित टीएफ लाइट कस्टम ऑप्स शामिल नहीं होंगे। नोट #2, यह ऑप कनवर्टर के अंदर केवल आंतरिक प्रतिनिधित्व है और जब मॉडल को फ़्लैटबफ़र में निर्यात किया जाता है तो इसे उजागर/निर्यात नहीं किया जाता है।

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

इंटरफ़ेस: InferTypeOpInterface , TflRuntimeVerifyOpInterface

संकार्य:

परिणाम:

tfl.densify (TFL::DensifyOp)

सघनीकरण संचालक

विरल टेंसर को सघन प्रारूप में परिवर्तित करता है।

लक्षण: AlwaysSpeculatableImplTrait

इंटरफेस: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

संकार्य:

परिणाम:

tfl.depth_to_space (TFL::DepthToSpaceOp)

डेप्थटूस्पेस ऑपरेटर

डेटा को गहराई से स्थानिक डेटा के ब्लॉक में पुनर्व्यवस्थित करता है। यह SpaceToDepth का विपरीत परिवर्तन है। अधिक विशेष रूप से, यह ऑप इनपुट टेंसर की एक प्रति आउटपुट करता है जहां depth आयाम से मानों को स्थानिक ब्लॉकों में height और width आयामों में ले जाया जाता है। Attr block_size इनपुट ब्लॉक आकार और डेटा को कैसे स्थानांतरित किया जाता है, इंगित करता है।

लक्षण: AlwaysSpeculatableImplTrait , QuantizableResult

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

प्रभाव: MemoryEffects::Effect{}

गुण:

संकार्य:

परिणाम:

tfl.depthwise_conv_2d (टीएफएल::डेप्थवाइजConv2DOp)

गहराई से अलग करने योग्य कनवल्शन ऑपरेटर

इनपुट पर कनवल्शन ऑपरेशन निष्पादित करता है।

इनपुट: inputs[0] : आवश्यक: इनपुट सक्रियण टेंसर inputs[1] : आवश्यक: फिल्टर वजन टेंसर inputs[2] : वैकल्पिक: बायस टेंसर

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

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

प्रभाव: MemoryEffects::Effect{}

गुण:

संकार्य:

परिणाम:

tfl.dequantize (TFL::DequantizeOp)

डिक्वांटाइज़ ऑपरेटर

परिमाणीकरण मापदंडों के अनुसार पूर्णांकों की परिमाणित सारणी को फ़्लोटिंग-पॉइंट में परिवर्तित करता है।

इंटरफेस: NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

संकार्य:

परिणाम:

tfl.dilate (TFL::DilateOp)

फैलाव संचालिका

मौजूदा तत्वों के बीच नए तत्व जोड़कर एक टेंसर का विस्तार करता है। लक्षण: AlwaysSpeculatableImplTrait

इंटरफेस: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

संकार्य:

परिणाम:

tfl.div (TFL::DivOp)

प्रभाग संचालक

तत्त्ववार विभाजन संक्रिया.

लक्षण: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , ResultsBroadcastableShape

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

प्रभाव: MemoryEffects::Effect{}

गुण:

संकार्य:

परिणाम:

tfl.dynamic_update_slice (TFL::DynamicUpdateSliceOp)

डायनामिकअपडेटस्लाइस।

DynamicUpdateSlice ऑप जिसमें XLA DynamicUpdateSlice के समान शब्दार्थ हैं। एक परिणाम उत्पन्न करता है जो इनपुट ऐरे ऑपरेंड का मान है, जिसमें एक स्लाइस अपडेट स्टार्ट_इंडिसिस पर ओवरराइट किया जाता है।

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

लक्षण: AlwaysSpeculatableImplTrait

इंटरफेस: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

संकार्य:

परिणाम:

tfl.elu (TFL::EluOp)

घातीय रैखिक इकाई ऑपरेटर

x < 0 के लिए घातांकीय रैखिक f(x) -> exp(x) - 1, x >= 0 के लिए x की गणना करता है। तत्व-वार।

लक्षण: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

इंटरफेस: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

संकार्य:

परिणाम:

tfl.embedding_lookup (TFL::EmbeddingLookupOp)

एंबेडिंग लुकअप ऑपरेटर

एम्बेडिंग टेंसर की सूची में आईडी ढूँढता है।

लक्षण: AlwaysSpeculatableImplTrait , QuantizableResult

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

प्रभाव: MemoryEffects::Effect{}

संकार्य:

परिणाम:

tfl.equal (TFL::EqualOp)

समान संचालक

तत्व-वार x == y का सत्य तत्व लौटाता है

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

इंटरफेस: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

संकार्य:

परिणाम:

tfl.exp (TFL::ExpOp)

प्राकृतिक घातांक संचालिका

इनपुट पर तत्व-वार प्राकृतिक घातांक संचालन करता है।

लक्षण: AlwaysSpeculatableImplTrait , QuantizableResult

इंटरफेस: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

संकार्य:

परिणाम:

tfl.expand_dims (TFL::ExpandDimsOp)

टेंसर के आकार में 1 का आयाम सम्मिलित करता है।

एक टेंसर input देखते हुए, यह ऑपरेशन input के आकार के आयाम सूचकांक axis पर 1 का आयाम सम्मिलित करता है। आयाम सूचकांक axis शून्य से शुरू होता है; यदि आप axis के लिए एक ऋणात्मक संख्या निर्दिष्ट करते हैं तो इसे अंत से पीछे की ओर गिना जाता है।

यदि आप किसी एकल तत्व में बैच आयाम जोड़ना चाहते हैं तो यह ऑपरेशन उपयोगी है। उदाहरण के लिए, यदि आपके पास आकार [height, width, channels] की एक एकल छवि है, तो आप इसे expand_dims(image, 0) के साथ 1 छवि का एक बैच बना सकते हैं, जो आकार [1, height, width, channels] बना देगा। .

अन्य उदाहरण:

# '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]

इस ऑपरेशन के लिए आवश्यक है:

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

यह ऑपरेशन squeeze() से संबंधित है, जो आकार 1 के आयामों को हटा देता है।

लक्षण: AlwaysSpeculatableImplTrait , QuantizableResult

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

प्रभाव: MemoryEffects::Effect{}

संचालक:

परिणाम:

tfl.external_const (tfl :: outhernconstop)

बाहरी कास्ट ऑप।

बाहरी कांस्ट ओपी में एक buffer_index होता है जो फ्लैटबफ़र में एक निरंतरता की ओर इशारा करता है।

लक्षण: AlwaysSpeculatableImplTrait , QuantizableResult

इंटरफेस: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

गुण:

परिणाम:

tfl.fake_quant (tfl :: fakequantop)

फेकक्वैंट ऑपरेटर

नकली-प्रश्न 'इनपुट' टेंसर को फ्लोट स्केलर मिनट के माध्यम से फ्लोट के टेंसर और मैक्स से 'आउटपुट' टेंसर के रूप में इनपुट के रूप में।

लक्षण: AlwaysSpeculatableImplTrait , QuantizableResult

इंटरफेस: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

गुण:

संचालक:

परिणाम:

tfl.fill (tfl :: fillop)

दिए गए मूल्य के साथ टेंसर को भरें।

दिए गए मूल्य के साथ टेंसर को भरें।

लक्षण: AlwaysSpeculatableImplTrait , QuantizableResult

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

प्रभाव: MemoryEffects::Effect{}

संचालक:

परिणाम:

tfl.floor (tfl :: Florop)

फ़्लोर ऑपरेटर

इनपुट का तत्व-वार फ्लोर मान देता है।

लक्षण: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

प्रभाव: MemoryEffects::Effect{}

संचालक:

परिणाम:

tfl.floor_div (tfl :: floordivop)

फ़्लोर डिव ऑपरेटर

तत्व-वार फ्लोर डिव ऑपरेशन।

लक्षण: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , ResultsBroadcastableShape

इंटरफेस: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

संचालक:

परिणाम:

tfl.floor_mod (tfl :: flomordop)

विभाजन अनुस्मारक

तत्व-वार डिवीजन रिमाइंडर ऑपरेशन।

लक्षण: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , ResultsBroadcastableShape

इंटरफेस: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

संचालक:

परिणाम:

tfl.fully_connected (tfl :: pellonconnectop)

पूरी तरह से जुड़ा हुआ ओपी

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

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

प्रभाव: MemoryEffects::Effect{}

गुण:

संचालक:

परिणाम:

tfl.gather (tfl :: enterop)

एकत्र प्रचालक

indices के अनुसार params अक्ष axis से स्लाइस इकट्ठा करें।

लक्षण: AlwaysSpeculatableImplTrait , QuantizableResult

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

प्रभाव: MemoryEffects::Effect{}

गुण:

संचालक:

परिणाम:

tfl.gather_nd (tfl :: gatherndop)

_Gather एनडी ऑपरेटर

indices द्वारा निर्दिष्ट आकार के साथ एक टेन्सर में params से स्लाइस इकट्ठा करें।

लक्षण: AlwaysSpeculatableImplTrait , QuantizableResult

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

प्रभाव: MemoryEffects::Effect{}

संचालक:

परिणाम:

tfl.gelu (tfl :: geluop)

गेलू सक्रियण फ़ंक्शन।

गणना गेलू सक्रियण फ़ंक्शन तत्व-वार।

लक्षण: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

इंटरफेस: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

गुण:

संचालक:

परिणाम:

tfl.greater (tfl :: greatop)

ग्रेटर ऑपरेटर

तत्व-वार ग्रेटर ऑपरेशन।

लक्षण QuantizableResult ::mlir::OpTrait::TFLRuntimeOpTrait ResultsBroadcastableShape AlwaysSpeculatableImplTrait

इंटरफेस: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

संचालक:

परिणाम:

tfl.greater_equal (tfl :: Greaterequalop)

_Greater बराबर ऑपरेटर

तत्व-वार ग्रेटर_ अकाउल ऑपरेशन।

लक्षण QuantizableResult ::mlir::OpTrait::TFLRuntimeOpTrait ResultsBroadcastableShape AlwaysSpeculatableImplTrait

इंटरफेस: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

संचालक:

परिणाम:

tfl.hard_swish (tfl :: hardswishop)

कठिन सक्रियण समारोह।

हार्ड-स्विश सक्रियण फ़ंक्शन f (x)-> (x * relu6 (x+3))/6 तत्व-वार की गणना करता है।

लक्षण: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

इंटरफेस: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

संचालक:

परिणाम:

tfl.hashtable (tfl :: हैशटेबलोप)

एक गैर-वैचारिक हैश तालिका बनाता है।

यह ओपी एक हैश तालिका बनाता है, जो इसकी कुंजी और मूल्यों के प्रकार को निर्दिष्ट करता है। तालिका का उपयोग करने से पहले आपको इसे इनिशियलाइज़ करना होगा। आरंभीकरण के बाद तालिका अपरिवर्तनीय होगी।

इंटरफेस: TflRuntimeVerifyOpInterface

गुण:

परिणाम:

tfl.hashtable_find (tfl :: hashtablefindop)

एक तालिका में कुंजियाँ दिखती हैं, संबंधित मानों को आउटपुट करती है।

टेबल की कुंजियों के समान टेंसर keys उसी प्रकार की होनी चाहिए। आउटपुट values तालिका मानों के प्रकार का है।

स्केलर default_value तालिका में मौजूद नहीं कुंजियों के लिए मान आउटपुट है। यह तालिका मानों के समान ही होना चाहिए।

इंटरफेस: TflRuntimeVerifyOpInterface

संचालक:

परिणाम:

tfl.hashtable_import (tfl :: hashtableimportop)

निर्दिष्ट कुंजियों और मूल्यों के साथ तालिका की सामग्री को बदल देता है।

टेंसर keys तालिका की कुंजी के समान ही होनी चाहिए। टेंसर values तालिका मानों के प्रकार का होना चाहिए।

इंटरफेस: TflRuntimeVerifyOpInterface

संचालक:

tfl.hashtable_size (tfl :: hashtablesizeop)

दी गई तालिका में तत्वों की संख्या की गणना करता है।

इंटरफेस: TflRuntimeVerifyOpInterface

संचालक:

परिणाम:

tfl.if (tfl :: ifop)

इफ-तब-एलेस ऑपरेशन

tfl.if ऑपरेशन संहिता के दो क्षेत्रों को सशर्त रूप से निष्पादित करने के लिए एक IF-SHEN-ELSE निर्माण का प्रतिनिधित्व करता है। एक ऑपरेशन के लिए ऑपरेशन एक बूलियन मूल्य है। उदाहरण के लिए:

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

tfl.if ऐसे परिणामों को भी वापस कर सकता है जो इसके क्षेत्रों में परिभाषित किए गए हैं। परिभाषित मान निर्धारित किए जाते हैं कि किस निष्पादन पथ को लिया जाता है।

उदाहरण:

%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 क्षेत्रों को हमेशा "Tfl.yield" के साथ समाप्त किया जाता है। यदि "tfl.if" कोई मानों को परिभाषित नहीं करता है, तो "tfl.yield" को छोड़ दिया जा सकता है, और इसे निहित रूप से डाला जाएगा। अन्यथा, यह स्पष्ट होना चाहिए। इसके अलावा, यदि "tfl.if" एक या एक से अधिक मूल्यों को परिभाषित करता है, तो 'और' ब्लॉक को छोड़ा नहीं जा सकता है।

उदाहरण:

tfl.if %b  {
  ...
}

लक्षण: NoRegionArguments , RecursiveMemoryEffects SingleBlock SingleBlockImplicitTerminator<YieldOp>

इंटरफेस: RegionBranchOpInterface , TflRuntimeVerifyOpInterface

संचालक:

परिणाम:

tfl.imag (tfl :: imageop)

एक जटिल संख्या का काल्पनिक हिस्सा लौटाता है।

जटिल संख्याओं के एक टेंसर input देखते हुए, यह ऑपरेशन टाइप float का एक टेंसर लौटाता है जो input में प्रत्येक तत्व का काल्पनिक हिस्सा है। input में सभी तत्वों को \(a + bj\)के रूप में जटिल संख्या होनी चाहिए, जहां A वास्तविक हिस्सा है और B इस ऑपरेशन द्वारा लौटाए गए काल्पनिक भाग है।

लक्षण: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

इंटरफेस: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

संचालक:

परिणाम:

tfl.l2_normalization (Tfl :: l2normalizationop)

L2 सामान्य ऑपरेटर

L2normalization op

लक्षण: AlwaysSpeculatableImplTrait , QuantizableResult

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

प्रभाव: MemoryEffects::Effect{}

गुण:

संचालक:

परिणाम:

tfl.leaky_relu (tfl :: leakyreluop)

लीक

तत्व -वार लीक रिले ऑपरेटर x -> x> = 0? x: (अल्फा * x)

लक्षण: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

इंटरफेस: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

गुण:

संचालक:

परिणाम:

tfl.less (tfl :: कम)

कम प्रचालक

तत्व-वार कम ऑपरेशन।

लक्षण QuantizableResult ::mlir::OpTrait::TFLRuntimeOpTrait ResultsBroadcastableShape AlwaysSpeculatableImplTrait

इंटरफेस: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

संचालक:

परिणाम:

tfl.less_equal (tfl :: Liceequalop)

_ अनमोल समान ऑपरेटर

एलिमेंट-वार कम_ साल का ऑपरेशन।

लक्षण QuantizableResult ::mlir::OpTrait::TFLRuntimeOpTrait ResultsBroadcastableShape AlwaysSpeculatableImplTrait

इंटरफेस: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

संचालक:

परिणाम:

tfl.local_response_normalization (tfl :: localResponsenormalizationop)

स्थानीय प्रतिक्रिया सामान्यीकरण।

4-डी input टेंसर को 1-डी वैक्टर (अंतिम आयाम के साथ) के 3-डी सरणी के रूप में माना जाता है, और प्रत्येक वेक्टर को स्वतंत्र रूप से सामान्य किया जाता है। किसी दिए गए वेक्टर के भीतर, प्रत्येक घटक को depth_radius के भीतर इनपुट के भारित, चुकता राशि से विभाजित किया जाता है। विस्तार से,

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

विवरण के लिए, Krizhevsky et al।, गहरी कन्व्यूशनल न्यूरल नेटवर्क (NIPS 2012) के साथ इमेजनेट वर्गीकरण देखें।

लक्षण: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

प्रभाव: MemoryEffects::Effect{}

गुण:

संचालक:

परिणाम:

tfl.log (tfl :: logop)

प्राकृतिक लघुगणक प्रचालक

इनपुट पर तत्व-वार नेचुरल लॉगरिदम ऑपरेशन करता है।

लक्षण: AlwaysSpeculatableImplTrait , QuantizableResult

इंटरफेस: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

संचालक:

परिणाम:

tfl.log_softmax (tfl :: logsoftmaxop)

लॉग सॉफ्टमैक्स ऑपरेटर

निम्न सूत्र के साथ तत्व-वार लॉग सॉफ्टमैक्स सक्रियण की गणना करता है

इनपुट - लॉग (redect_sum (exp (इनपुट), मंद))

लक्षण: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

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

प्रभाव: MemoryEffects::Effect{}

संचालक:

परिणाम:

tfl.logical_and (tfl :: logicalandop)

तार्किक और ऑपरेटर

तत्व-वार लॉजिकल और ऑपरेशन।

लक्षण: AlwaysSpeculatableImplTrait

इंटरफेस: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

संचालक:

परिणाम:

tfl.logical_not (tfl :: logicalNotop)

तार्किक नहीं ऑपरेटर

तत्व-वार लॉजिकल ऑपरेशन नहीं।

लक्षण: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

इंटरफेस: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

संचालक:

परिणाम:

tfl.logical_or (tfl :: logicalorop)

तार्किक या ऑपरेटर

तत्व-वार लॉजिकल या ऑपरेशन।

लक्षण: AlwaysSpeculatableImplTrait

इंटरफेस: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

संचालक:

परिणाम:

tfl.logistic (tfl :: logisticop)

लॉजिस्टिक ऑपरेटर

इनपुट के तत्व-वार सिग्मॉइड की गणना करता है

लक्षण: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

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

प्रभाव: MemoryEffects::Effect{}

संचालक:

परिणाम:

tfl.lstm (tfl :: lstmop)

पूर्ण LSTM ऑपरेटर

लंबी अल्पकालिक मेमोरी यूनिट (LSTM) आवर्तक नेटवर्क लेयर। डिफ़ॉल्ट नॉन-पेपोल कार्यान्वयन पर आधारित है: http://deeplearning.cs.cmu.edu/pdfs/hochreiter97_lstm.pdf एस होचरेटर और जे। श्मिधुबर। 'लंबी अल्पकालिक स्मृति'। न्यूरल कम्प्यूटेशन, 9 (8): 1735-1780, 1997. पीपोल कार्यान्वयन इस पर आधारित है: https://research.google.com/pubs/archive/43905.pdf हसिम साक, एंड्रयू सीनियर, और फ्रेंकोइस ब्यूफेस। 'बड़े पैमाने पर ध्वनिक मॉडलिंग के लिए लंबी अल्पकालिक मेमोरी आवर्तक तंत्रिका नेटवर्क आर्किटेक्चर।' Interspeech, 2014. इनपुट और भूलने वाले गेट (CIFG) का युग्मन इस पर आधारित है: http://arxiv.org/pdf/1503.04069.pdf Greff et al। 'LSTM: एक खोज स्थान Odyssey' परत सामान्यीकरण पर आधारित है: https://arxiv.org/pdf/1607.06450.pdf Ba et al। 'परत सामान्यीकरण'

लक्षण: QuantizableResult

इंटरफेस: DynamicRangeQuantizedOpInterface , TFL_StatefulOp , TflRuntimeVerifyOpInterface

गुण:

संचालक:

परिणाम:

tfl.matrix_diag (tfl :: matrixdiagop)

प्रदान किए गए विकर्ण और बाकी सब कुछ के साथ एक टेंसर लौटाता है।

एक विकर्ण को देखते हुए, विकर्ण के साथ एक टेंसर लौटाता है और बाकी सब कुछ शून्य के साथ गद्देदार होता है। मान लें कि विकर्ण में k आयाम [I, J, K, ..., N] हैं, तो आउटपुट रैंक k+1 का एक टेंसर है जिसमें आयाम [I, J, K, ..., N, N] कहाँ: output[i, j, k, ..., m, n] = 1{m=n} * diagonal[i, j, k, ..., n]. : आउटपुट output[i, j, k, ..., m, n] = 1{m=n} * diagonal[i, j, k, ..., n].

लक्षण: AlwaysSpeculatableImplTrait , QuantizableResult

इंटरफेस: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

संचालक:

परिणाम:

tfl.matrix_set_diag (tfl :: matrixsetdiagop)

नए बैच वाले विकर्ण मानों के साथ एक बैच मैट्रिक्स टेंसर लौटाता है।

input और diagonal को देखते हुए, यह ऑपरेशन input के रूप में एक ही आकार और मूल्यों के साथ एक टेंसर लौटाता है, सिवाय अंतरतम मैट्रिस के मुख्य विकर्ण को छोड़कर। इन्हें diagonal में मूल्यों द्वारा अधिलेखित किया जाएगा।

लक्षण: AlwaysSpeculatableImplTrait , QuantizableResult

इंटरफेस: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

संचालक:

परिणाम:

tfl.max_pool_2d (tfl :: maxpool2dop)

मैक्स पूल 2 डी ओपी

इनपुट पर अधिकतम पूल 2 डी करता है।

इनपुट: inputs[0] : आवश्यक: इनपुट टेंसर

लक्षण: AlwaysSpeculatableImplTrait , QuantizableResult

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

प्रभाव: MemoryEffects::Effect{}

गुण:

संचालक:

परिणाम:

tfl.maximum (tfl :: अधिकतम)

अधिकतम प्रचालक

तत्व-वार मैक्स ऑपरेशन।

लक्षण: Commutative ::mlir::OpTrait::TFLRuntimeOpTrait AlwaysSpeculatableImplTrait QuantizableResult ResultsBroadcastableShape

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

प्रभाव: MemoryEffects::Effect{}

संचालक:

परिणाम:

tfl.mean (tfl :: meanop)

मीन प्रचालक

टेंसर के आयामों में तत्वों के माध्य की गणना करता है। अक्ष में दिए गए आयामों के साथ इनपुट_टेंसर को कम करता है। जब तक कीपडिम्स सच नहीं है, एक्सिस में प्रत्येक प्रविष्टि के लिए टेंसर की रैंक 1 से कम हो जाती है। यदि KeepDims सत्य है, तो कम आयामों को लंबाई 1 के साथ बनाए रखा जाता है।

लक्षण: AlwaysSpeculatableImplTrait , QuantizableResult

इंटरफेस: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

गुण:

संचालक:

परिणाम:

tfl.minimum (tfl :: Minimentop)

न्यूनतम प्रचालक

तत्व-वार मिन ऑपरेशन।

लक्षण: Commutative ::mlir::OpTrait::TFLRuntimeOpTrait AlwaysSpeculatableImplTrait QuantizableResult ResultsBroadcastableShape

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

प्रभाव: MemoryEffects::Effect{}

संचालक:

परिणाम:

tfl.mirror_pad (tfl :: mirrorpadop)

मिररपैड ऑपरेटर। मिरर किए गए मूल्यों के साथ एक टेंसर को पैड करता है।

यह ऑपरेशन आपके द्वारा निर्दिष्ट पैडिंग के अनुसार मिरर किए गए मूल्यों के साथ एक इनपुट पैड करता है। पैडिंग आकार [n, 2] के साथ एक पूर्णांक टेंसर है, जहां n इनपुट का रैंक है। इनपुट के प्रत्येक आयाम डी के लिए, पैडिंग [डी, 0] इंगित करता है कि उस आयाम में इनपुट की सामग्री से पहले कितने मान जोड़ना है, और पैडिंग [डी, 1] इंगित करता है कि उस आयाम में इनपुट की सामग्री के बाद कितने मान जोड़ना है।

दोनों पैडिंग [डी, 0] और पैडिंग [डी, 1] इनपुट से अधिक नहीं होना चाहिए। DIM_SIZE (D) (या इनपुट.डिम_सिज़ (D) - 1) यदि Copy_border सही है (यदि गलत है, तो क्रमशः)।

आउटपुट के प्रत्येक आयाम d का गद्देदार आकार है:

पैडिंग (d, 0) + input.dim_size (d) + पैडिंग (d, 1)

लक्षण: AlwaysSpeculatableImplTrait , QuantizableResult

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

प्रभाव: MemoryEffects::Effect{}

गुण:

संचालक:

परिणाम:

tfl.mul (tfl :: mulop)

गुणन संचालिका

तत्व-वार गुणन संचालन।

लक्षण: Commutative ::mlir::OpTrait::TFLRuntimeOpTrait AlwaysSpeculatableImplTrait QuantizableResult ResultsBroadcastableShape

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

प्रभाव: MemoryEffects::Effect{}

गुण:

संचालक:

परिणाम:

tfl.multinomial (tfl :: multinomialop)

एक श्रेणीबद्ध वितरण से नमूने खींचता है।

उत्पन्न मूल्यों में सभी वर्गों के लिए प्रदान किए गए logits या अनियंत्रित लॉग-प्रोबिलिटी के आधार पर एक श्रेणीबद्ध वितरण होगा।

इंटरफेस: TflRuntimeVerifyOpInterface

गुण:

संचालक:

परिणाम:

tfl.neg (tfl :: Negop)

उपेक्षा प्रचालक

इनपुट के तत्व-वार नकारात्मक की गणना करता है

लक्षण: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

प्रभाव: MemoryEffects::Effect{}

संचालक:

परिणाम:

tfl.no_value (tfl :: novalueop)

निरंतर कोई मूल्य का प्रतिनिधित्व करता है।

कोई मूल्य निरंतर ओपी।

लक्षण: ConstantLike AlwaysSpeculatableImplTrait

इंटरफेस: ConditionallySpeculatable , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

प्रभाव: MemoryEffects::Effect{}

गुण:

परिणाम:

tfl.non_max_suppression_v4 (tfl :: nonMaxSuppressionV4op)

लालची से स्कोर के अवरोही क्रम में बाउंडिंग बॉक्स के एक सबसेट का चयन करता है,

पहले से चयनित बक्से के साथ उच्च चौराहे-ओवर-यूनियन (IOU) ओवरलैप करने वाले बक्सों को दूर करना। score_threshold से कम स्कोर वाले बाउंडिंग बॉक्स को हटा दिया जाता है। बाउंडिंग बॉक्स की आपूर्ति [Y1, X1, Y2, X2] के रूप में की जाती है, जहां (Y1, X1) और (Y2, x2) बॉक्स कॉर्नर के किसी भी विकर्ण जोड़ी के निर्देशांक हैं और निर्देशांक को सामान्यीकृत किया जा सकता है (यानी, झूठ बोल रहा है। अंतराल [0, 1]) या निरपेक्ष। ध्यान दें कि यह एल्गोरिथ्म अज्ञेय है जहां मूल समन्वय प्रणाली में है और अधिक आम तौर पर समन्वय प्रणाली के ऑर्थोगोनल परिवर्तनों और अनुवादों के लिए अपरिवर्तनीय है; इस प्रकार समन्वय प्रणाली के अनुवाद या प्रतिबिंबों को एल्गोरिथ्म द्वारा चयनित समान बक्से में परिणाम दिया जाता है। इस ऑपरेशन का आउटपुट चयनित बक्से का प्रतिनिधित्व करने वाले बाउंडिंग बॉक्स के इनपुट संग्रह में पूर्णांक अनुक्रमण का एक सेट है। बाउंडिंग बॉक्स चयनित सूचकांकों के अनुरूप निर्देशांक तब tf.gather operation उपयोग करके प्राप्त किया जा सकता है। उदाहरण के लिए: चयनित_इंडिस = tf.image.non_max_suppression_v2 (बक्से, स्कोर, max_output_size, iou_threshold, score_threshold) selected_boxes = tf.gather (बॉक्स, चयनित_इंडिस)

लक्षण: AlwaysSpeculatableImplTrait

इंटरफेस: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

संचालक:

परिणाम:

tfl.non_max_suppression_v5 (tfl :: nonMaxSuppressionV5op)

लालची से स्कोर के अवरोही क्रम में बाउंडिंग बॉक्स के एक सबसेट का चयन करता है,

पहले से चयनित बक्से के साथ उच्च चौराहे-ओवर-यूनियन (IOU) ओवरलैप करने वाले बक्सों को दूर करना। score_threshold से कम स्कोर वाले बाउंडिंग बॉक्स को हटा दिया जाता है। 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.

लक्षण: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

Operands:

परिणाम:

tfl.not_equal (TFL::NotEqualOp)

_Not equal operator

Element-wise not_equal operation.

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

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

Operands:

परिणाम:

tfl.NumericVerify (TFL::NumericVerifyOp)

Verifies the numericals of the two operands

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

Traits: QuantizableResult , SameOperandsShape

Interfaces: TflRuntimeVerifyOpInterface

गुण:

Operands:

परिणाम:

tfl.one_hot (TFL::OneHotOp)

OneHot operator

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

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

गुण:

Operands:

परिणाम:

tfl.pack (TFL::PackOp)

Packs a list of tensors along a dimension into one tensor

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

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

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

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

उदाहरण के लिए:

# '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

प्रभाव: MemoryEffects::Effect{}

गुण:

Operands:

परिणाम:

tfl.pad (TFL::PadOp)

Padding operator

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

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

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

उदाहरण के लिए:

# '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

प्रभाव: MemoryEffects::Effect{}

Operands:

परिणाम:

tfl.padv2 (TFL::PadV2Op)

Padding operator v2

This operation pads a input according to the paddings and constant_values you specify. paddings is an integer tensor with shape [Dn, 2] , where n is the rank of input . For each dimension D of input , paddings[D, 0] indicates how many zeros to add before the contents of input in that dimension, and paddings[D, 1] indicates how many zeros to add after the contents of input in that dimension. constant_values is a scalar tensor of the same type as input that indicates the value to use for padding input .

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

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

उदाहरण के लिए:

# '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

प्रभाव: MemoryEffects::Effect{}

Operands:

परिणाम:

tfl.poly_call (TFL::PolyCallOp)

Poly call

Have multiple function bodies for the same computation. This allows a program compiler/interpreter to choose one of the available options to execute the program based on which one is most suitable for the target backend.

input: A list of input tensors whose types are T. output: A list of output tensors whose types are T.

call: Multiple regions, each of which encapsulates the same semantic computation but in different forms.

Traits: SingleBlockImplicitTerminator<YieldOp> , SingleBlock

इंटरफेस: RegionBranchOpInterface

Operands:

परिणाम:

tfl.pow (TFL::PowOp)

पावर ऑपरेटर

Element-wise power operation.

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

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

Operands:

परिणाम:

tfl.prelu (TFL::PReluOp)

Parameterized Relu operator

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

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

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

प्रभाव: MemoryEffects::Effect{}

Operands:

परिणाम:

tfl.pseudo_const (TFL::ConstOp)

Constant pseudo op.

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

The op is allowed to have all the same type of attributes as tf.Const does (eg, opaque TF attributes are allowed).

Traits: AlwaysSpeculatableImplTrait , ConstantLike , FirstAttrDerivedResultType , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

गुण:

परिणाम:

tfl.pseudo_qconst (TFL::QConstOp)

Quantized constant pseudo op

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

Traits: AlwaysSpeculatableImplTrait , FirstAttrDerivedResultType

इंटरफेस: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface)

प्रभाव: MemoryEffects::Effect{}

गुण:

परिणाम:

tfl.pseudo_sparse_const (TFL::SparseConstOp)

Sparse constant pseudo op.

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

Traits: AlwaysSpeculatableImplTrait , FirstAttrDerivedResultType , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

गुण:

परिणाम:

tfl.pseudo_sparse_qconst (TFL::SparseQConstOp)

Sparse quantized constant pseudo op

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

Traits: AlwaysSpeculatableImplTrait , FirstAttrDerivedResultType

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

गुण:

परिणाम:

tfl.quantize (TFL::QuantizeOp)

Quantize operator

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

Traits: FirstAttrDerivedResultType , SameOperandsAndResultShape

Interfaces: NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

गुण:

Operands:

परिणाम:

tfl.random_standard_normal (TFL::RandomStandardNormalOp)

Outputs random values from a normal distribution.

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

Interfaces: TflRuntimeVerifyOpInterface

गुण:

Operands:

परिणाम:

tfl.random_uniform (TFL::RandomUniformOp)

Outputs random values from a uniform distribution.

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

Interfaces: TflRuntimeVerifyOpInterface

गुण:

Operands:

परिणाम:

tfl.range (TFL::RangeOp)

रेंज ऑपरेटर

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

लक्षण: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

Operands:

परिणाम:

tfl.rank (TFL::RankOp)

Rank operator.

Returns the rank of a tensor.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

Operands:

परिणाम:

tfl.read_variable (TFL::ReadVariableOp)

Reads variable value.

Read variable data identified by 'resource_id'.

Interfaces: TflRuntimeVerifyOpInterface

Operands:

परिणाम:

tfl.real (TFL::RealOp)

Returns the real part of a complex number.

Given a tensor input of complex numbers, this operation returns a tensor of type float that is the real part of each element in input . All elements in input must be complex numbers of the form \(a + bj\), where a is the real part returned by this operation and b is the imaginary part.

Traits: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

Operands:

परिणाम:

tfl.reduce_all (TFL::ReduceAllOp)

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

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

लक्षण: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

गुण:

Operands:

परिणाम:

tfl.reduce_any (TFL::ReduceAnyOp)

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

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

लक्षण: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

गुण:

Operands:

परिणाम:

tfl.reduce_max (TFL::ReduceMaxOp)

Max-reduction operator

Computes the max reduction along the specified axes

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

प्रभाव: MemoryEffects::Effect{}

गुण:

Operands:

परिणाम:

tfl.reduce_min (TFL::ReduceMinOp)

Min-reduction operator

Computes the min reduction along the specified axes

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

प्रभाव: MemoryEffects::Effect{}

गुण:

Operands:

परिणाम:

tfl.reduce_prod (TFL::ReduceProdOp)

Prod-reduction operator

Computes the product along the specified axes

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

गुण:

Operands:

परिणाम:

tfl.relu (TFL::ReluOp)

Relu operator

Element-wise Relu operator x -> max(0, x)

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

Operands:

परिणाम:

tfl.relu6 (TFL::Relu6Op)

Relu6 operator

Element-wise Relu6 operator x -> max(0, min(6, x))

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

Operands:

परिणाम:

tfl.relu_0_to_1 (TFL::Relu0To1Op)

Relu0To1 operator

Element-wise Relu0To1 operator x -> max(0, min(1, x))

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

Operands:

परिणाम:

tfl.relu_n1_to_1 (TFL::Relu1Op)

Relu1 operator

Element-wise Relu1 operator x -> max(-1, min(1, x))

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

Operands:

परिणाम:

tfl.reshape (TFL::ReshapeOp)

Reshape operator

Produces a tensor with the same values but different static shape defined by the output type.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

प्रभाव: MemoryEffects::Effect{}

Operands:

परिणाम:

tfl.resize_bilinear (TFL::ResizeBilinearOp)

ResizeBilinear Op

Resize images to size using bilinear interpolation.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

प्रभाव: MemoryEffects::Effect{}

गुण:

Operands:

परिणाम:

tfl.resize_nearest_neighbor (TFL::ResizeNearestNeighborOp)

ResizeNearestNeighbor Op

Resize images to size using nearest neighbor interpolation.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

प्रभाव: MemoryEffects::Effect{}

गुण:

Operands:

परिणाम:

tfl.reverse_sequence (TFL::ReverseSequenceOp)

Reverses variable length slices.

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

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

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

गुण:

Operands:

परिणाम:

tfl.reverse_v2 (TFL::ReverseV2Op)

ReverseV2 Operator

Reverses specific dimensions of a tensor.

Given a tensor, and a int32/int64 tensor axis representing the set of dimensions of tensor to reverse. This operation reverses each dimension i for which there exists j st axis[j] == i.

Args: tensor: A Tensor. Must be one of the following types: uint8, int8, int16, int32, int64, float32, bool Up to 8-D.

axis: A Tensor. Must be one of the following types: int32, int64. with only 1 element which is the axis index. TODO: Add support for multiple elements.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

Operands:

परिणाम:

tfl.rfft2d (TFL::RFFT2dOp)

2D real-valued fast Fourier transform.

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

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

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.

लक्षण: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

Operands:

परिणाम:

tfl.right_shift (TFL::RightShiftOp)

Right Shift operator

Elementwise computes the bitwise right-shift of lhs by rhs .

Traits: AlwaysSpeculatableImplTrait , SameOperandsAndResultElementType

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

Operands:

परिणाम:

tfl.round (TFL::RoundOp)

Round operator

तत्व-वार, टेंसर के मानों को निकटतम पूर्णांक तक पूर्णांकित करता है।

Traits: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

प्रभाव: MemoryEffects::Effect{}

Operands:

परिणाम:

tfl.rsqrt (TFL::RsqrtOp)

Reciprocal of square root operator

Computes element-wise reverse square root of input

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

Operands:

परिणाम:

tfl.scatter_nd (TFL::ScatterNdOp)

_Scatter nd operator

Scatter updates into a new tensor according to indices

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

प्रभाव: MemoryEffects::Effect{}

Operands:

परिणाम:

tfl.segment_sum (TFL::SegmentSumOp)

SegmentSum operator

Computes the sum along segments of a tensor.

लक्षण: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

Operands:

परिणाम:

tfl.select (TFL::SelectOp)

ऑपरेटर का चयन करें

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

प्रभाव: MemoryEffects::Effect{}

Operands:

परिणाम:

tfl.select_v2 (TFL::SelectV2Op)

SelectV2 operator

Select values of 'x' if the corresponding value of 'condition' is true or the value of 'y' if false. There are valid condition input sizes:

1. Either the same shape (in which case the select is elementwise), or
2. Broadcastable shapes between 'condition', 'x' and 'y'.

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

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

प्रभाव: MemoryEffects::Effect{}

Operands:

परिणाम:

tfl.shape (TFL::ShapeOp)

आकार संचालिका

टेंसर का आकार लौटाता है.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

गुण:

Operands:

परिणाम:

tfl.sign (TFL::SignOp)

Sign operation

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

Traits: AlwaysSpeculatableImplTrait , SameOperandsAndResultElementType , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

Operands:

परिणाम:

tfl.sin (TFL::SinOp)

Sine operator

Computes element-wise Sine of input

Traits: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

प्रभाव: MemoryEffects::Effect{}

Operands:

परिणाम:

tfl.slice (TFL::SliceOp)

Return a slice from 'input'.

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

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

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

प्रभाव: MemoryEffects::Effect{}

Operands:

परिणाम:

tfl.softmax (TFL::SoftmaxOp)

Softmax operator

Computes element-wise softmax activations with the following formula

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

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

प्रभाव: MemoryEffects::Effect{}

गुण:

Operands:

परिणाम:

tfl.space_to_batch_nd (TFL::SpaceToBatchNdOp)

SpaceToBatchNd operator

This operation reshapes space dimensions into the "batch" dimension 0

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

प्रभाव: MemoryEffects::Effect{}

Operands:

परिणाम:

tfl.space_to_depth (TFL::SpaceToDepthOp)

SpaceToDepth operator

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

प्रभाव: MemoryEffects::Effect{}

गुण:

Operands:

परिणाम:

tfl.sparse_to_dense (TFL::SparseToDenseOp)

Converts a sparse representation into a dense tensor.

Builds an array dense with shape output_shape such that

# If sparse_indices is scalar
dense[i] = (i == sparse_indices ? sparse_values : default_value)

# If sparse_indices is a vector, then for each i
dense[sparse_indices[i]] = sparse_values[i]

# If sparse_indices is an n by d matrix, then for each i in [0, n)
dense[sparse_indices[i][0], ..., sparse_indices[i][d-1]] = sparse_values[i]

All other values in dense are set to default_value . If sparse_values is a scalar, all sparse indices are set to this single value.

Indices should be sorted in lexicographic order, and indices must not contain any repeats. If validate_indices is true, these properties are checked during execution.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

Operands:

परिणाम:

tfl.split (TFL::SplitOp)

Splits a tensor into num_split tensors along one dimension.

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

प्रभाव: MemoryEffects::Effect{}

गुण:

Operands:

परिणाम:

tfl.split_v (TFL::SplitVOp)

Splits a tensor into num_split tensors along one dimension.

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

प्रभाव: MemoryEffects::Effect{}

गुण:

Operands:

परिणाम:

tfl.sqrt (TFL::SqrtOp)

Square root operator

Computes element-wise Square root of input

Traits: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

प्रभाव: MemoryEffects::Effect{}

Operands:

परिणाम:

tfl.square (TFL::SquareOp)

Square operator

Computes element-wise Square of input

Traits: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

प्रभाव: MemoryEffects::Effect{}

Operands:

परिणाम:

tfl.squared_difference (TFL::SquaredDifferenceOp)

Squared difference operator

Element-wise squared difference operation.

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

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

Operands:

परिणाम:

tfl.squeeze (TFL::SqueezeOp)

Removes dimensions of size 1 from the shape of a tensor.

Given a tensor input , this operation returns a tensor of the same type with all dimensions of size 1 removed. If you don't want to remove all size 1 dimensions, you can remove specific size 1 dimensions by specifying squeeze_dims .

उदाहरण के लिए:

# '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

प्रभाव: MemoryEffects::Effect{}

गुण:

Operands:

परिणाम:

tfl.strided_slice (TFL::StridedSliceOp)

StridedSlice Op

Return a strided slice from input .

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

प्रभाव: MemoryEffects::Effect{}

गुण:

Operands:

परिणाम:

tfl.sub (TFL::SubOp)

घटाव संचालिका

Element-wise subtraction operation.

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

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

प्रभाव: MemoryEffects::Effect{}

गुण:

Operands:

परिणाम:

tfl.sum (TFL::SumOp)

Sum operator

Computes the sum reduction along the specified axes

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

प्रभाव: MemoryEffects::Effect{}

गुण:

Operands:

परिणाम:

tfl.svdf (TFL::SVDFOp)

Single value decomposition filter operator

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

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

Interfaces: DynamicRangeQuantizedOpInterface , TFL_StatefulOp , TflRuntimeVerifyOpInterface

गुण:

Operands:

परिणाम:

tfl.tanh (TFL::TanhOp)

Hyperbolic tangent operator

Computes element-wise Hyperbolic tangent of input

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

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

प्रभाव: MemoryEffects::Effect{}

Operands:

परिणाम:

tfl.tile (TFL::TileOp)

Tile operator.

Constructs a tensor by tiling a given tensor.

This operation creates a new tensor by replicating input multiples times. The output tensor's i'th dimension has input.dims(i) * multiples[i] elements, and the values of input are replicated multiples[i] times along the 'i'th dimension. For example, tiling [abcd] by [2] produces [abcdabcd].

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

प्रभाव: MemoryEffects::Effect{}

Operands:

परिणाम:

tfl.topk_v2 (TFL::TopKV2Op)

TopK operator

Returns the top k largest element along each last dimensional slice of input and the indices of values within the last dimension of the input tensor.

Results are always sorted in the descending order.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

प्रभाव: MemoryEffects::Effect{}

Operands:

परिणाम:

tfl.transpose (TFL::TransposeOp)

ट्रांसपोज़ ऑपरेटर

Returns the Transpose of x

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

प्रभाव: MemoryEffects::Effect{}

Operands:

परिणाम:

tfl.transpose_conv (TFL::TransposeConvOp)

Transpose convolution operator

Performs transpose convolution operation on input.

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

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

प्रभाव: MemoryEffects::Effect{}

गुण:

Operands:

परिणाम:

tfl.unidirectional_sequence_lstm (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

गुण:

Operands:

परिणाम:

tfl.unidirectional_sequence_rnn (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

गुण:

Operands:

परिणाम:

tfl.unique (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 . दूसरे शब्दों में: