「tfl」方言

TensorFlow Lite の方言。

この方言は TensorFlow Lite 操作にマップされます。

不変条件:

• すべての値は Tensor 型です (特に、スカラーは 0 次元の tensor を使用して表現されます)。

オペレーション

tfl.abs (TFL::AbsOp)

絶対値演算子

テンソルxを指定すると、この演算はxの各要素の絶対値を含むテンソルを返します。たとえば、x が入力要素、y が出力要素の場合、この操作は \(y = |x|\)を計算します。

特性: AlwaysSpeculatableImplTrait 、 QuantizableResult 、 SameOperandsAndResultShape

インターフェイス: ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

エフェクト: MemoryEffects::Effect{}

オペランド:

結果：

tfl.add (TFL::AddOp)

加算演算子

要素ごとの加算演算。

特性: ::mlir::OpTrait::TFLRuntimeOpTrait 、 AlwaysSpeculatableImplTrait 、 Commutative 、 QuantizableResult 、 ResultsBroadcastableShape

インターフェイス: ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflArithmeticCountOpInterface 、 TflRuntimeVerifyOpInterface

エフェクト: MemoryEffects::Effect{}

属性:

オペランド:

結果：

tfl.add_n (TFL::AddNOp)

_Add n 演算子

すべての入力テンソルを要素ごとに追加します。

特性: AlwaysSpeculatableImplTrait 、 Commutative

インターフェイス: ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 SameOperandsAndResultsScale 、 TflArithmeticCountOpInterface 、 TflRuntimeVerifyOpInterface

エフェクト: MemoryEffects::Effect{}

オペランド:

結果：

tfl.arg_max (TFL::ArgMaxOp)

ArgMax 演算子

テンソルの次元全体で最大値を持つインデックスを返します。

特性: AlwaysSpeculatableImplTrait 、 QuantizableResult

インターフェイス: ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

エフェクト: MemoryEffects::Effect{}

属性:

オペランド:

結果：

tfl.arg_min (TFL::ArgMinOp)

ArgMin 演算子

テンソルの次元全体で最小値を持つインデックスを返します。 a = [1, 10, 26.9, 2.8, 166.32, 62.3] b = tf.math.argmin(input = a) c = tf.keras.backend.eval(b)

特性: AlwaysSpeculatableImplTrait 、 QuantizableResult

インターフェイス: ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

エフェクト: MemoryEffects::Effect{}

属性:

オペランド:

結果：

tfl.assign_variable (TFL::AssignVariableOp)

変数に新しい値を代入します。

この操作に対するコントロールの依存関係を持つ ReadVariableOp は、この値またはその後の変数の新しい値を返すことが保証されます。

インターフェイス: TflRuntimeVerifyOpInterface

オペランド:

tfl.atan2 (TFL::Atan2Op)

Atan2の動作

「atan2」演算は、引数の符号を考慮して、要素ごとに y/x の逆正接を計算します。

特性: AlwaysSpeculatableImplTrait 、 SameOperandsAndResultElementType 、 SameOperandsAndResultShape

インターフェイス: ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

エフェクト: MemoryEffects::Effect{}

オペランド:

結果：

tfl.average_pool_2d (TFL::AveragePool2DOp)

_Average_pool 2D オペレーター

入力に対して平均プーリング操作を実行します。

特性: AlwaysSpeculatableImplTrait 、 QuantizableResult

インターフェイス: ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 SameOperandsAndResultsScale 、 TflArithmeticCountOpInterface 、 TflRuntimeVerifyOpInterface

エフェクト: MemoryEffects::Effect{}

属性:

オペランド:

結果：

tfl.basic_lstm (TFL::BasicLSTMOp)

基本的な lstm 演算子

基本的な LSTM セル オペレーター。

特性: AlwaysSpeculatableImplTrait 、 QuantizableResult

インターフェイス: ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

エフェクト: MemoryEffects::Effect{}

属性:

オペランド:

結果：

tfl.batch_matmul (TFL::BatchMatMulOp)

バッチ行列乗算演算子

入力に対してバッチ行列乗算を実行します。 TensorFlow BatchMatMulV2 の規則に従い、バッチ ディメンションおよびブロードキャストにおける未知のディメンションをサポートします。

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)

特性: ::mlir::OpTrait::TFLRuntimeOpTrait 、 AlwaysSpeculatableImplTrait 、 QuantizableResult

インターフェイス: ConditionallySpeculatable 、 DynamicRangeQuantizedOpInterface 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

エフェクト: MemoryEffects::Effect{}

属性:

オペランド:

結果：

tfl.batch_to_space_nd (TFL::BatchToSpaceNdOp)

BatchToSpaceNd 演算子

この操作により、「バッチ」次元 0 が空間次元に再形成されます。

特性: AlwaysSpeculatableImplTrait 、 QuantizableResult

インターフェイス: ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 SameOperandsAndResultsScale 、 TflRuntimeVerifyOpInterface

エフェクト: MemoryEffects::Effect{}

オペランド:

結果：

tfl.bidirectional_sequence_lstm (TFL::BidirectionSequenceLSTMOp)

双方向シーケンス lstm 演算子

双方向 lstm は基本的に 2 つの lstm で、1 つは前方に実行され、もう 1 つは後方に実行されます。そして出力は 2 つの lstms を連結したものになります。

特性: QuantizableResult結果

インターフェイス: DynamicRangeQuantizedOpInterface 、 TFL_StatefulOp 、 TflRuntimeVerifyOpInterface

属性:

オペランド:

結果：

tfl.bitcast (TFL::BitcastOp)

ビットキャスト演算子

テンソルをある型から別の型にビットキャストします。

特性: AlwaysSpeculatableImplTrait

インターフェイス: ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

エフェクト: MemoryEffects::Effect{}

オペランド:

結果：

tfl.bitwise_xor (TFL::BitwiseXorOp)

ビットごとの Xor 演算子

Elementwise は、 lhsとrhsのビットごとの XOR を計算します。

特性: AlwaysSpeculatableImplTrait 、 Commutative 、 SameOperandsAndResultElementType

インターフェイス: ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

エフェクト: MemoryEffects::Effect{}

オペランド:

結果：

tfl.broadcast_args (TFL::BroadcastArgsOp)

s0 op s1 の形状をブロードキャストで返します。

形状を表すテンソルであるs0とs1が与えられると、ブロードキャストされた形状であるr0計算されます。 s0 、 s1 、およびr0はすべて整数ベクトルです。

特性: AlwaysSpeculatableImplTrait

インターフェイス: ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

エフェクト: MemoryEffects::Effect{}

オペランド:

結果：

tfl.broadcast_to (TFL::BroadcastToOp)

互換性のある形状の配列をブロードキャストします。

ブロードキャストは、算術演算に互換性のある形状を持つ配列を作成するプロセスです。 2 つの形状は、各次元のペアが等しいか、どちらかが 1 である場合に互換性があります。 Tensor をシェイプにブロードキャストしようとすると、後続のディメンションから開始され、前方に向かって処理が行われます。

例えば、

x = tf.constant([1, 2, 3]) y = tf.broadcast_to(x, [3, 3]) print(y) tf.Tensor( [[1 2 3] [1 2 3] [1 2] 3]]、形状=(3, 3)、dtype=int32)

上記の例では、 [1, 3]の形状を持つ入力 Tensor は[3, 3]の形状を持つ出力 Tensor にブロードキャストされます。

テンソルにスカラーを乗算するなどのブロードキャスト操作を実行する場合、ブロードキャストされたテンソルは決して実体化されないため、ブロードキャストによって (通常は) 時間または空間の利点が得られます。

ただし、 broadcast_toはそのような利点はありません。新しく作成されたテンソルは、ブロードキャストされた形状の完全なメモリを取得します。 (ただし、グラフのコンテキストでは、 broadcast_to後続の操作に融合され、最適化されて取り除かれる可能性があります。)

特性: AlwaysSpeculatableImplTrait 、 QuantizableResult

インターフェイス: ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

エフェクト: MemoryEffects::Effect{}

オペランド:

結果：

tfl.bucketize (TFL::BucketizeOp)

「境界」に基づいて「入力」をバケット化します。

例：

入力がboundaries = [0, 10, 100]およびinput = [[-5, 10000][150, 10][5, 100]]の場合、出力はoutput = [[0, 3][3, 2][1, 3]]になります。 output = [[0, 3][3, 2][1, 3]] 。

特性: AlwaysSpeculatableImplTrait 、 SameOperandsAndResultShape

インターフェイス: ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

エフェクト: MemoryEffects::Effect{}

属性:

オペランド:

結果：

tfl.call_once (TFL::CallOnceOp)

初期化関数を呼び出します

この操作は、tf 保存モデル言語のセッション初期化子に指定された初期化関数を呼び出します。

インターフェイス: TflRuntimeVerifyOpInterface

属性:

tfl.cast (TFL::CastOp)

キャストオペレーター

入力を入力型から出力型にキャストします。

特性: AlwaysSpeculatableImplTrait 、 SameOperandsAndResultShape

インターフェイス: ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

エフェクト: MemoryEffects::Effect{}

オペランド:

結果：

tfl.ceil (TFL::CeilOp)

天井オペレーター

入力の要素ごとの ceil 値を返します。

特性: AlwaysSpeculatableImplTrait 、 InferTensorType 、 TF::SameOperandsAndResultTypeResolveRef

インターフェイス: ConditionallySpeculatable 、 InferShapedTypeOpInterface 、 InferTypeOpInterface 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

エフェクト: MemoryEffects::Effect{}

オペランド:

結果：

tfl.complex_abs (TFL::ComplexAbsOp)

テンソルの複素絶対値を計算します。

複素数のテンソルxを指定すると、この演算はxの各要素の絶対値であるfloatまたはdouble型のテンソルを返します。 xのすべての要素は、 \(a + bj\)形式の複素数である必要があります。絶対値は \( \sqrt{a^2 + b^2}\)として計算されます。

特性: AlwaysSpeculatableImplTrait 、 SameOperandsAndResultShape

インターフェイス: ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

エフェクト: MemoryEffects::Effect{}

オペランド:

結果：

tfl.concatenation (TFL::ConcatenationOp)

連結演算子

テンソルを 1 次元に沿って連結します

特性: AlwaysSpeculatableImplTrait 、 QuantizableResult

インターフェイス: ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 SameOperandsAndResultsScale 、 TflRuntimeVerifyOpInterface

エフェクト: MemoryEffects::Effect{}

属性:

オペランド:

結果：

tfl.control_node (TFL::ControlNodeOp)

TFL.control_node操作は、制御エッジを接続するために単一ブロック操作をラップします。

これは、領域をラップし、それらにコントロールの依存関係をアタッチするために使用されます。通常、これは、固定順序の操作 (再具体化など) に依存する最適化を有効にするために、フラットバッファ モデルを出力する前の最後のステップの 1 つで行われます。フラットバッファ エクスポータは、ラップされた領域をアンラップし、生成されたモデルにメタデータで注釈を付けます。実行時の並べ替えでは、コントロールの依存関係によって指定された順序が尊重されます。

特性: HasParent<mlir::func::FuncOp> 、 RecursiveMemoryEffects 、 SingleBlockImplicitTerminator<YieldOp> 、 SingleBlock

オペランド:

結果：

tfl.conv_2d (TFL::Conv2DOp)

畳み込み演算子

入力に対して畳み込み演算を実行します。

入力: inputs[0] : 必須: 入力アクティベーション テンソルinputs[1] : 必須: フィルター重みテンソルinputs[2] : オプション: バイアス テンソル

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

インターフェイス: AffineQuantizedOpInterface 、 ConditionallySpeculatable 、 DynamicRangeQuantizedOpInterface 、 InferTypeOpInterface 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TFL_SparseOp 、 TflArithmeticCountOpInterface 、 TflRuntimeVerifyOpInterface

エフェクト: MemoryEffects::Effect{}

属性:

オペランド:

結果：

tfl.conv_3d (TFL::Conv3DOp)

コンボリューション 3D オペレーター

3D 入力に対して畳み込み演算を実行します。入力: inputs[0] : 必須: 入力アクティベーション テンソルinputs[1] : 必須: フィルター重みテンソルinputs[2] : オプション: バイアス テンソル

特性: AlwaysSpeculatableImplTrait 、 quant::AccumulatorUniformScale<2, 0, 1>

インターフェイス: ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

エフェクト: MemoryEffects::Effect{}

属性:

オペランド:

結果：

tfl.conv_3d_transpose (TFL::Conv3DTransposeOp)

転置畳み込み 3D オペレーター

3D 入力に対して転置畳み込み演算を実行します。入力: inputs[0] : 必須: 出力テンソルの形状inputs[1] : 必須: フィルター重みテンソルinputs[2] : 必須: 入力活性化テンソルinputs[3] : オプション: バイアス テンソル

特性: AlwaysSpeculatableImplTrait 、 quant::AccumulatorUniformScale<2, 0, 1>

インターフェイス: ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

エフェクト: MemoryEffects::Effect{}

属性:

オペランド:

結果：

tfl.cos (TFL::CosOp)

コサイン演算子

入力の要素ごとのコサインを計算します

特性: AlwaysSpeculatableImplTrait 、 InferTensorType 、 TF::SameOperandsAndResultTypeResolveRef

インターフェイス: ConditionallySpeculatable 、 InferShapedTypeOpInterface 、 InferTypeOpInterface 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

エフェクト: MemoryEffects::Effect{}

オペランド:

結果：

tfl.cumsum (TFL::CumsumOp)

合計演算子

軸に沿ったテンソル x の累積和を計算します。

特性: AlwaysSpeculatableImplTrait

インターフェイス: ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

エフェクト: MemoryEffects::Effect{}

属性:

オペランド:

結果：

tfl.custom (TFL::CustomOp)

カスタムオペレーション

任意の TFLite カスタム操作の汎用操作。

input: 元の操作の入力のリスト。 custom_code: この操作が正確にどれであるかを識別するために使用される文字列。これは、フラットバッファーの Operator_codes.custom_code に対応します。 Custom_option: op 属性をバイト形式で保存するためのホルダー。出力: 元の操作の出力のリスト。

インターフェイス: TflRuntimeVerifyOpInterface

属性:

オペランド:

結果：

tfl.custom_tf (TFL::CustomTfOp)

TF カスタム Ops のラッパー Op。

カスタム TF オペレーションのラッパー オペレーション。これらには、custom_opdefs を使用して定義された操作、または TF 言語で定義されていないリンクされた操作が含まれます。この Op は、カスタム Op をリージョン内にラップするだけです。注 #1、この Op には、CustomOp を使用して定義された TF Lite カスタム Op は含まれません。注 #2、この操作はコンバーター内の単なる内部表現であり、モデルが Flatbuffer にエクスポートされるときに公開/エクスポートされません。

特性: IsolatedFromAbove 、 RecursiveMemoryEffects 、 SingleBlockImplicitTerminator<YieldOp> 、 SingleBlock

インターフェイス: InferTypeOpInterface 、 TflRuntimeVerifyOpInterface

オペランド:

結果：

tfl.densify (TFL::DensifyOp)

高密度化オペレータ

スパース テンソルをデンス形式に変換します。

特性: AlwaysSpeculatableImplTrait

インターフェイス: ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

エフェクト: MemoryEffects::Effect{}

オペランド:

結果：

tfl.depth_to_space (TFL::DepthToSpaceOp)

DepthToSpace 演算子

データを深度から空間データのブロックに再配置します。これは、SpaceToDepth の逆変換です。より具体的には、この操作は、 depth次元の値が空間ブロックでheightおよびwidth次元に移動される入力テンソルのコピーを出力します。 attr block_size入力ブロック サイズとデータの移動方法を示します。

特性: AlwaysSpeculatableImplTrait 、 QuantizableResult

インターフェイス: ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 SameOperandsAndResultsScale 、 TflRuntimeVerifyOpInterface

エフェクト: MemoryEffects::Effect{}

属性:

オペランド:

結果：

tfl.depthwise_conv_2d (TFL::DepthwiseConv2DOp)

深さ方向に分離可能な畳み込み演算子

入力に対して畳み込み演算を実行します。

入力: inputs[0] : 必須: 入力アクティベーション テンソルinputs[1] : 必須: フィルター重みテンソルinputs[2] : オプション: バイアス テンソル

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

インターフェイス: AffineQuantizedOpInterface 、 ConditionallySpeculatable 、 DynamicRangeQuantizedOpInterface 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TFL_SparseOp 、 TflArithmeticCountOpInterface 、 TflRuntimeVerifyOpInterface

エフェクト: MemoryEffects::Effect{}

属性:

オペランド:

結果：

tfl.dequantize (TFL::DequantizeOp)

逆量子化演算子

量子化パラメータに従って、量子化された整数配列を浮動小数点に変換します。

インターフェイス: NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

エフェクト: MemoryEffects::Effect{}

オペランド:

結果：

tfl.dilate (TFL::DilateOp)

膨張演算子

既存の要素の間に新しい要素を追加してテンソルを拡張します。特性: AlwaysSpeculatableImplTrait

インターフェイス: ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

エフェクト: MemoryEffects::Effect{}

オペランド:

結果：

tfl.div (TFL::DivOp)

除算演算子

要素ごとの除算演算。

特性: ::mlir::OpTrait::TFLRuntimeOpTrait 、 AlwaysSpeculatableImplTrait 、 ResultsBroadcastableShape

インターフェイス: ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflArithmeticCountOpInterface 、 TflRuntimeVerifyOpInterface

エフェクト: MemoryEffects::Effect{}

属性:

オペランド:

結果：

tfl.dynamic_update_slice (TFL::DynamicUpdateSliceOp)

動的更新スライス。

XLA DynamicUpdateSlice と同じセマンティクスを持つ DynamicUpdateSlice 演算子。 start_indices で上書きされたスライス更新を使用して、入力配列オペランドの値である結果を生成します。

https://www.tensorflow.org/xla/operation_semantics#dynamicupdatesliceを参照してください。

特性: AlwaysSpeculatableImplTrait

インターフェイス: ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

エフェクト: MemoryEffects::Effect{}

オペランド:

結果：

tfl.elu （tfl :: eluop）

指数線形ユニット演算子

指数線形f（x） - > exp（x） - 1を計算しますx <0の場合はx、x> = = 0の場合はxを計算します。

特性： AlwaysSpeculatableImplTrait 、 SameOperandsAndResultShape

インターフェイス： ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

効果： MemoryEffects::Effect{}

オペランド：

結果：

tfl.embedding_lookup （tfl :: embeddinglookupop）

ルックアップオペレーターの埋め込み

埋め込みテンソルのリストでIDを調べます。

特性： AlwaysSpeculatableImplTrait 、 QuantizableResult

インターフェイス： ConditionallySpeculatable 、 DynamicRangeQuantizedOpInterface 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

効果： MemoryEffects::Effect{}

オペランド：

結果：

tfl.equal （tfl :: equalop）

平等な演算子

x == y要素ごとの真実要素を返します

特性：:: ::mlir::OpTrait::TFLRuntimeOpTrait 、 AlwaysSpeculatableImplTrait 、 Commutative 、 QuantizableResult 、 ResultsBroadcastableShape

インターフェイス： ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

効果： MemoryEffects::Effect{}

オペランド：

結果：

tfl.exp （tfl :: expop）

自然の指数オペレーター

入力で要素ごとの自然指数操作を実行します。

特性： AlwaysSpeculatableImplTrait 、 QuantizableResult

インターフェイス： ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

効果： MemoryEffects::Effect{}

オペランド：

結果：

tfl.expand_dims （tfl :: ExpandDimsop）

1の寸法をテンソルの形状に挿入します。

テンソルinput与えられた場合、この操作は、 inputの形状の寸法インデックスaxisに1の寸法を挿入します。ディメンションインデックスaxisゼロから始まります。 axisの負の数を指定すると、端から後方にカウントされます。

この操作は、単一の要素にバッチディメンションを追加する場合に役立ちます。たとえば、形状の単一の画像[height, width, channels]がある場合、expand_dims（画像[1, height, width, channels] expand_dims(image, 0)を使用して1つの画像のバッチにすることができます。 。

その他の例：

# '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]

この操作には次のことが必要です。

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

この操作は、サイズ1の寸法を削除するsqueeze()に関連しています。

特性： AlwaysSpeculatableImplTrait 、 QuantizableResult

インターフェイス： ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 SameOperandsAndResultsScale 、 TflRuntimeVerifyOpInterface

効果： MemoryEffects::Effect{}

オペランド：

結果：

tfl.external_const （tfl :: externalConstop）

外部const op。

外部const opは、フラットバッファの定数を指すbuffer_indexを保持します。

特性： AlwaysSpeculatableImplTrait 、 QuantizableResult

インターフェイス： ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

効果： MemoryEffects::Effect{}

属性：

結果：

tfl.fake_quant （tfl :: fakequantop）

偽のオペレーター

Float Scalars MinとMaxを介してフロートの「入力」テンソルを「入力」テンソルを入力と同じ形状の「出力」テンソルに偽造します。

特性： AlwaysSpeculatableImplTrait 、 QuantizableResult

インターフェイス： ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

効果： MemoryEffects::Effect{}

属性：

オペランド：

結果：

tfl.fill （tfl :: fillop）

与えられた値でテンソルを埋めます。

与えられた値でテンソルを埋めます。

特性： AlwaysSpeculatableImplTrait 、 QuantizableResult

インターフェイス： ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 SameOperandsAndResultsScale 、 TflRuntimeVerifyOpInterface

効果： MemoryEffects::Effect{}

オペランド：

結果：

tfl.floor （tfl :: floorop）

フロアオペレーター

入力の要素ごとのフロア値を返します。

特性： AlwaysSpeculatableImplTrait 、 InferTensorType 、 TF::SameOperandsAndResultTypeResolveRef

インターフェイス： ConditionallySpeculatable 、 InferShapedTypeOpInterface 、 InferTypeOpInterface 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

効果： MemoryEffects::Effect{}

オペランド：

結果：

tfl.floor_div （tfl :: floordivop）

フロアディブオペレーター

要素ごとのフロアdiv操作。

特性：:: ::mlir::OpTrait::TFLRuntimeOpTrait 、 AlwaysSpeculatableImplTrait 、 ResultsBroadcastableShape

インターフェイス： ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

効果： MemoryEffects::Effect{}

オペランド：

結果：

tfl.floor_mod （tfl :: floormodop）

部門のリマインダー

要素ごとのディビジョンリマインダー操作。

特性：:: ::mlir::OpTrait::TFLRuntimeOpTrait 、 AlwaysSpeculatableImplTrait 、 ResultsBroadcastableShape

インターフェイス： ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

効果： MemoryEffects::Effect{}

オペランド：

結果：

tfl.fully_connected （tfl :: fullyconnectedop）

完全に接続されたOP

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

インターフェイス： AffineQuantizedOpInterface 、 ConditionallySpeculatable 、 DynamicRangeQuantizedOpInterface 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TFL_SparseOp 、 TflArithmeticCountOpInterface 、 TflRuntimeVerifyOpInterface

効果： MemoryEffects::Effect{}

属性：

オペランド：

結果：

tfl.gather （tfl ::集まり）

オペレーターを集めます

indicesに従って、 params axisからスライスを収集します。

特性： AlwaysSpeculatableImplTrait 、 QuantizableResult

インターフェイス： ConditionallySpeculatable 、 DynamicRangeQuantizedOpInterface 、 NoMemoryEffect (MemoryEffectOpInterface) 、 SameOperandsAndResultsScale 、 TflRuntimeVerifyOpInterface

効果： MemoryEffects::Effect{}

属性：

オペランド：

結果：

tfl.gather_nd （tfl :: gatherndop）

_gather ndオペレーター

indicesで指定された形状のあるparamsメーションからテンソルにスライスを収集します。

特性： AlwaysSpeculatableImplTrait 、 QuantizableResult

インターフェイス： ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 SameOperandsAndResultsScale 、 TflRuntimeVerifyOpInterface

効果： MemoryEffects::Effect{}

オペランド：

結果：

tfl.gelu （tfl :: geluop）

GELUアクティベーション関数。

geluアクティベーション関数要素を計算します。

特性： AlwaysSpeculatableImplTrait 、 QuantizableResult 、 SameOperandsAndResultShape

インターフェイス： ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

効果： MemoryEffects::Effect{}

属性：

オペランド：

結果：

tfl.greater （tfl :: greaterop）

より大きなオペレーター

要素ごとのより大きな操作。

特性::: ::mlir::OpTrait::TFLRuntimeOpTrait 、 AlwaysSpeculatableImplTrait 、 QuantizableResult 、 ResultsBroadcastableShape

インターフェイス： ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

効果： MemoryEffects::Effect{}

オペランド：

結果：

tfl.greater_equal （tfl :: greaterequalop）

_グレーター等しい演算子

要素ごとのgreate_equal操作。

特性::: ::mlir::OpTrait::TFLRuntimeOpTrait 、 AlwaysSpeculatableImplTrait 、 QuantizableResult 、 ResultsBroadcastableShape

インターフェイス： ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

効果： MemoryEffects::Effect{}

オペランド：

結果：

tfl.hard_swish （tfl :: hardswishop）

ハードスイスアクティベーション関数。

ハードスイッシュアクティベーション関数f（x） - >（x * relu6（x+3））/6要素を計算します。

特性： AlwaysSpeculatableImplTrait 、 QuantizableResult 、 SameOperandsAndResultShape

インターフェイス： ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

効果： MemoryEffects::Effect{}

オペランド：

結果：

tfl.hashtable （tfl :: hashtableop）

非初期化ハッシュテーブルを作成します。

このOPは、ハッシュテーブルを作成し、キーと値のタイプを指定します。テーブルを使用する前に、初期化する必要があります。初期化後、テーブルは不変になります。

インターフェイス： TflRuntimeVerifyOpInterface

属性：

結果：

tfl.hashtable_find （tfl :: hashtablefindop）

テーブルのキーを検索し、対応する値を出力します。

テンソルkeysテーブルのキーと同じタイプでなければなりません。出力valuesテーブル値のタイプです。

スカラーdefault_value 、テーブルに存在しないキーの値出力です。また、テーブル値と同じタイプでなければなりません。

インターフェイス： TflRuntimeVerifyOpInterface

オペランド：

結果：

tfl.hashtable_import （tfl :: hashtableimportop）

テーブルの内容を指定されたキーと値に置き換えます。

テンソルkeysテーブルのキーと同じタイプでなければなりません。テンソルvaluesテーブル値のタイプでなければなりません。

インターフェイス： TflRuntimeVerifyOpInterface

オペランド：

tfl.hashtable_size （tfl :: hashtablesizeop）

指定されたテーブル内の要素の数を計算します。

インターフェイス： TflRuntimeVerifyOpInterface

オペランド：

結果：

tfl.if （tfl :: ifop）

if-then-else操作

tfl.if操作は、2つのコード領域を条件付けて実行するためのif-then-elseコンストラクトを表します。 IF操作へのオペランドはブール値です。例えば：

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

tfl.ifその地域で定義されている結果を返すこともあります。定義された値は、実行パスがどのように実行されるかによって決定されます。

例：

%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 、領域は常に「Tfl.yield」で終了します。 「tfl.if」が値を定義しない場合、「tfl.yield」を除外することができ、暗黙的に挿入されます。それ以外の場合は、明示的でなければなりません。また、「tfl.if」が1つ以上の値を定義する場合、「else」ブロックは省略できません。

例：

tfl.if %b  {
  ...
}

特性： NoRegionArguments 、 RecursiveMemoryEffects 、 SingleBlockImplicitTerminator<YieldOp> 、 SingleBlock

インターフェイス： RegionBranchOpInterface 、 TflRuntimeVerifyOpInterface

オペランド：

結果：

tfl.imag （tfl :: imagop）

複雑な数の想像上の部分を返します。

複雑な数値のテンソルinput与えられた場合、この操作は、 inputの各要素の想像上の部分であるタイプfloatのテンソルを返します。 inputのすべての要素は、 \(a + bj\)の形式の複雑な数でなければなりません。ここで、 Aは実際の部分であり、 Bはこの操作によって返される想像上の部分です。

特性： AlwaysSpeculatableImplTrait 、 SameOperandsAndResultShape

インターフェイス： ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

効果： MemoryEffects::Effect{}

オペランド：

結果：

tfl.l2_normalization （tfl :: l2normalizationop）

L2は演算子を正常化します

L2 -Normalization OP

特性： AlwaysSpeculatableImplTrait 、 QuantizableResult

インターフェイス： ConditionallySpeculatable 、 FixedOutputRangeInterface 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflArithmeticCountOpInterface 、 TflRuntimeVerifyOpInterface

効果： MemoryEffects::Effect{}

属性：

オペランド：

結果：

tfl.leaky_relu （Tfl :: Leakyreluop）

漏れやすいReluオペレーター

要素ごとの漏れやすいReluオペレーターx - > x> = 0？ X：（alpha * x）

特性： AlwaysSpeculatableImplTrait 、 QuantizableResult 、 SameOperandsAndResultShape

インターフェイス： ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

効果： MemoryEffects::Effect{}

属性：

オペランド：

結果：

tfl.less （tfl :: lessop）

オペレーターが少ない

要素ごとに操作が少ない。

特性::: ::mlir::OpTrait::TFLRuntimeOpTrait 、 AlwaysSpeculatableImplTrait 、 QuantizableResult 、 ResultsBroadcastableShape

インターフェイス： ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

効果： MemoryEffects::Effect{}

オペランド：

結果：

tfl.less_equal （tfl :: lessequalop）

_レス等しい演算子

要素ごとの等式操作。

特性::: ::mlir::OpTrait::TFLRuntimeOpTrait 、 AlwaysSpeculatableImplTrait 、 QuantizableResult 、 ResultsBroadcastableShape

インターフェイス： ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

効果： MemoryEffects::Effect{}

オペランド：

結果：

tfl.local_response_normalization （tfl :: localresponsenormalizationop）

ローカル応答の正規化。

4-D inputテンソルは、3Dアレイの1-Dベクター（最後の次元に沿って）として扱われ、各ベクトルは独立して正規化されます。特定のベクトル内で、各コンポーネントは、 depth_radius内の入力の加重された四角の合計で分割されます。詳細に、

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

詳細については、 Krizhevsky et al。、ImagENet分類を参照してください。

特性： AlwaysSpeculatableImplTrait 、 InferTensorType 、 TF::SameOperandsAndResultTypeResolveRef

インターフェイス： ConditionallySpeculatable 、 InferShapedTypeOpInterface 、 InferTypeOpInterface 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

効果： MemoryEffects::Effect{}

属性：

オペランド：

結果：

tfl.log （tfl :: logop）

ナチュラル対数演算子

入力で要素ごとの自然対数操作を実行します。

特性： AlwaysSpeculatableImplTrait 、 QuantizableResult

インターフェイス： ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

効果： MemoryEffects::Effect{}

オペランド：

結果：

tfl.log_softmax （tfl :: logsoftmaxop）

ログSoftMaxオペレーター

次の式で要素ごとのログソフトマックスのアクティベーションを計算します

input -log（resid_sum（exp（input）、dim））

特性： AlwaysSpeculatableImplTrait 、 QuantizableResult 、 SameOperandsAndResultShape

インターフェイス： ConditionallySpeculatable 、 FixedOutputRangeInterface 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflArithmeticCountOpInterface 、 TflRuntimeVerifyOpInterface

効果： MemoryEffects::Effect{}

オペランド：

結果：

tfl.logical_and （tfl :: logicalandop）

論理および演算子

要素ごとの論理と操作。

特性： AlwaysSpeculatableImplTrait

インターフェイス： ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

効果： MemoryEffects::Effect{}

オペランド：

結果：

tfl.logical_not （tfl :: logicalnotop）

論理的ではないオペレーター

要素ごとの論理操作ではありません。

特性： AlwaysSpeculatableImplTrait 、 SameOperandsAndResultShape

インターフェイス： ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

効果： MemoryEffects::Effect{}

オペランド：

結果：

tfl.logical_or （tfl :: logicalorop）

論理または演算子

要素ごとの論理または操作。

特性： AlwaysSpeculatableImplTrait

インターフェイス： ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

効果： MemoryEffects::Effect{}

オペランド：

結果：

tfl.logistic （tfl :: logisticop）

ロジスティック演算子

入力の要素ごとのシグモイドを計算します

特性： AlwaysSpeculatableImplTrait 、 QuantizableResult 、 SameOperandsAndResultShape

インターフェイス： ConditionallySpeculatable 、 FixedOutputRangeInterface 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflArithmeticCountOpInterface 、 TflRuntimeVerifyOpInterface

効果： MemoryEffects::Effect{}

オペランド：

結果：

tfl.lstm （tfl :: lstmop）

完全なLSTM演算子

長期の長期メモリユニット（LSTM）再発ネットワークレイヤー。デフォルトの非peephole実装は、http： //deeplearning.cs.cmu.edu/pdfs/hochreiter97_lstm.pdfに基づいています。 「長期的な記憶」。 Neural Computation、9（8）：1735-1780、1997。覗き穴の実装は、 https ：//research.google.com/pubs/archive/43905.pdf hasim sak、アンドリューシニア、フランコーズビューフェイに基づいています。 「大規模な音響モデリングのための長期の短期メモリ再発性ニューラルネットワークアーキテクチャ。」 speech、2014年。入力および忘却ゲート（CIFG）のカップリングは、http： //arxiv.org/pdf/1503.0404069.pdf Greff et alに基づいています。 'LSTM：検索スペースオデッセイ'レイヤー正規化は、https： //arxiv.org/pdf/1607.06450.pdf Ba et al。 「レイヤー正規化」

特性： QuantizableResult

インターフェイス： DynamicRangeQuantizedOpInterface 、 TFL_StatefulOp 、 TflRuntimeVerifyOpInterface

属性：

オペランド：

結果：

tfl.matrix_diag （tfl :: matrixdiagop）

提供された対角線と他のすべてがゼロでパディングされたテンソルを返します。

対角線が与えられた場合、対角線でテンソルを返し、他のすべてがゼロでパディングされています。斜めの寸法がk寸法[I, J, K, ..., N]があると仮定し、出力は寸法を備えたランクk+1のテンソルです[I, J, K, ..., N, N]ここでoutput[i, j, k, ..., m, n] = 1{m=n} * diagonal[i, j, k, ..., n].

特性： AlwaysSpeculatableImplTrait 、 QuantizableResult

インターフェイス： ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

効果： MemoryEffects::Effect{}

オペランド：

結果：

tfl.matrix_set_diag （tfl :: matrixsetdiagop）

新しいバッチ付き対角線値を使用して、バッチ付きマトリックステンソルを返します。

inputとdiagonalが与えられた場合、この操作は、最も内側のマトリックスの主な対角線を除き、 inputと同じ形状と値のテンソルを返します。これらは、 diagonalの値によって上書きされます。

特性： AlwaysSpeculatableImplTrait 、 QuantizableResult

インターフェイス： ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

効果： MemoryEffects::Effect{}

オペランド：

結果：

tfl.max_pool_2d （tfl :: maxpool2dop）

Max Pool 2d Op

入力で最大プール2dを実行します。

入力： inputs[0] ：必須：入力テンソル

特性： AlwaysSpeculatableImplTrait 、 QuantizableResult

インターフェイス： ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 SameOperandsAndResultsScale 、 TflArithmeticCountOpInterface 、 TflRuntimeVerifyOpInterface

効果： MemoryEffects::Effect{}

属性：

オペランド：

結果：

tfl.maximum （tfl :: maximumop）

最大オペレーター

要素ごとの最大操作。

特性：:: ::mlir::OpTrait::TFLRuntimeOpTrait 、 AlwaysSpeculatableImplTrait 、 Commutative 、 QuantizableResult 、 ResultsBroadcastableShape

インターフェイス： ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 SameOperandsAndResultsScale 、 TflRuntimeVerifyOpInterface

効果： MemoryEffects::Effect{}

オペランド：

結果：

tfl.mean （tfl :: meanop）

平均演算子

テンソルの寸法にわたる要素の平均を計算します。軸で与えられた寸法に沿ってinput_tensorを減らします。 KeepDimsが真でない限り、テンソルのランクは、軸の各エントリごとに1だけ削減されます。 KeepDimsが真である場合、縮小寸法は長さ1で保持されます。

特性： AlwaysSpeculatableImplTrait 、 QuantizableResult

インターフェイス： ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 TflRuntimeVerifyOpInterface

効果： MemoryEffects::Effect{}

属性：

オペランド：

結果：

tfl.minimum （tfl :: minimumop）

最小オペレーター

要素ごとの最小操作。

特性：:: ::mlir::OpTrait::TFLRuntimeOpTrait 、 AlwaysSpeculatableImplTrait 、 Commutative 、 QuantizableResult 、 ResultsBroadcastableShape

インターフェイス： ConditionallySpeculatable 、 NoMemoryEffect (MemoryEffectOpInterface) 、 SameOperandsAndResultsScale 、 TflRuntimeVerifyOpInterface

効果： MemoryEffects::Effect{}

オペランド：

結果：

tfl.mirror_pad （tfl :: mirrirpadop）

MirrorPadオペレーター。ミラーリングされた値でテンソルをパッドします。

この操作は、指定したパディングに従って、ミラール値を使用して入力をパッドします。パディングは、形状[n、2]の整数テンソルで、nは入力のランクです。入力dの各寸法dについて、パディング[d、0]は、その次元の入力の内容の前に追加する値の数を示し、パディング[d、1]は、そのディメンションの入力の内容後に追加する値の数を示します。

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

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

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

結果：

tfl.mul (TFL::MulOp)

Multiplication operator

Element-wise multiplication operation.

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

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

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

結果：

tfl.multinomial (TFL::MultinomialOp)

Draws samples from a categorical distribution.

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

Interfaces: TflRuntimeVerifyOpInterface

Attributes:

Operands:

結果：

tfl.neg (TFL::NegOp)

Negation operator

Computes element-wise negation of input

Traits: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

Effects: MemoryEffects::Effect{}

Operands:

結果：

tfl.no_value (TFL::NoValueOp)

Constant representing no value.

No value constant op.

Traits: AlwaysSpeculatableImplTrait , ConstantLike

Interfaces: ConditionallySpeculatable , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

Attributes:

結果：

tfl.non_max_suppression_v4 (TFL::NonMaxSuppressionV4Op)

Greedily selects a subset of bounding boxes in descending order of score,

pruning away boxes that have high intersection-over-union (IOU) overlap with previously selected boxes. Bounding boxes with score less than score_threshold are removed. Bounding boxes are supplied as [y1, x1, y2, x2], where (y1, x1) and (y2, x2) are the coordinates of any diagonal pair of box corners and the coordinates can be provided as normalized (ie, lying in the interval [0, 1]) or absolute. Note that this algorithm is agnostic to where the origin is in the coordinate system and more generally is invariant to orthogonal transformations and translations of the coordinate system; thus translating or reflections of the coordinate system result in the same boxes being selected by the algorithm. The output of this operation is a set of integers indexing into the input collection of bounding boxes representing the selected boxes. The bounding box coordinates corresponding to the selected indices can then be obtained using the tf.gather operation . For example: selected_indices = tf.image.non_max_suppression_v2( boxes, scores, max_output_size, iou_threshold, score_threshold) selected_boxes = tf.gather(boxes, selected_indices)

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

結果：

tfl.non_max_suppression_v5 (TFL::NonMaxSuppressionV5Op)

Greedily selects a subset of bounding boxes in descending order of score,

pruning away boxes that have high intersection-over-union (IOU) overlap with previously selected boxes. Bounding boxes with score less than score_threshold are removed. Bounding boxes are supplied as [y1, x1, y2, x2], where (y1, x1) and (y2, x2) are the coordinates of any diagonal pair of box corners and the coordinates can be provided as normalized (ie, lying in the interval [0, 1]) or absolute. Note that this algorithm is agnostic to where the origin is in the coordinate system and more generally is invariant to orthogonal transformations and translations of the coordinate system; thus translating or reflections of the coordinate system result in the same boxes being selected by the algorithm. The output of this operation is a set of integers indexing into the input collection of bounding boxes representing the selected boxes. The bounding box coordinates corresponding to the selected indices can then be obtained using the tf.gather operation . For example: selected_indices = tf.image.non_max_suppression_v2( boxes, scores, max_output_size, iou_threshold, score_threshold) selected_boxes = tf.gather(boxes, selected_indices) This op also supports a Soft-NMS (with Gaussian weighting) mode (cf Bodla et al, https://arxiv.org/abs/1704.04503 ) where boxes reduce the score of other overlapping boxes instead of directly causing them to be pruned. To enable this Soft-NMS mode, set the soft_nms_sigma parameter to be larger than 0.

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

結果：

tfl.not_equal (TFL::NotEqualOp)

_Not equal operator

Element-wise not_equal operation.

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

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

結果：

tfl.NumericVerify (TFL::NumericVerifyOp)

Verifies the numericals of the two operands

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

Traits: QuantizableResult , SameOperandsShape

Interfaces: TflRuntimeVerifyOpInterface

Attributes:

Operands:

結果：

tfl.one_hot (TFL::OneHotOp)

OneHot operator

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

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

結果：

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) .等。

例えば：

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

This is the opposite of unpack .

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

結果：

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)

例えば：

# '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:

結果：

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)

例えば：

# '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:

結果：

tfl.poly_call (TFL::PolyCallOp)

Poly call

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

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

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

Traits: SingleBlockImplicitTerminator<YieldOp> , SingleBlock

Interfaces: RegionBranchOpInterface

Operands:

結果：

tfl.pow (TFL::PowOp)

Power operator

Element-wise power operation.

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

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

結果：

tfl.prelu (TFL::PReluOp)

Parameterized Relu operator

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

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

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

Effects: MemoryEffects::Effect{}

Operands:

結果：

tfl.pseudo_const (TFL::ConstOp)

Constant pseudo op.

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

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

Traits: AlwaysSpeculatableImplTrait , ConstantLike , FirstAttrDerivedResultType , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

結果：

tfl.pseudo_qconst (TFL::QConstOp)

Quantized constant pseudo op

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

Traits: AlwaysSpeculatableImplTrait , FirstAttrDerivedResultType

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

Attributes:

結果：

tfl.pseudo_sparse_const (TFL::SparseConstOp)

Sparse constant pseudo op.

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

Traits: AlwaysSpeculatableImplTrait , FirstAttrDerivedResultType , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

結果：

tfl.pseudo_sparse_qconst (TFL::SparseQConstOp)

Sparse quantized constant pseudo op

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

Traits: AlwaysSpeculatableImplTrait , FirstAttrDerivedResultType

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

結果：

tfl.quantize (TFL::QuantizeOp)

Quantize operator

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

Traits: FirstAttrDerivedResultType , SameOperandsAndResultShape

Interfaces: NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

結果：

tfl.random_standard_normal (TFL::RandomStandardNormalOp)

Outputs random values from a normal distribution.

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

Interfaces: TflRuntimeVerifyOpInterface

Attributes:

Operands:

結果：

tfl.random_uniform (TFL::RandomUniformOp)

Outputs random values from a uniform distribution.

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

Interfaces: TflRuntimeVerifyOpInterface

Attributes:

Operands:

結果：

tfl.range (TFL::RangeOp)

Range operator

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

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

結果：

tfl.rank (TFL::RankOp)

Rank operator.

Returns the rank of a tensor.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

結果：

tfl.read_variable (TFL::ReadVariableOp)

Reads variable value.

Read variable data identified by 'resource_id'.

Interfaces: TflRuntimeVerifyOpInterface

Operands:

結果：

tfl.real (TFL::RealOp)

Returns the real part of a complex number.

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

Traits: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

結果：

tfl.reduce_all (TFL::ReduceAllOp)

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

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

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

結果：

tfl.reduce_any (TFL::ReduceAnyOp)

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

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

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

結果：

tfl.reduce_max (TFL::ReduceMaxOp)

Max-reduction operator

Computes the max reduction along the specified axes

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

結果：

tfl.reduce_min (TFL::ReduceMinOp)

Min-reduction operator

Computes the min reduction along the specified axes

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

結果：

tfl.reduce_prod (TFL::ReduceProdOp)

Prod-reduction operator

Computes the product along the specified axes

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

結果：

tfl.relu (TFL::ReluOp)

Relu operator

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

結果：

tfl.relu6 (TFL::Relu6Op)

Relu6 operator

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

結果：

tfl.relu_0_to_1 (TFL::Relu0To1Op)

Relu0To1 operator

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

結果：

tfl.relu_n1_to_1 (TFL::Relu1Op)

Relu1 operator

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

結果：

tfl.reshape (TFL::ReshapeOp)

Reshape operator

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

結果：

tfl.resize_bilinear (TFL::ResizeBilinearOp)

ResizeBilinear Op

Resize images to size using bilinear interpolation.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

結果：

tfl.resize_nearest_neighbor (TFL::ResizeNearestNeighborOp)

ResizeNearestNeighbor Op

Resize images to size using nearest neighbor interpolation.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

結果：

tfl.reverse_sequence (TFL::ReverseSequenceOp)

Reverses variable length slices.

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

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

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

結果：

tfl.reverse_v2 (TFL::ReverseV2Op)

ReverseV2 Operator

Reverses specific dimensions of a tensor.

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

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

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

結果：

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条項。

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:

結果：

tfl.right_shift (TFL::RightShiftOp)

Right Shift operator

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

Traits: AlwaysSpeculatableImplTrait , SameOperandsAndResultElementType

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

結果：

tfl.round (TFL::RoundOp)

Round operator

Rounds the values of a tensor to the nearest integer, element-wise.

Traits: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

Effects: MemoryEffects::Effect{}

Operands:

結果：

tfl.rsqrt (TFL::RsqrtOp)

Reciprocal of square root operator

Computes element-wise reverse square root of input

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

結果：

tfl.scatter_nd (TFL::ScatterNdOp)

_Scatter nd operator

Scatter updates into a new tensor according to indices

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

結果：

tfl.segment_sum (TFL::SegmentSumOp)

SegmentSum operator

Computes the sum along segments of a tensor.

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

結果：

tfl.select (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:

結果：

tfl.select_v2 (TFL::SelectV2Op)

SelectV2 operator

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

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

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

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

Effects: MemoryEffects::Effect{}

Operands:

結果：

tfl.shape (TFL::ShapeOp)

Shape operator

Returns the shape of a tensor.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

結果：

tfl.sign (TFL::SignOp)

Sign operation

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

Traits: AlwaysSpeculatableImplTrait , SameOperandsAndResultElementType , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

結果：

tfl.sin (TFL::SinOp)

Sine operator

Computes element-wise Sine of input

Traits: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

Effects: MemoryEffects::Effect{}

Operands:

結果：

tfl.slice (TFL::SliceOp)

Return a slice from 'input'.

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

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

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

結果：

tfl.softmax (TFL::SoftmaxOp)

Softmax operator

Computes element-wise softmax activations with the following formula

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

結果：

tfl.space_to_batch_nd (TFL::SpaceToBatchNdOp)

SpaceToBatchNd operator

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

結果：

tfl.space_to_depth (TFL::SpaceToDepthOp)

SpaceToDepth operator

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

結果：

tfl.sparse_to_dense (TFL::SparseToDenseOp)

Converts a sparse representation into a dense tensor.

Builds an array dense with shape output_shape such that

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

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

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

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

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

結果：

tfl.split (TFL::SplitOp)

Splits a tensor into num_split tensors along one dimension.

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

結果：

tfl.split_v (TFL::SplitVOp)

Splits a tensor into num_split tensors along one dimension.

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

結果：

tfl.sqrt (TFL::SqrtOp)

Square root operator

Computes element-wise Square root of input

Traits: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

Effects: MemoryEffects::Effect{}

Operands:

結果：

tfl.square (TFL::SquareOp)

Square operator

Computes element-wise Square of input

Traits: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

Effects: MemoryEffects::Effect{}

Operands:

結果：

tfl.squared_difference (TFL::SquaredDifferenceOp)

Squared difference operator

Element-wise squared difference operation.

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

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

結果：

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 .

例えば：

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

Or, to remove specific size 1 dimensions:

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

結果：

tfl.strided_slice (TFL::StridedSliceOp)

StridedSlice Op

Return a strided slice from input .

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

結果：

tfl.sub (TFL::SubOp)

Subtraction operator

Element-wise subtraction operation.

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

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

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

結果：

tfl.sum (TFL::SumOp)

Sum operator

Computes the sum reduction along the specified axes

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

結果：

tfl.svdf (TFL::SVDFOp)

Single value decomposition filter operator

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

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

Interfaces: DynamicRangeQuantizedOpInterface , TFL_StatefulOp , TflRuntimeVerifyOpInterface

Attributes:

Operands:

結果：

tfl.tanh (TFL::TanhOp)

Hyperbolic tangent operator

Computes element-wise Hyperbolic tangent of input

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

Operands:

結果：

tfl.tile (TFL::TileOp)

Tile operator.

Constructs a tensor by tiling a given tensor.

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

結果：

tfl.topk_v2 (TFL::TopKV2Op)

TopK operator

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

Results are always sorted in the descending order.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

結果：

tfl.transpose (TFL::TransposeOp)

Transpose operator

Returns the Transpose of x

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

結果：

tfl.transpose_conv (TFL::TransposeConvOp)

Transpose convolution operator

Performs transpose convolution operation on input.

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

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

Effects: MemoryEffects::Effect{}

Attributes:

Operands:

結果：

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

Attributes:

Operands:

結果：

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

Attributes:

Operands:

結果：

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 .言い換えると：