Помогают защитить Большой Барьерный Риф с TensorFlow на Kaggle Присоединяйтесь вызов

'tfl' Диалект

Диалект TensorFlow Lite.

Этот диалект соответствует операциям TensorFlow Lite.

Инварианты:

  • Все значения имеют тип Tensor (в частности, скаляры представляются нульмерными тензорами);

Определение операции

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

Оператор абсолютного значения

Учитывая тензор x , эта операция возвращает тензор, содержащий абсолютное значение каждого элемента в x . Например, если x — входной элемент, а y — выходной элемент, эта операция вычисляет \(y = |x|\).

Черты: QuantizableResult, SameOperandsAndResultShape

Интерфейсы: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Операнд Описание
x тензор 16-битного беззнакового целого числа или 32-битного числа с плавающей запятой или значений типа QI8 или QI16

Результаты:

Результат Описание
y тензор 16-битного беззнакового целого числа или 32-битного числа с плавающей запятой или значений типа QI8 или QI16

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

оператор add_n

Складывает все входные тензоры поэлементно.

Черты характера: коммутативный

Интерфейсы: NoSideEffect (MemoryEffectOpInterface), SameOperandsAndResultsScale, TflArithmeticCountOpInterface, TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Операнд Описание
inputs тензор значений любого типа

Результаты:

Результат Описание
sum тензор 32-битных значений с плавающей запятой или 32-битных беззнаковых целых чисел

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

Оператор сложения

Поэлементная операция сложения.

Черты: ::mlir::OpTrait::TFLRuntimeOpTrait, Коммутативный, QuantizableResult, ResultsBroadcastableShape

Интерфейсы: NoSideEffect (MemoryEffectOpInterface), TflArithmeticCountOpInterface, TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Атрибуты:

Атрибут Тип МЛИР Описание
fused_activation_function ::mlir::StringAttr объединенное перечисление активации

Операнды:

Операнд Описание
lhs тензор 32-битного числа с плавающей запятой, или 32-битного целого числа без знака, или 64-битного целого числа без знака, или значений типа QI8, или типа QUI8, или значений типа QI16.
rhs тензор 32-битного числа с плавающей запятой, или 32-битного целого числа без знака, или 64-битного целого числа без знака, или значений типа QI8, или типа QUI8, или значений типа QI16.

Результаты:

Результат Описание
output тензор 32-битного числа с плавающей запятой, или 32-битного целого числа без знака, или 64-битного целого числа без знака, или значений типа QI8, или типа QUI8, или значений типа QI16.

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

Оператор ArgMax

Возвращает индекс с наибольшим значением по измерениям тензора.

Черты: QuantizableResult

Интерфейсы: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Атрибуты:

Атрибут Тип МЛИР Описание
output_type ::mlir::Атрибут производный атрибут

Операнды:

Операнд Описание
input тензор 1-битного целого числа без знака, или 32-битного числа с плавающей запятой, или 32-битного целого числа без знака, или 8-битного целого числа без знака, или 8-битного целого числа без знака, или значений типа QI8 или типа QUI8
dim тензор 32/64-битных беззнаковых целых чисел

Результаты:

Результат Описание
output тензор 32/64-битных беззнаковых целых чисел

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

Оператор ArgMin

Возвращает индекс с наименьшим значением по измерениям тензора. a = [1, 10, 26,9, 2,8, 166,32, 62,3] b = tf.math.argmin(input = a) c = tf.keras.backend.eval(b)

Черты: QuantizableResult

Интерфейсы: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Атрибуты:

Атрибут Тип МЛИР Описание
output_type ::mlir::Атрибут производный атрибут

Операнды:

Операнд Описание
input тензор 1-битного целого числа без знака, или 32-битного числа с плавающей запятой, или 32-битного целого числа без знака, или 8-битного целого числа без знака, или 8-битного целого числа без знака, или значений типа QI8 или типа QUI8
dim тензор 32/64-битных беззнаковых целых чисел

Результаты:

Результат Описание
output тензор 32/64-битных беззнаковых целых чисел

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

Присваивает новое значение переменной.

Любой ReadVariableOp с управляющей зависимостью от этой операции гарантированно возвращает это значение или последующее более новое значение переменной.

Черты: QuantizableResult

Интерфейсы: TflRuntimeVerifyOpInterface

Операнды:

Операнд Описание
resource_id тензор значений ресурсов
value тензор 32-битного числа с плавающей запятой или 64-битного числа с плавающей запятой, или 1-битного целого числа без знака, или 8-битного целого числа без знака, или 8-битного целого числа без знака, или типа QI8, или типа QUI8, или 32-битного целого числа без знака, или 64-битного целого числа без знака, или типа QI16 или сложный тип с 32-битными элементами с плавающей запятой или сложный тип с 64-битными значениями элементов с плавающей запятой

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

Оператор Average_pool_2d

Выполняет операцию объединения средних значений на входе.

Черты: QuantizableResult

Интерфейсы: NoSideEffect (MemoryEffectOpInterface), SameOperandsAndResultsScale, TflArithmeticCountOpInterface, TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Атрибуты:

Атрибут Тип МЛИР Описание
filter_height ::mlir::IntegerAttr 32-битный целочисленный атрибут без знака
filter_width ::mlir::IntegerAttr 32-битный целочисленный атрибут без знака
padding ::mlir::StringAttr перечисление заполнения
stride_h ::mlir::IntegerAttr 32-битный целочисленный атрибут без знака
stride_w ::mlir::IntegerAttr 32-битный целочисленный атрибут без знака
fused_activation_function ::mlir::StringAttr объединенное перечисление активации

Операнды:

Операнд Описание
input тензор 32-битного числа с плавающей запятой или типа QI8 или типа QUI8 или значений типа QI16

Результаты:

Результат Описание
output тензор 32-битного числа с плавающей запятой или типа QI8 или типа QUI8 или значений типа QI16

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

Основной оператор lstm

базовый оператор сотовой связи LSTM.

Черты: QuantizableResult

Интерфейсы: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Атрибуты:

Атрибут Тип МЛИР Описание
fused_activation_function ::mlir::StringAttr объединенное перечисление активации
cell_clip ::mlir::FloatAttr 32-битный атрибут с плавающей запятой, значение которого неотрицательно.
proj_clip ::mlir::FloatAttr 32-битный атрибут с плавающей запятой, значение которого неотрицательно.
kernel_type ::mlir::StringAttr lstm тип ядра enum case BASIC

Операнды:

Операнд Описание
data_input тензор 32-битных значений типа float или QUI8
prev_activ_input тензор 32-битных значений типа float или QUI8
weights_input тензор 32-битных значений типа float или QUI8
biases_input тензор 32-битных значений типа float или QI32
prev_state_input тензор 32-битных значений типа float или QI16

Результаты:

Результат Описание
activ_output 2D тензор значений любого типа
state_output 2D тензор значений любого типа
concat_temp 2D тензор значений любого типа
activ_temp 2D тензор значений любого типа

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

Пакетный оператор умножения матриц

Выполняет пакетное матричное умножение на входах. Соответствует соглашениям TensorFlow BatchMatMulV2 с поддержкой неизвестных измерений в пакетных измерениях и широковещании.

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)

Черты: QuantizableResult

Интерфейсы: DynamicRangeQuantizedOpInterface, NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Атрибуты:

Атрибут Тип МЛИР Описание
adj_x ::mlir::BoolAttr логический атрибут
adj_y ::mlir::BoolAttr логический атрибут
asymmetric_quantize_inputs ::mlir::BoolAttr логический атрибут

Операнды:

Операнд Описание
x тензор 32-битного числа с плавающей запятой или типа QI8 или типа QI16 или 8-битного беззнакового целого числа
y тензор 32-битного числа с плавающей запятой или типа QI8 или типа QI16 или 8-битного беззнакового целого числа

Результаты:

Результат Описание
output тензор 32-битного числа с плавающей запятой или типа QI8 или типа QI16 или 32-битного беззнакового целого числа

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

Оператор BatchToSpaceNd

Эта операция преобразует "пакетное" измерение 0 в пространственные измерения.

Черты: QuantizableResult

Интерфейсы: NoSideEffect (MemoryEffectOpInterface), SameOperandsAndResultsScale, TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Операнд Описание
input тензор 32-разрядного числа с плавающей запятой, или 8-разрядного целого числа без знака, или 32-разрядного целого числа без знака, или 64-разрядного целого числа без знака, или 8-разрядного целого числа без знака, или значений типа QI8 или типа QUI8
block_shape тензор 32-битных беззнаковых целых чисел
indices тензор 32-битных беззнаковых целых чисел

Результаты:

Результат Описание
output тензор 32-разрядного числа с плавающей запятой, или 16-разрядного целого числа без знака, или 32-разрядного целого числа без знака, или 64-разрядного целого числа без знака, или 8-разрядного целого числа без знака, или значений типа QI8 или типа QUI8

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

Оператор двунаправленной последовательности lstm

Двунаправленный lstm — это, по сути, два lstms, один работает вперед, а другой — назад. А на выходе получается конкатенация двух lstms.

Черты: QuantizableResult

Интерфейсы: DynamicRangeQuantizedOpInterface, TFL_StatefulOp, TflRuntimeVerifyOpInterface

Атрибуты:

Атрибут Тип МЛИР Описание
fused_activation_function ::mlir::StringAttr объединенное перечисление активации
cell_clip ::mlir::FloatAttr 32-битный атрибут с плавающей запятой, значение которого неотрицательно.
proj_clip ::mlir::FloatAttr 32-битный атрибут с плавающей запятой, значение которого неотрицательно.
merge_outputs ::mlir::BoolAttr логический атрибут
time_major ::mlir::BoolAttr логический атрибут
asymmetric_quantize_inputs ::mlir::BoolAttr логический атрибут

Операнды:

Операнд Описание
input тензор 32-битных значений с плавающей запятой или 8-битных беззнаковых целых чисел
fw_input_to_input_weights тензор значений любого типа или ни одного типа
fw_input_to_forget_weights тензор 32-битных значений с плавающей запятой или 8-битных беззнаковых целых чисел
fw_input_to_cell_weights тензор 32-битных значений с плавающей запятой или 8-битных беззнаковых целых чисел
fw_input_to_output_weights тензор 32-битных значений с плавающей запятой или 8-битных беззнаковых целых чисел
fw_recurrent_to_input_weights тензор значений любого типа или ни одного типа
fw_recurrent_to_forget_weights тензор 32-битных значений с плавающей запятой или 8-битных беззнаковых целых чисел
fw_recurrent_to_cell_weights тензор 32-битных значений с плавающей запятой или 8-битных беззнаковых целых чисел
fw_recurrent_to_output_weights тензор 32-битных значений с плавающей запятой или 8-битных беззнаковых целых чисел
fw_cell_to_input_weights тензор значений любого типа или ни одного типа
fw_cell_to_forget_weights тензор значений любого типа или ни одного типа
fw_cell_to_output_weights тензор значений любого типа или ни одного типа
fw_input_gate_bias тензор значений любого типа или ни одного типа
fw_forget_gate_bias тензор 32-битных значений с плавающей запятой
fw_cell_bias тензор 32-битных значений с плавающей запятой
fw_output_gate_bias тензор 32-битных значений с плавающей запятой
fw_projection_weights тензор значений любого типа или ни одного типа
fw_projection_bias тензор значений любого типа или ни одного типа
bw_input_to_input_weights тензор значений любого типа или ни одного типа
bw_input_to_forget_weights тензор 32-битных значений с плавающей запятой или 8-битных беззнаковых целых чисел
bw_input_to_cell_weights тензор 32-битных значений с плавающей запятой или 8-битных беззнаковых целых чисел
bw_input_to_output_weights тензор 32-битных значений с плавающей запятой или 8-битных беззнаковых целых чисел
bw_recurrent_to_input_weights тензор значений любого типа или ни одного типа
bw_recurrent_to_forget_weights тензор 32-битных значений с плавающей запятой или 8-битных беззнаковых целых чисел
bw_recurrent_to_cell_weights тензор 32-битных значений с плавающей запятой или 8-битных беззнаковых целых чисел
bw_recurrent_to_output_weights тензор 32-битных значений с плавающей запятой или 8-битных беззнаковых целых чисел
bw_cell_to_input_weights тензор значений любого типа или ни одного типа
bw_cell_to_forget_weights тензор значений любого типа или ни одного типа
bw_cell_to_output_weights тензор значений любого типа или ни одного типа
bw_input_gate_bias тензор значений любого типа или ни одного типа
bw_forget_gate_bias тензор 32-битных значений с плавающей запятой
bw_cell_bias тензор 32-битных значений с плавающей запятой
bw_output_gate_bias тензор 32-битных значений с плавающей запятой
bw_projection_weights тензор значений любого типа или ни одного типа
bw_projection_bias тензор значений любого типа или ни одного типа
fw_input_activation_state тензор с состоянием
fw_input_cell_state тензор с состоянием
bw_input_activation_state тензор с состоянием
bw_input_cell_state тензор с состоянием
aux_input тензор значений любого типа или ни одного типа
fw_aux_input_to_input_weights тензор значений любого типа или ни одного типа
fw_aux_input_to_forget_weights тензор значений любого типа или ни одного типа
fw_aux_input_to_cell_weights тензор значений любого типа или ни одного типа
fw_aux_input_to_output_weights тензор значений любого типа или ни одного типа
bw_aux_input_to_input_weights тензор значений любого типа или ни одного типа
bw_aux_input_to_forget_weights тензор значений любого типа или ни одного типа
bw_aux_input_to_cell_weights тензор значений любого типа или ни одного типа
bw_aux_input_to_output_weights тензор значений любого типа или ни одного типа

Результаты:

Результат Описание
fw_output тензор значений любого типа
bw_output тензор значений любого типа

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

Верните форму s0 op s1 с трансляцией.

Учитывая s0 и s1 , тензоры, которые представляют формы, вычисляют r0 , переданную форму. s0 , s1 и r0 — целочисленные векторы.

Интерфейсы: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Операнд Описание
s0 тензор 32/64-битных беззнаковых целых чисел
s1 тензор 32/64-битных беззнаковых целых чисел

Результаты:

Результат Описание
r0 тензор 32/64-битных беззнаковых целых чисел

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

Передайте массив для совместимой формы.

Вещание — это процесс создания массивов, имеющих совместимые формы для арифметических операций. Две фигуры совместимы, если для каждой пары измерений они либо равны, либо одна из них равна единице. При попытке передать тензор фигуре он начинает с конечных измерений и продвигается вперед.

Например,

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]], форма=(3, 3), dtype=int32)

В приведенном выше примере входной Tensor с формой [1, 3] транслируется на выходной Tensor с формой [3, 3] .

При выполнении широковещательных операций, таких как умножение тензора на скаляр, широковещательная передача (обычно) дает некоторое преимущество во времени или пространстве, поскольку широковещательный тензор никогда не материализуется.

Тем не менее, broadcast_to не несет в себе таких преимуществ. Вновь созданный тензор берет всю память переданной формы. (Однако в контексте графа broadcast_to может быть объединена с последующей операцией, а затем оптимизирована.)

Черты: QuantizableResult

Интерфейсы: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Операнд Описание
input тензор 32-разрядного числа с плавающей запятой, или 32-разрядного целого числа без знака, или 1-разрядного целого числа без знака, или 8-разрядного целого числа без знака, или типа QI8, или 8-разрядного целого числа без знака, или типа QUI8, или 16-разрядного целого числа без знака, или типа QI16, или 64-разрядного числа без знака целочисленный или сложный тип с 32-битными значениями элементов с плавающей запятой
shape тензор 32/64-битных беззнаковых целых чисел

Результаты:

Результат Описание
output тензор 32-разрядного числа с плавающей запятой, или 32-разрядного целого числа без знака, или 1-разрядного целого числа без знака, или 8-разрядного целого числа без знака, или типа QI8, или 8-разрядного целого числа без знака, или типа QUI8, или 16-разрядного целого числа без знака, или типа QI16, или 64-разрядного числа без знака целочисленный или сложный тип с 32-битными значениями элементов с плавающей запятой

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

Разделяет «входные данные» на основе «границ».

Пример:

Если входными данными являются boundaries = [0, 10, 100] и input = [[-5, 10000][150, 10][5, 100]] , то вывод будет output = [[0, 3][3, 2][1, 3]] .

Признаки: SameOperandsAndResultShape

Интерфейсы: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Атрибуты:

Атрибут Тип МЛИР Описание
boundaries ::mlir::ArrayAttr 32-битный атрибут массива с плавающей запятой

Операнды:

Операнд Описание
input тензор 32-битного числа с плавающей запятой или 64-битного числа с плавающей запятой, или 32-битного беззнакового целого числа, или 64-битного беззнакового целого числа

Результаты:

Результат Описание
output тензор 32-битных беззнаковых целых чисел

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

Вызывает функцию инициализации

Эта операция вызывает данную функцию инициализации для инициализатора сеанса на диалекте сохраненной модели.

Интерфейсы: TflRuntimeVerifyOpInterface

Атрибуты:

Атрибут Тип МЛИР Описание
session_init_function ::mlir::StringAttr строковый атрибут

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

Приведение оператора

Преобразует ввод из типа ввода в тип вывода.

Признаки: SameOperandsAndResultShape

Интерфейсы: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Операнд Описание
input тензор 32-битного числа с плавающей запятой, или 1-битного целого числа без знака, или 16-битного целого числа без знака, или 32-битного целого числа без знака, или 32-битного целого числа без знака, или 64-битного целого числа без знака, или типа TFLite quint8, или 8-битного целого числа без знака, или 8-битного беззнаковый целочисленный или сложный тип с 32-битными значениями элементов с плавающей запятой

Результаты:

Результат Описание
output тензор 32-битного числа с плавающей запятой, или 1-битного целого числа без знака, или 16-битного целого числа без знака, или 32-битного целого числа без знака, или 32-битного целого числа без знака, или 64-битного целого числа без знака, или типа TFLite quint8, или 8-битного целого числа без знака, или 8-битного беззнаковый целочисленный или сложный тип с 32-битными значениями элементов с плавающей запятой

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

Потолочный оператор

Возвращает поэлементное значение ceil ввода.

Черты: SameOperandsAndResultShape, SameOperandsAndResultType

Интерфейсы: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Операнд Описание
x тензор 32-битных значений с плавающей запятой

Результаты:

Результат Описание
y тензор 32-битных значений с плавающей запятой

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

Вычисляет комплексное абсолютное значение тензора.

Учитывая тензор комплексных чисел x , эта операция возвращает тензор типа float или double , который является абсолютным значением каждого элемента в x . Все элементы в x должны быть комплексными числами формы \(a + bj\). Абсолютное значение вычисляется как \( \sqrt{a^2 + b^2}\).

Признаки: SameOperandsAndResultShape

Интерфейсы: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Операнд Описание
input тензор сложного типа с 32-битными элементами с плавающей запятой или сложного типа с 64-битными значениями элементов с плавающей запятой

Результаты:

Результат Описание
output тензор 32-битных значений с плавающей запятой или 64-битных значений с плавающей запятой

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

Оператор конкатенации

Объединяет тензоры по одному измерению

Черты: QuantizableResult

Интерфейсы: NoSideEffect (MemoryEffectOpInterface), SameOperandsAndResultsScale, TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Атрибуты:

Атрибут Тип МЛИР Описание
axis ::mlir::IntegerAttr 32-битный целочисленный атрибут без знака
fused_activation_function ::mlir::StringAttr объединенное перечисление активации

Операнды:

Операнд Описание
values тензор значений любого типа

Результаты:

Результат Описание
output тензор 32-разрядного числа с плавающей запятой, или 64-разрядного целого числа без знака, или 32-разрядного целого числа без знака, или 16-разрядного целого числа без знака, или 8-разрядного целого числа без знака, или типа QI8, или типа QUI8, или 8-разрядного целого числа без знака, или 1-разрядного целого числа без знака

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

Постоянный псевдо ор.

Представляет постоянное значение на диалекте TensorFlow Lite. Это не фактическая операция, и вместо этого она будет понижена до буфера.

Оператору разрешено иметь все атрибуты того же типа, что и tf.Const (например, разрешены непрозрачные атрибуты TF).

Черты: ConstantLike, FirstAttrDerivedResultType, QuantizableResult

Интерфейсы: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Атрибуты:

Атрибут Тип МЛИР Описание
value ::mlir::ElementsAttr постоянный атрибут вектора/тензора

Результаты:

Результат Описание
output тензор значений любого типа

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

Оператор свертки

Выполняет операцию свертки над входными данными.

Входные данные: inputs[0] : обязательно: тензор активации ввода inputs[1] : обязательно: тензор веса фильтра inputs[2] : необязательно: тензор смещения

Черты: QuantizableResult, quant::AccumulatorUniformScale<2, 0, 1>, quant::AffineOpCoefficient<0, 1>

Интерфейсы: AffineQuantizedOpInterface, DynamicRangeQuantizedOpInterface, InferTypeOpInterface, NoSideEffect (MemoryEffectOpInterface), TFL_SparseOp, TflArithmeticCountOpInterface, TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Атрибуты:

Атрибут Тип МЛИР Описание
dilation_h_factor ::mlir::IntegerAttr 32-битный целочисленный атрибут без знака
dilation_w_factor ::mlir::IntegerAttr 32-битный целочисленный атрибут без знака
fused_activation_function ::mlir::StringAttr объединенное перечисление активации
padding ::mlir::StringAttr перечисление заполнения
stride_h ::mlir::IntegerAttr 32-битный целочисленный атрибут без знака
stride_w ::mlir::IntegerAttr 32-битный целочисленный атрибут без знака

Операнды:

Операнд Описание
input тензор 32-битного числа с плавающей запятой или типа QI8 или типа QUI8 или значений типа QI16
filter тензор 32-битных значений типа float или QI8 или QUI8
bias тензор значений любого типа или ни одного типа

Результаты:

Результат Описание
output тензор 32-битного числа с плавающей запятой или типа QI8 или типа QUI8 или значений типа QI16

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

3D-оператор свертки

Выполняет операцию свертки на 3D-входах. Входные данные: inputs[0] : обязательно: тензор активации ввода inputs[1] : обязательно: тензор веса фильтра inputs[2] : необязательно: тензор смещения

Признаки: quant::AccumulatorUniformScale<2, 0, 1>

Интерфейсы: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Атрибуты:

Атрибут Тип МЛИР Описание
dilation_d_factor ::mlir::IntegerAttr 32-битный целочисленный атрибут без знака
dilation_h_factor ::mlir::IntegerAttr 32-битный целочисленный атрибут без знака
dilation_w_factor ::mlir::IntegerAttr 32-битный целочисленный атрибут без знака
fused_activation_function ::mlir::StringAttr объединенное перечисление активации
padding ::mlir::StringAttr перечисление заполнения
stride_d ::mlir::IntegerAttr 32-битный целочисленный атрибут без знака
stride_h ::mlir::IntegerAttr 32-битный целочисленный атрибут без знака
stride_w ::mlir::IntegerAttr 32-битный целочисленный атрибут без знака

Операнды:

Операнд Описание
input тензор 32-битных значений с плавающей запятой
filter тензор 32-битных значений с плавающей запятой
bias тензор значений любого типа или ни одного типа

Результаты:

Результат Описание
output тензор 32-битных значений с плавающей запятой

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

3D-оператор транспонированной свертки

Выполняет транспонированную операцию свертки на трехмерных входных данных. Входные данные: inputs[0] : обязательно: форма выходного тензора inputs[1] : обязательно: тензор веса фильтра inputs[2] : обязательно: тензор активации ввода inputs[3] : необязательный: тензор смещения

Признаки: quant::AccumulatorUniformScale<2, 0, 1>

Интерфейсы: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Атрибуты:

Атрибут Тип МЛИР Описание
dilation_d_factor ::mlir::IntegerAttr 32-битный целочисленный атрибут без знака
dilation_h_factor ::mlir::IntegerAttr 32-битный целочисленный атрибут без знака
dilation_w_factor ::mlir::IntegerAttr 32-битный целочисленный атрибут без знака
fused_activation_function ::mlir::StringAttr объединенное перечисление активации
padding ::mlir::StringAttr перечисление заполнения
stride_d ::mlir::IntegerAttr 32-битный целочисленный атрибут без знака
stride_h ::mlir::IntegerAttr 32-битный целочисленный атрибут без знака
stride_w ::mlir::IntegerAttr 32-битный целочисленный атрибут без знака

Операнды:

Операнд Описание
output_shape тензор 32-битных беззнаковых целых чисел
filter тензор 32-битных значений с плавающей запятой
input тензор 32-битных значений с плавающей запятой
bias тензор значений любого типа или ни одного типа

Результаты:

Результат Описание
output тензор 32-битных значений с плавающей запятой

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

Косинус оператор

Поэлементно вычисляет косинус ввода

Черты: SameOperandsAndResultShape, SameOperandsAndResultType

Интерфейсы: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Операнд Описание
x тензор 32-битных значений с плавающей запятой

Результаты:

Результат Описание
y тензор 32-битных значений с плавающей запятой

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

Суммарный оператор

Вычислите кумулятивную сумму тензора x вдоль оси.

Интерфейсы: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Атрибуты:

Атрибут Тип МЛИР Описание
exclusive ::mlir::BoolAttr логический атрибут
reverse ::mlir::BoolAttr логический атрибут

Операнды:

Операнд Описание
input тензор 32-битного числа с плавающей запятой или 32-битного беззнакового целого числа или 64-битного беззнакового целого числа
axis тензор 32-битных беззнаковых целых чисел

Результаты:

Результат Описание
output тензор 32-битного числа с плавающей запятой или 32-битного беззнакового целого числа или 64-битного беззнакового целого числа

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

Пользовательская операция

Общая операция для любой пользовательской операции TFLite.

ввод: список вводов в исходной операции. custom_code: строка, используемая для определения того, какой именно является эта операция, которая соответствует operator_codes.custom_code в плоском буфере. custom_option: держатель для сохранения атрибутов операции в байтах. вывод: список выходов в исходной операции.

Интерфейсы: TflRuntimeVerifyOpInterface

Атрибуты:

Атрибут Тип МЛИР Описание
custom_code ::mlir::StringAttr строковый атрибут
custom_option Непрозрачные элементы атрибута атрибут непрозрачных байтов

Операнды:

Операнд Описание
input тензор значений любого типа или ни одного типа

Результаты:

Результат Описание
output тензор значений любого типа

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

Обертка для пользовательских операций TF.

Операция-оболочка вокруг любой операции Custom TF. К ним относятся операции, определенные с помощью custom_opdefs или связанные, которые не определены в диалекте TF. Эта операция просто оборачивает пользовательскую операцию внутри региона. Примечание № 1. Эта операция не будет включать пользовательские операции TF Lite, определенные с помощью CustomOp. Примечание № 2. Эта операция является просто внутренним представлением внутри конвертера и не отображается/не экспортируется при экспорте модели в Flatbuffer.

Особенности: IsolatedFromAbove, RecursiveSideEffects, SingleBlockImplicitTerminator

Интерфейсы: InferTypeOpInterface, TflRuntimeVerifyOpInterface

Операнды:

Операнд Описание
input тензор значений любого типа или ни одного типа

Результаты:

Результат Описание
output тензор значений любого типа

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

Оператор уплотнения

Преобразует разреженный тензор в плотный формат.

Интерфейсы: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Операнд Описание
input тензор 32-битных значений с плавающей запятой или 8-битных беззнаковых целых чисел

Результаты:

Результат Описание
output тензор 32-битных значений с плавающей запятой или 8-битных беззнаковых целых чисел

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

Оператор DepthToSpace

Переупорядочивает данные из глубины в блоки пространственных данных. Это обратное преобразование SpaceToDepth. В частности, эта операция выводит копию входного тензора, где значения из измерения depth перемещаются в пространственных блоках в измерения height и width . block_size указывает размер входного блока и способ перемещения данных.

Черты: QuantizableResult

Интерфейсы: NoSideEffect (MemoryEffectOpInterface), SameOperandsAndResultsScale, TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Атрибуты:

Атрибут Тип МЛИР Описание
block_size ::mlir::IntegerAttr 32-битный целочисленный атрибут без знака, значение которого положительно.

Операнды:

Операнд Описание
input тензор 32-битного числа с плавающей запятой или 8-битного целого числа без знака, или 32-битного целого числа без знака, или 64-битного целого числа без знака, или значений типа TFLite quint8, или 8-битного целого числа без знака, или значений типа QI8 или типа QUI8

Результаты:

Результат Описание
output тензор 32-битного числа с плавающей запятой или 8-битного целого числа без знака, или 32-битного целого числа без знака, или 64-битного целого числа без знака, или значений типа TFLite quint8, или 8-битного целого числа без знака, или значений типа QI8 или типа QUI8

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

Глубоко отделимый оператор свертки

Выполняет операцию свертки над входными данными.

Входные данные: inputs[0] : обязательно: тензор активации ввода inputs[1] : обязательно: тензор веса фильтра inputs[2] : необязательно: тензор смещения

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

Интерфейсы: AffineQuantizedOpInterface, DynamicRangeQuantizedOpInterface, NoSideEffect (MemoryEffectOpInterface), TFL_SparseOp, TflArithmeticCountOpInterface, TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Атрибуты:

Атрибут Тип МЛИР Описание
dilation_h_factor ::mlir::IntegerAttr 32-битный целочисленный атрибут без знака
dilation_w_factor ::mlir::IntegerAttr 32-битный целочисленный атрибут без знака
fused_activation_function ::mlir::StringAttr объединенное перечисление активации
padding ::mlir::StringAttr перечисление заполнения
stride_h ::mlir::IntegerAttr 32-битный целочисленный атрибут без знака
stride_w ::mlir::IntegerAttr 32-битный целочисленный атрибут без знака
depth_multiplier ::mlir::IntegerAttr 32-битный целочисленный атрибут без знака

Операнды:

Операнд Описание
input тензор 32-битного числа с плавающей запятой или типа QI8 или типа QUI8 или значений типа QI16
filter тензор 32-битных значений типа float или QI8 или QUI8
bias тензор значений любого типа или ни одного типа

Результаты:

Результат Описание
output тензор 32-битного числа с плавающей запятой или типа QI8 или типа QUI8 или значений типа QI16

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

Оператор деквантования

Преобразует квантованный массив целых чисел в числа с плавающей запятой в соответствии с параметрами квантования.

Интерфейсы: TflRuntimeVerifyOpInterface

Операнды:

Операнд Описание
input тензор типа QI8 или типа QUI8 или типа QI16 или 16-битные значения с плавающей запятой

Результаты:

Результат Описание
output тензор 32-битных значений с плавающей запятой

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

Оператор отдела

Поэлементная операция деления.

Особенности: ::mlir::OpTrait::TFLRuntimeOpTrait, ResultsBroadcastableShape

Интерфейсы: NoSideEffect (MemoryEffectOpInterface), TflArithmeticCountOpInterface, TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Атрибуты:

Атрибут Тип МЛИР Описание
fused_activation_function ::mlir::StringAttr объединенное перечисление активации

Операнды:

Операнд Описание
lhs тензор 32-битного числа с плавающей запятой или 32-битного беззнакового целого числа или значений типа QUI8
rhs тензор 32-битного числа с плавающей запятой или 32-битного беззнакового целого числа или значений типа QUI8

Результаты:

Результат Описание
output тензор 32-битного числа с плавающей запятой или 32-битного беззнакового целого числа или значений типа QUI8

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

Оператор экспоненциальной линейной единицы

Вычисляет экспоненциальную линейную функцию f(x) -> exp(x) - 1 для x < 0, x для x >= 0. поэлементно.

Признаки: SameOperandsAndResultShape

Интерфейсы: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Операнд Описание
x тензор 32-битных значений с плавающей запятой или 8-битных беззнаковых целых чисел

Результаты:

Результат Описание
y тензор 32-битных значений с плавающей запятой или 8-битных беззнаковых целых чисел

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

Внедрение оператора поиска

Ищет идентификаторы в списке вложенных тензоров.

Черты: QuantizableResult

Интерфейсы: DynamicRangeQuantizedOpInterface, NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Операнд Описание
lookup тензор 32-битных беззнаковых целых чисел
value тензор 32-битного числа с плавающей запятой или 8-битного целого числа без знака или 8-битного целого числа без знака

Результаты:

Результат Описание
output тензор 32-битного числа с плавающей запятой или 8-битного целого числа без знака или 8-битного целого числа без знака

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

Равный оператор

Возвращает элемент истинности x == y поэлементно

Черты: ::mlir::OpTrait::TFLRuntimeOpTrait, Коммутативный, QuantizableResult, ResultsBroadcastableShape

Интерфейсы: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Операнд Описание
x тензор 1-битного целого числа без знака, или 32-битного числа с плавающей запятой, или 32-битного целого числа без знака, или 64-битного целого числа без знака, или типа QI8, или типа QUI8, или 8-битного целого числа без знака, или значений строкового типа TFLite
y тензор 1-битного целого числа без знака, или 32-битного числа с плавающей запятой, или 32-битного целого числа без знака, или 64-битного целого числа без знака, или типа QI8, или типа QUI8, или 8-битного целого числа без знака, или значений строкового типа TFLite

Результаты:

Результат Описание
output тензор 1-битных беззнаковых целых чисел

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

Оператор натурального возведения в степень

Выполняет поэлементную естественную операцию возведения в степень на входе.

Признаки: SameOperandsAndResultType

Интерфейсы: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Операнд Описание
x тензор 32-битных значений с плавающей запятой

Результаты:

Результат Описание
y тензор 32-битных значений с плавающей запятой

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

Вставляет размерность 1 в форму тензора.

Учитывая input тензор, эта операция вставляет размерность 1 на axis индекса размерности input формы. axis индекса измерения начинается с нуля; если вы укажете отрицательное число для axis , оно будет считаться в обратном порядке с конца.

Эта операция полезна, если вы хотите добавить пакетное измерение к одному элементу. Например, если у вас есть одно изображение формы [height, width, channels] , вы можете сделать его пакетом из 1 изображения с помощью expand_dims(image, 0) , что сделает форму [1, height, width, channels] .

Другие примеры:

# '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]

Эта операция требует, чтобы:

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

Эта операция связана со squeeze() , которая удаляет измерения размера 1.

Черты: QuantizableResult

Интерфейсы: NoSideEffect (MemoryEffectOpInterface), SameOperandsAndResultsScale, TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Операнд Описание
input тензор значений любого типа
dim тензор 32/64-битных беззнаковых целых чисел

Результаты:

Результат Описание
output тензор значений любого типа

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

Внешняя константа op.

Внешняя константная операция содержит buffer_index , который указывает на константу в плоском буфере.

Черты: QuantizableResult

Интерфейсы: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Атрибуты:

Атрибут Тип МЛИР Описание
buffer_index ::mlir::IntegerAttr 32-битный целочисленный атрибут без знака

Результаты:

Результат Описание
output тензор значений любого типа

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

Оператор FakeQuant

Поддельно-квантуйте тензор «входов» типа float с помощью скаляров с плавающей запятой min и max для тензора «выходов» той же формы, что и входы.

Черты: QuantizableResult

Интерфейсы: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Атрибуты:

Атрибут Тип МЛИР Описание
min ::mlir::FloatAttr 32-битный атрибут с плавающей запятой
max ::mlir::FloatAttr 32-битный атрибут с плавающей запятой
num_bits ::mlir::IntegerAttr 32-битный целочисленный атрибут без знака, минимальное значение которого равно 2, максимальное значение равно 16.
narrow_range ::mlir::BoolAttr логический атрибут, значение которого равно false

Операнды:

Операнд Описание
input тензор 32-битных значений с плавающей запятой

Результаты:

Результат Описание
output тензор 32-битных значений с плавающей запятой

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

Заполните тензор заданным значением.

Заполните тензор заданным значением.

Черты: QuantizableResult

Интерфейсы: NoSideEffect (MemoryEffectOpInterface), SameOperandsAndResultsScale, TflRuntimeVerifyOpInterface

Эффекты: MemoryEffects::Effect{}

Операнды:

Операнд Описание
dims тензор 32/64-битных беззнаковых целых чисел
input тензор 32-битного числа с плавающей запятой, или 32-битного целого числа без знака, или 64-битного целого числа без знака, или 1-битного целого числа без знака, или значений типа QI8, или типа QI16, или значений строкового типа TFLite

Результаты:

Результат Описание
result tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or 1-bit signless integer or QI8 type or QI16 type or TFLite string type values

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

Floor div operator

Element-wise floor div operation.

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

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

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

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

Division reminder

Element-wise division reminder operation.

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

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

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

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

Floor operator

Returns element-wise floor value of the input.

Traits: SameOperandsAndResultShape, SameOperandsAndResultType

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand Description
x tensor of 32-bit float values

Results:

Result Description
y tensor of 32-bit float values

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

Fully connected op

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

Interfaces: AffineQuantizedOpInterface, DynamicRangeQuantizedOpInterface, NoSideEffect (MemoryEffectOpInterface), TFL_SparseOp, TflArithmeticCountOpInterface, TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type Description
fused_activation_function ::mlir::StringAttr fused activation enum
weights_format ::mlir::StringAttr fully connected options weights format
keep_num_dims ::mlir::BoolAttr bool attribute
asymmetric_quantize_inputs ::mlir::BoolAttr bool attribute

Operands:

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

Results:

Result Description
output tensor of any type values

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

Gather_nd operator

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

Traits: QuantizableResult

Interfaces: NoSideEffect (MemoryEffectOpInterface), SameOperandsAndResultsScale, TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

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

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

Gather operator

Gather slices from params axis axis according to indices .

Traits: QuantizableResult

Interfaces: DynamicRangeQuantizedOpInterface, NoSideEffect (MemoryEffectOpInterface), SameOperandsAndResultsScale, TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

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

Operands:

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

Results:

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

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

GELU activation function.

Computes GELU activation function element-wise.

Traits: SameOperandsAndResultShape

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

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

Operands:

Operand Description
input tensor of 32-bit float values

Results:

Result Description
output tensor of 32-bit float values

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

Greater_equal operator

Element-wise greater_equal operation.

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

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

Result Description
output tensor of 1-bit signless integer values

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

Greater operator

Element-wise greater operation.

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

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

Result Description
output tensor of 1-bit signless integer values

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

Hardswish activation function.

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

Traits: QuantizableResult, SameOperandsAndResultShape

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

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

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

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

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

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

Interfaces: TflRuntimeVerifyOpInterface

Operands:

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

Results:

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

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

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

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

Interfaces: TflRuntimeVerifyOpInterface

Operands:

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

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

Creates a non-initialized hash table.

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

Interfaces: TflRuntimeVerifyOpInterface

Attributes:

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

Results:

Result Description
out tensor of resource values

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

Computes the number of elements in the given table.

Interfaces: TflRuntimeVerifyOpInterface

Operands:

Operand Description
hash_table tensor of resource values

Results:

Result Description
out tensor of 64-bit signless integer values

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

if-then-else operation

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

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

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

Example:

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

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

Example:

tfl.if %b  {
  ...
}

Traits: NoRegionArguments, QuantizableResult, RecursiveSideEffects, SingleBlockImplicitTerminator

Interfaces: RegionBranchOpInterface, TflRuntimeVerifyOpInterface

Operands:

Operand Description
cond tensor of 1-bit signless integer values

Results:

Result Description
results tensor of any type values

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

Returns the imaginary part of a complex number.

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

Traits: SameOperandsAndResultShape

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

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

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

L2 Normalize Operator

L2Normalization Op

Traits: QuantizableResult

Interfaces: FixedOutputRangeInterface, NoSideEffect (MemoryEffectOpInterface), TflArithmeticCountOpInterface, TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type Description
fused_activation_function ::mlir::StringAttr fused activation enum

Operands:

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

Results:

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

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

The full lstm operator

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

Traits: QuantizableResult

Interfaces: DynamicRangeQuantizedOpInterface, TFL_StatefulOp, TflRuntimeVerifyOpInterface

Attributes:

Attribute MLIR Type Description
fused_activation_function ::mlir::StringAttr fused activation enum
cell_clip ::mlir::FloatAttr 32-bit float attribute whose value is non-negative
proj_clip ::mlir::FloatAttr 32-bit float attribute whose value is non-negative
kernel_type ::mlir::StringAttr lstm kernel type enum case FULL
asymmetric_quantize_inputs ::mlir::BoolAttr bool attribute
input_to_input_intermediate ::mlir::TypeAttr any type attribute
input_to_forget_intermediate ::mlir::TypeAttr any type attribute
input_to_cell_intermediate ::mlir::TypeAttr any type attribute
input_to_output_intermediate ::mlir::TypeAttr any type attribute
effective_hidden_scale_intermediate ::mlir::TypeAttr any type attribute

Operands:

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

Results:

Result Description
output tensor of any type values

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

Leaky Relu operator

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

Traits: QuantizableResult, SameOperandsAndResultShape

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

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

Operands:

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

Results:

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

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

Less_equal operator

Element-wise less_equal operation.

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

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

Result Description
output tensor of 1-bit signless integer values

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

Less operator

Element-wise less operation.

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

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

Result Description
output tensor of 1-bit signless integer values

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

Local Response Normalization.

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

sqr_sum[a, b, c, d] =
    sum(input[a, b, c, d - depth_radius : d + depth_radius + 1] ** 2)
output = input / (bias + alpha * sqr_sum) ** beta

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

Traits: SameOperandsAndResultShape, SameOperandsAndResultType

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

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

Operands:

Operand Description
input tensor of 32-bit float values

Results:

Result Description
output tensor of 32-bit float values

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

Natural logarithm operator

Performs element-wise natural logarithm operation on input.

Traits: SameOperandsAndResultShape, SameOperandsAndResultType

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand Description
x tensor of 32-bit float values

Results:

Result Description
y tensor of 32-bit float values

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

Log softmax operator

Computes element-wise log softmax activations with the following formula

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

Traits: QuantizableResult, SameOperandsAndResultShape

Interfaces: FixedOutputRangeInterface, NoSideEffect (MemoryEffectOpInterface), TflArithmeticCountOpInterface, TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

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

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

Logical AND operator

Element-wise logical AND operation.

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

Result Description
output tensor of 1-bit signless integer values

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

Logical NOT operator

Element-wise logical NOT operation.

Traits: SameOperandsAndResultShape

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand Description
lhs tensor of 1-bit signless integer values

Results:

Result Description
output tensor of 1-bit signless integer values

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

Logical OR operator

Element-wise logical OR operation.

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

Result Description
output tensor of 1-bit signless integer values

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

Logistic operator

Computes element-wise Sigmoid of input

Traits: QuantizableResult, SameOperandsAndResultShape

Interfaces: FixedOutputRangeInterface, NoSideEffect (MemoryEffectOpInterface), TflArithmeticCountOpInterface, TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

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

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

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

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

Traits: QuantizableResult

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

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

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

Returns a batched matrix tensor with new batched diagonal values.

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

Traits: QuantizableResult

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

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

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

Max Pool 2D op

Performs max pool 2D on input.

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

Traits: QuantizableResult

Interfaces: NoSideEffect (MemoryEffectOpInterface), SameOperandsAndResultsScale, TflArithmeticCountOpInterface, TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type Description
padding ::mlir::StringAttr padding enum
stride_w ::mlir::IntegerAttr 32-bit signless integer attribute
stride_h ::mlir::IntegerAttr 32-bit signless integer attribute
filter_width ::mlir::IntegerAttr 32-bit signless integer attribute
filter_height ::mlir::IntegerAttr 32-bit signless integer attribute
fused_activation_function ::mlir::StringAttr fused activation enum

Operands:

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

Results:

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

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

Max operator

Element-wise max operation.

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

Interfaces: NoSideEffect (MemoryEffectOpInterface), SameOperandsAndResultsScale, TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

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

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

Mean operator

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

Traits: QuantizableResult

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

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

Operands:

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

Results:

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

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

Min operator

Element-wise min operation.

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

Interfaces: NoSideEffect (MemoryEffectOpInterface), SameOperandsAndResultsScale, TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

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

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

MirrorPad Operator. Pads a tensor with mirrored values.

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

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

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

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

Traits: QuantizableResult

Interfaces: NoSideEffect (MemoryEffectOpInterface), SameOperandsAndResultsScale, TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type Description
mode ::mlir::StringAttr Mirror pad enum

Operands:

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

Results:

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

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

Multiplication operator

Element-wise multiplication operation.

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

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflArithmeticCountOpInterface, TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type Description
fused_activation_function ::mlir::StringAttr fused activation enum

Operands:

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

Results:

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

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

Draws samples from a categorical distribution.

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

Interfaces: TflRuntimeVerifyOpInterface

Attributes:

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

Operands:

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

Results:

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

tfl.neg (::mlir::TFL::NegOp)

Negation operator

Computes element-wise negation of input

Traits: SameOperandsAndResultShape, SameOperandsAndResultType

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

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

tfl.non_max_suppression_v4 (::mlir::TFL::NonMaxSuppressionV4Op)

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

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

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

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

tfl.non_max_suppression_v5 (::mlir::TFL::NonMaxSuppressionV5Op)

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

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

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

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

tfl.not_equal (::mlir::TFL::NotEqualOp)

Not_equal operator

Element-wise not_equal operation.

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

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

Result Description
output tensor of 1-bit signless integer values

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

Verifies the numericals of the two operands

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

Traits: QuantizableResult, SameOperandsShape

Interfaces: TflRuntimeVerifyOpInterface

Attributes:

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

Operands:

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

Results:

Result Description
output tensor of 32-bit float values

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

OneHot operator

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

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

Traits: QuantizableResult

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

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

Operands:

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

Results:

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

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

Parameterized Relu operator

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

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

Interfaces: AffineQuantizedOpInterface, NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

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

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

Packs a list of tensors along a dimension into one tensor

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

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

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

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

For example:

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

This is the opposite of unpack .

Traits: QuantizableResult

Interfaces: NoSideEffect (MemoryEffectOpInterface), SameOperandsAndResultsScale, TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

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

Operands:

Operand Description
values tensor of any type values

Results:

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

tfl.pad (::mlir::TFL::PadOp)

Padding operator

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

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

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

For example:

# 't' is [[1, 1], [2, 2]]
# 'paddings' is [[1, 1], [2, 2]]
# rank of 't' is 2
pad(t, paddings) ==> [[0, 0, 0, 0, 0, 0]
                      [0, 0, 1, 1, 0, 0]
                      [0, 0, 2, 2, 0, 0]
                      [0, 0, 0, 0, 0, 0]]

Traits: QuantizableResult

Interfaces: NoSideEffect (MemoryEffectOpInterface), SameOperandsAndResultsScale, TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

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

tfl.padv2 (::mlir::TFL::PadV2Op)

Padding operator v2

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

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

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

For example:

# 't' is [[1, 1], [2, 2]]
# 'paddings' is [[1, 1], [2, 2]]
# rank of 't' is 2
pad(t, paddings) ==> [[0, 0, 0, 0, 0, 0]
                      [0, 0, 1, 1, 0, 0]
                      [0, 0, 2, 2, 0, 0]
                      [0, 0, 0, 0, 0, 0]]

Traits: QuantizableResult

Interfaces: NoSideEffect (MemoryEffectOpInterface), SameOperandsAndResultsScale, TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

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

tfl.poly_call (::mlir::TFL::PolyCallOp)

Poly call

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

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

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

Traits: SingleBlockImplicitTerminator

Interfaces: RegionBranchOpInterface

Operands:

Operand Description
input tensor of any type values

Results:

Result Description
output tensor of any type values

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

Power operator

Element-wise power operation.

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

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

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

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

Quantized constant pseudo op

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

Traits: FirstAttrDerivedResultType

Interfaces: NoSideEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

Attributes:

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

Results:

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

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

Quantize operator

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

Traits: FirstAttrDerivedResultType, SameOperandsAndResultShape

Interfaces: TflRuntimeVerifyOpInterface

Attributes:

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

Operands:

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

Results:

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

tfl.rfft2d (::mlir::TFL::RFFT2dOp)

2D real-valued fast Fourier transform.

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

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

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

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

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

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

Outputs random values from a normal distribution.

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

Interfaces: TflRuntimeVerifyOpInterface

Attributes:

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

Operands:

Operand Description
shape tensor of 32-bit signless integer values

Results:

Result Description
out tensor of 32-bit float values

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

Outputs random values from a uniform distribution.

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

Interfaces: TflRuntimeVerifyOpInterface

Attributes:

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

Operands:

Operand Description
shape tensor of 32-bit signless integer values

Results:

Result Description
out tensor of 32-bit float values

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

Range operator

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

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

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

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

Rank operator.

Returns the rank of a tensor.

Traits: QuantizableResult

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand Description
input tensor of any type values

Results:

Result Description
output tensor of any integer type

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

Reads variable value.

Read variable data identified by 'resource_id'.

Traits: QuantizableResult

Interfaces: TflRuntimeVerifyOpInterface

Operands:

Operand Description
resource_id tensor of resource values

Results:

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

tfl.real (::mlir::TFL::RealOp)

Returns the real part of a complex number.

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

Traits: SameOperandsAndResultShape

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

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

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

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

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

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

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

Operands:

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

Results:

Result Description
output tensor of 1-bit signless integer values

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

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

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

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

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

Operands:

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

Results:

Result Description
output tensor of 1-bit signless integer values

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

Max-reduction operator

Computes the max reduction along the specified axes

Traits: QuantizableResult

Interfaces: NoSideEffect (MemoryEffectOpInterface), SameOperandsAndResultsScale, TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

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

Operands:

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

Results:

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

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

Min-reduction operator

Computes the min reduction along the specified axes

Traits: QuantizableResult

Interfaces: NoSideEffect (MemoryEffectOpInterface), SameOperandsAndResultsScale, TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

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

Operands:

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

Results:

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

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

Prod-reduction operator

Computes the product along the specified axes

Traits: QuantizableResult

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

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

Operands:

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

Results:

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

tfl.relu_n1_to_1 (::mlir::TFL::Relu1Op)

Relu1 operator

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

Traits: QuantizableResult, SameOperandsAndResultShape

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

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

tfl.relu6 (::mlir::TFL::Relu6Op)

Relu6 operator

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

Traits: QuantizableResult, SameOperandsAndResultShape

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

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

tfl.relu (::mlir::TFL::ReluOp)

Relu operator

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

Traits: QuantizableResult, SameOperandsAndResultShape

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

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

tfl.reshape (::mlir::TFL::ReshapeOp)

Reshape operator

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

Traits: QuantizableResult

Interfaces: NoSideEffect (MemoryEffectOpInterface), SameOperandsAndResultsScale, TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

Result Description
output tensor of any type values

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

ResizeBilinear Op

Resize images to size using bilinear interpolation.

Traits: QuantizableResult

Interfaces: NoSideEffect (MemoryEffectOpInterface), SameOperandsAndResultsScale, TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

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

Operands:

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

Results:

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

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

ResizeNearestNeighbor Op

Resize images to size using nearest neighbor interpolation.

Traits: QuantizableResult

Interfaces: NoSideEffect (MemoryEffectOpInterface), SameOperandsAndResultsScale, TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

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

Operands:

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

Results:

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

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

Reverses variable length slices.

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

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

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

Traits: QuantizableResult

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

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

Operands:

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

Results:

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

tfl.reverse_v2 (::mlir::TFL::ReverseV2Op)

ReverseV2 Operator

Reverses specific dimensions of a tensor.

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

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

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

Traits: QuantizableResult

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

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

tfl.round (::mlir::TFL::RoundOp)

Round operator

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

Traits: SameOperandsAndResultShape, SameOperandsAndResultType

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand Description
x tensor of 32-bit float values

Results:

Result Description
y tensor of 32-bit float values

tfl.rsqrt (::mlir::TFL::RsqrtOp)

Reciprocal of square root operator

Computes element-wise reverse square root of input

Traits: QuantizableResult, SameOperandsAndResultShape

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

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

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

Single value decomposition filter operator

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

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

Interfaces: DynamicRangeQuantizedOpInterface, TFL_StatefulOp, TflRuntimeVerifyOpInterface

Attributes:

Attribute MLIR Type Description
rank ::mlir::IntegerAttr 32-bit signless integer attribute whose value is positive
fused_activation_function ::mlir::StringAttr fused activation enum
asymmetric_quantize_inputs ::mlir::BoolAttr bool attribute

Operands:

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

Results:

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

tfl.scatter_nd (::mlir::TFL::ScatterNdOp)

Scatter_nd operator

Scatter updates into a new tensor according to indices

Traits: QuantizableResult

Interfaces: NoSideEffect (MemoryEffectOpInterface), SameOperandsAndResultsScale, TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

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

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

SegmentSum operator

Computes the sum along segments of a tensor.

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

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

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

Select operator

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

  1. Either the same shape (in which case the select is elementwise), or
  2. condition must be Rank 1 and match over the first dimension.

Traits: QuantizableResult

Interfaces: NoSideEffect (MemoryEffectOpInterface), SameOperandsAndResultsScale, TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

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

tfl.select_v2 (::mlir::TFL::SelectV2Op)

SelectV2 operator

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

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

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

Interfaces: NoSideEffect (MemoryEffectOpInterface), SameOperandsAndResultsScale, TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

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

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

Shape operator

Returns the shape of a tensor.

Traits: QuantizableResult

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

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

Operands:

Operand Description
input tensor of any type values

Results:

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

tfl.sin (::mlir::TFL::SinOp)

Sine operator

Computes element-wise Sine of input

Traits: SameOperandsAndResultShape, SameOperandsAndResultType

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand Description
x tensor of 32-bit float values

Results:

Result Description
y tensor of 32-bit float values

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

Return a slice from 'input'.

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

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

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

Traits: QuantizableResult

Interfaces: NoSideEffect (MemoryEffectOpInterface), SameOperandsAndResultsScale, TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

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

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

Softmax operator

Computes element-wise softmax activations with the following formula

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

Traits: QuantizableResult, SameOperandsAndResultShape

Interfaces: FixedOutputRangeInterface, NoSideEffect (MemoryEffectOpInterface), TflArithmeticCountOpInterface, TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

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

Operands:

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

Results:

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

tfl.space_to_batch_nd (::mlir::TFL::SpaceToBatchNdOp)

SpaceToBatchNd operator

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

Traits: QuantizableResult

Interfaces: NoSideEffect (MemoryEffectOpInterface), SameOperandsAndResultsScale, TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

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

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

SpaceToDepth operator

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

Traits: QuantizableResult

Interfaces: NoSideEffect (MemoryEffectOpInterface), SameOperandsAndResultsScale, TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

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

Operands:

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

Results:

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

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

Sparse constant pseudo op.

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

Traits: FirstAttrDerivedResultType, QuantizableResult

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

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

Results:

Result Description
output tensor of any type values

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

Sparse quantized constant pseudo op

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

Traits: FirstAttrDerivedResultType

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

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

Results:

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

tfl.sparse_to_dense (::mlir::TFL::SparseToDenseOp)

Converts a sparse representation into a dense tensor.

Builds an array dense with shape output_shape such that

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

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

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

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

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

Traits: QuantizableResult

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

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

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

Splits a tensor into num_split tensors along one dimension.

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

Traits: QuantizableResult

Interfaces: NoSideEffect (MemoryEffectOpInterface), SameOperandsAndResultsScale, TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

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

Operands:

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

Results:

Result Description
outputs tensor of any type values

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

Splits a tensor into num_split tensors along one dimension.

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

Traits: QuantizableResult

Interfaces: NoSideEffect (MemoryEffectOpInterface), SameOperandsAndResultsScale, TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

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

Operands:

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

Results:

Result Description
outputs tensor of any type values

tfl.sqrt (::mlir::TFL::SqrtOp)

Square root operator

Computes element-wise Square root of input

Traits: SameOperandsAndResultShape, SameOperandsAndResultType

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand Description
x tensor of 32-bit float values

Results:

Result Description
y tensor of 32-bit float values

tfl.square (::mlir::TFL::SquareOp)

Square operator

Computes element-wise Square of input

Traits: SameOperandsAndResultShape, SameOperandsAndResultType

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand Description
x tensor of 32-bit float values

Results:

Result Description
y tensor of 32-bit float values

tfl.squared_difference (::mlir::TFL::SquaredDifferenceOp)

Squared difference operator

Element-wise squared difference operation.

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

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

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

tfl.squeeze (::mlir::TFL::SqueezeOp)

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

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

For example:

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

Or, to remove specific size 1 dimensions:

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

Traits: QuantizableResult

Interfaces: NoSideEffect (MemoryEffectOpInterface), SameOperandsAndResultsScale, TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

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

Operands:

Operand Description
input tensor of any type values

Results:

Result Description
output tensor of any type values

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

StridedSlice Op

Return a strided slice from input .

Traits: QuantizableResult

Interfaces: NoSideEffect (MemoryEffectOpInterface), SameOperandsAndResultsScale, TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

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

Operands:

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

Results:

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

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

Subtraction operator

Element-wise subtraction operation.

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

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflArithmeticCountOpInterface, TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type Description
fused_activation_function ::mlir::StringAttr fused activation enum

Operands:

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

Results:

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

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

Sum operator

Computes the sum reduction along the specified axes

Traits: QuantizableResult

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

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

Operands:

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

Results:

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

tfl.tanh (::mlir::TFL::TanhOp)

Hyperbolic tangent operator

Computes element-wise Hyperbolic tangent of input

Traits: QuantizableResult, SameOperandsAndResultShape

Interfaces: FixedOutputRangeInterface, NoSideEffect (MemoryEffectOpInterface), TflArithmeticCountOpInterface, TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

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

tfl.tile (::mlir::TFL::TileOp)

Tile operator.

Constructs a tensor by tiling a given tensor.

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

Traits: QuantizableResult

Interfaces: NoSideEffect (MemoryEffectOpInterface), SameOperandsAndResultsScale, TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

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

tfl.topk_v2 (::mlir::TFL::TopKV2Op)

TopK operator

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

Traits: QuantizableResult

Interfaces: NoSideEffect (MemoryEffectOpInterface), SameOperandsAndResultsScale, TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

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

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

Transpose convolution operator

Performs transpose convolution operation on input.

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

Interfaces: AffineQuantizedOpInterface, DynamicRangeQuantizedOpInterface, NoSideEffect (MemoryEffectOpInterface), TFL_SparseOp, TflArithmeticCountOpInterface, TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

Attribute MLIR Type Description
padding ::mlir::StringAttr padding enum
stride_h ::mlir::IntegerAttr 32-bit signless integer attribute whose value is positive
stride_w ::mlir::IntegerAttr 32-bit signless integer attribute whose value is positive

Operands:

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

Results:

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

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

Transpose operator

Returns the Transpose of x

Traits: QuantizableResult

Interfaces: NoSideEffect (MemoryEffectOpInterface), SameOperandsAndResultsScale, TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

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

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

Unidirectional sequence lstm operator

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

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

Traits: QuantizableResult

Interfaces: DynamicRangeQuantizedOpInterface, InferTypeOpInterface, TFL_StatefulOp, TflRuntimeVerifyOpInterface

Attributes:

Attribute MLIR Type Description
fused_activation_function ::mlir::StringAttr fused activation enum
cell_clip ::mlir::FloatAttr 32-bit float attribute whose value is non-negative
proj_clip ::mlir::FloatAttr 32-bit float attribute whose value is non-negative
time_major ::mlir::BoolAttr bool attribute
asymmetric_quantize_inputs ::mlir::BoolAttr bool attribute
input_to_input_intermediate ::mlir::TypeAttr any type attribute
input_to_forget_intermediate ::mlir::TypeAttr any type attribute
input_to_cell_intermediate ::mlir::TypeAttr any type attribute
input_to_output_intermediate ::mlir::TypeAttr any type attribute
effective_hidden_scale_intermediate ::mlir::TypeAttr any type attribute

Operands:

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

Results:

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

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

Unidirectional sequence rnn operator

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

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

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

Traits: QuantizableResult

Interfaces: DynamicRangeQuantizedOpInterface, TFL_StatefulOp, TflRuntimeVerifyOpInterface

Attributes:

Attribute MLIR Type Description
time_major ::mlir::BoolAttr bool attribute
fused_activation_function ::mlir::StringAttr fused activation enum
asymmetric_quantize_inputs ::mlir::BoolAttr bool attribute

Operands:

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

Results:

Result Description
output tensor of 32-bit float values

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

Unique Op.

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

Traits: QuantizableResult

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

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

Operands:

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

Results:

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

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

Unpacks a tensor along a dimension into multiple tensors

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

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

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

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

This is the opposite of pack .

Traits: QuantizableResult, SameOperandsAndResultElementType

Interfaces: InferTypeOpInterface, NoSideEffect (MemoryEffectOpInterface), SameOperandsAndResultsScale, TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

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

Operands:

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

Results:

Result Description
outputs tensor of any type values

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

Returns a handle to a variable resource from its name.

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

Interfaces: TflRuntimeVerifyOpInterface

Attributes:

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

Results:

Result Description
resource_handle tensor of resource values

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

Returns locations of nonzero / true values in a tensor.

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

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

Result Description
index tensor of 64-bit signless integer values

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

While loop

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

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

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

Traits: QuantizableResult, SingleBlockImplicitTerminator

Interfaces: LoopLikeOpInterface, TflRuntimeVerifyOpInterface

Attributes:

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

Operands:

Operand Description
input tensor of any type values

Results:

Result Description
output tensor of any type values

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

Yield operation

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

Traits: QuantizableResult, Terminator

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand Description
operands any type

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

ZerosLike operator

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

Traits: SameOperandsAndResultShape, SameOperandsAndResultType

Interfaces: NoSideEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Results:

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