'tfl' Dialecte

Le dialecte TensorFlow Lite.

Ce dialecte correspond aux opérations TensorFlow Lite.

Invariants :

  • Toutes les valeurs sont de type Tensor (en particulier, les scalaires sont représentés à l'aide de tenseurs de dimension zéro) ;

Opérations

tfl.abs (TFL::AbsOp)

Opérateur de valeur absolue

Étant donné un tenseur x , cette opération renvoie un tenseur contenant la valeur absolue de chaque élément de x . Par exemple, si x est un élément d'entrée et y est un élément de sortie, cette opération calcule \(y = |x|\).

Traits : AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes :

Opérande Description
x tenseur d'entier sans signe de 16 bits ou d'entier sans signe de 32 bits ou de valeurs flottantes de 32 bits ou de type QI8 ou de type QI16

Résultats:

Résultat Description
y tenseur d'entier sans signe de 16 bits ou d'entier sans signe de 32 bits ou de valeurs flottantes de 32 bits ou de type QI8 ou de type QI16

tfl.add (TFL::AddOp)

Opérateur d'addition

Opération d’addition par élément.

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

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

Effets : MemoryEffects::Effect{}

Attributs :

Attribut Type MLIR Description
fused_activation_function ::mlir::StringAttr attribut de chaîne dont la valeur est NONE, ou RELU, ou RELU_N1_TO_1, ou RELU6, ou TANH, ou SIGN_BIT

Opérandes :

Opérande Description
lhs tenseur de valeurs flottantes de 32 bits ou d'entier sans signe de 16 bits ou d'entier sans signe de 32 bits ou d'entier sans signe de 64 bits ou de valeurs de type QI8 ou de type QUI8 ou de type QI16
rhs tenseur de valeurs flottantes de 32 bits ou d'entier sans signe de 16 bits ou d'entier sans signe de 32 bits ou d'entier sans signe de 64 bits ou de valeurs de type QI8 ou de type QUI8 ou de type QI16

Résultats:

Résultat Description
output tenseur de valeurs flottantes de 32 bits ou d'entier sans signe de 16 bits ou d'entier sans signe de 32 bits ou d'entier sans signe de 64 bits ou de valeurs de type QI8 ou de type QUI8 ou de type QI16

tfl.add_n (TFL::AddNOp)

_Ajouter n opérateur

Ajoute tous les tenseurs d'entrée par élément.

Traits : AlwaysSpeculatableImplTrait , Commutative

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

Effets : MemoryEffects::Effect{}

Opérandes :

Opérande Description
inputs variadique de valeurs de tenseur de tout type

Résultats:

Résultat Description
sum tenseur de valeurs flottantes de 32 bits ou d'entiers sans signe de 32 bits

tfl.arg_max (TFL::ArgMaxOp)

Opérateur ArgMax

Renvoie l'index avec la plus grande valeur sur toutes les dimensions d'un tenseur.

Traits : AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Attributs :

Attribut Type MLIR Description
output_type ::mlir::Attribut attribut dérivé

Opérandes :

Opérande Description
input tenseur d'un entier sans signe de 1 bit ou d'un flottant de 32 bits ou d'un entier sans signe de 32 bits ou d'un entier sans signe de 8 bits ou d'un entier non signé de 8 bits ou de valeurs de type QI8 ou de type QUI8
dim tenseur de valeurs entières sans signe 32/64 bits

Résultats:

Résultat Description
output tenseur de valeurs entières sans signe 32/64 bits

tfl.arg_min (TFL::ArgMinOp)

Opérateur ArgMin

Renvoie l'index avec la plus petite valeur sur les dimensions d'un tenseur. a = [1, 10, 26,9, 2,8, 166,32, 62,3] b = tf.math.argmin(input = a) c = tf.keras.backend.eval(b)

Traits : AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Attributs :

Attribut Type MLIR Description
output_type ::mlir::Attribut attribut dérivé

Opérandes :

Opérande Description
input tenseur d'un entier sans signe de 1 bit ou d'un flottant de 32 bits ou d'un entier sans signe de 32 bits ou d'un entier sans signe de 8 bits ou d'un entier non signé de 8 bits ou de valeurs de type QI8 ou de type QUI8
dim tenseur de valeurs entières sans signe 32/64 bits

Résultats:

Résultat Description
output tenseur de valeurs entières sans signe 32/64 bits

tfl.assign_variable (TFL::AssignVariableOp)

Attribue une nouvelle valeur à une variable.

Tout ReadVariableOp avec une dépendance de contrôle sur cette opération est assuré de renvoyer cette valeur ou une valeur ultérieure plus récente de la variable.

Interfaces : TflRuntimeVerifyOpInterface

Opérandes :

Opérande Description
resource_id tenseur des valeurs des ressources
value tenseur de 32 bits flottants ou 64 bits flottants ou entier sans signe 1 bit ou entier non signé 8 bits ou entier sans signe 8 bits ou type QI8 ou type QUI8 ou entier sans signe 32 bits ou entier sans signe 64 bits ou type QI16 ou type complexe avec des éléments flottants de 32 bits ou type complexe avec des valeurs d'éléments flottants de 64 bits

tfl.atan2 (TFL::Atan2Op)

Opération Atan2

L'opération "atan2" calcule l'arctangente de y/x élément par élément, en respectant les signes des arguments.

Traits : AlwaysSpeculatableImplTrait , SameOperandsAndResultElementType , SameOperandsAndResultShape

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes :

Opérande Description
y tenseur de valeurs flottantes 32 bits ou 64 bits
x tenseur de valeurs flottantes 32 bits ou 64 bits

Résultats:

Résultat Description
output tenseur de valeurs flottantes 32 bits ou 64 bits

tfl.average_pool_2d (TFL::AveragePool2DOp)

Opérateur _Average_pool 2D

Effectue une opération de pooling moyen en entrée.

Traits : AlwaysSpeculatableImplTrait , QuantizableResult

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

Effets : MemoryEffects::Effect{}

Attributs :

Attribut Type MLIR Description
filter_height ::mlir::IntegerAttr Attribut entier sans signe de 32 bits
filter_width ::mlir::IntegerAttr Attribut entier sans signe de 32 bits
padding ::mlir::StringAttr attribut de chaîne dont la valeur est SAME ou VALID
stride_h ::mlir::IntegerAttr Attribut entier sans signe de 32 bits
stride_w ::mlir::IntegerAttr Attribut entier sans signe de 32 bits
fused_activation_function ::mlir::StringAttr attribut de chaîne dont la valeur est NONE, ou RELU, ou RELU_N1_TO_1, ou RELU6, ou TANH, ou SIGN_BIT

Opérandes :

Opérande Description
input tenseur de valeurs flottantes 32 bits ou de type QI8 ou de type QUI8 ou de type QI16

Résultats:

Résultat Description
output tenseur de valeurs flottantes 32 bits ou de type QI8 ou de type QUI8 ou de type QI16

tfl.basic_lstm (TFL::BasicLSTMOp)

L'opérateur lstm de base

Opérateur de cellule LSTM de base.

Traits : AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Attributs :

Attribut Type MLIR Description
fused_activation_function ::mlir::StringAttr attribut de chaîne dont la valeur est NONE, ou RELU, ou RELU_N1_TO_1, ou RELU6, ou TANH, ou SIGN_BIT
cell_clip ::mlir::FloatAttr Attribut float 32 bits dont la valeur est non négative
proj_clip ::mlir::FloatAttr Attribut float 32 bits dont la valeur est non négative
kernel_type ::mlir::TFL::LSTMKernelTypeAttr lstm_kernel_type dont la valeur est mlir::TFL::LSTMKernelType::BASIC

Opérandes :

Opérande Description
data_input tenseur de valeurs de type float ou QUI8 32 bits
prev_activ_input tenseur de valeurs de type float ou QUI8 32 bits
weights_input tenseur de valeurs de type float ou QUI8 32 bits
biases_input tenseur de valeurs de type float ou QI32 32 bits
prev_state_input tenseur de valeurs de type float ou QI16 32 bits

Résultats:

Résultat Description
activ_output Tenseur 2D de tout type de valeurs
state_output Tenseur 2D de tout type de valeurs
concat_temp Tenseur 2D de tout type de valeurs
activ_temp Tenseur 2D de tout type de valeurs

tfl.batch_matmul (TFL::BatchMatMulOp)

Opérateur de multiplication matricielle par lots

Effectue une multiplication matricielle par lots sur les entrées. Suit les conventions de TensorFlow BatchMatMulV2, avec prise en charge des dimensions inconnues dans les dimensions du lot et la diffusion.

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)

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

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

Effets : MemoryEffects::Effect{}

Attributs :

Attribut Type MLIR Description
adj_x ::mlir::BoolAttr attribut booléen
adj_y ::mlir::BoolAttr attribut booléen
asymmetric_quantize_inputs ::mlir::BoolAttr attribut booléen

Opérandes :

Opérande Description
x tenseur de type float 32 bits ou QI8 ou type QI16 ou valeurs entières sans signe 8 bits
y tenseur de type float 32 bits ou QI8 ou type QI16 ou valeurs entières sans signe 8 bits

Résultats:

Résultat Description
output tenseur de type flottant 32 bits ou de type QI8 ou de type QI16 ou de valeurs entières sans signe de 32 bits

tfl.batch_to_space_nd (TFL :: BatchToSpaceNdOp)

Opérateur BatchToSpaceNd

Cette opération remodèle la dimension "batch" 0 en dimensions spatiales.

Traits : AlwaysSpeculatableImplTrait , QuantizableResult

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

Effets : MemoryEffects::Effect{}

Opérandes :

Opérande Description
input tenseur de valeurs flottantes de 32 bits ou d'entier sans signe de 8 bits ou d'entier sans signe de 32 bits ou d'entier sans signe de 64 bits ou d'entier non signé de 8 bits ou de valeurs de type QI8 ou de type QUI8 ou de type QI16
block_shape tenseur de valeurs entières sans signe de 32 bits
indices tenseur de valeurs entières sans signe de 32 bits

Résultats:

Résultat Description
output tenseur de valeurs flottantes de 32 bits ou d'entier sans signe de 16 bits ou d'entier sans signe de 32 bits ou d'entier sans signe de 64 bits ou d'entier non signé de 8 bits ou de valeurs de type QI8 ou de type QUI8 ou de type QI16

tfl.bidirectional_sequence_lstm (TFL :: BidirectionnelSequenceLSTMOp)

Opérateur lstm de séquence bidirectionnelle

Le LSTM bidirectionnel est essentiellement composé de deux LSTM, l'un allant vers l'avant et l'autre vers l'arrière. Et le résultat est la concaténation des deux lstms.

Traits : QuantizableResult

Interfaces : DynamicRangeQuantizedOpInterface , TFL_StatefulOp , TflRuntimeVerifyOpInterface

Attributs :

Attribut Type MLIR Description
fused_activation_function ::mlir::StringAttr attribut de chaîne dont la valeur est NONE, ou RELU, ou RELU_N1_TO_1, ou RELU6, ou TANH, ou SIGN_BIT
cell_clip ::mlir::FloatAttr Attribut float 32 bits dont la valeur est non négative
proj_clip ::mlir::FloatAttr Attribut float 32 bits dont la valeur est non négative
merge_outputs ::mlir::BoolAttr attribut booléen
time_major ::mlir::BoolAttr attribut booléen
asymmetric_quantize_inputs ::mlir::BoolAttr attribut booléen

Opérandes :

Opérande Description
input tenseur de valeurs flottantes de 32 bits ou d'entiers sans signe de 8 bits
fw_input_to_input_weights tenseur de n'importe quel type de valeurs ou aucun type
fw_input_to_forget_weights tenseur de valeurs flottantes de 32 bits ou d'entiers sans signe de 8 bits
fw_input_to_cell_weights tenseur de valeurs flottantes de 32 bits ou d'entiers sans signe de 8 bits
fw_input_to_output_weights tenseur de valeurs flottantes de 32 bits ou d'entiers sans signe de 8 bits
fw_recurrent_to_input_weights tenseur de n'importe quel type de valeurs ou aucun type
fw_recurrent_to_forget_weights tenseur de valeurs flottantes de 32 bits ou d'entiers sans signe de 8 bits
fw_recurrent_to_cell_weights tenseur de valeurs flottantes de 32 bits ou d'entiers sans signe de 8 bits
fw_recurrent_to_output_weights tenseur de valeurs flottantes de 32 bits ou d'entiers sans signe de 8 bits
fw_cell_to_input_weights tenseur de n'importe quel type de valeurs ou aucun type
fw_cell_to_forget_weights tenseur de n'importe quel type de valeurs ou aucun type
fw_cell_to_output_weights tenseur de n'importe quel type de valeurs ou aucun type
fw_input_gate_bias tenseur de n'importe quel type de valeurs ou aucun type
fw_forget_gate_bias tenseur de valeurs flottantes 32 bits
fw_cell_bias tenseur de valeurs flottantes 32 bits
fw_output_gate_bias tenseur de valeurs flottantes 32 bits
fw_projection_weights tenseur de n'importe quel type de valeurs ou aucun type
fw_projection_bias tenseur de n'importe quel type de valeurs ou aucun type
bw_input_to_input_weights tenseur de n'importe quel type de valeurs ou aucun type
bw_input_to_forget_weights tenseur de valeurs flottantes de 32 bits ou d'entiers sans signe de 8 bits
bw_input_to_cell_weights tenseur de valeurs flottantes de 32 bits ou d'entiers sans signe de 8 bits
bw_input_to_output_weights tenseur de valeurs flottantes de 32 bits ou d'entiers sans signe de 8 bits
bw_recurrent_to_input_weights tenseur de n'importe quel type de valeurs ou aucun type
bw_recurrent_to_forget_weights tenseur de valeurs flottantes de 32 bits ou d'entiers sans signe de 8 bits
bw_recurrent_to_cell_weights tenseur de valeurs flottantes de 32 bits ou d'entiers sans signe de 8 bits
bw_recurrent_to_output_weights tenseur de valeurs flottantes de 32 bits ou d'entiers sans signe de 8 bits
bw_cell_to_input_weights tenseur de n'importe quel type de valeurs ou aucun type
bw_cell_to_forget_weights tenseur de n'importe quel type de valeurs ou aucun type
bw_cell_to_output_weights tenseur de n'importe quel type de valeurs ou aucun type
bw_input_gate_bias tenseur de n'importe quel type de valeurs ou aucun type
bw_forget_gate_bias tenseur de valeurs flottantes 32 bits
bw_cell_bias tenseur de valeurs flottantes 32 bits
bw_output_gate_bias tenseur de valeurs flottantes 32 bits
bw_projection_weights tenseur de n'importe quel type de valeurs ou aucun type
bw_projection_bias tenseur de n'importe quel type de valeurs ou aucun type
fw_input_activation_state tenseur avec état
fw_input_cell_state tenseur avec état
bw_input_activation_state tenseur avec état
bw_input_cell_state tenseur avec état
aux_input tenseur de n'importe quel type de valeurs ou aucun type
fw_aux_input_to_input_weights tenseur de n'importe quel type de valeurs ou aucun type
fw_aux_input_to_forget_weights tenseur de n'importe quel type de valeurs ou aucun type
fw_aux_input_to_cell_weights tenseur de n'importe quel type de valeurs ou aucun type
fw_aux_input_to_output_weights tenseur de n'importe quel type de valeurs ou aucun type
bw_aux_input_to_input_weights tenseur de n'importe quel type de valeurs ou aucun type
bw_aux_input_to_forget_weights tenseur de n'importe quel type de valeurs ou aucun type
bw_aux_input_to_cell_weights tenseur de n'importe quel type de valeurs ou aucun type
bw_aux_input_to_output_weights tenseur de n'importe quel type de valeurs ou aucun type

Résultats:

Résultat Description
fw_output tenseur de tout type de valeurs
bw_output tenseur de tout type de valeurs

tfl.bitcast (TFL :: BitcastOp)

Opérateur de diffusion de bits

Bitcaste un tenseur d'un type à un autre.

Traits : AlwaysSpeculatableImplTrait

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes :

Opérande Description
input tenseur de tout type de valeurs

Résultats:

Résultat Description
output tenseur de tout type de valeurs

tfl.bitwise_xor (TFL :: BitwiseXorOp)

Opérateur Xor au niveau du bit

Elementwise calcule le XOR au niveau du bit de lhs et rhs .

Traits : AlwaysSpeculatableImplTrait , Commutative , ResultsBroadcastableShape , SameOperandsAndResultElementType

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes :

Opérande Description
lhs tenseur d'entier sans signe de 8 bits ou d'entier non signé de 8 bits ou d'entier sans signe de 16 bits ou d'entier sans signe de 16 bits ou d'entier sans signe de 32 bits ou de valeurs entières non signées de 32 bits
rhs tenseur d'entier sans signe de 8 bits ou d'entier non signé de 8 bits ou d'entier sans signe de 16 bits ou d'entier sans signe de 16 bits ou d'entier sans signe de 32 bits ou de valeurs entières non signées de 32 bits

Résultats:

Résultat Description
output tenseur d'entier sans signe de 8 bits ou d'entier non signé de 8 bits ou d'entier sans signe de 16 bits ou d'entier sans signe de 16 bits ou d'entier sans signe de 32 bits ou de valeurs entières non signées de 32 bits

tfl.broadcast_args (TFL::BroadcastArgsOp)

Renvoie la forme de s0 op s1 avec diffusion.

Étant donnés s0 et s1 , tenseurs qui représentent des formes, calculez r0 , la forme diffusée. s0 , s1 et r0 sont tous des vecteurs entiers.

Traits : AlwaysSpeculatableImplTrait

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes :

Opérande Description
s0 tenseur de valeurs entières sans signe 32/64 bits
s1 tenseur de valeurs entières sans signe 32/64 bits

Résultats:

Résultat Description
r0 tenseur de valeurs entières sans signe 32/64 bits

tfl.broadcast_to (TFL::BroadcastToOp)

Diffusez un tableau pour une forme compatible.

La diffusion est le processus de création de tableaux ayant des formes compatibles pour les opérations arithmétiques. Deux formes sont compatibles si pour chaque paire de dimensions elles sont égales ou si l'une d'elles en est une. Lorsque vous essayez de diffuser un Tensor sur une forme, il commence par les dimensions de fin et progresse.

Par exemple,

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]], forme=(3, 3), dtype=int32)

Dans l'exemple ci-dessus, le Tensor d'entrée avec la forme de [1, 3] est diffusé vers le Tensor de sortie avec la forme de [3, 3] .

Lors d'opérations de diffusion telles que la multiplication d'un tenseur par un scalaire, la diffusion confère (généralement) un certain avantage temporel ou spatial, car le tenseur diffusé n'est jamais matérialisé.

Cependant, broadcast_to n’apporte pas de tels avantages. Le tenseur nouvellement créé prend toute la mémoire de la forme diffusée. (Dans un contexte graphique, broadcast_to peut cependant être fusionné avec une opération ultérieure, puis optimisé.)

Traits : AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes :

Opérande Description
input tenseur de 32 bits flottants ou entiers sans signe de 32 bits ou entiers sans signe de 1 bits ou entiers sans signe de 4 bits ou entiers sans signe de 8 bits ou de type QI8 ou entiers non signés de 8 bits ou entiers non signés de 32 bits ou de type QUI8 ou 16 entier sans signe de 32 bits ou type QI16 ou entier sans signe de 64 bits ou type complexe avec des valeurs d'éléments flottants de 32 bits
shape tenseur de valeurs entières sans signe 32/64 bits

Résultats:

Résultat Description
output tenseur de 32 bits flottants ou entiers sans signe de 32 bits ou entiers sans signe de 1 bits ou entiers sans signe de 4 bits ou entiers sans signe de 8 bits ou de type QI8 ou entiers non signés de 8 bits ou entiers non signés de 32 bits ou de type QUI8 ou 16 entier sans signe de 32 bits ou type QI16 ou entier sans signe de 64 bits ou type complexe avec des valeurs d'éléments flottants de 32 bits

tfl.bucketize (TFL::BucketizeOp)

Bucketise les « entrées » en fonction des « limites ».

Exemple:

Si les entrées sont boundaries = [0, 10, 100] et input = [[-5, 10000][150, 10][5, 100]] , alors la sortie sera output = [[0, 3][3, 2][1, 3]] .

Traits : AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Attributs :

Attribut Type MLIR Description
boundaries ::mlir::ArrayAttr Attribut de tableau flottant 32 bits

Opérandes :

Opérande Description
input tenseur de valeurs flottantes 32 bits ou flottantes 64 bits ou d'entiers sans signe 32 bits ou de valeurs entières sans signe 64 bits

Résultats:

Résultat Description
output tenseur de valeurs entières sans signe de 32 bits

tfl.call_once (TFL::CallOnceOp)

Appelle une fonction d'initialisation

Cette opération invoque la fonction d'initialisation donnée pour l'initialiseur de session dans le dialecte du modèle enregistré tf.

Interfaces : TflRuntimeVerifyOpInterface

Attributs :

Attribut Type MLIR Description
session_init_function ::mlir::StringAttr attribut de chaîne

tfl.cast (TFL::CastOp)

Opérateur de casting

Convertit l’entrée du type d’entrée en type de sortie.

Traits : AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes :

Opérande Description
input tenseur de type float 16 bits ou bfloat16 ou float 32 bits ou float 64 bits ou entier sans signe 1 bit ou entier sans signe 4 bits ou entier sans signe 16 bits ou entier non signé 16 bits ou entier sans signe 32 bits ou Entier non signé de 32 bits ou entier sans signe de 64 bits ou type TFLite quint8 ou entier non signé de 8 bits ou entier sans signe de 8 bits ou type complexe avec des valeurs d'éléments flottants de 32 bits

Résultats:

Résultat Description
output tenseur de type float 16 bits ou bfloat16 ou float 32 bits ou float 64 bits ou entier sans signe 1 bit ou entier sans signe 16 bits ou entier non signé 16 bits ou entier sans signe 32 bits ou entier sans signe 32 bits ou Entier sans signe 64 bits ou type TFLite quint8 ou entier non signé 8 bits ou entier sans signe 8 bits ou type complexe avec valeurs d'éléments flottants 32 bits

tfl.ceil (TFL::CeilOp)

Opérateur de plafond

Renvoie la valeur plafond par élément de l’entrée.

Traits : AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

Effets : MemoryEffects::Effect{}

Opérandes :

Opérande Description
x tenseur de valeurs flottantes 32 bits

Résultats:

Résultat Description
y tenseur de valeurs flottantes 32 bits

tfl.complex_abs (TFL :: ComplexAbsOp)

Calcule la valeur absolue complexe d'un tenseur.

Étant donné un tenseur x de nombres complexes, cette opération renvoie un tenseur de type float ou double qui est la valeur absolue de chaque élément de x . Tous les éléments de x doivent être des nombres complexes de la forme \(a + bj\). La valeur absolue est calculée comme \( \sqrt{a^2 + b^2}\).

Traits : AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes :

Opérande Description
input tenseur de type complexe avec des éléments flottants de 32 bits ou de type complexe avec des valeurs d'éléments flottants de 64 bits

Résultats:

Résultat Description
output tenseur de valeurs flottantes 32 bits ou 64 bits

tfl.concatenation (TFL::ConcaténationOp)

Opérateur de concaténation

Concatène les tenseurs le long d'une dimension

Traits : AlwaysSpeculatableImplTrait , QuantizableResult

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

Effets : MemoryEffects::Effect{}

Attributs :

Attribut Type MLIR Description
axis ::mlir::IntegerAttr Attribut entier sans signe de 32 bits
fused_activation_function ::mlir::StringAttr attribut de chaîne dont la valeur est NONE, ou RELU, ou RELU_N1_TO_1, ou RELU6, ou TANH, ou SIGN_BIT

Opérandes :

Opérande Description
values variadique de valeurs de tenseur de tout type

Résultats:

Résultat Description
output tenseur de flottant 32 bits ou entier sans signe 64 bits ou entier sans signe 32 bits ou entier sans signe 16 bits ou entier sans signe 8 bits ou type QI8 ou type QUI8 ou entier non signé 8 bits ou entier non signé 32 bits ou 1 -valeurs entières sans signe de bits

tfl.control_node (TFL::ControlNodeOp)

L'opération TFL.control_node encapsule les opérations sur un seul bloc afin d'attacher des bords de contrôle.

Ceci est utilisé pour envelopper des régions et leur attacher des dépendances de contrôle. Généralement, cela se produit dans l'une des dernières étapes avant l'émission du modèle flatbuffer afin de permettre des optimisations qui reposent sur un ordre fixe d'opérations (telles que la rematérialisation.) L'exportateur flatbuffer déballera la région encapsulée et annotera le modèle généré avec des métadonnées. de telle sorte que toute réorganisation d'exécution respectera l'ordre donné par les dépendances de contrôle.

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

Opérandes :

Opérande Description
controlInputs variadique de contrôle

Résultats:

Résultat Description
outputs variadique de valeurs de tenseur de tout type
control contrôle

tfl.conv_2d (TFL :: Conv2DOp)

Opérateur de convolution

Effectue une opération de convolution sur les entrées.

Entrées : inputs[0] : obligatoire : le tenseur d'activation des entrées inputs[1] : obligatoire : le tenseur de poids du filtre inputs[2] : facultatif : le tenseur de biais

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

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

Effets : MemoryEffects::Effect{}

Attributs :

Attribut Type MLIR Description
dilation_h_factor ::mlir::IntegerAttr Attribut entier sans signe de 32 bits
dilation_w_factor ::mlir::IntegerAttr Attribut entier sans signe de 32 bits
fused_activation_function ::mlir::StringAttr attribut de chaîne dont la valeur est NONE, ou RELU, ou RELU_N1_TO_1, ou RELU6, ou TANH, ou SIGN_BIT
padding ::mlir::StringAttr attribut de chaîne dont la valeur est SAME ou VALID
stride_h ::mlir::IntegerAttr Attribut entier sans signe de 32 bits
stride_w ::mlir::IntegerAttr Attribut entier sans signe de 32 bits

Opérandes :

Opérande Description
input tenseur de valeurs flottantes 32 bits ou de type QI8 ou de type QUI8 ou de type QI16
filter tenseur de valeurs flottantes 32 bits ou de type QI4 ou de type QI8 ou de type QUI8
bias tenseur de n'importe quel type de valeurs ou aucun type

Résultats:

Résultat Description
output tenseur de valeurs flottantes 32 bits ou de type QI8 ou de type QUI8 ou de type QI16

tfl.conv_3d (TFL :: Conv3DOp)

Opérateur 3D de convolution

Effectue une opération de convolution sur les entrées 3D. Entrées : inputs[0] : obligatoire : le tenseur d'activation des entrées inputs[1] : obligatoire : le tenseur de poids du filtre inputs[2] : facultatif : le tenseur de biais

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

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Attributs :

Attribut Type MLIR Description
dilation_d_factor ::mlir::IntegerAttr Attribut entier sans signe de 32 bits
dilation_h_factor ::mlir::IntegerAttr Attribut entier sans signe de 32 bits
dilation_w_factor ::mlir::IntegerAttr Attribut entier sans signe de 32 bits
fused_activation_function ::mlir::StringAttr attribut de chaîne dont la valeur est NONE, ou RELU, ou RELU_N1_TO_1, ou RELU6, ou TANH, ou SIGN_BIT
padding ::mlir::StringAttr attribut de chaîne dont la valeur est SAME ou VALID
stride_d ::mlir::IntegerAttr Attribut entier sans signe de 32 bits
stride_h ::mlir::IntegerAttr Attribut entier sans signe de 32 bits
stride_w ::mlir::IntegerAttr Attribut entier sans signe de 32 bits

Opérandes :

Opérande Description
input tenseur de valeurs flottantes 32 bits
filter tenseur de valeurs flottantes 32 bits
bias tenseur de n'importe quel type de valeurs ou aucun type

Résultats:

Résultat Description
output tenseur de valeurs flottantes 32 bits

tfl.conv_3d_transpose (TFL :: Conv3DTransposeOp)

Opérateur 3D de convolution transposée

Effectue une opération de convolution transposée sur les entrées 3D. Entrées : inputs[0] : obligatoire : la forme du tenseur de sortie inputs[1] : obligatoire : le tenseur de poids du filtre inputs[2] : obligatoire : le tenseur d'activation d'entrée inputs[3] : facultatif : le tenseur de biais

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

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Attributs :

Attribut Type MLIR Description
dilation_d_factor ::mlir::IntegerAttr Attribut entier sans signe de 32 bits
dilation_h_factor ::mlir::IntegerAttr Attribut entier sans signe de 32 bits
dilation_w_factor ::mlir::IntegerAttr Attribut entier sans signe de 32 bits
fused_activation_function ::mlir::StringAttr attribut de chaîne dont la valeur est NONE, ou RELU, ou RELU_N1_TO_1, ou RELU6, ou TANH, ou SIGN_BIT
padding ::mlir::StringAttr attribut de chaîne dont la valeur est SAME ou VALID
stride_d ::mlir::IntegerAttr Attribut entier sans signe de 32 bits
stride_h ::mlir::IntegerAttr Attribut entier sans signe de 32 bits
stride_w ::mlir::IntegerAttr Attribut entier sans signe de 32 bits

Opérandes :

Opérande Description
output_shape tenseur de valeurs entières sans signe de 32 bits
filter tenseur de valeurs flottantes 32 bits
input tenseur de valeurs flottantes 32 bits
bias tenseur de n'importe quel type de valeurs ou aucun type

Résultats:

Résultat Description
output tenseur de valeurs flottantes 32 bits

tfl.cos (TFL::CosOp)

Opérateur cosinus

Calcule le cosinus de l'entrée par élément

Traits : AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

Effets : MemoryEffects::Effect{}

Opérandes :

Opérande Description
x tenseur de valeurs flottantes 32 bits

Résultats:

Résultat Description
y tenseur de valeurs flottantes 32 bits

tfl.cumsum (TFL::CumsumOp)

Opérateur cumulatif

Calculez la somme cumulée du tenseur x le long de l'axe.

Traits : AlwaysSpeculatableImplTrait

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Attributs :

Attribut Type MLIR Description
exclusive ::mlir::BoolAttr attribut booléen
reverse ::mlir::BoolAttr attribut booléen

Opérandes :

Opérande Description
input tenseur de valeurs flottantes de 32 bits ou d'entiers sans signe de 32 bits ou de valeurs entières sans signe de 64 bits
axis tenseur de valeurs entières sans signe de 32 bits

Résultats:

Résultat Description
output tenseur de valeurs flottantes de 32 bits ou d'entiers sans signe de 32 bits ou de valeurs entières sans signe de 64 bits

tfl.custom (TFL::CustomOp)

Opération personnalisée

Une opération générique pour toute opération personnalisée TFLite.

input : Une liste d’entrées dans l’opération originale. custom_code : une chaîne utilisée pour identifier exactement cette opération, qui correspond à Operator_codes.custom_code dans le flatbuffer. custom_option : un support pour enregistrer les attributs op en mode octets. sortie : une liste de sorties dans l'opération d'origine.

Interfaces : TflRuntimeVerifyOpInterface

Attributs :

Attribut Type MLIR Description
custom_code ::mlir::StringAttr attribut de chaîne
custom_option ::mlir::TFL::ConstBytesAttr Une représentation d'attribut de chaîne des octets compilés

Opérandes :

Opérande Description
input variadique de tenseur de tout type de valeurs ou aucun type

Résultats:

Résultat Description
output variadique de valeurs de tenseur de tout type

tfl.custom_tf (TFL::CustomTfOp)

Wrapper Op pour les opérations personnalisées TF.

Une opération wrapper autour de n’importe quelle opération Custom TF. Celles-ci incluent les opérations définies à l'aide de custom_opdefs ou liées qui ne sont pas définies dans le dialecte TF. Cette opération enveloppe simplement l'opération personnalisée dans une région. Remarque n°1, cette opération n'inclura pas les opérations personnalisées TF Lite définies à l'aide de CustomOp. Remarque n°2, cette opération n'est qu'une représentation interne à l'intérieur du convertisseur et n'est pas exposée/exportée lorsque le modèle est exporté vers Flatbuffer.

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

Interfaces : InferTypeOpInterface , TflRuntimeVerifyOpInterface

Opérandes :

Opérande Description
input variadique de tenseur de tout type de valeurs ou aucun type

Résultats:

Résultat Description
output variadique de valeurs de tenseur de tout type

tfl.densify (TFL::DensifyOp)

Opérateur densification

Convertit le tenseur clairsemé en format dense.

Traits : AlwaysSpeculatableImplTrait

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes :

Opérande Description
input tenseur de valeurs flottantes de 32 bits ou d'entiers sans signe de 8 bits

Résultats:

Résultat Description
output tenseur de valeurs flottantes de 32 bits ou d'entiers sans signe de 8 bits

tfl.depth_to_space (TFL :: ProfondeurToSpaceOp)

Opérateur ProfondeurVers Espace

Réorganise les données de la profondeur en blocs de données spatiales. Il s'agit de la transformation inverse de SpaceToDepth. Plus précisément, cette opération génère une copie du tenseur d'entrée où les valeurs de la dimension depth sont déplacées dans des blocs spatiaux vers les dimensions height et width . L'attr block_size indique la taille du bloc d'entrée et la manière dont les données sont déplacées.

Traits : AlwaysSpeculatableImplTrait , QuantizableResult

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

Effets : MemoryEffects::Effect{}

Attributs :

Attribut Type MLIR Description
block_size ::mlir::IntegerAttr Attribut entier sans signe de 32 bits dont la valeur est positive

Opérandes :

Opérande Description
input tenseur de valeurs flottantes de 32 bits ou d'entier sans signe de 8 bits ou d'entier sans signe de 32 bits ou d'entier sans signe de 64 bits ou de type TFLite quint8 ou d'entier non signé de 8 bits ou de valeurs de type QI8 ou de type QUI8

Résultats:

Résultat Description
output tenseur de valeurs flottantes de 32 bits ou d'entier sans signe de 8 bits ou d'entier sans signe de 32 bits ou d'entier sans signe de 64 bits ou de type TFLite quint8 ou d'entier non signé de 8 bits ou de valeurs de type QI8 ou de type QUI8

tfl.depthwise_conv_2d (TFL :: DepthwiseConv2DOp)

Opérateur de convolution séparable en profondeur

Effectue une opération de convolution sur les entrées.

Entrées : inputs[0] : obligatoire : le tenseur d'activation des entrées inputs[1] : obligatoire : le tenseur de poids du filtre inputs[2] : facultatif : le tenseur de biais

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

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

Effets : MemoryEffects::Effect{}

Attributs :

Attribut Type MLIR Description
dilation_h_factor ::mlir::IntegerAttr Attribut entier sans signe de 32 bits
dilation_w_factor ::mlir::IntegerAttr Attribut entier sans signe de 32 bits
fused_activation_function ::mlir::StringAttr attribut de chaîne dont la valeur est NONE, ou RELU, ou RELU_N1_TO_1, ou RELU6, ou TANH, ou SIGN_BIT
padding ::mlir::StringAttr attribut de chaîne dont la valeur est SAME ou VALID
stride_h ::mlir::IntegerAttr Attribut entier sans signe de 32 bits
stride_w ::mlir::IntegerAttr Attribut entier sans signe de 32 bits
depth_multiplier ::mlir::IntegerAttr Attribut entier sans signe de 32 bits

Opérandes :

Opérande Description
input tenseur de valeurs flottantes 32 bits ou de type QI8 ou de type QUI8 ou de type QI16
filter tenseur de valeurs flottantes 32 bits ou de type QI4 ou de type QI8 ou de type QUI8
bias tenseur de n'importe quel type de valeurs ou aucun type

Résultats:

Résultat Description
output tenseur de valeurs flottantes 32 bits ou de type QI8 ou de type QUI8 ou de type QI16

tfl.dequantize (TFL::DequantizeOp)

Opérateur de déquantification

Convertit un tableau quantifié d'entiers en virgules flottantes en fonction des paramètres de quantification.

Interfaces : NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes :

Opérande Description
input tenseur de type QI4 ou type QI8 ou type QUI8 ou type QI16 ou valeurs flottantes 16 bits

Résultats:

Résultat Description
output tenseur de valeurs flottantes 32 bits

tfl.dilate (TFL::DilateOp)

Opérateur de dilatation

Étend un tenseur en ajoutant de nouveaux éléments entre ceux existants. Traits : AlwaysSpeculatableImplTrait

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes :

Opérande Description
input tenseur d'un entier sans signe de 8 bits ou d'un entier sans signe de 16 bits ou d'un entier sans signe de 32 bits ou d'un entier sans signe de 64 bits ou d'un entier non signé de 8 bits ou d'un entier non signé de 16 bits ou d'un entier non signé de 32 bits ou d'un entier non signé de 64 bits ou Valeurs flottantes 32 bits ou 64 bits
dilations tenseur de valeurs entières sans signe de 32 bits
padding_value Tenseur 0D de tout type de valeurs

Résultats:

Résultat Description
output tenseur d'un entier sans signe de 8 bits ou d'un entier sans signe de 16 bits ou d'un entier sans signe de 32 bits ou d'un entier sans signe de 64 bits ou d'un entier non signé de 8 bits ou d'un entier non signé de 16 bits ou d'un entier non signé de 32 bits ou d'un entier non signé de 64 bits ou Valeurs flottantes 32 bits ou 64 bits

tfl.div (TFL::DivOp)

Opérateur de division

Opération de division par éléments.

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

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

Effets : MemoryEffects::Effect{}

Attributs :

Attribut Type MLIR Description
fused_activation_function ::mlir::StringAttr attribut de chaîne dont la valeur est NONE, ou RELU, ou RELU_N1_TO_1, ou RELU6, ou TANH, ou SIGN_BIT

Opérandes :

Opérande Description
lhs tenseur de valeurs flottantes 32 bits ou entières sans signe 32 bits ou de type QUI8
rhs tenseur de valeurs flottantes 32 bits ou entières sans signe 32 bits ou de type QUI8

Résultats:

Résultat Description
output tenseur de valeurs flottantes 32 bits ou entières sans signe 32 bits ou de type QUI8

tfl.dynamic_update_slice (TFL :: DynamicUpdateSliceOp)

DynamicUpdateSlice.

Opération DynamicUpdateSlice qui a la même sémantique avec XLA DynamicUpdateSlice. Génère un résultat qui est la valeur de l'opérande du tableau d'entrée, avec une mise à jour de tranche écrasée à start_indices.

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

Traits : AlwaysSpeculatableImplTrait

Interfaces : ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets : MemoryEffects::Effect{}

Opérandes :

Opérande Description
operand tenseur d'un entier sans signe de 1 bit ou d'un entier sans signe de 8 bits ou d'un entier sans signe de 32 bits ou d'un entier sans signe de 64 bits ou de valeurs flottantes de 32 bits
update Tensor d'un entier sans signe 1 bits ou entier sans signe 8 bits ou en entier sans signe 32 bits ou en entier sans signe 64 bits ou à 32 bits
start_indices tenseur de valeurs entières sans signe 32/64 bits

Résultats:

Résultat Description
output Tensor d'un entier sans signe 1 bits ou entier sans signe 8 bits ou en entier sans signe 32 bits ou en entier sans signe 64 bits ou à 32 bits

tfl.elu (tfl :: eluop)

Opérateur d'unité linéaire exponentielle

Calcule le fonentiel linéaire f (x) -> exp (x) - 1 pour x <0, x pour x> = 0. en termes d'élément.

TRAITS: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets: MemoryEffects::Effect{}

Opérandes:

Opérande Description
x Tensor de Float 32 bits ou de valeurs entières sans signe 8 bits

Résultats:

Résultat Description
y Tensor de Float 32 bits ou de valeurs entières sans signe 8 bits

tfl.embedding_lookup (tfl :: Embeddinglookupop)

Opérateur de recherche d'intégration

Fonds les ID dans une liste de tenseurs d'intégration.

TRAITS: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effets: MemoryEffects::Effect{}

Opérandes:

Opérande Description
lookup tenseur de valeurs entières sans signe 32 bits
value Tensor d'un flotteur 32 bits ou d'un entier sans signe 8 bits ou de valeurs de type ou de type Qi8 ou de type Qi8 de type ou de type QI8 ou de type QI4 ou QI4

Résultats:

Résultat Description
output tenseur de flotteur 32 bits ou entier sans signe 8 bits ou valeurs entières non signées 8 bits

tfl.equal (tfl :: equalop)

Opérateur égal

Renvoie l'élément de vérité de x == y élément par élément

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

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets: MemoryEffects::Effect{}

Opérandes:

Opérande Description
x Tensor d'un entier sans signe 1 bits ou d'un flotteur 32 bits ou d'un entier sans signe 16 bits ou d'un entier non signé 32 bits ou d'un entier de type Qi8 ou de type QI8 de type ou de type QI8 ou de type qui8 ou 8 bits non signé ou tflite
y Tensor d'un entier sans signe 1 bits ou d'un flotteur 32 bits ou d'un entier sans signe 16 bits ou d'un entier non signé 32 bits ou d'un entier de type Qi8 ou de type QI8 de type ou de type QI8 ou de type qui8 ou 8 bits non signé ou tflite

Résultats:

Résultat Description
output tenseur de valeurs entières sans signe 1 bits

tfl.exp (tfl :: expop)

Opérateur d'exponenation naturelle

Effectue un fonctionnement d'exponentiation naturelle sur l'élément sur l'entrée.

TRAITS: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets: MemoryEffects::Effect{}

Opérandes:

Opérande Description
x Tensor de valeurs de type flotteur 32 bits ou de type qi8 ou qi16

Résultats:

Résultat Description
y Tensor de valeurs de type flotteur 32 bits ou de type qi8 ou qi16

tfl.expand_dims (Tfl :: ExpandDimSop)

Insère une dimension de 1 dans la forme d'un tenseur.

Étant donné une input du tenseur, cette opération insère une dimension de 1 à l' axis de l'indice de dimension de la forme de input . L' axis de l'indice de dimension commence à zéro; Si vous spécifiez un nombre négatif pour axis il est compté vers l'arrière de la fin.

Cette opération est utile si vous souhaitez ajouter une dimension de lot à un seul élément. Par exemple, si vous avez une seule image de forme [height, width, channels] , vous pouvez en faire un lot de 1 image avec expand_dims(image, 0) , qui fera la forme [1, height, width, channels] .

Autres exemples:

# '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]

Cette opération nécessite que:

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

Cette opération est liée à squeeze() , qui supprime les dimensions de la taille 1.

TRAITS: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effets: MemoryEffects::Effect{}

Opérandes:

Opérande Description
input tenseur de tout type de valeurs
dim tenseur de valeurs entières sans signe 32/64 bits

Résultats:

Résultat Description
output tenseur de tout type de valeurs

tfl.external_const (tfl :: externalconstop)

Const OP externe.

Le const op externe contient un buffer_index qui pointe vers une constante dans le flatbuffer.

TRAITS: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets: MemoryEffects::Effect{}

Attributs :

Attribut Type mlir Description
buffer_index :: Mlir :: Integerattr Attribut entier sans signe 32 bits

Résultats:

Résultat Description
output tenseur de tout type de valeurs

tfl.fake_quant (tfl :: FakeQuantop)

Faux opérateur

Fake-Quantifie le tenseur «Entrées» de type flottant via des scalaires de flottants min et max sur le tenseur «sort» de la même forme que les entrées.

TRAITS: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets: MemoryEffects::Effect{}

Attributs :

Attribut Type mlir Description
min :: mlir :: floatattr Attribut de flotteur 32 bits
max :: mlir :: floatattr Attribut de flotteur 32 bits
num_bits :: Mlir :: Integerattr Attribut entier sans signe 32 bits dont la valeur minimale est 2 dont la valeur maximale est de 16
narrow_range :: mlir :: boolattr Attribut bool dont la valeur est fausse

Opérandes:

Opérande Description
input tenseur de valeurs flottantes 32 bits

Résultats:

Résultat Description
output tenseur de valeurs flottantes 32 bits

tfl.fill (tfl :: fillop)

Remplissez le tenseur de valeur donnée.

Remplissez le tenseur de valeur donnée.

TRAITS: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effets: MemoryEffects::Effect{}

Opérandes:

Opérande Description
dims tenseur de valeurs entières sans signe 32/64 bits
input tenseur de flotteur 32 bits ou de flotteur 16 bits ou entier sans signe 32 bits ou entier sans signe 64 bits ou entier sans signe 1 bits de type ou de type Qi8 ou Qi16 ou Tflite de type de chaîne

Résultats:

Résultat Description
result tenseur de flotteur 32 bits ou de flotteur 16 bits ou entier sans signe 32 bits ou entier sans signe 64 bits ou entier sans signe 1 bits de type ou de type Qi8 ou Qi16 ou Tflite de type de chaîne

tfl.floor (Tfl :: Floorop)

Plancher

Renvoie la valeur du plancher des éléments de l'entrée.

TRAITS: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

Effets: MemoryEffects::Effect{}

Opérandes:

Opérande Description
x tenseur de valeurs flottantes 32 bits

Résultats:

Résultat Description
y tenseur de valeurs flottantes 32 bits

tfl.floor_div (tfl :: floordivop)

Opérateur de plancher

Fonctionnement des div au sol des éléments.

TRAITS: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , ResultsBroadcastableShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets: MemoryEffects::Effect{}

Opérandes:

Opérande Description
lhs Tensor de flotteur 32 bits ou entier sans signe 8 bits ou entier sans signe 16 bits ou valeurs entières sans signe 32 bits
rhs Tensor de flotteur 32 bits ou entier sans signe 8 bits ou entier sans signe 16 bits ou valeurs entières sans signe 32 bits

Résultats:

Résultat Description
output Tensor de flotteur 32 bits ou entier sans signe 8 bits ou entier sans signe 16 bits ou valeurs entières sans signe 32 bits

tfl.floor_mod (tfl :: floormodop)

Rappel de division

Fonctionnement du rappel de division par élément.

TRAITS: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , ResultsBroadcastableShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets: MemoryEffects::Effect{}

Opérandes:

Opérande Description
lhs Tensor d'un entier sans signe 8 bits ou entier sans signe 16 bits ou en entier sans signe 32 bits ou en entier sans signe 64 bits ou à 32 bits
rhs Tensor d'un entier sans signe 8 bits ou entier sans signe 16 bits ou en entier sans signe 32 bits ou en entier sans signe 64 bits ou à 32 bits

Résultats:

Résultat Description
output Tensor d'un entier sans signe 8 bits ou entier sans signe 16 bits ou en entier sans signe 32 bits ou en entier sans signe 64 bits ou à 32 bits

tfl.fully_connected (tfl :: FullConnectedOp)

OP entièrement connecté

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

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

Effets: MemoryEffects::Effect{}

Attributs :

Attribut Type mlir Description
fused_activation_function :: mlir :: stringattr attribut de chaîne dont la valeur n'est pas, ou relu, ou relu_n1_to_1, ou relu6, ou tanh, ou signe_bit
weights_format :: mlir :: stringattr attribut de chaîne dont la valeur est par défaut, ou shuffled4x16int8
keep_num_dims :: mlir :: boolattr attribut bool
asymmetric_quantize_inputs :: mlir :: boolattr attribut bool

Opérandes:

Opérande Description
input Tensor de type flotteur 32 bits ou de type Qi8 ou de type Qui8 ou de type Type Qi16 ou Qui16
filter Tensor de type flotteur 32 bits ou de type Qi4 ou de type Qi8 ou de type QI8 ou de type Qi16
bias tenseur de tout type de valeurs ou aucun type

Résultats:

Résultat Description
output variadique du tenseur de tout type de valeurs

tfl.gather (tfl :: rassemblement)

Rasseoir opérateur

Rassemblez les tranches de l' axis params de l'axe en fonction des indices .

TRAITS: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effets: MemoryEffects::Effect{}

Attributs :

Attribut Type mlir Description
axis :: Mlir :: Integerattr Attribut entier sans signe 32 bits
batch_dims :: Mlir :: Integerattr Attribut entier sans signe 32 bits

Opérandes:

Opérande Description
params Tensor d'un flotteur 32 bits ou d'un entier sans signe 1 bits ou d'un entier sans signe sans sign Valeurs de type de type ou de type Qi8 ou Qi8 de type ou de type QI8
indices Tensor d'un entier sans signe 16 bits ou en entier sans signe 32 bits ou des valeurs entières sans signe 64 bits

Résultats:

Résultat Description
output Tensor d'un flotteur 32 bits ou d'un entier sans signe 1 bits ou d'un entier sans signe sans sign Valeurs de type de type ou de type Qi8 ou Qi8 de type ou de type QI8

tfl.gather_nd (tfl :: Gatherndop)

_Gather et opérateur

Rassemblez des tranches des params dans un tenseur avec une forme spécifiée par indices .

TRAITS: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effets: MemoryEffects::Effect{}

Opérandes:

Opérande Description
params Tensor d'un flotteur 32 bits ou d'un entier non signé 1 bits ou d'un entier non signé à 8 bits ou en entier sim sans signe 16 bits ou en entier non signé 64 bits ou 32 bits entier de type entier non signé ou à 8 bits
indices Tensor d'un entier sans signe 16 bits ou en entier sans signe 32 bits ou des valeurs entières sans signe 64 bits

Résultats:

Résultat Description
output Tensor d'un flotteur 32 bits ou d'un entier non signé 1 bits ou d'un entier non signé à 8 bits ou en entier sim sans signe 16 bits ou en entier non signé 64 bits ou 32 bits entier de type entier non signé ou à 8 bits

tfl.gelu (tfl :: geluop)

Fonction d'activation de Gelu.

Calcule la fonction d'activation de Gelu en termes d'élément.

TRAITS: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets: MemoryEffects::Effect{}

Attributs :

Attribut Type mlir Description
approximate :: mlir :: boolattr attribut bool

Opérandes:

Opérande Description
input tenseur de valeurs de type flotteur ou de type Qi8 de type ou de type Qi8

Résultats:

Résultat Description
output tenseur de valeurs de type flotteur ou de type Qi8 de type ou de type Qi8

tfl.greater (Tfl :: Greaterop)

Plus grand opérateur

Opération plus grande en termes d'éléments.

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

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets: MemoryEffects::Effect{}

Opérandes:

Opérande Description
lhs Tensor de flotteur 32 bits ou entier sans signe 32 bits ou entier sans signe 64 bits de type ou de type QI8 ou de type QI8 ou Tflite Quint8
rhs Tensor de flotteur 32 bits ou entier sans signe 32 bits ou entier sans signe 64 bits de type ou de type QI8 ou de type QI8 ou Tflite Quint8

Résultats:

Résultat Description
output tenseur de valeurs entières sans signe 1 bits

tfl.greater_equal (Tfl :: GreaterEqualop)

_Greater Opérateur égal

Fonctionnement du grand_équal sur le plan des éléments.

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

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets: MemoryEffects::Effect{}

Opérandes:

Opérande Description
lhs Tensor de flotteur 32 bits ou entier sans signe 16 bits ou entier sans signe 32 bits ou valeurs de type de type QI8 ou de type QI8
rhs Tensor de flotteur 32 bits ou entier sans signe 16 bits ou entier sans signe 32 bits ou valeurs de type de type QI8 ou de type QI8

Résultats:

Résultat Description
output tenseur de valeurs entières sans signe 1 bits

tfl.hard_swish (tfl :: Hardswishop)

Fonction d'activation durswish.

Calcule la fonction d'activation dure-swish f (x) -> (x * relu6 (x + 3)) / 6 élément.

TRAITS: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets: MemoryEffects::Effect{}

Opérandes:

Opérande Description
input tenseur de valeurs de type flotteur ou qui8 de type ou Qi8 32 bits

Résultats:

Résultat Description
output tenseur de valeurs de type flotteur ou qui8 de type ou Qi8 32 bits

tfl.hashtable (tfl :: hashtableop)

Crée une table de hachage non initialisée.

Cet OP crée une table de hachage, spécifiant le type de ses clés et valeurs. Avant d'utiliser le tableau, vous devrez l'initialiser. Après initialisation, le tableau sera immuable.

Interfaces: TflRuntimeVerifyOpInterface

Attributs :

Attribut Type mlir Description
table_id :: Mlir :: Integerattr Attribut entier sans signe 32 bits
key_dtype :: mlir :: typattr Tout type d'attribut
value_dtype :: mlir :: typattr Tout type d'attribut

Résultats:

Résultat Description
out tenseur des valeurs des ressources

tfl.hashtable_find (tfl :: hashTableFindop)

Fonds les touches dans un tableau, publie les valeurs correspondantes.

Les keys du tenseur doivent du même type que les clés de la table. Les values de sortie sont du type des valeurs du tableau.

Le scalar default_value est la sortie de valeur pour les touches non présentes dans le tableau. Il doit également être du même type que les valeurs du tableau.

Interfaces: TflRuntimeVerifyOpInterface

Opérandes:

Opérande Description
hash_table tenseur des valeurs des ressources
keys Tensor de type entier ou de chaîne Tflite 32 bits ou de valeurs entières sans signe 64 bits
default_value Tensor de flotteur 32 bits ou de type de chaîne Tflite 32 bits ou de valeurs en entier sans signe 64 bits

Résultats:

Résultat Description
out Tensor de flotteur 32 bits ou de type de chaîne Tflite 32 bits ou de valeurs en entier sans signe 64 bits

tfl.hashtable_import (tfl :: hashTableImportop)

Remplace le contenu du tableau par les clés et valeurs spécifiées.

Les keys du tenseur doivent être du même type que les clés de la table. Les values du tenseur doivent être du type des valeurs du tableau.

Interfaces: TflRuntimeVerifyOpInterface

Opérandes:

Opérande Description
hash_table tenseur des valeurs des ressources
keys Tensor de type entier ou de chaîne Tflite 32 bits ou de valeurs entières sans signe 64 bits
values Tensor de flotteur 32 bits ou de type de chaîne Tflite 32 bits ou de valeurs en entier sans signe 64 bits

tfl.hashtable_size (tfl :: hashtableSizeop)

Calcule le nombre d'éléments dans le tableau donné.

Interfaces: TflRuntimeVerifyOpInterface

Opérandes:

Opérande Description
hash_table tenseur des valeurs des ressources

Résultats:

Résultat Description
out tenseur de valeurs entières sans signe 64 bits

tfl.if (tfl :: ifop)

Opération if-thel-else

L'opération tfl.if représente une construction if-then-else pour exécuter conditionnellement deux régions de code. L'opérande vers une opération IF est une valeur booléenne. Par exemple:

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

tfl.if peut également renvoyer des résultats définis dans ses régions. Les valeurs définies sont déterminées par lesquelles le chemin d'exécution est suivi.

Exemple:

%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>
}

Les régions tfl.if sont toujours terminées avec "tfl.yield". Si "tfl.if" ne définit aucune valeur, le "tfl.yield" peut être laissé de côté et sera inséré implicitement. Sinon, il doit être explicite. De plus, si "tfl.if" définit une ou plusieurs valeurs, le bloc «else» ne peut pas être omis.

Exemple:

tfl.if %b  {
  ...
}

Traits: NoRegionArguments , RecursiveMemoryEffects , SingleBlockImplicitTerminator<YieldOp> , SingleBlock

Interfaces: RegionBranchOpInterface , TflRuntimeVerifyOpInterface

Opérandes:

Opérande Description
cond tenseur de valeurs entières sans signe 1 bits

Résultats:

Résultat Description
results variadique du tenseur de tout type de valeurs

tfl.imag (tfl :: imagop)

Renvoie la partie imaginaire d'un nombre complexe.

Compte tenu d'une input tenseur de nombres complexes, cette opération renvoie un tenseur de float de type qui est la partie imaginaire de chaque élément de input . Tous les éléments en input doivent être des nombres complexes de la forme \(a + bj\), où A est la partie réelle et B est la partie imaginaire renvoyée par cette opération.

TRAITS: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets: MemoryEffects::Effect{}

Opérandes:

Opérande Description
input tenseur de type complexe avec des éléments flottants 32 bits ou un type complexe avec des valeurs d'éléments flottants 64 bits

Résultats:

Résultat Description
output Tensor de Float 32 bits ou de valeurs de flotteur 64 bits

tfl.l2_normalization (Tfl :: l2NormalizationOP)

L2 Normaliser l'opérateur

L2Normalisation op

TRAITS: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effets: MemoryEffects::Effect{}

Attributs :

Attribut Type mlir Description
fused_activation_function :: mlir :: stringattr attribut de chaîne dont la valeur n'est pas, ou relu, ou relu_n1_to_1, ou relu6, ou tanh, ou signe_bit

Opérandes:

Opérande Description
input Tensor de type flotteur 32 bits ou de type QI8 ou de type QI8 ou de type QI16 ou de type entier sans signe 8 bits

Résultats:

Résultat Description
output Tensor de type flotteur 32 bits ou de type QI8 ou de type QI8 ou de type QI16 ou de type entier sans signe 8 bits

tfl.leaky_relu (tfl :: Leakyreluop)

Opérateur de relue

Opérateur de relu d'élève qui fuit x -> x> = 0? x: (alpha * x)

TRAITS: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets: MemoryEffects::Effect{}

Attributs :

Attribut Type mlir Description
alpha :: mlir :: floatattr Attribut de flotteur 32 bits

Opérandes:

Opérande Description
input Tensor de type flotteur 32 bits ou de type QI8 ou de type TFLITE QUINT8 TYPE ou TYPE QI16

Résultats:

Résultat Description
output Tensor de type flotteur 32 bits ou de type QI8 ou de type TFLITE QUINT8 TYPE ou TYPE QI16

tfl.less (tfl :: moins)

Moins opérateur

Élément en moins de fonctionnement.

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

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets: MemoryEffects::Effect{}

Opérandes:

Opérande Description
lhs Tensor de flotteur 32 bits ou entier sans signe 16 bits ou entier sans signe 32 bits ou entier sans signe 64 bits
rhs Tensor de flotteur 32 bits ou entier sans signe 16 bits ou entier sans signe 32 bits ou entier sans signe 64 bits

Résultats:

Résultat Description
output tenseur de valeurs entières sans signe 1 bits

tfl.less_equal (tfl :: LessEqualop)

_ Opérateur égal

Fonctionnement moins élevé en termes d'élément.

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

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets: MemoryEffects::Effect{}

Opérandes:

Opérande Description
lhs tenseur de flotteur 32 bits ou entier sans signe 32 bits ou valeurs de type ou de type Qi8 de type ou de type QI8 ou de type Qui8
rhs tenseur de flotteur 32 bits ou entier sans signe 32 bits ou valeurs de type ou de type Qi8 de type ou de type QI8 ou de type Qui8

Résultats:

Résultat Description
output tenseur de valeurs entières sans signe 1 bits

tfl.local_response_normalization (tfl :: localResponSeormalizationOP)

Normalisation de la réponse locale.

Le tenseur input 4-D est traité comme un tableau 3D de vecteurs 1-D (le long de la dernière dimension), et chaque vecteur est normalisé indépendamment. Dans un vecteur donné, chaque composant est divisé par la somme pondérée et carrée des entrées dans depth_radius . En détails,

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

Pour plus de détails, voir Krizhevsky et al., Imagenet Classification with Deep Convolutionnel Neural Networks (NIPS 2012) .

TRAITS: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

Effets: MemoryEffects::Effect{}

Attributs :

Attribut Type mlir Description
radius :: Mlir :: Integerattr Attribut entier sans signe 32 bits
bias :: mlir :: floatattr Attribut de flotteur 32 bits
alpha :: mlir :: floatattr Attribut de flotteur 32 bits
beta :: mlir :: floatattr Attribut de flotteur 32 bits

Opérandes:

Opérande Description
input tenseur de valeurs flottantes 32 bits

Résultats:

Résultat Description
output tenseur de valeurs flottantes 32 bits

tfl.log (tfl :: logop)

Opérateur de logarithme naturel

Effectue le fonctionnement du logarithme naturel en termes d'élément sur l'entrée.

TRAITS: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets: MemoryEffects::Effect{}

Opérandes:

Opérande Description
x Tensor de valeurs de type flotteur 32 bits ou de type qi8

Résultats:

Résultat Description
y Tensor de valeurs de type flotteur 32 bits ou de type qi8

tfl.log_softmax (tfl :: LogsoftMaxop)

Opérateur Log Softmax

Calcule les activations logarithologiques logicielles avec la formule suivante

Entrée - log (Redule_sum (exp (entrée), dim))

TRAITS: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

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

Effets: MemoryEffects::Effect{}

Opérandes:

Opérande Description
input Tensor de type flotteur 32 bits ou de type QI8 ou de type Tflite Quint8 Type

Résultats:

Résultat Description
output Tensor de type flotteur 32 bits ou de type QI8 ou de type Tflite Quint8 Type

tfl.logical_and (tfl :: logicalandop)

Logique et opérateur

Logique et fonctionnement des éléments.

TRAITS: AlwaysSpeculatableImplTrait , ResultsBroadcastableShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets: MemoryEffects::Effect{}

Opérandes:

Opérande Description
lhs tenseur de valeurs entières sans signe 1 bits
rhs tenseur de valeurs entières sans signe 1 bits

Résultats:

Résultat Description
output tenseur de valeurs entières sans signe 1 bits

tfl.logical_not (tfl :: logicalNotop)

Logique non opérateur

Élément logique et non opération.

TRAITS: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets: MemoryEffects::Effect{}

Opérandes:

Opérande Description
lhs tenseur de valeurs entières sans signe 1 bits

Résultats:

Résultat Description
output tenseur de valeurs entières sans signe 1 bits

tfl.logical_or (tfl :: logicorop)

Logique ou opérateur

Logique ou fonctionnement en termes d'élément.

TRAITS: AlwaysSpeculatableImplTrait , ResultsBroadcastableShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets: MemoryEffects::Effect{}

Opérandes:

Opérande Description
lhs tenseur de valeurs entières sans signe 1 bits
rhs tenseur de valeurs entières sans signe 1 bits

Résultats:

Résultat Description
output tenseur de valeurs entières sans signe 1 bits

tfl.logistic (Tfl :: LogisticOp)

Opérateur logistique

Calcule sigmoïde d'élément de saisie

TRAITS: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

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

Effets: MemoryEffects::Effect{}

Opérandes:

Opérande Description
x Tensor de type flotteur 32 bits ou de type Qi8 ou de type Qui8 ou de type Qi16 ou Tflite Quint8 Type

Résultats:

Résultat Description
y Tensor de type flotteur 32 bits ou de type Qi8 ou de type Qui8 ou de type Qi16 ou Tflite Quint8 Type

tfl.lstm (tfl :: lstmop)

L'opérateur LSTM complet

Couche de réseau récurrente à long terme de l'unité de mémoire à court terme (LSTM). L'implémentation par défaut non-PEEPHOLE est basée sur: http://deeplearning.cs.cmu.edu/pdfs/hochreiter97_lstm.pdf S. Hochreiter et J. Schmidhuber. «Mémoire à court terme». Neural Computation, 9 (8): 1735-1780, 1997. La mise en œuvre des judiciaires est basée sur: https://research.google.com/pubs/archive/43905.pdf Hasim Sak, Andrew Senior, et Françoise Beaufays. «Architectures de réseau neuronal à long terme à court terme pour la modélisation acoustique à grande échelle.» IntereSpeech, 2014. Le couplage de la porte d'entrée et d'oubli (CIFG) est basé sur: http://arxiv.org/pdf/1503.04069.pdf Greff et al. «LSTM: un espace de recherche Odyssey» La normalisation de la couche est basée sur: https://arxiv.org/pdf/1607.06450.pdf Ba et al. «Normalisation de la couche»

Traits: QuantizableResult

Interfaces: DynamicRangeQuantizedOpInterface , TFL_StatefulOp , TflRuntimeVerifyOpInterface

Attributs :

Attribut Type mlir Description
fused_activation_function :: mlir :: stringattr attribut de chaîne dont la valeur n'est pas, ou relu, ou relu_n1_to_1, ou relu6, ou tanh, ou signe_bit
cell_clip :: mlir :: floatattr Attribut flottant 32 bits dont la valeur n'est pas négative
proj_clip :: mlir :: floatattr Attribut flottant 32 bits dont la valeur n'est pas négative
kernel_type :: mlir :: tfl :: lstmkerneltypeattr lstm_kernel_type dont la valeur est Mlir :: tfl :: lstmkernelType :: Full
asymmetric_quantize_inputs :: mlir :: boolattr attribut bool
input_to_input_intermediate :: mlir :: typattr Tout type d'attribut
input_to_forget_intermediate :: mlir :: typattr Tout type d'attribut
input_to_cell_intermediate :: mlir :: typattr Tout type d'attribut
input_to_output_intermediate :: mlir :: typattr Tout type d'attribut
effective_hidden_scale_intermediate :: mlir :: typattr Tout type d'attribut

Opérandes:

Opérande Description
input Tensor de valeurs de type flotteur 32 bits ou de type qi8 ou qi16
input_to_input_weights tenseur de tout type de valeurs ou aucun type
input_to_forget_weights Tensor de valeurs de type flotteur 32 bits ou de type qi8
input_to_cell_weights Tensor de valeurs de type flotteur 32 bits ou de type qi8
input_to_output_weights Tensor de valeurs de type flotteur 32 bits ou de type qi8
recurrent_to_input_weights tenseur de tout type de valeurs ou aucun type
recurrent_to_forget_weights Tensor de valeurs de type flotteur 32 bits ou de type qi8
recurrent_to_cell_weights Tensor de valeurs de type flotteur 32 bits ou de type qi8
recurrent_to_output_weights Tensor de valeurs de type flotteur 32 bits ou de type qi8
cell_to_input_weights tenseur de tout type de valeurs ou aucun type
cell_to_forget_weights tenseur de tout type de valeurs ou aucun type
cell_to_output_weights tenseur de tout type de valeurs ou aucun type
input_gate_bias tenseur de tout type de valeurs ou aucun type
forget_gate_bias Tensor de valeurs de type float 32 bits ou Qi32
cell_bias Tensor de valeurs de type float 32 bits ou Qi32
output_gate_bias Tensor de valeurs de type float 32 bits ou Qi32
projection_weights tenseur de tout type de valeurs ou aucun type
projection_bias tenseur de tout type de valeurs ou aucun type
input_activation_state tenseur avec état
input_cell_state tenseur avec état
input_layer_norm_coefficients tenseur de tout type de valeurs ou aucun type
forget_layer_norm_coefficients tenseur de tout type de valeurs ou aucun type
cell_layer_norm_coefficients tenseur de tout type de valeurs ou aucun type
output_layer_norm_coefficients tenseur de tout type de valeurs ou aucun type

Résultats:

Résultat Description
output tenseur de tout type de valeurs

tfl.matrix_diag (Tfl :: MatrixDiagop)

Renvoie un tenseur avec la diagonale fournie et tout le reste rembourré de zéros.

Étant donné une diagonale, renvoie un tenseur avec la diagonale et tout le reste rembourré de zéros. Supposons que la diagonale a k dimensions [I, J, K, ..., N] , alors la sortie est un tenseur de rang k+1 avec des dimensions [I, J, K, ..., N, N] où: output[i, j, k, ..., m, n] = 1{m=n} * diagonal[i, j, k, ..., n].

TRAITS: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets: MemoryEffects::Effect{}

Opérandes:

Opérande Description
diagonal Tensor de flotteur 32 bits ou entier sans signe 8 bits ou entier sans signe sans signe 16 bits ou entier non signé 32 bits ou entier non signé 64 bits ou valeurs de type NInt8 8 bits

Résultats:

Résultat Description
output Tensor de flotteur 32 bits ou entier sans signe 8 bits ou entier sans signe sans signe 16 bits ou entier non signé 32 bits ou entier non signé 64 bits ou valeurs de type NInt8 8 bits

tfl.matrix_set_diag (Tfl :: MatrixSetDiagop)

Renvoie un tenseur matriciel lots avec de nouvelles valeurs diagonales lots.

Étant donné input et diagonal , cette opération renvoie un tenseur avec la même forme et les mêmes valeurs comme input , à l'exception de la diagonale principale des matrices les plus internes. Ceux-ci seront écrasés par les valeurs en diagonal .

TRAITS: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets: MemoryEffects::Effect{}

Opérandes:

Opérande Description
input Tensor d'un flotteur 32 bits ou d'un entier non signé à 8 bits ou entier sans signe sans signe 16 bits ou 32 bits entier sans signe ou 64 bits ou en entier non signé 8 bits
diagonal Tensor d'un flotteur 32 bits ou d'un entier non signé à 8 bits ou entier sans signe sans signe 16 bits ou 32 bits entier sans signe ou 64 bits ou en entier non signé 8 bits

Résultats:

Résultat Description
result Tensor d'un flotteur 32 bits ou d'un entier non signé à 8 bits ou entier sans signe sans signe 16 bits ou 32 bits entier sans signe ou 64 bits ou en entier non signé 8 bits

tfl.max_pool_2d (tfl :: maxpool2dop)

Max piscine 2d op

Effectue Max Pool 2D sur l'entrée.

Entrées: inputs[0] : Obligatoire: le tenseur d'entrée

TRAITS: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effets: MemoryEffects::Effect{}

Attributs :

Attribut Type mlir Description
padding :: mlir :: stringattr attribut de chaîne dont la valeur est la même, ou valide
stride_w :: Mlir :: Integerattr Attribut entier sans signe 32 bits
stride_h :: Mlir :: Integerattr Attribut entier sans signe 32 bits
filter_width :: Mlir :: Integerattr Attribut entier sans signe 32 bits
filter_height :: Mlir :: Integerattr Attribut entier sans signe 32 bits
fused_activation_function :: mlir :: stringattr attribut de chaîne dont la valeur n'est pas, ou relu, ou relu_n1_to_1, ou relu6, ou tanh, ou signe_bit

Opérandes:

Opérande Description
input Tensor de type flotteur 32 bits ou de type QI8 ou de type Qi16 ou de type Tflite Quint8 Type

Résultats:

Résultat Description
output Tensor de type flotteur 32 bits ou de type QI8 ou de type Qi16 ou de type Tflite Quint8 Type

tfl.maximum (tfl :: maximumop)

Opérateur maximal

Fonctionnement maximal par élément.

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

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

Effets: MemoryEffects::Effect{}

Opérandes:

Opérande Description
lhs Tensor de flotteur 32 bits ou entiers sans signe 32/64 bits ou Type QI8 ou type de type QI16
rhs Tensor de flotteur 32 bits ou entiers sans signe 32/64 bits ou Type QI8 ou type de type QI16

Résultats:

Résultat Description
max Tensor de flotteur 32 bits ou entiers sans signe 32/64 bits ou Type QI8 ou type de type QI16

tfl.mean (tfl :: Meanop)

Opérateur moyen

Calcule la moyenne des éléments à travers les dimensions d'un tenseur. Réduit Input_tensor le long des dimensions données dans l'axe. À moins que KeepDIMS ne soit vrai, le rang du tenseur est réduit de 1 pour chaque entrée dans l'axe. Si KeepDIMS est vrai, les dimensions réduites sont conservées avec la longueur 1.

TRAITS: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effets: MemoryEffects::Effect{}

Attributs :

Attribut Type mlir Description
keep_dims :: mlir :: boolattr attribut bool

Opérandes:

Opérande Description
input Tensor de flotteur 32 bits ou entier sans signe 32 bits ou entier signé 64 bits ou type Qi8 ou type qui8 ou valeurs de type non signé 8 bits ou Qi16
axis tenseur de valeurs entières sans signe 32 bits

Résultats:

Résultat Description
output Tensor de flotteur 32 bits ou entier sans signe 32 bits ou entier signé 64 bits ou type Qi8 ou type qui8 ou valeurs de type non signé 8 bits ou Qi16

tfl.minimum (tfl :: minimum)

Opérateur min

Fonctionnement min-sage des éléments.

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

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

Effets: MemoryEffects::Effect{}

Opérandes:

Opérande Description
lhs Tensor de flotteur 32 bits ou entiers sans signe 32/64 bits ou Type QI8 ou type de type QI16
rhs Tensor de flotteur 32 bits ou entiers sans signe 32/64 bits ou Type QI8 ou type de type QI16

Résultats:

Résultat Description
min Tensor de flotteur 32 bits ou entiers sans signe 32/64 bits ou Type QI8 ou type de type QI16

tfl.mirror_pad (tfl :: mirrorpadop)

Opérateur MirrorPad. Tanne un tenseur avec des valeurs en miroir.

Cet fonctionnement rembourse une entrée avec des valeurs en miroir en fonction des padds que vous spécifiez. paddings is an integer tensor with shape [n, 2], where n is the rank of input. For each dimension D of input, paddings[D, 0] indicates how many values to add before the contents of input in that dimension, and paddings[D, 1] indicates how many values to add after the contents of input in that dimension.

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

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

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributs :

Attribut MLIR Type Description
mode ::mlir::TFL::MirrorPaddingTypeAttr 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 or QI16 type values
pad tensor of 32-bit signless integer or 64-bit signless integer values

Résultats:

Résultat 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 QI16 type values

tfl.mul (TFL::MulOp)

Multiplication operator

Element-wise multiplication operation.

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

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

Effects: MemoryEffects::Effect{}

Attributs :

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

Operands:

Operand Description
lhs tensor of 32-bit float or 32-bit signless integer or 32-bit unsigned integer or 64-bit signless integer or QI8 type or QUI8 type or QI16 type or 16-bit signless integer or complex type with 32-bit float elements values
rhs tensor of 32-bit float or 32-bit signless integer or 32-bit unsigned integer or 64-bit signless integer or QI8 type or QUI8 type or QI16 type or 16-bit signless integer or complex type with 32-bit float elements values

Résultats:

Résultat Description
output tensor of 32-bit float or 32-bit signless integer or 32-bit unsigned integer or 64-bit signless integer or QI8 type or QUI8 type or QI16 type or 16-bit signless integer or complex type with 32-bit float elements values

tfl.multinomial (TFL::MultinomialOp)

Draws samples from a categorical distribution.

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

Interfaces: TflRuntimeVerifyOpInterface

Attributs :

Attribut 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

Résultats:

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

tfl.neg (TFL::NegOp)

Negation operator

Computes element-wise negation of input

Traits: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

Effects: MemoryEffects::Effect{}

Operands:

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

Résultats:

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

tfl.no_value (TFL::NoValueOp)

Constant representing no value.

No value constant op.

Traits: AlwaysSpeculatableImplTrait , ConstantLike

Interfaces: ConditionallySpeculatable , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

Attributs :

Attribut MLIR Type Description
value ::mlir::UnitAttr unit attribute

Résultats:

Résultat Description
none_val none type

tfl.non_max_suppression_v4 (TFL::NonMaxSuppressionV4Op)

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

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

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Résultats:

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

tfl.non_max_suppression_v5 (TFL::NonMaxSuppressionV5Op)

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

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

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Résultats:

Résultat 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 (TFL::NotEqualOp)

_Not equal operator

Element-wise not_equal operation.

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

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand 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

Résultats:

Résultat Description
output tensor of 1-bit signless integer values

tfl.NumericVerify (TFL::NumericVerifyOp)

Verifies the numericals of the two operands

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

Traits: QuantizableResult , SameOperandsShape

Interfaces: TflRuntimeVerifyOpInterface

Attributs :

Attribut 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

Résultats:

Résultat Description
output tensor of 32-bit float values

tfl.one_hot (TFL::OneHotOp)

OneHot operator

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

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributs :

Attribut 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

Résultats:

Résultat 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.pack (TFL::PackOp)

Packs a list of tensors along a dimension into one tensor

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

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

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

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

Par exemple:

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

This is the opposite of unpack .

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributs :

Attribut 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 variadic of tensor of any type values

Résultats:

Résultat 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 32-bit unsigned integer or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

tfl.pad (TFL::PadOp)

Padding operator

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

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

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

Par exemple:

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

Operand 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

Résultats:

Résultat 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 (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)

Par exemple:

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

Operand 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

Résultats:

Résultat 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 (TFL::PolyCallOp)

Poly call

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

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

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

Traits: SingleBlockImplicitTerminator<YieldOp> , SingleBlock

Interfaces: RegionBranchOpInterface

Operands:

Operand Description
input variadic of tensor of any type values

Résultats:

Résultat Description
output variadic of tensor of any type values

tfl.pow (TFL::PowOp)

Power operator

Element-wise power operation.

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

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Résultats:

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

tfl.prelu (TFL::PReluOp)

Parameterized Relu operator

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

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

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

Effects: MemoryEffects::Effect{}

Operands:

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

Résultats:

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

tfl.pseudo_const (TFL::ConstOp)

Constant pseudo op.

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

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

Traits: AlwaysSpeculatableImplTrait , ConstantLike , FirstAttrDerivedResultType , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributs :

Attribut MLIR Type Description
value ::mlir::ElementsAttr constant vector/tensor attribute

Résultats:

Résultat Description
output tensor of any type values

tfl.pseudo_qconst (TFL::QConstOp)

Quantized constant pseudo op

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

Traits: AlwaysSpeculatableImplTrait , FirstAttrDerivedResultType

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

Attributs :

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

Résultats:

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

tfl.pseudo_sparse_const (TFL::SparseConstOp)

Sparse constant pseudo op.

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

Traits: AlwaysSpeculatableImplTrait , FirstAttrDerivedResultType , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributs :

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

Résultats:

Résultat Description
output tensor of any type values

tfl.pseudo_sparse_qconst (TFL::SparseQConstOp)

Sparse quantized constant pseudo op

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

Traits: AlwaysSpeculatableImplTrait , FirstAttrDerivedResultType

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributs :

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

Résultats:

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

tfl.quantize (TFL::QuantizeOp)

Quantize operator

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

Traits: FirstAttrDerivedResultType , SameOperandsAndResultShape

Interfaces: NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributs :

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

Operands:

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

Résultats:

Résultat Description
output tensor of QI4 type or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

tfl.random_standard_normal (TFL::RandomStandardNormalOp)

Outputs random values from a normal distribution.

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

Interfaces: TflRuntimeVerifyOpInterface

Attributs :

Attribut 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

Résultats:

Résultat Description
out tensor of 32-bit float values

tfl.random_uniform (TFL::RandomUniformOp)

Outputs random values from a uniform distribution.

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

Interfaces: TflRuntimeVerifyOpInterface

Attributs :

Attribut 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

Résultats:

Résultat Description
out tensor of 32-bit float values

tfl.range (TFL::RangeOp)

Range operator

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

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand Description
start tensor of 32-bit signless integer or 32-bit float or 64-bit signless integer values
limit tensor of 32-bit signless integer or 32-bit float or 64-bit signless integer values
delta tensor of 32-bit signless integer or 32-bit float or 64-bit signless integer values

Résultats:

Résultat Description
result tensor of 32-bit signless integer or 32-bit float or 64-bit signless integer values

tfl.rank (TFL::RankOp)

Rank operator.

Returns the rank of a tensor.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand Description
input tensor of any type values

Résultats:

Résultat Description
output tensor of any integer type

tfl.read_variable (TFL::ReadVariableOp)

Reads variable value.

Read variable data identified by 'resource_id'.

Interfaces: TflRuntimeVerifyOpInterface

Operands:

Operand Description
resource_id tensor of resource values

Résultats:

Résultat 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 (TFL::RealOp)

Returns the real part of a complex number.

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

Traits: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Résultats:

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

tfl.reduce_all (TFL::ReduceAllOp)

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

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

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributs :

Attribut 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

Résultats:

Résultat Description
output tensor of 1-bit signless integer values

tfl.reduce_any (TFL::ReduceAnyOp)

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

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

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributs :

Attribut 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

Résultats:

Résultat Description
output tensor of 1-bit signless integer values

tfl.reduce_max (TFL::ReduceMaxOp)

Max-reduction operator

Computes the max reduction along the specified axes

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributs :

Attribut 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

Résultats:

Résultat 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 (TFL::ReduceMinOp)

Min-reduction operator

Computes the min reduction along the specified axes

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributs :

Attribut 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

Résultats:

Résultat 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 (TFL::ReduceProdOp)

Prod-reduction operator

Computes the product along the specified axes

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributs :

Attribut 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

Résultats:

Résultat 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 (TFL::ReluOp)

Relu operator

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Résultats:

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

tfl.relu6 (TFL::Relu6Op)

Relu6 operator

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Résultats:

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

tfl.relu_0_to_1 (TFL::Relu0To1Op)

Relu0To1 operator

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Résultats:

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

tfl.relu_n1_to_1 (TFL::Relu1Op)

Relu1 operator

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Résultats:

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

tfl.reshape (TFL::ReshapeOp)

Reshape operator

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

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

Résultats:

Résultat Description
output tensor of any type values

tfl.resize_bilinear (TFL::ResizeBilinearOp)

ResizeBilinear Op

Resize images to size using bilinear interpolation.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributs :

Attribut 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

Résultats:

Résultat 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 (TFL::ResizeNearestNeighborOp)

ResizeNearestNeighbor Op

Resize images to size using nearest neighbor interpolation.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributs :

Attribut 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

Résultats:

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

tfl.reverse_sequence (TFL::ReverseSequenceOp)

Reverses variable length slices.

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

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

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributs :

Attribut 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

Résultats:

Résultat 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 (TFL::ReverseV2Op)

ReverseV2 Operator

Reverses specific dimensions of a tensor.

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

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

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand 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

Résultats:

Résultat 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.rfft2d (TFL::RFFT2dOp)

2D real-valued fast Fourier transform.

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

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

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

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Résultats:

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

tfl.right_shift (TFL::RightShiftOp)

Right Shift operator

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

Traits: AlwaysSpeculatableImplTrait , SameOperandsAndResultElementType

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand Description
lhs tensor of 8-bit signless integer or 8-bit unsigned integer or 16-bit signless integer or 16-bit unsigned integer or 32-bit signless integer or 32-bit unsigned integer values
rhs tensor of 8-bit signless integer or 8-bit unsigned integer or 16-bit signless integer or 16-bit unsigned integer or 32-bit signless integer or 32-bit unsigned integer values

Résultats:

Résultat Description
output tensor of 8-bit signless integer or 8-bit unsigned integer or 16-bit signless integer or 16-bit unsigned integer or 32-bit signless integer or 32-bit unsigned integer values

tfl.round (TFL::RoundOp)

Round operator

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

Traits: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

Effects: MemoryEffects::Effect{}

Operands:

Operand Description
x tensor of 32-bit float values

Résultats:

Résultat Description
y tensor of 32-bit float values

tfl.rsqrt (TFL::RsqrtOp)

Reciprocal of square root operator

Computes element-wise reverse square root of input

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Résultats:

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

tfl.scatter_nd (TFL::ScatterNdOp)

_Scatter nd operator

Scatter updates into a new tensor according to indices

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

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 or 1-bit signless integer values
shape 1D tensor of any type values

Résultats:

Résultat 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 or 1-bit signless integer values

tfl.segment_sum (TFL::SegmentSumOp)

SegmentSum operator

Computes the sum along segments of a tensor.

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Résultats:

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

tfl.select (TFL::SelectOp)

Sélectionnez l'opérateur

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

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

Operand 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 32-bit unsigned 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 32-bit unsigned integer or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

Résultats:

Résultat 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 32-bit unsigned integer or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

tfl.select_v2 (TFL::SelectV2Op)

SelectV2 operator

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

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

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

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

Effects: MemoryEffects::Effect{}

Operands:

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 32-bit unsigned 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 32-bit unsigned integer or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

Résultats:

Résultat 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 32-bit unsigned integer or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

tfl.shape (TFL::ShapeOp)

Shape operator

Returns the shape of a tensor.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributs :

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

Operands:

Operand Description
input tensor of any type values

Résultats:

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

tfl.sign (TFL::SignOp)

Sign operation

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

Traits: AlwaysSpeculatableImplTrait , SameOperandsAndResultElementType , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Résultats:

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

tfl.sin (TFL::SinOp)

Sine operator

Computes element-wise Sine of input

Traits: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

Effects: MemoryEffects::Effect{}

Operands:

Operand Description
x tensor of 32-bit float values

Résultats:

Résultat Description
y tensor of 32-bit float values

tfl.slice (TFL::SliceOp)

Return a slice from 'input'.

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

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

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

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 32-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

Résultats:

Résultat 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 32-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 (TFL::SoftmaxOp)

Softmax operator

Computes element-wise softmax activations with the following formula

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

Attributs :

Attribut 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

Résultats:

Résultat 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 (TFL::SpaceToBatchNdOp)

SpaceToBatchNd operator

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

Operand 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
block_shape tensor of 32-bit signless integer values
paddings tensor of 32-bit signless integer values

Résultats:

Résultat 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.space_to_depth (TFL::SpaceToDepthOp)

SpaceToDepth operator

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributs :

Attribut 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

Résultats:

Résultat 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.sparse_to_dense (TFL::SparseToDenseOp)

Converts a sparse representation into a dense tensor.

Builds an array dense with shape output_shape such that

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

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

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

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

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Résultats:

Résultat 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 (TFL::SplitOp)

Splits a tensor into num_split tensors along one dimension.

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributs :

Attribut 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

Résultats:

Résultat Description
outputs variadic of tensor of any type values

tfl.split_v (TFL::SplitVOp)

Splits a tensor into num_split tensors along one dimension.

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributs :

Attribut 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

Résultats:

Résultat Description
outputs variadic of tensor of any type values

tfl.sqrt (TFL::SqrtOp)

Square root operator

Computes element-wise Square root of input

Traits: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

Effects: MemoryEffects::Effect{}

Operands:

Operand Description
x tensor of 32-bit float values

Résultats:

Résultat Description
y tensor of 32-bit float values

tfl.square (TFL::SquareOp)

Square operator

Computes element-wise Square of input

Traits: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

Effects: MemoryEffects::Effect{}

Operands:

Operand Description
x tensor of 32-bit float values

Résultats:

Résultat Description
y tensor of 32-bit float values

tfl.squared_difference (TFL::SquaredDifferenceOp)

Squared difference operator

Element-wise squared difference operation.

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

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Résultats:

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

tfl.squeeze (TFL::SqueezeOp)

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

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

Par exemple:

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

Or, to remove specific size 1 dimensions:

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributs :

Attribut 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

Résultats:

Résultat Description
output tensor of any type values

tfl.strided_slice (TFL::StridedSliceOp)

StridedSlice Op

Return a strided slice from input .

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributs :

Attribut 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
offset ::mlir::BoolAttr bool 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 32-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

Résultats:

Résultat 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 32-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 (TFL::SubOp)

Subtraction operator

Element-wise subtraction operation.

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

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

Effects: MemoryEffects::Effect{}

Attributs :

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

Operands:

Operand 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

Résultats:

Résultat 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 (TFL::SumOp)

Sum operator

Computes the sum reduction along the specified axes

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributs :

Attribut 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

Résultats:

Résultat 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.svdf (TFL::SVDFOp)

Single value decomposition filter operator

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

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

Interfaces: DynamicRangeQuantizedOpInterface , TFL_StatefulOp , TflRuntimeVerifyOpInterface

Attributs :

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

Operands:

Operand 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

Résultats:

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

tfl.tanh (TFL::TanhOp)

Hyperbolic tangent operator

Computes element-wise Hyperbolic tangent of input

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

Operands:

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

Résultats:

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

tfl.tile (TFL::TileOp)

Tile operator.

Constructs a tensor by tiling a given tensor.

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

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

Résultats:

Résultat 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 (TFL::TopKV2Op)

TopK operator

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

Results are always sorted in the descending order.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

Operand 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 QUI8 type values
k tensor of 16-bit signless integer or 32-bit signless integer values

Résultats:

Résultat Description
values 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 values
indices tensor of 16-bit signless integer or 32-bit signless integer values

tfl.transpose (TFL::TransposeOp)

Transpose operator

Returns the Transpose of x

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (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

Résultats:

Résultat 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.transpose_conv (TFL::TransposeConvOp)

Transpose convolution operator

Performs transpose convolution operation on input.

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

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

Effects: MemoryEffects::Effect{}

Attributs :

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

Operands:

Operand 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

Résultats:

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

tfl.unidirectional_sequence_lstm (TFL::UnidirectionalSequenceLSTMOp)

Unidirectional sequence lstm operator

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

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

Traits: QuantizableResult

Interfaces: DynamicRangeQuantizedOpInterface , InferTypeOpInterface , TFL_StatefulOp , TflRuntimeVerifyOpInterface

Attributs :

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

Operands:

Operand 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

Résultats:

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

tfl.unidirectional_sequence_rnn (TFL::UnidirectionalSequenceRNNOp)

Unidirectional sequence rnn operator

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

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

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

Traits: QuantizableResult

Interfaces: DynamicRangeQuantizedOpInterface , TFL_StatefulOp , TflRuntimeVerifyOpInterface

Attributs :

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

Operands:

Operand 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

Résultats:

Résultat Description
output tensor of 32-bit float values

tfl.unique (TFL::UniqueOp)

Unique Op.

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributs :

Attribut 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

Résultats:

Résultat 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 (TFL::UnpackOp)

Unpacks a tensor along a dimension into multiple tensors

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

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

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

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

This is the opposite of pack .

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultElementType

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

Effects: MemoryEffects::Effect{}

Attributs :

Attribut 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

Résultats:

Résultat Description
outputs variadic of tensor of any type values

tfl.unsorted_segment_max (TFL::UnsortedSegmentMaxOp)

UnsortedSegmentMax operator

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

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Résultats:

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

tfl.unsorted_segment_min (TFL::UnsortedSegmentMinOp)

UnsortedSegmentMin operator

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

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Résultats:

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

tfl.unsorted_segment_prod (TFL::UnsortedSegmentProdOp)

UnsortedSegmentProd operator

Computes the product along segments of a tensor.

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (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
num_segments tensor of 32-bit signless integer values

Résultats:

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

tfl.unsorted_segment_sum (TFL::UnsortedSegmentSumOp)

UnsortedSegmentSum operator

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

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Résultats:

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

tfl.var_handle (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

Attributs :

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

Résultats:

Résultat Description
resource_handle tensor of resource values

tfl.where (TFL::WhereOp)

Returns locations of nonzero / true values in a tensor.

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

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand 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

Résultats:

Résultat Description
index tensor of 64-bit signless integer values

tfl.while (TFL::WhileOp)

While loop

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

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

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

Traits: SingleBlockImplicitTerminator<YieldOp> , SingleBlock

Interfaces: LoopLikeOpInterface , TflRuntimeVerifyOpInterface

Attributs :

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

Operands:

Operand Description
input variadic of tensor of any type values

Résultats:

Résultat Description
output variadic of tensor of any type values

tfl.yield (TFL::YieldOp)

Yield operation

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , Terminator

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand Description
"anonyme" variadic of any type

tfl.zeros_like (TFL::ZerosLikeOp)

ZerosLike operator

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

Traits: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

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

Résultats:

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

Attributs

DimensionMetadataAttr

Dimension metadata.

Syntaxe:

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

Paramètres :

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

SparsityParameterAttr

Sparsity parameter.

Syntaxe:

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

Paramètres :

Paramètre C++ type Description
traversal_order ::llvm::ArrayRef<int32_t>
block_map ::llvm::ArrayRef<int32_t>
dim_metadata ::llvm::ArrayRef<DimensionMetadataAttr>

ConstBytesAttr

A string attribute representation of compiled bytes

Syntax Examples:

#tfl<const_bytes : "0xDEADBEEF">

Paramètres :

Paramètre C++ type Description
valeur ::llvm::StringRef

DimensionTypeAttr

dimension_type

Syntaxe:

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

Enum cases:

  • DENSE ( DENSE )
  • SPARSE_CSR ( SPARSE_CSR ) #### Parameters:
Paramètre C++ type Description
valeur ::mlir::TFL::DimensionType an enum of type DimensionType

LSTMKernelTypeAttr

lstm_kernel_type

Syntaxe:

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

Enum cases:

  • FULL ( FULL )
  • BASIC ( BASIC ) #### Parameters:
Paramètre C++ type Description
valeur ::mlir::TFL::LSTMKernelType an enum of type LSTMKernelType

MirrorPaddingTypeAttr

mirror_pad_enum

Syntaxe:

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

Enum cases:

  • REFLECT ( REFLECT )
  • SYMMETRIC ( SYMMETRIC ) #### Parameters:
Paramètre C++ type Description
valeur ::mlir::TFL::MirrorPaddingType an enum of type MirrorPaddingType

Énumérations

DimensionType

dimension_type

Cases:

Symbole Valeur Chaîne
DENSE 0 DENSE
SPARSE_CSR 1 SPARSE_CSR

LSTMKernelType

lstm_kernel_type

Cases:

Symbole Valeur Chaîne
COMPLET 0 COMPLET
BASIQUE 1 BASIQUE

MirrorPaddingType

mirror_pad_enum

Cases:

Symbole Valeur Chaîne
REFLÉTER 0 REFLÉTER
SYMÉTRIQUE 1 SYMÉTRIQUE