This page was translated by the Cloud Translation API.
Switch to English

টিএফএল & # 39; টি ডায়ালেক্ট করুন; সংজ্ঞা

টেনসরফ্লো লাইট ডায়ালেক্ট।

টেনসরফ্লো লাইট ক্রিয়াকলাপে এই উপভাষার মানচিত্র।

Invariants:

  • সমস্ত মান টেনসর ধরণের (বিশেষত, স্কেলারগুলি শূন্য-মাত্রিক টেনেসর ব্যবহার করে প্রতিনিধিত্ব করা হয়);

অপারেশন সংজ্ঞা

tfl.abs (টিএফএল :: AbsOp)

পরম মান অপারেটর

বর্ণনা:

একটি টেনসর x , এই অপারেশনটি x প্রতিটি উপাদানের পরম মান সমন্বিত একটি টেন্সর প্রদান করে। উদাহরণস্বরূপ, x যদি একটি ইনপুট উপাদান এবং y একটি আউটপুট উপাদান হয় তবে এই ক্রিয়াকলাপটি \ (y = | x | comp) গণনা করে।

Operands:

  1. x : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

ফলাফল:

  1. y : যে কোনও ধরণের মানগুলির টেনসর

tfl.add_n (টিএফএল :: অ্যাডনোপ)

add_n অপারেটর

বর্ণনা:

উপাদান অনুসারে সমস্ত ইনপুট টেনসর যুক্ত করে।

Operands:

  1. inputs : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

ফলাফল:

  1. sum : যে কোনও ধরণের মানগুলির টেনসর

tfl.add (TFL :: AddOp)

সংযোজন অপারেটর

বর্ণনা:

উপাদান অনুযায়ী সংযোজন অপারেশন।

Operands:

  1. lhs : যে কোনও প্রকারের মান lhs
  2. rhs : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

গুণ এমএলআইআর টাইপ বিবরণ
fused_activation_function StringAttr ফিউজড অ্যাক্টিভেশন এনুম অ্যাট্রিবিউট

ফলাফল:

  1. output : যে কোনও ধরণের মানগুলির টেনসর

tfl.arg_max (টিএফএল :: আরগম্যাক্সপ)

আরগম্যাক্স অপারেটর

বর্ণনা:

একটি টেনসরের মাত্রা জুড়ে সর্বাধিক মান সহ সূচকটি প্রদান করে।

Operands:

  1. input : যে কোনও ধরণের মানগুলির টেনসর
  2. dim : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

গুণ এমএলআইআর টাইপ বিবরণ
output_type Attribute উত্পন্ন বৈশিষ্ট্য বৈশিষ্ট্য

ফলাফল:

  1. output : যে কোনও ধরণের মানগুলির টেনসর

tfl.arg_min (টিএফএল :: আরগমিনোপ)

আরগমিন অপারেটর

বর্ণনা:

একটি টেনসরের মাত্রা জুড়ে সর্বনিম্ন মান সহ সূচকটি ফেরত দেয় a (খ)

Operands:

  1. input : যে কোনও ধরণের মানগুলির টেনসর
  2. dim : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

গুণ এমএলআইআর টাইপ বিবরণ
output_type Attribute উত্পন্ন বৈশিষ্ট্য বৈশিষ্ট্য

ফলাফল:

  1. output : যে কোনও ধরণের মানগুলির টেনসর

tfl.average_pool_2d (টিএফএল :: গড়পুল 2 ডিওপি)

গড়_পুল_2 ডি অপারেটর

বর্ণনা:

ইনপুটটিতে গড়-পুলিং অপারেশন করে।

Operands:

  1. input : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

গুণ এমএলআইআর টাইপ বিবরণ
filter_height IntegerAttr 32-বিট পূর্ণসংখ্যার বিশিষ্ট বৈশিষ্ট্য
filter_width IntegerAttr 32-বিট পূর্ণসংখ্যার বিশিষ্ট বৈশিষ্ট্য
padding StringAttr প্যাডিং এনাম অ্যাট্রিবিউট
stride_h IntegerAttr 32-বিট পূর্ণসংখ্যার বিশিষ্ট বৈশিষ্ট্য
stride_w IntegerAttr 32-বিট পূর্ণসংখ্যার বিশিষ্ট বৈশিষ্ট্য
fused_activation_function StringAttr ফিউজড অ্যাক্টিভেশন এনুম অ্যাট্রিবিউট

ফলাফল:

  1. output : যে কোনও ধরণের মানগুলির টেনসর

tfl.basic_lstm (টিএফএল :: বেসিকএলএসটিএমওপি)

বেসিক lstm অপারেটর

বর্ণনা:

বেসিক এলএসটিএম সেল অপারেটর।

Operands:

  1. data_input : যে কোনও ধরণের মানগুলির টেনসর
  2. prev_activ_input : যে কোনও ধরণের মানগুলির টেনসর
  3. weights_input : যে কোনও ধরণের মানগুলির টেনসর
  4. biases_input : যে কোনও ধরণের মানগুলির টেনসর
  5. prev_state_input : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

গুণ এমএলআইআর টাইপ বিবরণ
fused_activation_function StringAttr ফিউজড অ্যাক্টিভেশন এনুম অ্যাট্রিবিউট
cell_clip FloatAttr 32-বিট ফ্লোট বৈশিষ্ট্য বিশিষ্টতা
proj_clip FloatAttr 32-বিট ফ্লোট বৈশিষ্ট্য বিশিষ্টতা
kernel_type StringAttr lstm কার্নেল প্রকারের enum কেস বেসিক বৈশিষ্ট্য

ফলাফল:

  1. activ_output : যে কোনও ধরণের মানের 2D টেনসর
  2. state_output : যে কোনও ধরণের মান 2D টেনসর state_output
  3. concat_temp : যে কোনও ধরণের মানের 2D টেনসর
  4. activ_temp : কোনও ধরণের মান 2D টেনসর

tfl.batch_to_space_nd (টিএফএল :: ব্যাচটোস্পেসএনডিঅপ)

ব্যাচটোসস্পেসএনডি অপারেটর

বর্ণনা:

এই অপারেশনটি "ব্যাচ" মাত্রাকে 0 এর আকারের আকারে পুনরায় আকার দেয়।

Operands:

  1. input : যে কোনও ধরণের মানগুলির টেনসর
  2. block_shape : যে কোনও ধরণের মানগুলির টেনসর
  3. indices : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

ফলাফল:

  1. output : যে কোনও ধরণের মানগুলির টেনসর

tfl.cast (TFL :: CastOp)

কাস্ট অপারেটর

বর্ণনা:

ইনপুট টাইপ থেকে আউটপুট টাইপ ইনপুট কাস্ট।

Operands:

  1. input : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

ফলাফল:

  1. output : যে কোনও ধরণের মানগুলির টেনসর

tfl.ceil (টিএফএল :: সিলওপ)

সিল অপারেটর

বর্ণনা:

ইনপুটটির উপাদান-ভিত্তিক সিল মান প্রদান করে।

Operands:

  1. x : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

ফলাফল:

  1. y : যে কোনও ধরণের মানগুলির টেনসর

tfl.concateation (টিএফএল :: সংযুক্তি আপ)

সংঘবদ্ধ অপারেটর

বর্ণনা:

এক মাত্রা সহ টেনারগুলি সংযুক্ত করে

Operands:

  1. values : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

গুণ এমএলআইআর টাইপ বিবরণ
axis IntegerAttr 32-বিট পূর্ণসংখ্যার বিশিষ্ট বৈশিষ্ট্য
fused_activation_function StringAttr ফিউজড অ্যাক্টিভেশন এনুম অ্যাট্রিবিউট

ফলাফল:

  1. output : যে কোনও ধরণের মানগুলির টেনসর

tfl.pseudo_const (টিএফএল :: কনস্টপ)

ধ্রুব সিউডো অপ।

বর্ণনা:

টেনসরফ্লো লাইট ডায়ালেক্টে একটি ধ্রুবক মান উপস্থাপন করে। এটি প্রকৃত ক্রিয়াকলাপ নয় এবং এর পরিবর্তে এটি বাফারে নামানো হবে।

বিকল্পটিতে tf.Const এর মতো সমস্ত ধরণের অ্যাট্রিবিউট থাকার অনুমতি রয়েছে (যেমন, অস্বচ্ছ টিএফ বৈশিষ্ট্য অনুমোদিত)।

Operands:

গুণাবলী:

গুণ এমএলআইআর টাইপ বিবরণ
value ElementsAttr ধ্রুবক ভেক্টর / টেনসর অ্যাট্রিবিউট বৈশিষ্ট্য

ফলাফল:

  1. output : যে কোনও ধরণের মানগুলির টেনসর

tfl.conv_2d (TFL :: Conv2DOp)

কনভলিউশন অপারেটর

বর্ণনা:

ইনপুটগুলিতে কনভোলশন অপারেশন করে।

ইনপুটস: ইনপুটস inputs[0] : প্রয়োজনীয়: ইনপুট অ্যাক্টিভেশন টেনসর inputs[1] : প্রয়োজনীয়: ফিল্টার ওজন টেনসর inputs[2] : alচ্ছিক: বায়াস টেন্সর

Operands:

  1. input : যে কোনও ধরণের মানগুলির টেনসর
  2. filter : যে কোনও ধরণের মানগুলির টেনসর
  3. bias : যে কোনও ধরণের মান বা কোনও প্রকারের টেনসর

গুণাবলী:

গুণ এমএলআইআর টাইপ বিবরণ
dilation_h_factor IntegerAttr 32-বিট পূর্ণসংখ্যার বিশিষ্ট বৈশিষ্ট্য
dilation_w_factor IntegerAttr 32-বিট পূর্ণসংখ্যার বিশিষ্ট বৈশিষ্ট্য
fused_activation_function StringAttr ফিউজড অ্যাক্টিভেশন এনুম অ্যাট্রিবিউট
padding StringAttr প্যাডিং এনাম অ্যাট্রিবিউট
stride_h IntegerAttr 32-বিট পূর্ণসংখ্যার বিশিষ্ট বৈশিষ্ট্য
stride_w IntegerAttr 32-বিট পূর্ণসংখ্যার বিশিষ্ট বৈশিষ্ট্য

ফলাফল:

  1. output : যে কোনও ধরণের মানগুলির টেনসর

tfl.convolution_2d_transpose_bias (টিএফএল :: কনভলিউশন 2 ডি ট্রান্সপোসবিয়াসঅপ)

পক্ষপাত অপারেটরের সাথে রূপান্তর সমাবর্তন

বর্ণনা:

পক্ষপাত সংযোজনের বিকল্প সহ ইনপুটগুলিতে কনভলিউশন অপারেশন সঞ্চালন করে। নোট করুন এটি একটি কাস্টম ওপ যা মানক রানটাইমগুলিতে সমর্থিত নয়।

 Inputs:
  `inputs[0]`: required: the input activation tensor
  `inputs[1]`: required: the filter weight tensor
  `inputs[2]`: optional: the bias tensor
 

Operands:

  1. input : যে কোনও ধরণের মানগুলির টেনসর
  2. filter : যে কোনও ধরণের মানগুলির টেনসর
  3. bias : যে কোনও ধরণের মান বা কোনও প্রকারের টেনসর

গুণাবলী:

গুণ এমএলআইআর টাইপ বিবরণ
padding StringAttr প্যাডিং এনাম অ্যাট্রিবিউট
stride_h IntegerAttr 32-বিট পূর্ণসংখ্যার বিশিষ্ট বৈশিষ্ট্য
stride_w IntegerAttr 32-বিট পূর্ণসংখ্যার বিশিষ্ট বৈশিষ্ট্য

ফলাফল:

  1. output : যে কোনও ধরণের মানগুলির টেনসর

tfl.cos (TFL :: CosOp)

কোসিন অপারেটর

বর্ণনা:

ইনপুটটির উপাদান-ভিত্তিক কসিন গণনা করে

Operands:

  1. x : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

ফলাফল:

  1. y : যে কোনও ধরণের মানগুলির টেনসর

tfl.densify (TFL :: DensifyOp)

ঘনত্বকারী অপারেটর

বর্ণনা:

স্পার টেনসরকে ঘন বিন্যাসে রূপান্তর করে।

Operands:

  1. input : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

ফলাফল:

  1. output : যে কোনও ধরণের মানগুলির টেনসর

tfl.depth_to_space (TFL :: DepthToSpaceOp)

DepthToSpace অপারেটর

বর্ণনা:

স্থানিক ডেটাগুলির ব্লকের মধ্যে গভীরতা থেকে ডেটা পুনরায় সাজায়। এটি স্পেসটোডেপথের বিপরীত রূপান্তর। আরও সুনির্দিষ্টভাবে, এই বিকল্পটি ইনপুট টেনসারের একটি অনুলিপি দেয় যেখানে depth মাত্রা থেকে মানগুলি স্থানিক ব্লকগুলিতে height এবং width মাত্রায় স্থানান্তরিত হয়। block_size ইনপুট ব্লকের আকার এবং কীভাবে ডেটা স্থানান্তরিত হয় তা নির্দেশ করে।

Operands:

  1. input : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

গুণ এমএলআইআর টাইপ বিবরণ
block_size IntegerAttr 32-বিট পূর্ণসংখ্যার বিশিষ্ট বৈশিষ্ট্য

ফলাফল:

  1. output : যে কোনও ধরণের মানগুলির টেনসর

tfl.depthwise_conv_2d (টিএফএল :: ডিপথওয়াইস কনভ 2 ডিওপি)

গভীরতার দিক থেকে পৃথকযোগ্য কনভোলশন অপারেটর

বর্ণনা:

ইনপুটগুলিতে কনভোলশন অপারেশন করে।

ইনপুটস: ইনপুটস inputs[0] : প্রয়োজনীয়: ইনপুট অ্যাক্টিভেশন টেনসর inputs[1] : প্রয়োজনীয়: ফিল্টার ওজন টেনসর inputs[2] : alচ্ছিক: বায়াস টেন্সর

Operands:

  1. input : যে কোনও ধরণের মানগুলির টেনসর
  2. filter : যে কোনও ধরণের মানগুলির টেনসর
  3. bias : যে কোনও ধরণের মান বা কোনও প্রকারের টেনসর

গুণাবলী:

গুণ এমএলআইআর টাইপ বিবরণ
dilation_h_factor IntegerAttr 32-বিট পূর্ণসংখ্যার বিশিষ্ট বৈশিষ্ট্য
dilation_w_factor IntegerAttr 32-বিট পূর্ণসংখ্যার বিশিষ্ট বৈশিষ্ট্য
fused_activation_function StringAttr ফিউজড অ্যাক্টিভেশন এনুম অ্যাট্রিবিউট
padding StringAttr প্যাডিং এনাম অ্যাট্রিবিউট
stride_h IntegerAttr 32-বিট পূর্ণসংখ্যার বিশিষ্ট বৈশিষ্ট্য
stride_w IntegerAttr 32-বিট পূর্ণসংখ্যার বিশিষ্ট বৈশিষ্ট্য
depth_multiplier IntegerAttr 32-বিট পূর্ণসংখ্যার বিশিষ্ট বৈশিষ্ট্য

ফলাফল:

  1. output : যে কোনও ধরণের মানগুলির টেনসর

tfl.dequantize (TFL :: DequantizeOp)

অপারেটরকে ডিক্যান্টাইজ করুন

বর্ণনা:

সংখ্যার পরামিতি অনুসারে পূর্ণসংখ্যার অ্যারেটিকে কোয়ান্টাইজড অ্যারে রূপান্তর করে।

Operands:

  1. input : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

ফলাফল:

  1. output : যে কোনও ধরণের মানগুলির টেনসর

tfl.div (টিএফএল :: ডিভোপ)

বিভাগ অপারেটর

বর্ণনা:

এলিমেন্ট ভিত্তিক বিভাগ অপারেশন।

Operands:

  1. lhs : যে কোনও প্রকারের মান lhs
  2. rhs : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

গুণ এমএলআইআর টাইপ বিবরণ
fused_activation_function StringAttr ফিউজড অ্যাক্টিভেশন এনুম অ্যাট্রিবিউট

ফলাফল:

  1. output : যে কোনও ধরণের মানগুলির টেনসর

tfl.elu (TFL :: EluOp)

সূচকীয় লিনিয়ার ইউনিট অপারেটর

বর্ণনা:

এক্সফোনেনশিয়াল লিনিয়ার f (x) -> এক্সপ্রেস (এক্স) - x এর জন্য 1 <0, এক্স x> = 0. এলিয়মানের ভিত্তিতে গণনা করুন।

Operands:

  1. x : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

ফলাফল:

  1. y : যে কোনও ধরণের মানগুলির টেনসর

tfl.e এম্বেডিং_লুকআপ (টিএফএল :: এম্বেডিংলুকআপ)

এম্বেডিং লুক অপারেটর

বর্ণনা:

এম্বেডিং টেনারগুলির তালিকায় আইডিগুলি দেখায়।

Operands:

  1. lookup : যে কোনও ধরণের মানগুলির টেনসর
  2. value : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

ফলাফল:

  1. output : যে কোনও ধরণের মানগুলির টেনসর

tfl.equal (TFL :: EqualOp)

সমান অপারেটর

বর্ণনা:

X == y উপাদান অনুসারে সত্য উপাদানটি প্রদান করে

Operands:

  1. x : যে কোনও ধরণের মানগুলির টেনসর
  2. y : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

ফলাফল:

  1. output : যে কোনও ধরণের মানগুলির টেনসর

tfl.exp (টিএফএল :: এক্সপোপ)

প্রাকৃতিক ক্ষয়ক্ষতি অপারেটর

বর্ণনা:

ইনপুটটিতে উপাদান অনুসারে প্রাকৃতিক ক্ষয়ক্ষতি অপারেশন সম্পাদন করে।

Operands:

  1. x : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

ফলাফল:

  1. y : যে কোনও ধরণের মানগুলির টেনসর

tfl.expand_dims (TFL :: ExpandDimsOp)

টেনসর আকারে 1 এর একটি মাত্রা সন্নিবেশ করান।

বর্ণনা:

একটি টেন্সর দেওয়া input , এই অপারেশন মাত্রা সূচিতে 1 এর একটি মাত্রা সন্নিবেশ axis এর input এর আকৃতি। মাত্রা সূচক axis শূন্য থেকে শুরু হয়; আপনি যদি axis জন্য একটি নেতিবাচক সংখ্যা নির্দিষ্ট করেন তবে এটি শেষ থেকে পিছনে গণনা করা হয়।

আপনি যদি কোনও একক উপাদানে ব্যাচের মাত্রা যুক্ত করতে চান তবে এই অপারেশনটি কার্যকর। উদাহরণস্বরূপ, আপনার যদি আকৃতির [height, width, channels] এর একক চিত্র থাকে তবে আপনি এটিকে expand_dims(image, 0) দিয়ে 1 টি চিত্রের একটি ব্যাচ তৈরি করতে পারেন যা [1, height, width, channels]

অন্যান্য উদাহরণ:

 # '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]
 

এই অপারেশনটির জন্য এটি প্রয়োজন:

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

এই অপারেশনটি squeeze() সাথে সম্পর্কিত যা আকার 1 এর মাত্রা সরিয়ে দেয়।

Operands:

  1. input : যে কোনও ধরণের মানগুলির টেনসর
  2. dim : যে কোনও পূর্ণসংখ্যার প্রকারের টেনসর

গুণাবলী:

ফলাফল:

  1. output : যে কোনও ধরণের মানগুলির টেনসর

tfl.external_const (টিএফএল :: এক্সটার্নালকনস্টপ)

বাহ্যিক কনস্ট অপ।

বর্ণনা:

বাহ্যিক buffer_index অপের একটি buffer_index ধারণ করে যা buffer_index একটি buffer_index নির্দেশ করে।

Operands:

গুণাবলী:

গুণ এমএলআইআর টাইপ বিবরণ
buffer_index IntegerAttr 32-বিট পূর্ণসংখ্যার বিশিষ্ট বৈশিষ্ট্য

ফলাফল:

  1. output : যে কোনও ধরণের মানগুলির টেনসর

tfl.fake_quant (TFL :: FakeQuantOp)

FakeQuant অপারেটর

বর্ণনা:

'ইনপুটস' টাইপ ফ্লোটের সেন্সরটি ফ্লোট স্কেলারের মাধ্যমে ন্যূনতম পরিমাণে এবং ইনপুটগুলির মতো একই আকারের 'আউটপুট' টেনসর।

Operands:

  1. input : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

গুণ এমএলআইআর টাইপ বিবরণ
min FloatAttr 32-বিট ফ্লোট বৈশিষ্ট্য বিশিষ্টতা
max FloatAttr 32-বিট ফ্লোট বৈশিষ্ট্য বিশিষ্টতা
num_bits IntegerAttr 32-বিট পূর্ণসংখ্যার বিশিষ্ট বৈশিষ্ট্য
narrow_range BoolAttr বুল অ্যাট্রিবিউট অ্যাট্রিবিউট

ফলাফল:

  1. output : যে কোনও ধরণের মানগুলির টেনসর

tfl.fill (টিএফএল :: ফিলাপ)

প্রদত্ত মান সহ টেনসরটি পূরণ করুন।

বর্ণনা:

প্রদত্ত মান সহ টেনসরটি পূরণ করুন।

Operands:

  1. dims : যে কোনও ধরণের মানগুলির টেনসর
  2. value : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

ফলাফল:

  1. res : যে কোনও ধরণের মানগুলির টেনসর

tfl.floor_div (টিএফএল :: ফ্লোরডিবপ)

ফ্লোর ডিভ অপারেটর

বর্ণনা:

উপাদান-ভিত্তিক ফ্লোর ডিভ অপারেশন।

Operands:

  1. lhs : যে কোনও প্রকারের মান lhs
  2. rhs : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

ফলাফল:

  1. output : যে কোনও ধরণের মানগুলির টেনসর

tfl.floor_mod (টিএফএল :: ফ্লোরমডপ)

বিভাগ অনুস্মারক

বর্ণনা:

উপাদান অনুসারে বিভাগ অনুস্মারক অপারেশন।

Operands:

  1. lhs : যে কোনও প্রকারের মান lhs
  2. rhs : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

ফলাফল:

  1. output : যে কোনও ধরণের মানগুলির টেনসর

tfl.floor (টিএফএল :: ফ্লোরঅপ)

ফ্লোর অপারেটর

বর্ণনা:

ইনপুটটির উপাদান-ভিত্তিক ফ্লোর মান প্রদান করে।

Operands:

  1. x : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

ফলাফল:

  1. y : যে কোনও ধরণের মানগুলির টেনসর

tfl.fully_ সংযুক্ত (টিএফএল :: সম্পূর্ণ সংযোগযুক্ত)

সম্পূর্ণ সংযুক্ত ওপ

বর্ণনা:

Operands:

  1. input : যে কোনও ধরণের মানগুলির টেনসর
  2. filter : যে কোনও ধরণের মানগুলির টেনসর
  3. bias : যে কোনও ধরণের মান বা কোনও প্রকারের টেনসর

গুণাবলী:

গুণ এমএলআইআর টাইপ বিবরণ
fused_activation_function StringAttr ফিউজড অ্যাক্টিভেশন এনুম অ্যাট্রিবিউট
weights_format StringAttr সম্পূর্ণরূপে সংযুক্ত বিকল্পগুলি ওজন বিন্যাসের বৈশিষ্ট্য
keep_num_dims BoolAttr বুল অ্যাট্রিবিউট অ্যাট্রিবিউট

ফলাফল:

  1. output : যে কোনও ধরণের মানগুলির টেনসর

tfl.gather_nd (টিএফএল :: গ্যাটারএনডিওপি)

জড়ো_ এবং অপারেটর

বর্ণনা:

থেকে টুকরা জড়ো params দ্বারা নির্দিষ্ট আকৃতি সঙ্গে একটি টেন্সর মধ্যে indices

Operands:

  1. params : যে কোনও ধরণের মানগুলির টেনসর
  2. indices : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

ফলাফল:

  1. output : যে কোনও ধরণের মানগুলির টেনসর

tfl.gather (টিএফএল :: সংগ্রহআপ)

অপারেটর সংগ্রহ করুন

বর্ণনা:

indices অনুযায়ী params অক্ষ axis থেকে স্লাইস সংগ্রহ করুন।

Operands:

  1. params : যে কোনও ধরণের মানগুলির টেনসর
  2. indices : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

গুণ এমএলআইআর টাইপ বিবরণ
axis IntegerAttr 32-বিট পূর্ণসংখ্যার বিশিষ্ট বৈশিষ্ট্য

ফলাফল:

  1. output : যে কোনও ধরণের মানগুলির টেনসর

tfl.greater_equal (টিএফএল :: গ্রেটারএকুয়ালঅ্যাপ)

গ্রেটার_একুয়াল অপারেটর

বর্ণনা:

উপাদান-ভিত্তিক বৃহত্তর_সম্পর্কীয় অপারেশন।

Operands:

  1. lhs : যে কোনও প্রকারের মান lhs
  2. rhs : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

ফলাফল:

  1. output : যে কোনও ধরণের মানগুলির টেনসর

tfl.greater (টিএফএল :: গ্রেটারঅপ)

গ্রেটার অপারেটর

বর্ণনা:

উপাদান অনুযায়ী বৃহত্তর অপারেশন।

Operands:

  1. lhs : যে কোনও প্রকারের মান lhs
  2. rhs : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

ফলাফল:

  1. output : যে কোনও ধরণের মানগুলির টেনসর

tfl.hard_swish (টিএফএল :: হার্ডসুইশপ)

হার্ডউইস অ্যাক্টিভেশন ফাংশন।

বর্ণনা:

হার্ড-স্যুইশ অ্যাক্টিভেশন ফাংশন গণনা করে f (x) -> (x * relu6 (x + 3)) / 6 উপাদান অনুসারে।

Operands:

  1. input : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

ফলাফল:

  1. out : যেকোন প্রকারের মান সেন্সর

tfl.l2_normalization (TFL :: L2 সাধারণকরণের ওপ)

L2 অপারেটরকে নরমালাইজ করুন

বর্ণনা:

L2 সাধারণকরণ অপ

Operands:

  1. input : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

গুণ এমএলআইআর টাইপ বিবরণ
fused_activation_function StringAttr ফিউজড অ্যাক্টিভেশন এনুম অ্যাট্রিবিউট

ফলাফল:

  1. output : যে কোনও ধরণের মানগুলির টেনসর

tfl.lstm (টিএফএল :: এলএসটিএমওপি)

সম্পূর্ণ lstm অপারেটর

বর্ণনা:

দীর্ঘ স্বল্প-মেয়াদী মেমরি ইউনিট (LSTM) পুনরাবৃত্ত নেটওয়ার্ক স্তর। ডিফল্ট নন-পীফোল বাস্তবায়নটি: HTTP- র উপর ভিত্তি করে তৈরি করা হয়েছে: "দীর্ঘ স্বল্পমেয়াদী স্মৃতি"। নিউরাল কম্পিউটেশন, 9 (8): 1735-1780, 1997. পিফহোল বাস্তবায়ন এর উপর ভিত্তি করে: https://research.google.com/pubs/archive/43905.pdf হাসিম সাক, অ্যান্ড্রু সিনিয়র এবং ফ্রাঙ্কোয়েজ বিউফেস। "বড় আকারের অ্যাকোস্টিক মডেলিংয়ের জন্য দীর্ঘ স্বল্পমেয়াদী মেমরি পুনরাবৃত্ত নিউরাল নেটওয়ার্ক আর্কিটেকচার। ইন্টারস্পেক, ২০১৪. ইনপুট এবং ভুলে যাওয়া গেটের (সিআইএফজি) সংযুক্তি উপর ভিত্তি করে: http://arxiv.org/pdf/1503.04069.pdf গ্রেফ এট আল "এলএসটিএম: একটি অনুসন্ধান স্পেস ওডিসি" স্তরটি স্বাভাবিককরণের উপর ভিত্তি করে: https://arxiv.org/pdf/1607.06450.pdf বা এট আল al "স্তর সাধারণকরণ"

Operands:

  1. input : যে কোনও ধরণের মানগুলির টেনসর
  2. input_to_input_weights : যে কোনও ধরণের মান বা কোনও প্রকারের input_to_input_weights
  3. input_to_forget_weights : যে কোনও ধরণের মানগুলির টেনসর
  4. input_to_cell_weights : যে কোনও প্রকারের মান input_to_cell_weights
  5. input_to_output_weights : যে কোনও ধরণের মানগুলির input_to_output_weights
  6. recurrent_to_input_weights : যে কোনও ধরণের মান বা কোনও প্রকারের সেন্সর
  7. recurrent_to_forget_weights : যে কোনও ধরণের মানগুলির সেন্সর
  8. recurrent_to_cell_weights : যে কোনও ধরণের মানগুলির সেন্সর
  9. recurrent_to_output_weights : যে কোনও ধরণের মানগুলির সেন্সর
  10. cell_to_input_weights : যে কোনও ধরণের মান বা কোনও প্রকারের cell_to_input_weights
  11. cell_to_forget_weights : যে কোনও ধরণের মান বা কোনও প্রকারের cell_to_forget_weights
  12. cell_to_output_weights : যে কোনও ধরণের মান বা কোনও প্রকারের টেনসর
  13. input_gate_bias : যে কোনও ধরণের মান বা কোনও প্রকারের টেনসর
  14. forget_gate_bias : যে কোনও প্রকারের মান forget_gate_bias
  15. cell_bias : যে কোনও ধরণের মানগুলির টেনসর
  16. output_gate_bias : যে কোনও ধরণের মানগুলির টেনসর
  17. projection_weights : যে কোনও ধরণের মান বা কোনও প্রকারের টেনসর
  18. projection_bias : যে কোনও ধরণের মান বা কোনও প্রকারের টেনসর
  19. input_activation_state : স্টেটফুল টেনসর
  20. input_cell_state : স্টেটফুল টেনসর
  21. input_layer_norm_coefficients : যে কোনও ধরণের মানগুলির বা input_layer_norm_coefficients
  22. forget_layer_norm_coefficients : যে কোনও ধরণের মানগুলির বা forget_layer_norm_coefficients
  23. cell_layer_norm_coefficients : যে কোনও ধরণের মানগুলির বা cell_layer_norm_coefficients কোনও প্রকার নেই cell_layer_norm_coefficients
  24. output_layer_norm_coefficients : যে কোনও ধরণের মানগুলির বা output_layer_norm_coefficients টাইপ নয় output_layer_norm_coefficients

গুণাবলী:

গুণ এমএলআইআর টাইপ বিবরণ
fused_activation_function StringAttr ফিউজড অ্যাক্টিভেশন এনুম অ্যাট্রিবিউট
cell_clip FloatAttr 32-বিট ফ্লোট বৈশিষ্ট্য বিশিষ্টতা
proj_clip FloatAttr 32-বিট ফ্লোট বৈশিষ্ট্য বিশিষ্টতা
kernel_type StringAttr lstm কার্নেল প্রকারের enum ক্ষেত্রে সম্পূর্ণ বৈশিষ্ট্য

ফলাফল:

  1. output : যে কোনও ধরণের মানগুলির টেনসর

tfl.leaky_relu (TFL :: LeakyReluOp)

ফাঁস রেলু অপারেটর

বর্ণনা:

এলিমেন্ট-ভিত্তিক লিকি রিলু অপারেটর x -> এক্স> = 0? এক্স: (আলফা * এক্স)

Operands:

  1. input : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

গুণ এমএলআইআর টাইপ বিবরণ
alpha FloatAttr 32-বিট ফ্লোট বৈশিষ্ট্য বিশিষ্টতা

ফলাফল:

  1. output : যে কোনও ধরণের মানগুলির টেনসর

tfl.less_equal (TFL :: TextEqualOp)

কম_সামান্য অপারেটর

বর্ণনা:

উপাদান অনুসারে কম_সম্পর্কীয় অপারেশন।

Operands:

  1. lhs : যে কোনও প্রকারের মান lhs
  2. rhs : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

ফলাফল:

  1. output : যে কোনও ধরণের মানগুলির টেনসর

tfl.less (টিএফএল :: লেসারপ)

কম অপারেটর

বর্ণনা:

উপাদান অনুযায়ী কম অপারেশন।

Operands:

  1. lhs : যে কোনও প্রকারের মান lhs
  2. rhs : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

ফলাফল:

  1. output : যে কোনও ধরণের মানগুলির টেনসর

tfl.local_response_normalization (TFL :: LocalResponseNormalizationOp)

স্থানীয় প্রতিক্রিয়া সাধারণকরণ।

বর্ণনা:

4-ডি input টেনসরকে 1-ডি ভেক্টরের 3-ডি অ্যারে (শেষ মাত্রা সহ) হিসাবে বিবেচনা করা হয় এবং প্রতিটি ভেক্টরকে স্বাধীনভাবে স্বাভাবিক করা হয়। প্রদত্ত ভেক্টরের মধ্যে, প্রতিটি উপাদানকে ওজনযুক্ত, depth_radius যোগ দ্বারা বিভক্ত করা হয় depth_radius মধ্যে ইনপুটগুলির যোগফল। বিস্তারিত,

 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
 

বিশদগুলির জন্য, ক্রিজেভস্কি এট আল, ডিপ কনভোলশনাল নিউরাল নেটওয়ার্কগুলির সাথে চিত্রনাট শ্রেণিবদ্ধকরণ (এনআইপিএস 2012) দেখুন

Operands:

  1. input : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

গুণ এমএলআইআর টাইপ বিবরণ
radius IntegerAttr 32-বিট পূর্ণসংখ্যার বিশিষ্ট বৈশিষ্ট্য
bias FloatAttr 32-বিট ফ্লোট বৈশিষ্ট্য বিশিষ্টতা
alpha FloatAttr 32-বিট ফ্লোট বৈশিষ্ট্য বিশিষ্টতা
beta FloatAttr 32-বিট ফ্লোট বৈশিষ্ট্য বিশিষ্টতা

ফলাফল:

  1. output : যে কোনও ধরণের মানগুলির টেনসর

tfl.log (টিএফএল :: লগঅপ)

প্রাকৃতিক লোগারিদম অপারেটর

বর্ণনা:

ইনপুটটিতে উপাদান-ভিত্তিক প্রাকৃতিক লোগারিদম অপারেশন করে।

Operands:

  1. x : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

ফলাফল:

  1. y : যে কোনও ধরণের মানগুলির টেনসর

tfl.log_softmax (টিএফএল :: লগসফটম্যাক্সপ)

সফটম্যাক্স অপারেটর লগ করুন

বর্ণনা:

নিম্নলিখিত সূত্রের সাহায্যে উপাদান অনুসারে লগ সফটম্যাক্স অ্যাক্টিভেশনগুলি গণনা করুন

ইনপুট - লগ (হ্রাস_সাম (এক্সপুট (ইনপুট), ম্লান))

Operands:

  1. input : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

ফলাফল:

  1. output : যে কোনও ধরণের মানগুলির টেনসর

tfl.logical_and (টিএফএল :: লজিক্যালএন্ডপ)

লজিকাল এবং অপারেটর

বর্ণনা:

উপাদান-ভিত্তিক যৌক্তিক ও অপারেশন।

Operands:

  1. lhs : যে কোনও প্রকারের মান lhs
  2. rhs : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

ফলাফল:

  1. output : যে কোনও ধরণের মানগুলির টেনসর

tfl.logical_not (TFL :: LogicalNotOp)

লজিকাল নয় অপারেটর

বর্ণনা:

উপাদান-ভিত্তিক যৌক্তিক নয় অপারেশন।

Operands:

  1. lhs : যে কোনও প্রকারের মান lhs

গুণাবলী:

ফলাফল:

  1. output : যে কোনও ধরণের মানগুলির টেনসর

tfl.logical_or (TFL :: LogicalOrOp)

লজিকাল ওআর অপারেটর

বর্ণনা:

উপাদান-ভিত্তিক যৌক্তিক বা অপারেশন।

Operands:

  1. lhs : যে কোনও প্রকারের মান lhs
  2. rhs : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

ফলাফল:

  1. output : যে কোনও ধরণের মানগুলির টেনসর

tfl.logistic (টিএফএল :: লজিস্টিকপ)

লজিস্টিক অপারেটর

বর্ণনা:

ইনপুটটির উপাদান-ভিত্তিক সিগময়েড গণনা করে

Operands:

  1. x : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

ফলাফল:

  1. y : যে কোনও ধরণের মানগুলির টেনসর

tfl.matrix_diag (টিএফএল :: ম্যাট্রিক্সডায়াগপ)

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

বর্ণনা:

একটি তির্যক দেওয়া, তির্যক এবং জিরো দিয়ে প্যাডযুক্ত সমস্ত কিছু দিয়ে একটি সেন্সর প্রদান করে। ধরুন, ত্রিভুজের k মাত্রা রয়েছে [I, J, K, ..., N] , তারপরে আউটপুটটি মাত্রা সহ k+1 র‌্যাঙ্কের একটি সেন্সর [I, J, K, ..., N, N] যেখানে: output[i, j, k, ..., m, n] = 1{m=n} * diagonal[i, j, k, ..., n].

Operands:

  1. diagonal : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

ফলাফল:

  1. output : যে কোনও ধরণের মানগুলির টেনসর

tfl.matrix_set_diag (টিএফএল :: ম্যাট্রিক্সসেটডিয়াগঅপ)

 Returns a batched matrix tensor with new batched diagonal values.
 

বর্ণনা:

input এবং diagonal , এই অপারেশনটি আন্তঃতম ম্যাট্রিকগুলির মূল তির্যক ব্যতীত একই আকার এবং input হিসাবে মানগুলির সাথে একটি টেনসর দেয়। এগুলি diagonal মানগুলির দ্বারা ওভাররাইট করা হবে।

Operands:

  1. input : 32-বিট ফ্লোট বা 32-বিট পূর্ণসংখ্যা বা -৪-বিট পূর্ণসংখ্যা বা 8-বিট পূর্ণসংখ্যা বা কিউআই 8 টাইপ বা কিউআই 16 টাইপ বা কিউআই 8 টাইপ বা টিএফলাইট uint8 প্রকার বা টিএফলাইট কুইন্ট 8 ধরণের মান
  2. diagonal : 32-বিট ফ্লোট বা 32-বিট পূর্ণসংখ্যা বা -৪-বিট পূর্ণসংখ্যা বা 8-বিট পূর্ণসংখ্যা বা কিউআই 8 টাইপ বা কিউআই 16 টাইপ বা কিউআই 8 টাইপ বা টিএফলাইট uint8 প্রকার বা টিএফলাইট কুইন্ট 8 প্রকারের মানসমূহ

গুণাবলী:

ফলাফল:

  1. output : 32-বিট ফ্লোট বা 32-বিট পূর্ণসংখ্যা বা or৪-বিট পূর্ণসংখ্যা বা 8-বিট পূর্ণসংখ্যা বা কিউআই 8 টাইপ বা কিউআই 16 টাইপ বা কিউআই 8 টাইপ বা টিএফলাইট uint8 প্রকার বা টিএফলাইট কুইন্ট 8 ধরণের মানগুলি

tfl.max_pool_2d (টিএফএল :: ম্যাক্সপুল 2 ডিওপি)

সর্বাধিক পুল 2 ডি ওপ

বর্ণনা:

ইনপুটটিতে সর্বাধিক পুল 2 ডি সঞ্চালিত হয়।

ইনপুটস: ইনপুটস inputs[0] : প্রয়োজনীয়: ইনপুট টেনসর

Operands:

  1. input : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

গুণ এমএলআইআর টাইপ বিবরণ
padding StringAttr প্যাডিং এনাম অ্যাট্রিবিউট
stride_w IntegerAttr 32-বিট পূর্ণসংখ্যার বিশিষ্ট বৈশিষ্ট্য
stride_h IntegerAttr 32-বিট পূর্ণসংখ্যার বিশিষ্ট বৈশিষ্ট্য
filter_width IntegerAttr 32-বিট পূর্ণসংখ্যার বিশিষ্ট বৈশিষ্ট্য
filter_height IntegerAttr 32-বিট পূর্ণসংখ্যার বিশিষ্ট বৈশিষ্ট্য
fused_activation_function StringAttr ফিউজড অ্যাক্টিভেশন এনুম অ্যাট্রিবিউট

ফলাফল:

  1. output : যে কোনও ধরণের মানগুলির টেনসর

tfl.max_pooling_with_argmax_2d (টিএফএল :: ম্যাক্সপুলিংউথআরজম্যাক্স 2 ডিওপি)

আরগম্যাক্স অপের সাহায্যে সর্বোচ্চ পুল 2 ডি

বর্ণনা:

ইনপুটটিতে সর্বাধিক পুলিং সম্পাদন করে এবং সর্বোচ্চ মান এবং সূচক উভয়ই আউটপুট করে। প্রতিটি সূচক হ'ল "ফিল্টার_উ" x "ফিল্টার_এইচ" আকারের উপ-অ্যারেতে সমতল সূচক Note

ইনপুটস: ইনপুটস inputs[0] : প্রয়োজনীয়: ইনপুট অ্যাক্টিভেশন টেনসর

Operands:

  1. input : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

গুণ এমএলআইআর টাইপ বিবরণ
padding StringAttr প্যাডিং এনাম অ্যাট্রিবিউট
stride_w IntegerAttr 32-বিট পূর্ণসংখ্যার বিশিষ্ট বৈশিষ্ট্য
stride_h IntegerAttr 32-বিট পূর্ণসংখ্যার বিশিষ্ট বৈশিষ্ট্য
filter_w IntegerAttr 32-বিট পূর্ণসংখ্যার বিশিষ্ট বৈশিষ্ট্য
filter_h IntegerAttr 32-বিট পূর্ণসংখ্যার বিশিষ্ট বৈশিষ্ট্য

ফলাফল:

  1. value : যে কোনও ধরণের মানগুলির টেনসর
  2. indices : যে কোনও ধরণের মানগুলির টেনসর

tfl.max_unpooling_2d (TFL :: MaxUnpooling2DOp)

সর্বোচ্চ আনপুল 2 ডি

বর্ণনা:

সর্বাধিক আনপুল অপারেশন করে। কিছুটা হলেও এটি সর্বাধিক পুলিংয়ের বিপরীত অপারেশন: ইনপুট অ্যাক্টিভেশন টেনসারের উপাদানগুলি ইনপুট সূচকগুলির দ্বারা নির্দিষ্ট অবস্থানে সংরক্ষণ করা হয়। নোট করুন এটি একটি কাস্টম ওপ যা মানক রানটাইমগুলিতে সমর্থিত নয়।

ইনপুট: ইনপুটস inputs[0] : প্রয়োজনীয়: ইনপুট অ্যাক্টিভেশন টেনসর ইনপুটস inputs[1] : প্রয়োজনীয়: ইনপুট সূচকগুলি

Operands:

  1. input : যে কোনও ধরণের মানগুলির টেনসর
  2. indices : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

গুণ এমএলআইআর টাইপ বিবরণ
padding StringAttr প্যাডিং এনাম অ্যাট্রিবিউট
stride_w IntegerAttr 32-বিট পূর্ণসংখ্যার বিশিষ্ট বৈশিষ্ট্য
stride_h IntegerAttr 32-বিট পূর্ণসংখ্যার বিশিষ্ট বৈশিষ্ট্য
filter_w IntegerAttr 32-বিট পূর্ণসংখ্যার বিশিষ্ট বৈশিষ্ট্য
filter_h IntegerAttr 32-বিট পূর্ণসংখ্যার বিশিষ্ট বৈশিষ্ট্য

ফলাফল:

  1. outputs : যে কোনও ধরণের মানগুলির টেনসর

tfl.maximum (টিএফএল :: সর্বোচ্চপথ)

সর্বোচ্চ অপারেটর

বর্ণনা:

উপাদান-ভিত্তিক সর্বোচ্চ অপারেশন।

Operands:

  1. lhs : যে কোনও প্রকারের মান lhs
  2. rhs : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

ফলাফল:

  1. max : যে কোনও ধরণের মানগুলির টেনসর

tfl.mean (টিএফএল :: মানেআপ)

মানে অপারেটর

বর্ণনা:

একটি সেন্সরের মাত্রা জুড়ে উপাদানগুলির গড়কে গণনা করে। অক্ষগুলিতে দেওয়া মাত্রাগুলি সহ ইনপুট_টেনসর হ্রাস করে। কিপডিমগুলি সত্য না হলে অক্ষের প্রতিটি প্রবেশের জন্য টেনসারের র‌্যাঙ্ক 1 দ্বারা হ্রাস করা হয়। যদি কিপডিমগুলি সত্য হয়, হ্রাস মাত্রাগুলি 1 দৈর্ঘ্যের সাথে বজায় রাখা হবে।

Operands:

  1. input : যে কোনও ধরণের মানগুলির টেনসর
  2. axis : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

গুণ এমএলআইআর টাইপ বিবরণ
keep_dims BoolAttr বুল অ্যাট্রিবিউট অ্যাট্রিবিউট

ফলাফল:

  1. output : যে কোনও ধরণের মানগুলির টেনসর

tfl.minimum (টিএফএল :: ন্যূনতমঅ্যাপ)

নূন্যতম অপারেটর

বর্ণনা:

উপাদান অনুসারে ন্যূনতম অপারেশন।

Operands:

  1. lhs : যে কোনও প্রকারের মান lhs
  2. rhs : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

ফলাফল:

  1. min : যে কোনও ধরণের মানগুলির টেনসর

tfl.mirror_pad (টিএফএল :: মিররপ্যাডপ)

মিররপ্যাড অপারেটর। মিরর করা মান সহ একটি টেনসর প্যাড।

বর্ণনা:

এই অপারেশনটি আপনার নির্দিষ্ট প্যাডিংগুলি অনুযায়ী মিরর করা মানগুলির সাথে একটি ইনপুট প্যাড করে। প্যাডিংস হ'ল আকার (n, 2] সহ একটি পূর্ণসংখ্যক টেনসর, যেখানে এন ইনপুটের র‌্যাঙ্ক। ইনপুটটির প্রতিটি মাত্রার ডি এর জন্য প্যাডিংস [ডি, 0] নির্দেশ করে যে সেই মাত্রায় ইনপুট সামগ্রীগুলির আগে কতগুলি মান যুক্ত করতে হবে এবং প্যাডিংস [ডি, 1] নির্দেশ করে যে সেই মাত্রায় ইনপুটগুলির বিষয়বস্তুর পরে কতগুলি মান যুক্ত করতে হবে।

উভয় প্যাডিংস [ডি, 0] এবং প্যাডিংস [ডি, 1] অবশ্যই ইনপুট.ডিম_সাইজ (ডি) (বা ইনপুট.ডিম_সাইজ (ডি) - 1) এর চেয়ে বড় হতে হবে না যদি কপি_বোর্ডারটি সত্য (যথাক্রমে মিথ্যা হলে)।

আউটপুট এর প্রতিটি মাত্রা ডি এর প্যাডেড আকার:

প্যাডিংস (ডি, 0) + ইনপুট.ডিম_সাইজ (ডি) + প্যাডিংস (ডি, 1)

Operands:

  1. input : যে কোনও ধরণের মানগুলির টেনসর
  2. pad : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

গুণ এমএলআইআর টাইপ বিবরণ
mode StringAttr মিরর প্যাড এনুম বৈশিষ্ট্য

ফলাফল:

  1. output : যে কোনও ধরণের মানগুলির টেনসর

tfl.mul (টিএফএল :: মুলঅপ)

গুণক অপারেটর

বর্ণনা:

উপাদান অনুসারে গুণিত অপারেশন।

Operands:

  1. lhs : যে কোনও প্রকারের মান lhs
  2. rhs : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

গুণ এমএলআইআর টাইপ বিবরণ
fused_activation_function StringAttr ফিউজড অ্যাক্টিভেশন এনুম অ্যাট্রিবিউট

ফলাফল:

  1. output : যে কোনও ধরণের মানগুলির টেনসর

tfl.neg (TFL :: NegOp)

নেগেশন অপারেটর

বর্ণনা:

ইনপুটটির উপাদান-ভিত্তিক অবহেলা গণনা করে

Operands:

  1. x : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

ফলাফল:

  1. y : যে কোনও ধরণের মানগুলির টেনসর

tfl.non_max_suppression_v4 (টিএফএল :: ননম্যাক্সপ্রেসনভি 4 ওপ)

লোভের সাথে স্কোরের ক্রমবর্ধমান ক্রমে বাউন্ডিং বাক্সগুলির একটি উপসেট নির্বাচন করে,

বর্ণনা:

পূর্বের নির্বাচিত বাক্সগুলির সাথে উচ্চ চৌরাস্তা-ওভার-ইউনিয়ন (আইইউ) ওভারল্যাপযুক্ত বাক্সগুলি ছাঁটাই করে। score_threshold চেয়ে কম score_threshold বাউন্ডিং বাক্সগুলি সরানো হবে। বাউন্ডিং বাক্সগুলি [y1, x1, y2, x2] হিসাবে সরবরাহ করা হয়, যেখানে (y1, x1) এবং (y2, x2) বাক্স কোণগুলির যে কোনও তির্যক জোড়ের স্থানাঙ্ক এবং স্থানাঙ্কগুলি সাধারণ হিসাবে সরবরাহ করা যেতে পারে (যেমন, এতে থাকা) বিরতি [0, 1]) বা পরম। নোট করুন যে এই অ্যালগরিদমটি অজিনস্টিক যেখানে উত্স স্থানাঙ্ক সিস্টেমে রয়েছে এবং আরও সাধারণভাবে অर्थোগোনাল ট্রান্সফর্মেশন এবং সমন্বিত সিস্টেমের অনুবাদগুলিতে অদ্বিতীয়; এইভাবে অনুবাদ বা স্থানাঙ্কের সিস্টেমের প্রতিচ্ছবিগুলির ফলে একই বাক্সগুলি অ্যালগোরিদম দ্বারা নির্বাচিত হয়। এই অপারেশনের আউটপুটটি নির্বাচিত বাক্সগুলিকে উপস্থাপন করে বাউন্ডিং বাক্সগুলির ইনপুট সংগ্রহের সাথে ইনডিজিং সংখ্যার একটি সেট। নির্বাচিত সূচকগুলির সাথে সম্পর্কিত বাউন্ডিং বক্স স্থানাঙ্কগুলি tf.gather operation ব্যবহার করে প্রাপ্ত করা যেতে পারে। উদাহরণস্বরূপ: নির্বাচিত_ইন্ডিসগুলি = tf.image.non_max_suppression_v2 (বাক্স, স্কোর, সর্বোচ্চ_আউটপুট_সাইজ, iou_threshold, স্কোর_থ্রেসোল্ড) নির্বাচিত_বক্সেস = tf.gather (বাক্স, নির্বাচিত_ইন্ডিস)

Operands:

  1. boxes : যে কোনও ধরণের মানগুলির টেনসর
  2. scores : যে কোনও ধরণের মানগুলির টেনসর
  3. max_output_size : যে কোনও ধরণের মানগুলির টেনসর max_output_size
  4. iou_threshold : যে কোনও ধরণের মানগুলির টেনসর
  5. score_threshold : যে কোনও ধরণের মানগুলির টেনসর

গুণাবলী:

ফলাফল:

  1. selected_indices : যে কোনও ধরণের মানগুলির টেনসর
  2. valid_outputs : যে কোনও ধরণের মানগুলির টেনসর

tfl.non_max_suppression_v5 (টিএফএল :: ননম্যাক্সসপ্রেশনভি 5 ওপ)

লোভের সাথে স্কোরের ক্রমবর্ধমান ক্রমে বাউন্ডিং বাক্সগুলির একটি উপসেট নির্বাচন করে,

বর্ণনা:

পূর্বের নির্বাচিত বাক্সগুলির সাথে উচ্চ চৌরাস্তা-ওভার-ইউনিয়ন (আইইউ) ওভারল্যাপযুক্ত বাক্সগুলি ছাঁটাই করে। score_threshold চেয়ে কম score_threshold বাউন্ডিং বাক্সগুলি সরানো হবে। বাউন্ডিং বাক্সগুলি [y1, x1, y2, x2] হিসাবে সরবরাহ করা হয়, যেখানে (y1, x1) এবং (y2, x2) বাক্স কোণগুলির যে কোনও তির্যক জোড়ের স্থানাঙ্ক এবং স্থানাঙ্কগুলি সাধারণ হিসাবে সরবরাহ করা যেতে পারে (যেমন, এতে থাকা) বিরতি [0, 1]) বা পরম। নোট করুন যে এই অ্যালগরিদমটি অজিনস্টিক যেখানে উত্স স্থানাঙ্ক সিস্টেমে রয়েছে এবং আরও সাধারণভাবে অर्थোগোনাল ট্রান্সফর্মেশন এবং সমন্বিত সিস্টেমের অনুবাদগুলিতে অদ্বিতীয়; এইভাবে অনুবাদ বা স্থানাঙ্কের সিস্টেমের প্রতিচ্ছবিগুলির ফলে একই বাক্সগুলি অ্যালগোরিদম দ্বারা নির্বাচিত হয়। এই অপারেশনের আউটপুটটি নির্বাচিত বাক্সগুলিকে উপস্থাপন করে বাউন্ডিং বাক্সগুলির ইনপুট সংগ্রহের সাথে ইনডিজিং সংখ্যার একটি সেট। নির্বাচিত সূচকগুলির সাথে সম্পর্কিত বাউন্ডিং বক্স স্থানাঙ্কগুলি tf.gather operation ব্যবহার করে প্রাপ্ত করা যেতে পারে। 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.

Operands:

  1. boxes : tensor of any type values
  2. scores : tensor of any type values
  3. max_output_size : tensor of any type values
  4. iou_threshold : tensor of any type values
  5. score_threshold : tensor of any type values
  6. soft_nms_sigma : tensor of any type values

Attributes:

Results:

  1. selected_indices : tensor of any type values
  2. selected_scores : tensor of any type values
  3. valid_outputs : tensor of any type values

tfl.not_equal (TFL::NotEqualOp)

Not_equal operator

Description:

Element-wise not_equal operation.

Operands:

  1. lhs : tensor of any type values
  2. rhs : tensor of any type values

Attributes:

Results:

  1. output : tensor of any type values

tfl.NumericVerify (TFL::NumericVerifyOp)

Verifies the numericals of the two operands

Description:

The NumericVerify op is a debugging op to verify the numericals of the two activations. It is a custom op in TFLite.

Operands:

  1. input : tensor of any type values
  2. ref : tensor of any type values

Attributes:

Attribute MLIR Type Description
tolerance FloatAttr 32-bit float attribute attribute

Results:

tfl.one_hot (TFL::OneHotOp)

OneHot operator

Description:

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).

Operands:

  1. indices : tensor of any type values
  2. depth : tensor of any type values
  3. on_value : tensor of any type values
  4. off_value : tensor of any type values

Attributes:

Attribute MLIR Type Description
axis IntegerAttr 32-bit integer attribute attribute

Results:

  1. output : tensor of any type values

tfl.prelu (TFL::PReluOp)

Parameterized Relu operator

Description:

Parameterized Relu operator x -> x >= 0 ? x : (alpha * x) where alpha is a trainable tensor. alpha should have one less rank than the input as it doesn't have the batch dimension, and the other dimensions either should be the same size as input or size 1, where it is broadcasted in the second case.

Operands:

  1. input : tensor of any type values
  2. alpha : tensor of any type values

Attributes:

Results:

  1. output : tensor of any type values

tfl.pack (TFL::PackOp)

Packs a list of tensors along a dimension into one tensor

Description:

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

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

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

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

For example:

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

This is the opposite of unpack .

Operands:

  1. values : tensor of any type values

Attributes:

Attribute MLIR Type Description
values_count IntegerAttr 32-bit integer attribute attribute
axis IntegerAttr 32-bit integer attribute attribute

Results:

  1. output : tensor of any type values

tfl.pad (TFL::PadOp)

Padding operator

Description:

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

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

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

For example:

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

Operands:

  1. input : tensor of any type values
  2. padding : tensor of any type values

Attributes:

Results:

  1. output : tensor of any type values

tfl.padv2 (TFL::PadV2Op)

Padding operator v2

Description:

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

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

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

For example:

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

Operands:

  1. input : tensor of any type values
  2. padding : tensor of any type values
  3. constant_values : tensor of any type values

Attributes:

Results:

  1. output : tensor of any type values

tfl.pow (TFL::PowOp)

Power operator

Description:

Element-wise power operation.

Operands:

  1. lhs : tensor of any type values
  2. rhs : tensor of any type values

Attributes:

Results:

  1. output : tensor of any type values

tfl.pseudo_qconst (TFL::QConstOp)

Quantized constant pseudo op

Description:

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.

Operands:

Attributes:

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

Results:

  1. output : tensor of any type values

tfl.quantize (TFL::QuantizeOp)

Quantize operator

Description:

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

Operands:

  1. input : tensor of any type values

Attributes:

Attribute MLIR Type Description
qtype TypeAttr Tensor type attribute attribute

Results:

  1. output : tensor of any type values

tfl.range (TFL::RangeOp)

Range operator

Description:

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

Operands:

  1. start : tensor of any type values
  2. limit : tensor of any type values
  3. delta : tensor of any type values

Attributes:

Results:

  1. result : tensor of any type values

tfl.rank (TFL::RankOp)

Rank operator.

Description:

Returns the rank of a tensor.

Operands:

  1. input : tensor of any type values

Attributes:

Results:

  1. output : tensor of any integer type

tfl.reduce_any (TFL::ReduceAnyOp)

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

Description:

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.

Operands:

  1. input : tensor of any type values
  2. reduction_indices : tensor of any type values

Attributes:

Attribute MLIR Type Description
keep_dims BoolAttr bool attribute attribute

Results:

  1. output : tensor of any type values

tfl.reduce_max (TFL::ReduceMaxOp)

Max-reduction operator

Description:

Computes the max reduction along the specified axes

Operands:

  1. input : tensor of any type values
  2. axes : tensor of any type values

Attributes:

Attribute MLIR Type Description
keep_dims BoolAttr bool attribute attribute

Results:

  1. «unnamed»: tensor of any type values

tfl.reduce_min (TFL::ReduceMinOp)

Min-reduction operator

Description:

Computes the min reduction along the specified axes

Operands:

  1. input : tensor of any type values
  2. axes : tensor of any type values

Attributes:

Attribute MLIR Type Description
keep_dims BoolAttr bool attribute attribute

Results:

  1. «unnamed»: tensor of any type values

tfl.reduce_prod (TFL::ReduceProdOp)

Prod-reduction operator

Description:

Computes the product along the specified axes

Operands:

  1. input : tensor of any type values
  2. axes : tensor of any type values

Attributes:

Attribute MLIR Type Description
keep_dims BoolAttr bool attribute attribute

Results:

  1. «unnamed»: tensor of any type values

tfl.relu_n1_to_1 (TFL::Relu1Op)

Relu1 operator

Description:

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

Operands:

  1. x : tensor of any type values

Attributes:

Results:

  1. y : tensor of any type values

tfl.relu6 (TFL::Relu6Op)

Relu6 operator

Description:

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

Operands:

  1. x : tensor of any type values

Attributes:

Results:

  1. y : tensor of any type values

tfl.relu (TFL::ReluOp)

Relu operator

Description:

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

Operands:

  1. x : tensor of any type values

Attributes:

Results:

  1. y : tensor of any type values

tfl.reshape (TFL::ReshapeOp)

Reshape operator

Description:

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

Operands:

  1. input : tensor of any type values
  2. shape : tensor of any type values

Attributes:

Results:

  1. output : tensor of any type values

tfl.resize_bilinear (TFL::ResizeBilinearOp)

ResizeBilinear Op

Description:

Resize images to size using bilinear interpolation.

Operands:

  1. input : tensor of any type values
  2. size : tensor of any type values

Attributes:

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

Results:

  1. output : tensor of any type values

tfl.resize_nearest_neighbor (TFL::ResizeNearestNeighborOp)

ResizeNearestNeighbor Op

Description:

Resize images to size using nearest neighbor interpolation.

Operands:

  1. input : tensor of any type values
  2. size : tensor of any type values

Attributes:

Attribute MLIR Type Description
align_corners BoolAttr bool attribute attribute

Results:

  1. output : tensor of any type values

tfl.reverse_sequence (TFL::ReverseSequenceOp)

Reverses variable length slices.

Description:

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.

Operands:

  1. input : tensor of any type values
  2. seq_lengths : tensor of any type values

Attributes:

Attribute MLIR Type Description
seq_dim IntegerAttr 32-bit integer attribute attribute
batch_dim IntegerAttr 32-bit integer attribute attribute

Results:

  1. output : tensor of any type values

tfl.reverse_v2 (TFL::ReverseV2Op)

ReverseV2 Operator

Description:

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, 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.

Operands:

  1. input : tensor of any type values
  2. axis : tensor of any type values

Attributes:

Results:

  1. output : tensor of any type values

tfl.round (TFL::RoundOp)

Round operator

Description:

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

Operands:

  1. x : tensor of any type values

Attributes:

Results:

  1. y : tensor of any type values

tfl.rsqrt (TFL::RsqrtOp)

Reciprocal of square root operator

Description:

Computes element-wise reverse square root of input

Operands:

  1. x : tensor of any type values

Attributes:

Results:

  1. y : tensor of any type values

tfl.svdf (TFL::SVDFOp)

Single value decomposition filter operator

Description:

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

Operands:

  1. input : tensor of any type values
  2. feature_weights : tensor of any type values
  3. time_weights : tensor of any type values
  4. input_gate_bias : tensor of any type values or none type
  5. activation_state : stateful tensor

Attributes:

Attribute MLIR Type Description
rank IntegerAttr 32-bit integer attribute attribute
fused_activation_function StringAttr fused activation enum attribute

Results:

  1. output : tensor of any type values

tfl.segment_sum (TFL::SegmentSumOp)

SegmentSum operator

Description:

Computes the sum along segments of a tensor.

Operands:

  1. data : tensor of any type values
  2. segment_ids : tensor of any type values

Attributes:

Results:

  1. output : tensor of any type values

tfl.select (TFL::SelectOp)

Select operator

Description:

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.

Operands:

  1. condition : tensor of any type values
  2. x : tensor of any type values
  3. y : tensor of any type values

Attributes:

Results:

  1. output : tensor of any type values

tfl.select_v2 (TFL::SelectV2Op)

SelectV2 operator

Description:

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'.

Operands:

  1. condition : tensor of any type values
  2. x : tensor of any type values
  3. y : tensor of any type values

Attributes:

Results:

  1. output : tensor of any type values

tfl.shape (TFL::ShapeOp)

Shape operator

Description:

Returns the shape of a tensor.

Operands:

  1. input : tensor of any type values

Attributes:

Attribute MLIR Type Description
out_type Attribute derived attribute attribute

Results:

  1. output : tensor of any type values

tfl.sin (TFL::SinOp)

Sine operator

Description:

Computes element-wise Sine of input

Operands:

  1. x : tensor of any type values

Attributes:

Results:

  1. y : tensor of any type values

tfl.slice (TFL::SliceOp)

Return a slice from 'input'.

Description:

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)

Operands:

  1. input : tensor of any type values
  2. begin : tensor of any type values
  3. size : tensor of any type values

Attributes:

Results:

  1. output : tensor of any type values

tfl.softmax (TFL::SoftmaxOp)

Softmax operator

Description:

Computes element-wise softmax activations with the following formula

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

Operands:

  1. input : tensor of any type values

Attributes:

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

Results:

  1. output : tensor of any type values

tfl.space_to_batch_nd (TFL::SpaceToBatchNdOp)

SpaceToBatchNd operator

Description:

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

Operands:

  1. input : tensor of any type values
  2. block_shape : tensor of any type values
  3. paddings : tensor of any type values

Attributes:

Results:

  1. output : tensor of any type values

tfl.space_to_depth (TFL::SpaceToDepthOp)

SpaceToDepth operator

Description:

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.

Operands:

  1. input : tensor of any type values

Attributes:

Attribute MLIR Type Description
block_size IntegerAttr 32-bit integer attribute attribute

Results:

  1. output : tensor of any type values

tfl.pseudo_sparse_const (TFL::SparseConstOp)

Sparse constant pseudo op.

Description:

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

Operands:

Attributes:

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

Results:

  1. output : tensor of any type values

tfl.pseudo_sparse_qconst (TFL::SparseQConstOp)

Sparse quantized constant pseudo op

Description:

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.

Operands:

Attributes:

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

Results:

  1. output : tensor of any type values

tfl.sparse_to_dense (TFL::SparseToDenseOp)

Converts a sparse representation into a dense tensor.

Description:

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.

Operands:

  1. sparse_indices : tensor of any type values
  2. output_shape : tensor of any type values
  3. sparse_values : tensor of any type values
  4. default_value : tensor of any type values

Attributes:

Results:

  1. dense : tensor of any type values

tfl.split (TFL::SplitOp)

Splits a tensor into num_split tensors along one dimension.

Description:

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.

Operands:

  1. split_dim : tensor of any type values
  2. value : tensor of any type values

Attributes:

Attribute MLIR Type Description
num_splits IntegerAttr positive 32-bit integer attribute attribute

Results:

  1. outputs : tensor of any type values

tfl.split_v (TFL::SplitVOp)

Splits a tensor into num_split tensors along one dimension.

Description:

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.

Operands:

  1. value : tensor of any type values
  2. size_splits : 1D tensor of 32-bit integer values
  3. split_dim : 0D tensor of 32-bit integer values

Attributes:

Attribute MLIR Type Description
num_splits IntegerAttr positive 32-bit integer attribute attribute

Results:

  1. outputs : tensor of any type values

tfl.sqrt (TFL::SqrtOp)

Square root operator

Description:

Computes element-wise Square root of input

Operands:

  1. x : tensor of any type values

Attributes:

Results:

  1. y : tensor of any type values

tfl.square (TFL::SquareOp)

Square operator

Description:

Computes element-wise Square of input

Operands:

  1. x : tensor of any type values

Attributes:

Results:

  1. y : tensor of any type values

tfl.squared_difference (TFL::SquaredDifferenceOp)

Squared difference operator

Description:

Element-wise squared difference operation.

Operands:

  1. lhs : tensor of any type values
  2. rhs : tensor of any type values

Attributes:

Results:

  1. output : tensor of any type values

tfl.squeeze (TFL::SqueezeOp)

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

Description:

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 axis .

For example:

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

Or, to remove specific size 1 dimensions:

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

Operands:

  1. input : tensor of any type values

Attributes:

Attribute MLIR Type Description
squeeze_dims ArrayAttr 64-bit integer array attribute attribute

Results:

  1. output : tensor of any type values

tfl.strided_slice (TFL::StridedSliceOp)

StridedSlice Op

Description:

Return a strided slice from input .

Operands:

  1. input : tensor of any type values
  2. begin : tensor of any type values
  3. end : tensor of any type values
  4. strides : tensor of any type values

Attributes:

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

Results:

  1. output : tensor of any type values

tfl.sub (TFL::SubOp)

Subtraction operator

Description:

Element-wise subtraction operation.

Operands:

  1. lhs : tensor of any type values
  2. rhs : tensor of any type values

Attributes:

Attribute MLIR Type Description
fused_activation_function StringAttr fused activation enum attribute

Results:

  1. output : tensor of any type values

tfl.sum (TFL::SumOp)

Sum operator

Description:

Computes the sum reduction along the specified axes

Operands:

  1. input : tensor of any type values
  2. axes : tensor of any type values

Attributes:

Attribute MLIR Type Description
keep_dims BoolAttr bool attribute attribute

Results:

  1. «unnamed»: tensor of any type values

tfl.tanh (TFL::TanhOp)

Hyperbolic tangent operator

Description:

Computes element-wise Hyperbolic tangent of input

Operands:

  1. x : tensor of any type values

Attributes:

Results:

  1. y : tensor of any type values

tfl.tile (TFL::TileOp)

Tile operator.

Description:

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].

Operands:

  1. input : tensor of any type values
  2. multiples : tensor of any type values

Attributes:

Results:

  1. output : tensor of any type values

tfl.topk_v2 (TFL::TopKV2Op)

TopK operator

Description:

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.

Operands:

  1. input : tensor of any type values
  2. k : tensor of any type values

Attributes:

Results:

  1. values : tensor of any type values
  2. indices : tensor of any type values

tfl.transpose_conv (TFL::TransposeConvOp)

Transpose convolution operator

Description:

Performs transpose convolution operation on input.

Operands:

  1. output_shape : 1D tensor of any type values
  2. weights : tensor of any type values
  3. input : tensor of any type values

Attributes:

Attribute MLIR Type Description
padding StringAttr padding enum attribute
stride_h IntegerAttr 32-bit integer attribute attribute
stride_w IntegerAttr 32-bit integer attribute attribute

Results:

  1. output : tensor of any type values

tfl.transpose (TFL::TransposeOp)

Transpose operator

Description:

Returns the Transpose of x

Operands:

  1. x : tensor of any type values
  2. perm : tensor of any type values

Attributes:

Results:

  1. y : tensor of any type values

tfl.unidirectional_sequence_lstm (TFL::UnidirectionalSequenceLSTMOp)

Unidirectional sequence lstm operator

Description:

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”).

Operands:

  1. input : tensor of any type values
  2. input_to_input_weights : tensor of any type values or none type
  3. input_to_forget_weights : tensor of any type values
  4. input_to_cell_weights : tensor of any type values
  5. input_to_output_weights : tensor of any type values
  6. recurrent_to_input_weights : tensor of any type values or none type
  7. recurrent_to_forget_weights : tensor of any type values
  8. recurrent_to_cell_weights : tensor of any type values
  9. recurrent_to_output_weights : tensor of any type values
  10. cell_to_input_weights : tensor of any type values or none type
  11. cell_to_forget_weights : tensor of any type values or none type
  12. cell_to_output_weights : tensor of any type values or none type
  13. input_gate_bias : tensor of any type values or none type
  14. forget_gate_bias : tensor of any type values
  15. cell_bias : tensor of any type values
  16. output_gate_bias : tensor of any type values
  17. projection_weights : tensor of any type values or none type
  18. projection_bias : tensor of any type values or none type
  19. input_activation_state : stateful tensor
  20. input_cell_state : stateful tensor
  21. input_layer_norm_coefficients : tensor of any type values or none type
  22. forget_layer_norm_coefficients : tensor of any type values or none type
  23. cell_layer_norm_coefficients : tensor of any type values or none type
  24. output_layer_norm_coefficients : tensor of any type values or none type

Attributes:

Attribute MLIR Type Description
fused_activation_function StringAttr fused activation enum attribute
cell_clip FloatAttr 32-bit float attribute attribute
proj_clip FloatAttr 32-bit float attribute attribute
time_major BoolAttr bool attribute attribute

Results:

  1. output : tensor of any type values

tfl.unidirectional_sequence_rnn (TFL::UnidirectionalSequenceRNNOp)

Unidirectional sequence rnn operator

Description:

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”).

Operands:

  1. input : tensor of any type values
  2. input_to_input_weights : tensor of any type values
  3. recurrent_to_input_weights : tensor of any type values
  4. input_gate_bias : tensor of any type values
  5. hidden_state : stateful tensor

Attributes:

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

Results:

  1. output : tensor of any type values

tfl.unique (TFL::UniqueOp)

Unique Op.

Description:

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

Operands:

  1. input : tensor of any type values

Attributes:

Attribute MLIR Type Description
idx_out_type Attribute derived attribute attribute

Results:

  1. output : tensor of any type values
  2. idx : tensor of any type values

tfl.unpack (TFL::UnpackOp)

Unpacks a tensor along a dimension into multiple tensors

Description:

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 .

Operands:

  1. input : tensor of any type values

Attributes:

Attribute MLIR Type Description
num IntegerAttr 32-bit integer attribute attribute
axis IntegerAttr 32-bit integer attribute attribute

Results:

  1. outputs : tensor of any type values

tfl.where (TFL::WhereOp)

Returns locations of nonzero / true values in a tensor.

Description:

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.

Operands:

  1. input : tensor of any type values

Attributes:

Results:

  1. index : tensor of any type values

tfl.while (TFL::WhileOp)

While loop

Description:

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 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.

Operands:

  1. input : tensor of any type values

Attributes:

Attribute MLIR Type Description
is_stateless BoolAttr bool attribute attribute

Results:

  1. output : tensor of any type values

tfl.yield (TFL::YieldOp)

Yield operation

Description:

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

Operands:

  1. operands : any type

Attributes:

Results:

tfl.zeros_like (TFL::ZerosLikeOp)

ZerosLike operator

Description:

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

Operands:

  1. input : tensor of any type values

Attributes:

Results:

  1. output : tensor of any type values