Esta página foi traduzida pela API Cloud Translation.
Switch to English

Dialeto & # 39; tfl & # 39; definição

O dialeto TensorFlow Lite.

Esse dialeto é mapeado para as operações do TensorFlow Lite.

Invariantes:

  • Todos os valores são do tipo tensor (em particular, escalares são representados usando tensores de dimensão zero);

Definição de operação

tfl.abs (TFL :: AbsOp)

Operador de valor absoluto

Descrição:

Dado um tensor x , esta operação retorna um tensor contendo o valor absoluto de cada elemento em x . Por exemplo, se x é um elemento de entrada e y é um elemento de saída, esta operação calcula \ (y = | x | \).

Operandos:

  1. x : tensor de qualquer valor de tipo

Atributos:

Resultados:

  1. y : tensor de qualquer valor de tipo

tfl.add_n (TFL :: AddNOp)

operador add_n

Descrição:

Adiciona todos os tensores de entrada em elementos.

Operandos:

  1. inputs : tensor de qualquer valor de tipo

Atributos:

Resultados:

  1. sum : tensor de qualquer tipo de valores

tfl.add (TFL :: AddOp)

Operador de adição

Descrição:

Operação de adição elemento a elemento.

Operandos:

  1. lhs : tensor de qualquer tipo de valor
  2. rhs : tensor de qualquer tipo de valor

Atributos:

Atributo Tipo MLIR Descrição
fused_activation_function StringAttr atributo de enumeração de ativação fundida

Resultados:

  1. output : tensor de qualquer valor de tipo

tfl.arg_max (TFL :: ArgMaxOp)

Operador ArgMax

Descrição:

Retorna o índice com o maior valor entre as dimensões de um tensor.

Operandos:

  1. input : tensor de qualquer tipo de valor
  2. dim : tensor de qualquer tipo de valor

Atributos:

Atributo Tipo MLIR Descrição
output_type Attribute atributo derivado

Resultados:

  1. output : tensor de qualquer valor de tipo

tfl.arg_min (TFL :: ArgMinOp)

Operador ArgMin

Descrição:

Retorna o índice com o menor valor entre as dimensões de um tensor. "A = [1, 10, 26,9, 2,8, 166,32, 62,3] b = tf.math.argmin (entrada = a) c = tf.keras.backend.eval b)

Operandos:

  1. input : tensor de qualquer tipo de valor
  2. dim : tensor de qualquer tipo de valor

Atributos:

Atributo Tipo MLIR Descrição
output_type Attribute atributo derivado

Resultados:

  1. output : tensor de qualquer valor de tipo

tfl.average_pool_2d (TFL :: AveragePool2DOp)

Operador Average_pool_2d

Descrição:

Executa a operação de pool médio na entrada.

Operandos:

  1. input : tensor de qualquer tipo de valor

Atributos:

Atributo Tipo MLIR Descrição
filter_height IntegerAttr Atributo de atributo inteiro de 32 bits
filter_width IntegerAttr Atributo de atributo inteiro de 32 bits
padding StringAttr atributo enum padding
stride_h IntegerAttr Atributo de atributo inteiro de 32 bits
stride_w IntegerAttr Atributo de atributo inteiro de 32 bits
fused_activation_function StringAttr atributo de enumeração de ativação fundida

Resultados:

  1. output : tensor de qualquer valor de tipo

tfl.basic_lstm (TFL :: BasicLSTMOp)

O operador lstm básico

Descrição:

Operador de célula LSTM básico.

Operandos:

  1. data_input : tensor de qualquer tipo de valor
  2. prev_activ_input : tensor de qualquer valor de tipo
  3. weights_input : tensor de qualquer valor de tipo
  4. biases_input : tensor de qualquer valor de tipo
  5. prev_state_input : tensor de qualquer valor de tipo

Atributos:

Atributo Tipo MLIR Descrição
fused_activation_function StringAttr atributo de enumeração de ativação fundida
cell_clip FloatAttr Atributo de atributo flutuante de 32 bits
proj_clip FloatAttr Atributo de atributo flutuante de 32 bits
kernel_type StringAttr Atributo BASIC do caso enum do tipo de kernel lstm

Resultados:

  1. activ_output : tensor 2D de qualquer tipo de valor
  2. state_output : tensor 2D de qualquer tipo de valor
  3. concat_temp : tensor 2D de qualquer valor de tipo
  4. activ_temp : tensor 2D de qualquer valor de tipo

tfl.batch_to_space_nd (TFL :: BatchToSpaceNdOp)

Operador BatchToSpaceNd

Descrição:

Esta operação reformula a dimensão 0 do lote em dimensões do espaço.

Operandos:

  1. input : tensor de qualquer tipo de valor
  2. block_shape : tensor de qualquer tipo de valor
  3. indices : tensor de qualquer tipo de valores

Atributos:

Resultados:

  1. output : tensor de qualquer valor de tipo

tfl.cast (TFL :: CastOp)

Operador de elenco

Descrição:

Transmite a entrada do tipo de entrada para o tipo de saída.

Operandos:

  1. input : tensor de qualquer tipo de valor

Atributos:

Resultados:

  1. output : tensor de qualquer valor de tipo

tfl.ceil (TFL :: CeilOp)

Operador de teto

Descrição:

Retorna o valor do teto em termos de elementos da entrada.

Operandos:

  1. x : tensor de qualquer valor de tipo

Atributos:

Resultados:

  1. y : tensor de qualquer valor de tipo

tfl.concatenation (TFL :: ConcatenationOp)

Operador de concatenação

Descrição:

Concatena tensores ao longo de uma dimensão

Operandos:

  1. values : tensor de qualquer tipo de valores

Atributos:

Atributo Tipo MLIR Descrição
axis IntegerAttr Atributo de atributo inteiro de 32 bits
fused_activation_function StringAttr atributo de enumeração de ativação fundida

Resultados:

  1. output : tensor de qualquer valor de tipo

tfl.pseudo_const (TFL :: ConstOp)

Pseudo-op constante.

Descrição:

Representa um valor constante no dialeto TensorFlow Lite. Esta não é uma operação real e será reduzida para buffer.

É permitido ao op ter o mesmo tipo de atributos que o tf.Const (por exemplo, atributos TF opacos são permitidos).

Operandos:

Atributos:

Atributo Tipo MLIR Descrição
value ElementsAttr atributo de atributo constante vetor / tensor

Resultados:

  1. output : tensor de qualquer valor de tipo

tfl.conv_2d (TFL :: Conv2DOp)

Operador de convolução

Descrição:

Executa a operação de convolução nas entradas.

Entradas: inputs[0] : necessárias: as entradas do tensor de ativação da inputs[1] : necessárias: as inputs[2] tensor de peso do filtro inputs[2] : opcional: o tensor de polarização

Operandos:

  1. input : tensor de qualquer tipo de valor
  2. filter : tensor de qualquer tipo de valor
  3. bias : tensor de qualquer tipo de valor ou nenhum tipo

Atributos:

Atributo Tipo MLIR Descrição
dilation_h_factor IntegerAttr Atributo de atributo inteiro de 32 bits
dilation_w_factor IntegerAttr Atributo de atributo inteiro de 32 bits
fused_activation_function StringAttr atributo de enumeração de ativação fundida
padding StringAttr atributo enum padding
stride_h IntegerAttr Atributo de atributo inteiro de 32 bits
stride_w IntegerAttr Atributo de atributo inteiro de 32 bits

Resultados:

  1. output : tensor de qualquer valor de tipo

tfl.convolution_2d_transpose_bias (TFL :: Convolution2DTransposeBiasOp)

Transposição de convolução com operador de viés

Descrição:

Executa a operação de convolução de transposição nas entradas, com a opção de adicionar um viés. Observe que esta é uma operação personalizada que não é suportada no tempo de execução padrão.

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

Operandos:

  1. input : tensor de qualquer tipo de valor
  2. filter : tensor de qualquer tipo de valor
  3. bias : tensor de qualquer tipo de valor ou nenhum tipo

Atributos:

Atributo Tipo MLIR Descrição
padding StringAttr atributo enum padding
stride_h IntegerAttr Atributo de atributo inteiro de 32 bits
stride_w IntegerAttr Atributo de atributo inteiro de 32 bits

Resultados:

  1. output : tensor de qualquer valor de tipo

tfl.cos (TFL :: CosOp)

Operador coseno

Descrição:

Calcula o cosseno de entrada elemento a elemento

Operandos:

  1. x : tensor de qualquer valor de tipo

Atributos:

Resultados:

  1. y : tensor de qualquer valor de tipo

tfl.densify (TFL :: DensifyOp)

Operador Densify

Descrição:

Converte o tensor esparso em formato denso.

Operandos:

  1. input : tensor de qualquer tipo de valor

Atributos:

Resultados:

  1. output : tensor de qualquer valor de tipo

tfl.depth_to_space (TFL :: DepthToSpaceOp)

Operador DepthToSpace

Descrição:

Reorganiza os dados da profundidade em blocos de dados espaciais. Essa é a transformação reversa do SpaceToDepth. Mais especificamente, essa operação gera uma cópia do tensor de entrada em que os valores da dimensão de depth são movidos em blocos espaciais para as dimensões de height e width . O attr block_size indica o tamanho do bloco de entrada e como os dados são movidos.

Operandos:

  1. input : tensor de qualquer tipo de valor

Atributos:

Atributo Tipo MLIR Descrição
block_size IntegerAttr Atributo de atributo inteiro de 32 bits

Resultados:

  1. output : tensor de qualquer valor de tipo

tfl.depthwise_conv_2d (TFL :: DepthwiseConv2DOp)

Operador de convolução profundamente separável em profundidade

Descrição:

Executa a operação de convolução nas entradas.

Entradas: inputs[0] : necessárias: as entradas do tensor de ativação da inputs[1] : necessárias: as inputs[2] tensor de peso do filtro inputs[2] : opcional: o tensor de polarização

Operandos:

  1. input : tensor de qualquer tipo de valor
  2. filter : tensor de qualquer tipo de valor
  3. bias : tensor de qualquer tipo de valor ou nenhum tipo

Atributos:

Atributo Tipo MLIR Descrição
dilation_h_factor IntegerAttr Atributo de atributo inteiro de 32 bits
dilation_w_factor IntegerAttr Atributo de atributo inteiro de 32 bits
fused_activation_function StringAttr atributo de enumeração de ativação fundida
padding StringAttr atributo enum padding
stride_h IntegerAttr Atributo de atributo inteiro de 32 bits
stride_w IntegerAttr Atributo de atributo inteiro de 32 bits
depth_multiplier IntegerAttr Atributo de atributo inteiro de 32 bits

Resultados:

  1. output : tensor de qualquer valor de tipo

tfl.dequantize (TFL :: DequantizeOp)

Desquantizar operador

Descrição:

Converte uma matriz quantificada de números inteiros em pontos flutuantes de acordo com os parâmetros de quantização.

Operandos:

  1. input : tensor de qualquer tipo de valor

Atributos:

Resultados:

  1. output : tensor de qualquer valor de tipo

tfl.div (TFL :: DivOp)

Operador de divisão

Descrição:

Operação de divisão por elementos.

Operandos:

  1. lhs : tensor de qualquer tipo de valor
  2. rhs : tensor de qualquer tipo de valor

Atributos:

Atributo Tipo MLIR Descrição
fused_activation_function StringAttr atributo de enumeração de ativação fundida

Resultados:

  1. output : tensor de qualquer valor de tipo

tfl.elu (TFL :: EluOp)

Operador de Unidade Linear Exponencial

Descrição:

Calcula o linear exponencial f (x) -> exp (x) - 1 para x <0, x para x> = 0. elemento a elemento.

Operandos:

  1. x : tensor de qualquer valor de tipo

Atributos:

Resultados:

  1. y : tensor de qualquer valor de tipo

tfl.embedding_lookup (TFL :: EmbeddingLookupOp)

Operador de pesquisa de incorporação

Descrição:

Procura IDs em uma lista de tensores de incorporação.

Operandos:

  1. lookup : tensor de qualquer tipo de valores
  2. value : tensor de qualquer tipo de valor

Atributos:

Resultados:

  1. output : tensor de qualquer valor de tipo

tfl.equal (TFL :: EqualOp)

Operador igual

Descrição:

Retorna o elemento verdade de x == y elemento a elemento

Operandos:

  1. x : tensor de qualquer valor de tipo
  2. y : tensor de qualquer valor de tipo

Atributos:

Resultados:

  1. output : tensor de qualquer valor de tipo

tfl.exp (TFL :: ExpOp)

Operador de exponenciação natural

Descrição:

Executa operação de exponenciação natural por elementos na entrada.

Operandos:

  1. x : tensor de qualquer valor de tipo

Atributos:

Resultados:

  1. y : tensor de qualquer valor de tipo

tfl.expand_dims (TFL :: ExpandDimsOp)

Insere uma dimensão 1 na forma de um tensor.

Descrição:

Dada uma input tensor, essa operação insere uma dimensão 1 no axis do índice de dimensão da forma da input . O axis índice de dimensão começa em zero; se você especificar um número negativo para o axis ele será contado para trás a partir do final.

Esta operação é útil se você deseja adicionar uma dimensão em lote a um único elemento. Por exemplo, se você tiver uma única imagem da forma [height, width, channels] , poderá criar um lote de 1 imagem com expand_dims(image, 0) , que criará a forma [1, height, width, channels] .

Outros exemplos:

 # '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]
 

Esta operação requer que:

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

Esta operação está relacionada ao squeeze() , que remove as dimensões do tamanho 1.

Operandos:

  1. input : tensor de qualquer tipo de valor
  2. dim : tensor de qualquer tipo inteiro

Atributos:

Resultados:

  1. output : tensor de qualquer valor de tipo

tfl.external_const (TFL :: ExternalConstOp)

Constante externa

Descrição:

buffer_index constante externa mantém um buffer_index que aponta para uma constante no flatbuffer.

Operandos:

Atributos:

Atributo Tipo MLIR Descrição
buffer_index IntegerAttr Atributo de atributo inteiro de 32 bits

Resultados:

  1. output : tensor de qualquer valor de tipo

tfl.fake_quant (TFL :: FakeQuantOp)

Operador FakeQuant

Descrição:

Quantize com falsificação o tensor de 'entradas' do tipo float por meio de escalares flutuantes min e max para o tensor de 'saídas' da mesma forma que as entradas.

Operandos:

  1. input : tensor de qualquer tipo de valor

Atributos:

Atributo Tipo MLIR Descrição
min FloatAttr Atributo de atributo flutuante de 32 bits
max FloatAttr Atributo de atributo flutuante de 32 bits
num_bits IntegerAttr Atributo de atributo inteiro de 32 bits
narrow_range BoolAttr atributo de atributo bool

Resultados:

  1. output : tensor de qualquer valor de tipo

tfl.fill (TFL :: FillOp)

Encha o tensor com o valor especificado.

Descrição:

Encha o tensor com o valor especificado.

Operandos:

  1. dims : tensor de qualquer tipo de valor
  2. value : tensor de qualquer tipo de valor

Atributos:

Resultados:

  1. res : tensor de qualquer valor de tipo

tfl.floor_div (TFL :: FloorDivOp)

Operador de piso div

Descrição:

Operação div de elemento-elemento.

Operandos:

  1. lhs : tensor de qualquer tipo de valor
  2. rhs : tensor de qualquer tipo de valor

Atributos:

Resultados:

  1. output : tensor de qualquer valor de tipo

tfl.floor_mod (TFL :: FloorModOp)

Lembrete de divisão

Descrição:

Operação de lembrete de divisão por elementos.

Operandos:

  1. lhs : tensor de qualquer tipo de valor
  2. rhs : tensor de qualquer tipo de valor

Atributos:

Resultados:

  1. output : tensor de qualquer valor de tipo

tfl.floor (TFL :: FloorOp)

Operador de piso

Descrição:

Retorna o valor mínimo de entrada do elemento.

Operandos:

  1. x : tensor de qualquer valor de tipo

Atributos:

Resultados:

  1. y : tensor de qualquer valor de tipo

tfl.fully_connected (TFL :: FullyConnectedOp)

Operação totalmente conectada

Descrição:

Operandos:

  1. input : tensor de qualquer tipo de valor
  2. filter : tensor de qualquer tipo de valor
  3. bias : tensor de qualquer tipo de valor ou nenhum tipo

Atributos:

Atributo Tipo MLIR Descrição
fused_activation_function StringAttr atributo de enumeração de ativação fundida
weights_format StringAttr atributo de formato de pesos de opções totalmente conectado
keep_num_dims BoolAttr atributo de atributo bool

Resultados:

  1. output : tensor de qualquer valor de tipo

tfl.gather_nd (TFL :: GatherNdOp)

Operador Gather_nd

Descrição:

Reúna fatias dos params em um tensor com a forma especificada pelos indices .

Operandos:

  1. params : tensor de qualquer tipo de valor
  2. indices : tensor de qualquer tipo de valores

Atributos:

Resultados:

  1. output : tensor de qualquer valor de tipo

tfl.gather (TFL :: GatherOp)

Coletar operador

Descrição:

Reúna fatias do eixo do axis dos params acordo com os indices .

Operandos:

  1. params : tensor de qualquer tipo de valor
  2. indices : tensor de qualquer tipo de valores

Atributos:

Atributo Tipo MLIR Descrição
axis IntegerAttr Atributo de atributo inteiro de 32 bits

Resultados:

  1. output : tensor de qualquer valor de tipo

tfl.geavy_equal (TFL :: GreaterEqualOp)

Operador Greater_equal

Descrição:

Operação maior_equal em termos de elementos.

Operandos:

  1. lhs : tensor de qualquer tipo de valor
  2. rhs : tensor de qualquer tipo de valor

Atributos:

Resultados:

  1. output : tensor de qualquer valor de tipo

tfl.geavy (TFL :: GreaterOp)

Maior operador

Descrição:

Operação maior em termos de elementos.

Operandos:

  1. lhs : tensor de qualquer tipo de valor
  2. rhs : tensor de qualquer tipo de valor

Atributos:

Resultados:

  1. output : tensor de qualquer valor de tipo

tfl.hard_swish (TFL :: HardSwishOp)

Função de ativação do Hardswish.

Descrição:

Calcula a função de ativação hard-swish f (x) -> (x * relu6 (x + 3)) / 6 em termos de elementos.

Operandos:

  1. input : tensor de qualquer tipo de valor

Atributos:

Resultados:

  1. out : tensor de qualquer valor de tipo

tfl.l2_normalization (TFL :: L2NormalizationOp)

Operador de normalização L2

Descrição:

L2Normalization Op

Operandos:

  1. input : tensor de qualquer tipo de valor

Atributos:

Atributo Tipo MLIR Descrição
fused_activation_function StringAttr atributo de enumeração de ativação fundida

Resultados:

  1. output : tensor de qualquer valor de tipo

tfl.lstm (TFL :: LSTMOp)

O operador lstm completo

Descrição:

Camada de rede recorrente de unidade de memória de longo prazo (LSTM). A implementação padrão não-olho mágico é baseada em: http://deeplearning.cs.cmu.edu/pdfs/Hochreiter97_lstm.pdf S. Hochreiter e J. Schmidhuber. "Memória de longo prazo". Neural Computation, 9 (8): 1735-1780, 1997. A implementação do olho mágico é baseada em: https://research.google.com/pubs/archive/43905.pdf Hasim Sak, Andrew Senior e Francoise Beaufays. "Arquiteturas de redes neurais recorrentes com memória de curto prazo e longa duração para modelagem acústica em larga escala. INTERSPEECH, 2014. O acoplamento do gate de entrada e esqueça (CIFG) é baseado em: http://arxiv.org/pdf/1503.04069.pdf Greff et al. . "LSTM: Uma Odisséia no Espaço de Pesquisa" A normalização da camada é baseada em: https://arxiv.org/pdf/1607.06450.pdf Ba et al. "Normalização da camada"

Operandos:

  1. input : tensor de qualquer tipo de valor
  2. input_to_input_weights : tensor de qualquer tipo de valor ou nenhum tipo
  3. input_to_forget_weights : tensor de qualquer valor de tipo
  4. input_to_cell_weights : tensor de qualquer valor de tipo
  5. input_to_output_weights : tensor de qualquer valor de tipo
  6. recurrent_to_input_weights : tensor de qualquer tipo de valor ou nenhum tipo
  7. recurrent_to_forget_weights : tensor de qualquer valor de tipo
  8. recurrent_to_cell_weights : tensor de qualquer valor de tipo
  9. recurrent_to_output_weights : tensor de qualquer valor de tipo
  10. cell_to_input_weights : tensor de qualquer tipo de valor ou nenhum tipo
  11. cell_to_forget_weights : tensor de qualquer tipo de valor ou nenhum tipo
  12. cell_to_output_weights : tensor de qualquer valor de tipo ou nenhum tipo
  13. input_gate_bias : tensor de qualquer valor de tipo ou nenhum tipo
  14. forget_gate_bias : tensor de qualquer valor de tipo
  15. cell_bias : tensor de qualquer valor de tipo
  16. output_gate_bias : tensor de qualquer valor de tipo
  17. projection_weights : tensor de qualquer tipo de valor ou nenhum tipo
  18. projection_bias : tensor de qualquer valor de tipo ou nenhum tipo
  19. input_activation_state : tensor com estado
  20. input_cell_state : tensor com estado
  21. input_layer_norm_coefficients : tensor de qualquer valor de tipo ou nenhum tipo
  22. forget_layer_norm_coefficients : tensor de qualquer valor de tipo ou nenhum tipo
  23. cell_layer_norm_coefficients : tensor de qualquer valor de tipo ou nenhum tipo
  24. output_layer_norm_coefficients : tensor de qualquer tipo de valor ou nenhum tipo

Atributos:

Atributo Tipo MLIR Descrição
fused_activation_function StringAttr atributo de enumeração de ativação fundida
cell_clip FloatAttr Atributo de atributo flutuante de 32 bits
proj_clip FloatAttr Atributo de atributo flutuante de 32 bits
kernel_type StringAttr Atributo FULL do caso enum do tipo de kernel lstm

Resultados:

  1. output : tensor de qualquer valor de tipo

tfl.leaky_relu (TFL :: LeakyReluOp)

Operador Leak Relu

Descrição:

Operador LeaL Reky de elemento a elemento x -> x> = 0? x: (alfa * x)

Operandos:

  1. input : tensor de qualquer tipo de valor

Atributos:

Atributo Tipo MLIR Descrição
alpha FloatAttr Atributo de atributo flutuante de 32 bits

Resultados:

  1. output : tensor de qualquer valor de tipo

tfl.less_equal (TFL :: LessEqualOp)

Operador Less_equal

Descrição:

Operação less_equal em termos de elementos.

Operandos:

  1. lhs : tensor de qualquer tipo de valor
  2. rhs : tensor de qualquer tipo de valor

Atributos:

Resultados:

  1. output : tensor de qualquer valor de tipo

tfl.less (TFL :: LessOp)

Menos operador

Descrição:

Elemento menos operação.

Operandos:

  1. lhs : tensor de qualquer tipo de valor
  2. rhs : tensor de qualquer tipo de valor

Atributos:

Resultados:

  1. output : tensor de qualquer valor de tipo

tfl.local_response_normalization (TFL :: LocalResponseNormalizationOp)

Normalização de resposta local.

Descrição:

O tensor de input 4-D é tratado como uma matriz 3-D de vetores 1-D (ao longo da última dimensão), e cada vetor é normalizado independentemente. Dentro de um determinado vetor, cada componente é dividido pela soma quadrada e ponderada das entradas em depth_radius . Em detalhe,

 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
 

Para detalhes, consulte Krizhevsky et al., Classificação ImageNet com redes neurais convolucionais profundas (NIPS 2012) .

Operandos:

  1. input : tensor de qualquer tipo de valor

Atributos:

Atributo Tipo MLIR Descrição
radius IntegerAttr Atributo de atributo inteiro de 32 bits
bias FloatAttr Atributo de atributo flutuante de 32 bits
alpha FloatAttr Atributo de atributo flutuante de 32 bits
beta FloatAttr Atributo de atributo flutuante de 32 bits

Resultados:

  1. output : tensor de qualquer valor de tipo

tfl.log (TFL :: LogOp)

Operador de logaritmo natural

Descrição:

Executa a operação de logaritmo natural por elementos na entrada.

Operandos:

  1. x : tensor de qualquer valor de tipo

Atributos:

Resultados:

  1. y : tensor de qualquer valor de tipo

tfl.log_softmax (TFL :: LogSoftmaxOp)

Operador de log softmax

Descrição:

Calcula ativações softmax de registro por elementos com a seguinte fórmula

input - log (reduza_sum (exp (entrada), dim))

Operandos:

  1. input : tensor de qualquer tipo de valor

Atributos:

Resultados:

  1. output : tensor de qualquer valor de tipo

tfl.logical_and (TFL :: LogicalAndOp)

Operador AND lógico

Descrição:

Operação AND lógica por elementos.

Operandos:

  1. lhs : tensor de qualquer tipo de valor
  2. rhs : tensor de qualquer tipo de valor

Atributos:

Resultados:

  1. output : tensor de qualquer valor de tipo

tfl.logical_not (TFL :: LogicalNotOp)

Operador NOT lógico

Descrição:

Operação NÃO lógica por elementos.

Operandos:

  1. lhs : tensor de qualquer tipo de valor

Atributos:

Resultados:

  1. output : tensor de qualquer valor de tipo

tfl.logical_or (TFL :: LogicalOrOp)

Operador OR lógico

Descrição:

Operação OR lógica por elementos.

Operandos:

  1. lhs : tensor de qualquer tipo de valor
  2. rhs : tensor de qualquer tipo de valor

Atributos:

Resultados:

  1. output : tensor de qualquer valor de tipo

tfl.logistic (TFL :: LogisticOp)

Operador logístico

Descrição:

Calcula Sigmoid de entrada em elementos

Operandos:

  1. x : tensor de qualquer valor de tipo

Atributos:

Resultados:

  1. y : tensor de qualquer valor de tipo

tfl.matrix_diag (TFL :: MatrixDiagOp)

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

Descrição:

Dada uma diagonal, retorna um tensor com a diagonal e todo o resto preenchido com zeros. Suponha que a diagonal possui k dimensões [I, J, K, ..., N] , então a saída é um tensor da classificação k+1 com as dimensões [I, J, K, ..., N, N] que: output[i, j, k, ..., m, n] = 1{m=n} * diagonal[i, j, k, ..., n].

Operandos:

  1. diagonal : tensor de qualquer valor de tipo

Atributos:

Resultados:

  1. output : tensor de qualquer valor de tipo

tfl.matrix_set_diag (TFL :: MatrixSetDiagOp)

 Returns a batched matrix tensor with new batched diagonal values.
 

Descrição:

Dada a input e a diagonal , essa operação retorna um tensor com a mesma forma e valores da input , exceto a diagonal principal das matrizes mais internas. Estes serão substituídos pelos valores em diagonal .

Operandos:

  1. input : tensor dos valores float de 32 bits ou número inteiro de 32 bits ou número inteiro de 64 bits ou número inteiro de 8 bits ou tipo QI8 ou tipo QI16 ou tipo QI16 ou tipo QUI8 ou tipo QUI8 ou tipo TFLite uint8 ou tipo T8ite quint8
  2. diagonal : tensor dos valores float de 32 bits ou número inteiro de 32 bits ou número inteiro de 64 bits ou número inteiro de 8 bits ou tipo QI8 ou tipo QI16 ou tipo QI16 ou tipo QUI8 ou tipo QUI8 ou TFLite uint8 tipo ou TFLite tipo quint8

Atributos:

Resultados:

  1. output : tensor de valores flutuantes de 32 bits ou número inteiro de 32 bits ou número inteiro de 64 bits ou número inteiro de 8 bits ou tipo QI8 ou tipo QI16 ou tipo QI16 ou tipo QUI8 ou tipo QUI8 ou tipo TFLite uint8 ou tipo T8ite quint8

tfl.max_pool_2d (TFL :: MaxPool2DOp)

Max Pool 2D op

Descrição:

Executa o máximo de pool 2D na entrada.

Entradas: inputs[0] : necessário: o tensor de entrada

Operandos:

  1. input : tensor de qualquer tipo de valor

Atributos:

Atributo Tipo MLIR Descrição
padding StringAttr atributo enum padding
stride_w IntegerAttr Atributo de atributo inteiro de 32 bits
stride_h IntegerAttr Atributo de atributo inteiro de 32 bits
filter_width IntegerAttr Atributo de atributo inteiro de 32 bits
filter_height IntegerAttr Atributo de atributo inteiro de 32 bits
fused_activation_function StringAttr atributo de enumeração de ativação fundida

Resultados:

  1. output : tensor de qualquer valor de tipo

tfl.max_pool_with_argmax_2d (TFL :: MaxPoolingWithArgMax2DOp)

Max Pool 2D com argmax op

Descrição:

Executa o pool máximo na entrada e gera valores e índices máximos. Cada índice é um índice nivelado em uma sub-matriz do tamanho "filter_w" x "filter_h". Observe que esta é uma operação personalizada que não é suportada no tempo de execução padrão.

Entradas: inputs[0] : necessário: o tensor de ativação da entrada

Operandos:

  1. input : tensor de qualquer tipo de valor

Atributos:

Atributo Tipo MLIR Descrição
padding StringAttr atributo enum padding
stride_w IntegerAttr Atributo de atributo inteiro de 32 bits
stride_h IntegerAttr Atributo de atributo inteiro de 32 bits
filter_w IntegerAttr Atributo de atributo inteiro de 32 bits
filter_h IntegerAttr Atributo de atributo inteiro de 32 bits

Resultados:

  1. value : tensor de qualquer tipo de valor
  2. indices : tensor de qualquer tipo de valores

tfl.max_unWidget_2d (TFL :: MaxUnpool2DOp)

Desarmar máximo 2D

Descrição:

Executa a operação máxima de remoção do spool. Até certo ponto, esta é a operação reversa do pool máximo: os elementos no tensor de ativação de entrada são armazenados na posição especificada pelos índices de entrada. Observe que esta é uma operação personalizada que não é suportada no tempo de execução padrão.

Entradas: inputs[0] : necessárias: o tensor de ativação de entrada inputs[1] : necessárias: os índices de entrada

Operandos:

  1. input : tensor de qualquer tipo de valor
  2. indices : tensor de qualquer tipo de valores

Atributos:

Atributo Tipo MLIR Descrição
padding StringAttr atributo enum padding
stride_w IntegerAttr Atributo de atributo inteiro de 32 bits
stride_h IntegerAttr Atributo de atributo inteiro de 32 bits
filter_w IntegerAttr Atributo de atributo inteiro de 32 bits
filter_h IntegerAttr Atributo de atributo inteiro de 32 bits

Resultados:

  1. outputs : tensor de qualquer tipo de valores

tfl.maximum (TFL :: MaximumOp)

Operador máximo

Descrição:

Operação máxima em elementos.

Operandos:

  1. lhs : tensor de qualquer tipo de valor
  2. rhs : tensor de qualquer tipo de valor

Atributos:

Resultados:

  1. max : tensor de qualquer tipo de valores

tfl.mean (TFL :: MeanOp)

Operador médio

Descrição:

Calcula a média dos elementos nas dimensões de um tensor. Reduz o input_tensor ao longo das dimensões fornecidas no eixo. A menos que keepdims seja verdadeiro, a classificação do tensor é reduzida em 1 para cada entrada no eixo. Se keepdims for true, as dimensões reduzidas serão mantidas com o comprimento 1.

Operandos:

  1. input : tensor de qualquer tipo de valor
  2. axis : tensor de qualquer tipo de valores

Atributos:

Atributo Tipo MLIR Descrição
keep_dims BoolAttr atributo de atributo bool

Resultados:

  1. output : tensor de qualquer valor de tipo

tfl.minimum (TFL :: MinimumOp)

Operador mínimo

Descrição:

Operação mínima em elementos.

Operandos:

  1. lhs : tensor de qualquer tipo de valor
  2. rhs : tensor de qualquer tipo de valor

Atributos:

Resultados:

  1. min : tensor de qualquer tipo de valor

tfl.mirror_pad (TFL :: MirrorPadOp)

Operador MirrorPad. Almofada um tensor com valores espelhados.

Descrição:

Esta operação preenche uma entrada com valores espelhados de acordo com os preenchimentos especificados. paddings é um tensor inteiro com a forma [n, 2], em que n é a classificação da entrada. Para cada dimensão D da entrada, os preenchimentos [D, 0] indicam quantos valores adicionar antes do conteúdo da entrada nessa dimensão e os preenchimentos [D, 1] indicam quantos valores adicionar após o conteúdo da entrada nessa dimensão.

Os preenchimentos [D, 0] e os preenchimentos [D, 1] não devem ser maiores que input.dim_size (D) (ou input.dim_size (D) - 1) se copy_border for true (se false, respectivamente).

O tamanho acolchoado de cada dimensão D da saída é:

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

Operandos:

  1. input : tensor de qualquer tipo de valor
  2. pad : tensor de qualquer tipo de valores

Atributos:

Atributo Tipo MLIR Descrição
mode StringAttr Atributo enum do painel de espelhamento

Resultados:

  1. output : tensor de qualquer valor de tipo

tfl.mul (TFL :: MulOp)

Operador de multiplicação

Descrição:

Operação de multiplicação por elementos.

Operandos:

  1. lhs : tensor de qualquer tipo de valor
  2. rhs : tensor de qualquer tipo de valor

Atributos:

Atributo Tipo MLIR Descrição
fused_activation_function StringAttr atributo de enumeração de ativação fundida

Resultados:

  1. output : tensor de qualquer valor de tipo

tfl.neg (TFL :: NegOp)

Operador de negação

Descrição:

Calcula a negação de entrada por elementos

Operandos:

  1. x : tensor de qualquer valor de tipo

Atributos:

Resultados:

  1. y : tensor de qualquer valor de tipo

tfl.non_max_suppression_v4 (TFL :: NonMaxSuppressionV4Op)

Avidamente seleciona um subconjunto de caixas delimitadoras em ordem decrescente de pontuação,

Descrição:

as caixas de remoção que possuem alta interseção sobre união (IOU) se sobrepõem às caixas selecionadas anteriormente. As caixas delimitadoras com pontuação menor que score_threshold são removidas. As caixas delimitadoras são fornecidas como [y1, x1, y2, x2], onde (y1, x1) e (y2, x2) são as coordenadas de qualquer par diagonal de cantos da caixa e as coordenadas podem ser fornecidas como normalizadas (por exemplo, o intervalo [0, 1]) ou absoluto. Observe que esse algoritmo é independente de onde a origem está no sistema de coordenadas e, geralmente, é invariante para transformações ortogonais e traduções do sistema de coordenadas; assim, a tradução ou reflexões do sistema de coordenadas resultam nas mesmas caixas sendo selecionadas pelo algoritmo. A saída desta operação é um conjunto de números inteiros indexados na coleção de entrada de caixas delimitadoras que representam as caixas selecionadas. As coordenadas da caixa delimitadora correspondentes aos índices selecionados podem ser obtidas usando a tf.gather operation . Por exemplo: índices_selecionados = tf.image.non_max_suppression_v2 (caixas, pontuações, tamanho_de_computação máx., Iou_threshold, score_threshold) caixas de seleção selected = tf.gather (caixas, índices)

Operandos:

  1. boxes : tensor de qualquer tipo de valor
  2. scores : tensor de qualquer tipo de valor
  3. max_output_size : tensor de qualquer valor de tipo
  4. iou_threshold : tensor de qualquer valor de tipo
  5. score_threshold : tensor de qualquer valor de tipo

Atributos:

Resultados:

  1. selected_indices : tensor de qualquer valor de tipo
  2. valid_outputs : tensor de qualquer valor de tipo

tfl.non_max_suppression_v5 (TFL :: NonMaxSuppressionV5Op)

Avidamente seleciona um subconjunto de caixas delimitadoras em ordem decrescente de pontuação,

Descrição:

as caixas de remoção que possuem alta interseção sobre união (IOU) se sobrepõem às caixas selecionadas anteriormente. As caixas delimitadoras com pontuação menor que score_threshold são removidas. As caixas delimitadoras são fornecidas como [y1, x1, y2, x2], onde (y1, x1) e (y2, x2) são as coordenadas de qualquer par diagonal de cantos da caixa e as coordenadas podem ser fornecidas como normalizadas (por exemplo, o intervalo [0, 1]) ou absoluto. Observe que esse algoritmo é independente de onde a origem está no sistema de coordenadas e, geralmente, é invariante para transformações ortogonais e traduções do sistema de coordenadas; assim, a tradução ou reflexões do sistema de coordenadas resultam nas mesmas caixas sendo selecionadas pelo algoritmo. A saída desta operação é um conjunto de números inteiros indexados na coleção de entrada de caixas delimitadoras que representam as caixas selecionadas. As coordenadas da caixa delimitadora correspondentes aos índices selecionados podem ser obtidas usando a 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.

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