Эта страница была переведа с помощью Cloud Translation API.
Switch to English

Диалект & # 39; tfl & # 39; определение

Диалект TensorFlow Lite.

Этот диалект соответствует операциям TensorFlow Lite.

Инварианты:

  • Все значения имеют тензорный тип (в частности, скаляры представлены с использованием нульмерных тензоров);

Определение операции

tfl.abs (TFL :: AbsOp)

Абсолютное значение оператора

Описание:

Для заданного тензора x эта операция возвращает тензор, содержащий абсолютное значение каждого элемента в x . Например, если x является входным элементом, а y является выходным элементом, эта операция вычисляет \ (y = | x | \).

Операнды:

  1. x : тензор значений любого типа

Атрибуты:

Полученные результаты:

  1. y : тензор значений любого типа

tfl.add_n (TFL :: AddNOp)

оператор add_n

Описание:

Добавляет все входные тензоры поэлементно.

Операнды:

  1. inputs : тензор значений любого типа

Атрибуты:

Полученные результаты:

  1. sum : тензор значений любого типа

tfl.add (TFL :: AddOp)

Оператор сложения

Описание:

Элементарная операция сложения.

Операнды:

  1. lhs : тензор значений любого типа
  2. rhs : тензор значений любого типа

Атрибуты:

Атрибут Тип MLIR Описание
fused_activation_function StringAttr атрибут enum слитой активации

Полученные результаты:

  1. output : тензор значений любого типа

tfl.arg_max (TFL :: ArgMaxOp)

Оператор ArgMax

Описание:

Возвращает индекс с наибольшим значением по измерениям тензора.

Операнды:

  1. input : тензор значений любого типа
  2. dim : тензор значений любого типа

Атрибуты:

Атрибут Тип MLIR Описание
output_type Attribute атрибут производного атрибута

Полученные результаты:

  1. output : тензор значений любого типа

tfl.arg_min (TFL :: ArgMinOp)

ArgMin оператор

Описание:

Возвращает индекс с наименьшим значением по измерениям тензора. "A = [1, 10, 26.9, 2.8, 166.32, 62.3] b = tf.math.argmin (input = a) c = tf.keras.backend.eval (б)

Операнды:

  1. input : тензор значений любого типа
  2. dim : тензор значений любого типа

Атрибуты:

Атрибут Тип MLIR Описание
output_type Attribute атрибут производного атрибута

Полученные результаты:

  1. output : тензор значений любого типа

tfl.average_pool_2d (TFL :: AveragePool2DOp)

Оператор Average_pool_2d

Описание:

Выполняет операцию усреднения пула на входе.

Операнды:

  1. input : тензор значений любого типа

Атрибуты:

Атрибут Тип MLIR Описание
filter_height IntegerAttr Атрибут 32-битного целочисленного атрибута
filter_width IntegerAttr Атрибут 32-битного целочисленного атрибута
padding StringAttr атрибут padding enum
stride_h IntegerAttr Атрибут 32-битного целочисленного атрибута
stride_w IntegerAttr Атрибут 32-битного целочисленного атрибута
fused_activation_function StringAttr атрибут enum слитой активации

Полученные результаты:

  1. output : тензор значений любого типа

tfl.basic_lstm (TFL :: BasicLSTMOp)

Основной оператор lstm

Описание:

Базовый оператор сотовой связи LSTM.

Операнды:

  1. data_input : тензор значений любого типа
  2. prev_activ_input : тензор значений любого типа
  3. weights_input : тензор значений любого типа
  4. biases_input : тензор значений любого типа
  5. prev_state_input : тензор значений любого типа

Атрибуты:

Атрибут Тип MLIR Описание
fused_activation_function StringAttr атрибут enum слитой активации
cell_clip FloatAttr Атрибут 32-битного атрибута с плавающей точкой
proj_clip FloatAttr Атрибут 32-битного атрибута с плавающей точкой
kernel_type StringAttr Базовый атрибут перечисления типа ядра lstm

Полученные результаты:

  1. activ_output : 2D-тензор значений любого типа
  2. state_output : 2D-тензор любого типа
  3. concat_temp : 2D-тензор значений любого типа
  4. activ_temp : 2D-тензор значений любого типа

tfl.batch_to_space_nd (TFL :: BatchToSpaceNdOp)

Оператор BatchToSpaceNd

Описание:

Эта операция преобразует «пакетный» размер 0 в размеры пространства.

Операнды:

  1. input : тензор значений любого типа
  2. block_shape : тензор значений любого типа
  3. indices : тензор значений любого типа

Атрибуты:

Полученные результаты:

  1. output : тензор значений любого типа

tfl.cast (TFL :: CastOp)

Оператор приведения

Описание:

Преобразует ввод из типа ввода в тип вывода.

Операнды:

  1. input : тензор значений любого типа

Атрибуты:

Полученные результаты:

  1. output : тензор значений любого типа

tfl.ceil (TFL :: CeilOp)

Оператор Ceil

Описание:

Возвращает поэлементное значение ceil для ввода.

Операнды:

  1. x : тензор значений любого типа

Атрибуты:

Полученные результаты:

  1. y : тензор значений любого типа

tfl.concatenation (TFL :: ConcatenationOp)

Оператор конкатенации

Описание:

Объединяет тензоры вдоль одного измерения

Операнды:

  1. values : тензор значений любого типа

Атрибуты:

Атрибут Тип MLIR Описание
axis IntegerAttr Атрибут 32-битного целочисленного атрибута
fused_activation_function StringAttr атрибут enum слитой активации

Полученные результаты:

  1. output : тензор значений любого типа

tfl.pseudo_const (TFL :: ConstOp)

Постоянная псевдо оп.

Описание:

Представляет постоянное значение в диалекте TensorFlow Lite. Это не фактическая операция, и вместо этого она будет понижена в буфер.

Операция может иметь все атрибуты того же типа, что и tf.Const (например, допускаются непрозрачные атрибуты TF).

Операнды:

Атрибуты:

Атрибут Тип MLIR Описание
value ElementsAttr атрибут вектора / константы

Полученные результаты:

  1. output : тензор значений любого типа

tfl.conv_2d (TFL :: Conv2DOp)

Оператор свертки

Описание:

Выполняет операцию свертки на входах.

Входы: inputs[0] : обязательно: вход тензора активации inputs[1] : обязательно: inputs[2] тензора веса фильтра inputs[2] : необязательно: тензор смещения

Операнды:

  1. input : тензор значений любого типа
  2. filter : тензор значений любого типа
  3. bias : тензор значений любого типа или нет типа

Атрибуты:

Атрибут Тип MLIR Описание
dilation_h_factor IntegerAttr Атрибут 32-битного целочисленного атрибута
dilation_w_factor IntegerAttr Атрибут 32-битного целочисленного атрибута
fused_activation_function StringAttr атрибут enum слитой активации
padding StringAttr атрибут padding enum
stride_h IntegerAttr Атрибут 32-битного целочисленного атрибута
stride_w IntegerAttr Атрибут 32-битного целочисленного атрибута

Полученные результаты:

  1. output : тензор значений любого типа

tfl.convolution_2d_transpose_bias (TFL :: Convolution2DTransposeBiasOp)

Транспонировать свертку с оператором смещения

Описание:

Выполняет операцию транспонирования свертки на входах с возможностью добавления смещения. Обратите внимание, что это пользовательская операция, которая не поддерживается в стандартной среде выполнения.

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

Операнды:

  1. input : тензор значений любого типа
  2. filter : тензор значений любого типа
  3. bias : тензор значений любого типа или нет типа

Атрибуты:

Атрибут Тип MLIR Описание
padding StringAttr атрибут padding enum
stride_h IntegerAttr Атрибут 32-битного целочисленного атрибута
stride_w IntegerAttr Атрибут 32-битного целочисленного атрибута

Полученные результаты:

  1. output : тензор значений любого типа

tfl.cos (TFL :: CosOp)

Косинус оператор

Описание:

Вычисляет поэлементный косинус ввода

Операнды:

  1. x : тензор значений любого типа

Атрибуты:

Полученные результаты:

  1. y : тензор значений любого типа

tfl.densify (TFL :: DensifyOp)

Увеличить оператор

Описание:

Преобразует разреженный тензор в плотный формат.

Операнды:

  1. input : тензор значений любого типа

Атрибуты:

Полученные результаты:

  1. output : тензор значений любого типа

tfl.depth_to_space (TFL :: DepthToSpaceOp)

Оператор DepthToSpace

Описание:

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

Операнды:

  1. input : тензор значений любого типа

Атрибуты:

Атрибут Тип MLIR Описание
block_size IntegerAttr Атрибут 32-битного целочисленного атрибута

Полученные результаты:

  1. output : тензор значений любого типа

tfl.depthwise_conv_2d (TFL :: DepthwiseConv2DOp)

Глубоко-отделимый оператор свертки

Описание:

Выполняет операцию свертки на входах.

Входы: inputs[0] : обязательно: входы тензора активации inputs[1] : обязательно: inputs[2] тензора веса фильтра inputs[2] : необязательно: тензор смещения

Операнды:

  1. input : тензор значений любого типа
  2. filter : тензор значений любого типа
  3. bias : тензор значений любого типа или нет типа

Атрибуты:

Атрибут Тип MLIR Описание
dilation_h_factor IntegerAttr Атрибут 32-битного целочисленного атрибута
dilation_w_factor IntegerAttr Атрибут 32-битного целочисленного атрибута
fused_activation_function StringAttr атрибут enum слитой активации
padding StringAttr атрибут padding enum
stride_h IntegerAttr Атрибут 32-битного целочисленного атрибута
stride_w IntegerAttr Атрибут 32-битного целочисленного атрибута
depth_multiplier IntegerAttr Атрибут 32-битного целочисленного атрибута

Полученные результаты:

  1. output : тензор значений любого типа

tfl.dequantize (TFL :: DequantizeOp)

Оператор деквантования

Описание:

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

Операнды:

  1. input : тензор значений любого типа

Атрибуты:

Полученные результаты:

  1. output : тензор значений любого типа

tfl.div (TFL :: DivOp)

Оператор подразделения

Описание:

Элементарное деление операции.

Операнды:

  1. lhs : тензор значений любого типа
  2. rhs : тензор значений любого типа

Атрибуты:

Атрибут Тип MLIR Описание
fused_activation_function StringAttr атрибут enum слитой активации

Полученные результаты:

  1. output : тензор значений любого типа

tfl.elu (TFL :: EluOp)

Экспоненциальный линейный оператор

Описание:

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

Операнды:

  1. x : тензор значений любого типа

Атрибуты:

Полученные результаты:

  1. y : тензор значений любого типа

tfl.embedding_lookup (TFL :: EmbeddingLookupOp)

Оператор поиска встраивания

Описание:

Ищет идентификаторы в списке тензоров встраивания.

Операнды:

  1. lookup : тензор значений любого типа
  2. value : тензор значений любого типа

Атрибуты:

Полученные результаты:

  1. output : тензор значений любого типа

tfl.equal (TFL :: EqualOp)

Равный оператор

Описание:

Возвращает элемент правды элемента x == y поэлементно

Операнды:

  1. x : тензор значений любого типа
  2. y : тензор значений любого типа

Атрибуты:

Полученные результаты:

  1. output : тензор значений любого типа

tfl.exp (TFL :: ExpOp)

Оператор естественного возведения в степень

Описание:

Выполняет поэлементную операцию естественного возведения в степень на входе.

Операнды:

  1. x : тензор значений любого типа

Атрибуты:

Полученные результаты:

  1. y : тензор значений любого типа

tfl.expand_dims (TFL :: ExpandDimsOp)

Вставляет размер 1 в тензорную форму.

Описание:

Для заданного input тензора эта операция вставляет размер 1 в axis индекса размера формы input . axis индекса размера начинается с нуля; если вы указываете отрицательное число для axis оно отсчитывается назад от конца.

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

Другие примеры:

 # 't' is a tensor of shape [2]
shape(expand_dims(t, 0)) ==> [1, 2]
shape(expand_dims(t, 1)) ==> [2, 1]
shape(expand_dims(t, -1)) ==> [2, 1]

# 't2' is a tensor of shape [2, 3, 5]
shape(expand_dims(t2, 0)) ==> [1, 2, 3, 5]
shape(expand_dims(t2, 2)) ==> [2, 3, 1, 5]
shape(expand_dims(t2, 3)) ==> [2, 3, 5, 1]
 

Эта операция требует, чтобы:

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

Эта операция связана с squeeze() , который удаляет размеры размером 1.

Операнды:

  1. input : тензор значений любого типа
  2. dim : тензор любого целочисленного типа

Атрибуты:

Полученные результаты:

  1. output : тензор значений любого типа

tfl.external_const (TFL :: ExternalConstOp)

Внешний конст оп.

Описание:

Внешняя buffer_index const содержит параметр buffer_index который указывает на константу в плоском буфере.

Операнды:

Атрибуты:

Атрибут Тип MLIR Описание
buffer_index IntegerAttr Атрибут 32-битного целочисленного атрибута

Полученные результаты:

  1. output : тензор значений любого типа

tfl.fake_quant (TFL :: FakeQuantOp)

Оператор FakeQuant

Описание:

Поддельное квантование тензора «входных данных» типа float с помощью скалярных скаляров min и max для вывода тензора той же формы, что и входные данные.

Операнды:

  1. input : тензор значений любого типа

Атрибуты:

Атрибут Тип MLIR Описание
min FloatAttr Атрибут 32-битного атрибута с плавающей точкой
max FloatAttr Атрибут 32-битного атрибута с плавающей точкой
num_bits IntegerAttr Атрибут 32-битного целочисленного атрибута
narrow_range BoolAttr атрибут bool

Полученные результаты:

  1. output : тензор значений любого типа

tfl.fill (TFL :: FillOp)

Заполните тензор с заданным значением.

Описание:

Заполните тензор с заданным значением.

Операнды:

  1. dims : тензор значений любого типа
  2. value : тензор значений любого типа

Атрибуты:

Полученные результаты:

  1. res : тензор значений любого типа

tfl.floor_div (TFL :: FloorDivOp)

Оператор этажа

Описание:

Элементный поэтажный режим работы пола.

Операнды:

  1. lhs : тензор значений любого типа
  2. rhs : тензор значений любого типа

Атрибуты:

Полученные результаты:

  1. output : тензор значений любого типа

tfl.floor_mod (TFL :: FloorModOp)

Отдел напоминания

Описание:

Элементарное деление операции напоминания.

Операнды:

  1. lhs : тензор значений любого типа
  2. rhs : тензор значений любого типа

Атрибуты:

Полученные результаты:

  1. output : тензор значений любого типа

tfl.floor (TFL :: FloorOp)

Оператор этажа

Описание:

Возвращает поэлементное значение пола ввода.

Операнды:

  1. x : тензор значений любого типа

Атрибуты:

Полученные результаты:

  1. y : тензор значений любого типа

tfl.fully_connected (TFL :: FullyConnectedOp)

Полностью подключенный оп

Описание:

Операнды:

  1. input : тензор значений любого типа
  2. filter : тензор значений любого типа
  3. bias : тензор значений любого типа или нет типа

Атрибуты:

Атрибут Тип MLIR Описание
fused_activation_function StringAttr атрибут enum слитой активации
weights_format StringAttr Атрибут формата весов полностью связанных опций
keep_num_dims BoolAttr атрибут bool

Полученные результаты:

  1. output : тензор значений любого типа

tfl.gather_nd (TFL :: GatherNdOp)

Gather_nd оператор

Описание:

Соберите кусочки из params в тензор с формой, указанной indices .

Операнды:

  1. params : тензор значений любого типа
  2. indices : тензор значений любого типа

Атрибуты:

Полученные результаты:

  1. output : тензор значений любого типа

tfl.gather (TFL :: GatherOp)

Собери оператора

Описание:

Соберите кусочки от params оси axis в соответствии с indices .

Операнды:

  1. params : тензор значений любого типа
  2. indices : тензор значений любого типа

Атрибуты:

Атрибут Тип MLIR Описание
axis IntegerAttr Атрибут 32-битного целочисленного атрибута

Полученные результаты:

  1. output : тензор значений любого типа

tfl.greater_equal (TFL :: GreaterEqualOp)

Greater_equal оператор

Описание:

Поэлементная операция

Операнды:

  1. lhs : тензор значений любого типа
  2. rhs : тензор значений любого типа

Атрибуты:

Полученные результаты:

  1. output : тензор значений любого типа

tfl.greater (TFL :: GreaterOp)

Большой оператор

Описание:

Элементарно большая операция.

Операнды:

  1. lhs : тензор значений любого типа
  2. rhs : тензор значений любого типа

Атрибуты:

Полученные результаты:

  1. output : тензор значений любого типа

tfl.hard_swish (TFL :: HardSwishOp)

Тяжелая функция активации.

Описание:

Вычисляет жестко активированную функцию активации f (x) -> (x * relu6 (x + 3)) / 6 поэлементно.

Операнды:

  1. input : тензор значений любого типа

Атрибуты:

Полученные результаты:

  1. out : тензор значений любого типа

tfl.l2_normalization (TFL :: L2NormalizationOp)

L2 Normalize Operator

Описание:

L2Normalization Op

Операнды:

  1. input : тензор значений любого типа

Атрибуты:

Атрибут Тип MLIR Описание
fused_activation_function StringAttr атрибут enum слитой активации

Полученные результаты:

  1. output : тензор значений любого типа

tfl.lstm (TFL :: LSTMOp)

Полный оператор lstm

Описание:

Долгосрочная кратковременная память (LSTM) рекуррентный сетевой уровень. Реализация по умолчанию без глазка основана на: http://deeplearning.cs.cmu.edu/pdfs/Hochreiter97_lstm.pdf С. Хохрайтер и Дж. Шмидхубер. «Долгосрочная кратковременная память». Neural Computation, 9 (8): 1735-1780, 1997. Реализация глазка основана на: https://research.google.com/pubs/archive/43905.pdf Хасиме Саке, Эндрю Сеньоре и Франсуазе Бофайс. «Архитектура нейронной сети с кратковременной кратковременной памятью для крупномасштабного акустического моделирования. INTERSPEECH, 2014. Соединение входных и забывающих элементов (CIFG) основано на: http://arxiv.org/pdf/1503.04069.pdf Greff et al. . "LSTM: Одиссея пространства поиска" Нормализация уровня основана на: https://arxiv.org/pdf/1607.06450.pdf Ба и др. «Нормализация уровня»

Операнды:

  1. input : тензор значений любого типа
  2. input_to_input_weights : тензор значений любого типа или типа нет
  3. input_to_forget_weights : тензор значений любого типа
  4. input_to_cell_weights : тензор значений любого типа
  5. input_to_output_weights : тензор значений любого типа
  6. recurrent_to_input_weights : тензор значений любого типа или типа нет
  7. recurrent_to_forget_weights : тензор значений любого типа
  8. recurrent_to_cell_weights : тензор значений любого типа
  9. recurrent_to_output_weights : тензор значений любого типа
  10. cell_to_input_weights : тензор значений любого типа или типа нет
  11. cell_to_forget_weights : тензор значений любого типа или типа нет
  12. cell_to_output_weights : тензор значений любого типа или типа нет
  13. input_gate_bias : тензор значений любого типа или типа нет
  14. forget_gate_bias : тензор значений любого типа
  15. cell_bias : тензор значений любого типа
  16. output_gate_bias : тензор значений любого типа
  17. projection_weights : тензор значений любого типа или типа нет
  18. projection_bias : тензор значений любого типа или типа нет
  19. input_activation_state : тензор с состоянием
  20. input_cell_state : тензор с состоянием
  21. input_layer_norm_coefficients : тензор значений любого типа или типа нет
  22. forget_layer_norm_coefficients : тензор значений любого типа или типа нет
  23. cell_layer_norm_coefficients : тензор значений любого типа или типа нет
  24. output_layer_norm_coefficients : тензор значений любого типа или типа нет

Атрибуты:

Атрибут Тип MLIR Описание
fused_activation_function StringAttr атрибут enum слитой активации
cell_clip FloatAttr Атрибут 32-битного атрибута с плавающей точкой
proj_clip FloatAttr Атрибут 32-битного атрибута с плавающей точкой
kernel_type StringAttr Тип ядра lstm enum case Полный атрибут

Полученные результаты:

  1. output : тензор значений любого типа

tfl.leaky_relu (TFL :: LeakyReluOp)

Оператор утечки Релу

Описание:

Поэлементный оператор утечки ReLU x -> x> = 0? х: (альфа * х)

Операнды:

  1. input : тензор значений любого типа

Атрибуты:

Атрибут Тип MLIR Описание
alpha FloatAttr Атрибут 32-битного атрибута с плавающей точкой

Полученные результаты:

  1. output : тензор значений любого типа

tfl.less_equal (TFL :: LessEqualOp)

Оператор Less_equal

Описание:

Поэлементная операция less_equal.

Операнды:

  1. lhs : тензор значений любого типа
  2. rhs : тензор значений любого типа

Атрибуты:

Полученные результаты:

  1. output : тензор значений любого типа

tfl.less (TFL :: LessOp)

Меньше оператора

Описание:

Поэлементно меньше операции.

Операнды:

  1. lhs : тензор значений любого типа
  2. rhs : тензор значений любого типа

Атрибуты:

Полученные результаты:

  1. output : тензор значений любого типа

tfl.local_response_normalization (TFL :: LocalResponseNormalizationOp)

Нормализация местного ответа.

Описание:

4-D input тензор рассматривается как 3-D массив 1-D векторов (вдоль последнего измерения), и каждый вектор нормируется независимо. Внутри данного вектора каждый компонент делится на взвешенную квадратную сумму входных данных в пределах depth_radius . В деталях,

 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
 

Подробнее см. Крижевский и др. Классификация ImageNet с глубокими сверточными нейронными сетями (NIPS 2012) .

Операнды:

  1. input : тензор значений любого типа

Атрибуты:

Атрибут Тип MLIR Описание
radius IntegerAttr Атрибут 32-битного целочисленного атрибута
bias FloatAttr Атрибут 32-битного атрибута с плавающей точкой
alpha FloatAttr Атрибут 32-битного атрибута с плавающей точкой
beta FloatAttr Атрибут 32-битного атрибута с плавающей точкой

Полученные результаты:

  1. output : тензор значений любого типа

tfl.log (TFL :: LogOp)

Оператор натурального логарифма

Описание:

Выполняет поэлементную операцию натурального логарифма на входе.

Операнды:

  1. x : тензор значений любого типа

Атрибуты:

Полученные результаты:

  1. y : тензор значений любого типа

tfl.log_softmax (TFL :: LogSoftmaxOp)

Лог софтмакс оператора

Описание:

Вычисляет элементарные логарифмические активации softmax по следующей формуле

вход - журнал (уменьшение_суммы (exp (input), dim))

Операнды:

  1. input : тензор значений любого типа

Атрибуты:

Полученные результаты:

  1. output : тензор значений любого типа

tfl.logical_and (TFL :: LogicalAndOp)

Логический оператор И

Описание:

Элементарная логическая операция И.

Операнды:

  1. lhs : тензор значений любого типа
  2. rhs : тензор значений любого типа

Атрибуты:

Полученные результаты:

  1. output : тензор значений любого типа

tfl.logical_not (TFL :: LogicalNotOp)

Логический оператор НЕ

Описание:

Поэлементная логическая операция НЕ.

Операнды:

  1. lhs : тензор значений любого типа

Атрибуты:

Полученные результаты:

  1. output : тензор значений любого типа

tfl.logical_or (TFL :: LogicalOrOp)

Оператор логического ИЛИ

Описание:

Элементарная логическая операция ИЛИ.

Операнды:

  1. lhs : тензор значений любого типа
  2. rhs : тензор значений любого типа

Атрибуты:

Полученные результаты:

  1. output : тензор значений любого типа

tfl.logistic (TFL :: LogisticOp)

Логистический оператор

Описание:

Вычисляет поэлементную сигмоиду ввода

Операнды:

  1. x : тензор значений любого типа

Атрибуты:

Полученные результаты:

  1. y : тензор значений любого типа

tfl.matrix_diag (TFL :: MatrixDiagOp)

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

Описание:

При заданной диагонали возвращает тензор с диагональю и все остальное, дополненное нулями. Предположим, что диагональ имеет k измерений [I, J, K, ..., N] , тогда на выходе получается тензор ранга k+1 с измерениями [I, J, K, ..., N, N] где: output[i, j, k, ..., m, n] = 1{m=n} * diagonal[i, j, k, ..., n].

Операнды:

  1. diagonal : тензор значений любого типа

Атрибуты:

Полученные результаты:

  1. output : тензор значений любого типа

tfl.matrix_set_diag (TFL :: MatrixSetDiagOp)

 Returns a batched matrix tensor with new batched diagonal values.
 

Описание:

При заданном input и diagonal эта операция возвращает тензор с той же формой и значениями, что и для input , за исключением основной диагонали самых внутренних матриц. Они будут перезаписаны значениями по diagonal .

Операнды:

  1. input : тензор значений 32-разрядного или 32-разрядного целого или 64-разрядного целого или 8-разрядного целого или типа QI8 или типа QI16, или типа QUI8, или типа TFLite uint8, или типа TFLite quint8
  2. diagonal : тензор значений 32-разрядного или 32-разрядного целого или 64-разрядного целого или 8-разрядного целого или типа QI8, или типа QI16, или типа QUI8, или типа TFLite uint8, или типа TFLite quint8

Атрибуты:

Полученные результаты:

  1. output : тензор значений 32-разрядного или 32-разрядного целого или 64-разрядного целого или 8-разрядного целого или типа QI8, или типа QI16, или типа QUI8, или типа TFLite uint8, или типа TFLite quint8

tfl.max_pool_2d (TFL :: MaxPool2DOp)

Макс Пул 2D оп

Описание:

Выполняет максимальный пул 2D на входе.

Входы: inputs[0] : обязательно: тензор входа

Операнды:

  1. input : тензор значений любого типа

Атрибуты:

Атрибут Тип MLIR Описание
padding StringAttr атрибут padding enum
stride_w IntegerAttr Атрибут 32-битного целочисленного атрибута
stride_h IntegerAttr Атрибут 32-битного целочисленного атрибута
filter_width IntegerAttr Атрибут 32-битного целочисленного атрибута
filter_height IntegerAttr Атрибут 32-битного целочисленного атрибута
fused_activation_function StringAttr атрибут enum слитой активации

Полученные результаты:

  1. output : тензор значений любого типа

tfl.max_pooling_with_argmax_2d (TFL :: MaxPoolingWithArgMax2DOp)

Макс Пул 2D с опцией argmax

Описание:

Выполняет максимальное объединение на входе и выводит как максимальные значения, так и индексы. Каждый индекс является сплющенным индексом в подмассиве размера «filter_w» x «filter_h». Обратите внимание, что это пользовательская операция, которая не поддерживается в стандартной среде выполнения.

Входы: inputs[0] : обязательно: тензор активации входа

Операнды:

  1. input : тензор значений любого типа

Атрибуты:

Атрибут Тип MLIR Описание
padding StringAttr атрибут padding enum
stride_w IntegerAttr Атрибут 32-битного целочисленного атрибута
stride_h IntegerAttr Атрибут 32-битного целочисленного атрибута
filter_w IntegerAttr Атрибут 32-битного целочисленного атрибута
filter_h IntegerAttr Атрибут 32-битного целочисленного атрибута

Полученные результаты:

  1. value : тензор значений любого типа
  2. indices : тензор значений любого типа

tfl.max_unpooling_2d (TFL :: MaxUnpooling2DOp)

Макс Unpool 2D

Описание:

Выполняет максимальную операцию unpool. В некоторой степени это обратная операция максимального пула: элементы во входном тензоре активации сохраняются в позиции, указанной входными индексами. Обратите внимание, что это пользовательская операция, которая не поддерживается в стандартной среде выполнения.

Входы: inputs[0] : обязательно: тензор активации inputs[1] : обязательно: индексы входа

Операнды:

  1. input : тензор значений любого типа
  2. indices : тензор значений любого типа

Атрибуты:

Атрибут Тип MLIR Описание
padding StringAttr атрибут padding enum
stride_w IntegerAttr Атрибут 32-битного целочисленного атрибута
stride_h IntegerAttr Атрибут 32-битного целочисленного атрибута
filter_w IntegerAttr Атрибут 32-битного целочисленного атрибута
filter_h IntegerAttr Атрибут 32-битного целочисленного атрибута

Полученные результаты:

  1. outputs : тензор значений любого типа

tfl.maximum (TFL :: MaximumOp)

Макс оператор

Описание:

Элементарная максимальная операция.

Операнды:

  1. lhs : тензор значений любого типа
  2. rhs : тензор значений любого типа

Атрибуты:

Полученные результаты:

  1. max : тензор значений любого типа

tfl.mean (TFL :: MeanOp)

Средний оператор

Описание:

Вычисляет среднее элементов по размерам тензора. Уменьшает input_tensor вдоль размеров, указанных в оси. Если keepdims не верен, ранг тензора уменьшается на 1 для каждой записи в оси. Если keepdims имеет значение true, уменьшенные размеры сохраняются с длиной 1.

Операнды:

  1. input : тензор значений любого типа
  2. axis : тензор значений любого типа

Атрибуты:

Атрибут Тип MLIR Описание
keep_dims BoolAttr атрибут bool

Полученные результаты:

  1. output : тензор значений любого типа

tfl.minimum (TFL :: MinimumOp)

Мин оператор

Описание:

Поэлементная минимальная операция.

Операнды:

  1. lhs : тензор значений любого типа
  2. rhs : тензор значений любого типа

Атрибуты:

Полученные результаты:

  1. min : тензор значений любого типа

tfl.mirror_pad (TFL :: MirrorPadOp)

MirrorPad Оператор. Пэды тензор с зеркальными значениями.

Описание:

Эта операция дополняет ввод зеркальными значениями в соответствии с заданными вами отступами. paddings - это целочисленный тензор с формой [n, 2], где n - ранг ввода. Для каждого измерения D ввода, отступы [D, 0] указывают, сколько значений нужно добавить до содержимого ввода в этом измерении, а отступы [D, 1] указывают, сколько значений добавить после содержимого ввода в этом измерении.

И padding [D, 0], и padding [D, 1] не должны быть больше, чем input.dim_size (D) (или input.dim_size (D) - 1), если copy_border имеет значение true (если false, соответственно).

Дополняемый размер каждого измерения D выходных данных:

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

Операнды:

  1. input : тензор значений любого типа
  2. pad : тензор значений любого типа

Атрибуты:

Атрибут Тип MLIR Описание
mode StringAttr Атрибут enum зеркала

Полученные результаты:

  1. output : тензор значений любого типа

tfl.mul (TFL :: MulOp)

Оператор умножения

Описание:

Поэлементное умножение.

Операнды:

  1. lhs : тензор значений любого типа
  2. rhs : тензор значений любого типа

Атрибуты:

Атрибут Тип MLIR Описание
fused_activation_function StringAttr атрибут enum слитой активации

Полученные результаты:

  1. output : тензор значений любого типа

tfl.neg (TFL :: NegOp)

Оператор отрицания

Описание:

Вычисляет поэлементное отрицание ввода

Операнды:

  1. x : тензор значений любого типа

Атрибуты:

Полученные результаты:

  1. y : тензор значений любого типа

tfl.non_max_suppression_v4 (TFL :: NonMaxSuppressionV4Op)

Жадно выбирает подмножество ограничивающих рамок в порядке убывания оценки,

Описание:

Обрезка ящиков, которые имеют высокий уровень пересечения (IOU), перекрывается с ранее выбранными ящиками. Ограничивающие score_threshold с оценкой меньше, чем score_threshold удаляются. Ограничительные рамки поставляются в виде [y1, x1, y2, x2], где (y1, x1) и (y2, x2) являются координатами любой диагональной пары углов прямоугольника, и координаты могут быть предоставлены как нормализованные (то есть лежащие в интервал [0, 1]) или абсолютный. Обратите внимание, что этот алгоритм не зависит от того, где находится начало координат в системе координат, и в более общем случае он инвариантен к ортогональным преобразованиям и сдвигам системы координат; таким образом, перевод или отражение системы координат приводят к тому, что алгоритмом выбираются те же самые блоки. Результатом этой операции является набор целых чисел, индексирующих во входную коллекцию ограничительных блоков, представляющих выбранные блоки. Координаты ограничивающего прямоугольника, соответствующие выбранным индексам, можно затем получить с tf.gather operation . Например: selected_indices = tf.image.non_max_suppression_v2 (блоки, баллы, max_output_size, iou_threshold, score_threshold) selected_boxes = tf.gather (блоки, selected_indices)

Операнды:

  1. boxes : тензор значений любого типа
  2. scores : тензор любого типа значений
  3. max_output_size : тензор значений любого типа
  4. iou_threshold : тензор значений любого типа
  5. score_threshold : тензор значений любого типа

Атрибуты:

Полученные результаты:

  1. selected_indices : тензор значений любого типа
  2. valid_outputs : тензор значений любого типа

tfl.non_max_suppression_v5 (TFL :: NonMaxSuppressionV5Op)

Жадно выбирает подмножество ограничивающих рамок в порядке убывания оценки,

Описание:

Обрезка ящиков, которые имеют высокий уровень пересечения (IOU), перекрывается с ранее выбранными ящиками. Ограничивающие score_threshold с оценкой меньше, чем score_threshold удаляются Ограничительные рамки поставляются в виде [y1, x1, y2, x2], где (y1, x1) и (y2, x2) являются координатами любой диагональной пары углов прямоугольника, и координаты могут быть предоставлены как нормализованные (то есть лежащие в интервал [0, 1]) или абсолютный. Обратите внимание, что этот алгоритм не зависит от того, где начало координат находится в системе координат, и в более общем случае он инвариантен к ортогональным преобразованиям и сдвигам системы координат; таким образом, перевод или отражение системы координат приводят к тому, что алгоритмом выбираются те же самые блоки. Результатом этой операции является набор целых чисел, индексирующих во входную коллекцию ограничительных блоков, представляющих выбранные блоки. Координаты ограничивающего прямоугольника, соответствующие выбранным индексам, могут затем быть получены с 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