Trang này được dịch bởi Cloud Translation API.
Switch to English

Phương ngữ & # 39; tfl & # 39; Định nghĩa

Phương ngữ TensorFlow Lite.

Phương ngữ này ánh xạ tới các hoạt động của TensorFlow Lite.

Bất biến:

  • Tất cả các giá trị thuộc loại Tenor (đặc biệt, vô hướng được biểu diễn bằng các tenxơ không chiều);

Định nghĩa hoạt động

tfl.abs (TFL :: absOp)

Toán tử giá trị tuyệt đối

Sự miêu tả:

Cho một tenx x , thao tác này trả về một tenxơ chứa giá trị tuyệt đối của từng phần tử trong x . Ví dụ: nếu x là phần tử đầu vào và y là phần tử đầu ra, thao tác này sẽ tính \ (y = | x | \).

Toán hạng:

  1. x : tenxơ của bất kỳ giá trị loại nào

Thuộc tính:

Các kết quả:

  1. y : tenxơ của bất kỳ giá trị loại nào

tfl.add_n (TFL :: AddNOp)

toán tử add_n

Sự miêu tả:

Thêm tất cả các yếu tố đầu vào-khôn ngoan.

Toán hạng:

  1. inputs : tenxơ của bất kỳ giá trị loại

Thuộc tính:

Các kết quả:

  1. sum : tenxơ của bất kỳ giá trị loại

tfl.add (TFL :: AddOp)

Toán tử bổ sung

Sự miêu tả:

Hoạt động bổ sung yếu tố khôn ngoan.

Toán hạng:

  1. lhs : tenor của bất kỳ giá trị loại
  2. rhs : tenor của bất kỳ giá trị loại

Thuộc tính:

Thuộc tính Loại MLIR Sự miêu tả
fused_activation_function StringAttr kích hoạt hợp nhất thuộc tính enum

Các kết quả:

  1. output : tenor của bất kỳ giá trị loại

tfl.arg_max (TFL :: ArgMaxOp)

Toán tử ArgMax

Sự miêu tả:

Trả về chỉ mục có giá trị lớn nhất trên các kích thước của một tenxơ.

Toán hạng:

  1. input : tenor của bất kỳ giá trị loại
  2. dim : tenor của bất kỳ giá trị loại

Thuộc tính:

Thuộc tính Loại MLIR Sự miêu tả
output_type Attribute thuộc tính dẫn xuất

Các kết quả:

  1. output : tenor của bất kỳ giá trị loại

tfl.arg_min (TFL :: ArgMinOp)

Toán tử ArgMin

Sự miêu tả:

Trả về chỉ mục có giá trị nhỏ nhất trên các kích thước của thang đo. "A = [1, 10, 26.9, 2.8, 166.32, 62.3] b = tf.math.argmin (input = a) c = tf.keras.backend.eval (b)

Toán hạng:

  1. input : tenor của bất kỳ giá trị loại
  2. dim : tenor của bất kỳ giá trị loại

Thuộc tính:

Thuộc tính Loại MLIR Sự miêu tả
output_type Attribute thuộc tính dẫn xuất

Các kết quả:

  1. output : tenor của bất kỳ giá trị loại

tfl.alusive_pool_2d (TFL :: AveragePool2DOp)

Toán tử Average_pool_2d

Sự miêu tả:

Thực hiện thao tác gộp trung bình trên đầu vào.

Toán hạng:

  1. input : tenor của bất kỳ giá trị loại

Thuộc tính:

Thuộc tính Loại MLIR Sự miêu tả
filter_height IntegerAttr Thuộc tính số nguyên 32 bit
filter_width IntegerAttr Thuộc tính số nguyên 32 bit
padding StringAttr thuộc tính đệm
stride_h IntegerAttr Thuộc tính số nguyên 32 bit
stride_w IntegerAttr Thuộc tính số nguyên 32 bit
fused_activation_function StringAttr kích hoạt hợp nhất thuộc tính enum

Các kết quả:

  1. output : tenor của bất kỳ giá trị loại

tfl.basic_lstm (TFL :: BasicLSTMOp)

Toán tử lstm cơ bản

Sự miêu tả:

Người vận hành tế bào LSTM cơ bản.

Toán hạng:

  1. data_input : data_input của bất kỳ giá trị loại nào
  2. prev_activ_input : prev_activ_input của bất kỳ giá trị loại nào
  3. weights_input : weights_input của bất kỳ giá trị loại nào
  4. biases_input : biases_input của bất kỳ giá trị loại nào
  5. prev_state_input : prev_state_input của bất kỳ giá trị loại nào

Thuộc tính:

Thuộc tính Loại MLIR Sự miêu tả
fused_activation_function StringAttr kích hoạt hợp nhất thuộc tính enum
cell_clip FloatAttr Thuộc tính float 32-bit
proj_clip FloatAttr Thuộc tính float 32-bit
kernel_type StringAttr lstm kernel loại enum trường hợp thuộc tính BASIC

Các kết quả:

  1. activ_output : 2D activ_output của bất kỳ giá trị loại nào
  2. state_output : 2D state_output của bất kỳ giá trị loại nào
  3. concat_temp : 2D concat_temp của bất kỳ giá trị loại nào
  4. activ_temp : 2D activ_temp của bất kỳ giá trị loại nào

tfl.batch_to_space_nd (TFL :: BatchToSpaceNdOp)

Toán tử BatchToSpaceNd

Sự miêu tả:

Thao tác này định hình lại kích thước "lô" 0 thành kích thước không gian.

Toán hạng:

  1. input : tenor của bất kỳ giá trị loại
  2. block_shape : tenxơ của bất kỳ giá trị loại nào
  3. indices : tenxơ của bất kỳ giá trị loại

Thuộc tính:

Các kết quả:

  1. output : tenor của bất kỳ giá trị loại

tfl.cast (TFL :: CastOp)

Toán tử diễn viên

Sự miêu tả:

Đưa đầu vào từ loại đầu vào sang loại đầu ra.

Toán hạng:

  1. input : tenor của bất kỳ giá trị loại

Thuộc tính:

Các kết quả:

  1. output : tenor của bất kỳ giá trị loại

tfl.ceil (TFL :: CeilOp)

Toán tử trần

Sự miêu tả:

Trả về giá trị trần phần tử khôn ngoan của đầu vào.

Toán hạng:

  1. x : tenxơ của bất kỳ giá trị loại nào

Thuộc tính:

Các kết quả:

  1. y : tenxơ của bất kỳ giá trị loại nào

tfl.concatenation (TFL :: concatenationOp)

Điều hành nối

Sự miêu tả:

Kéo căng tenor dọc theo một chiều

Toán hạng:

  1. values : tenxơ của bất kỳ giá trị loại

Thuộc tính:

Thuộc tính Loại MLIR Sự miêu tả
axis IntegerAttr Thuộc tính số nguyên 32 bit
fused_activation_function StringAttr kích hoạt hợp nhất thuộc tính enum

Các kết quả:

  1. output : tenor của bất kỳ giá trị loại

tfl.pseudo_const (TFL :: ConstOp)

Giả liên tục op.

Sự miêu tả:

Đại diện cho một giá trị không đổi trong phương ngữ TensorFlow Lite. Đây không phải là một hoạt động thực tế và nó sẽ được hạ xuống bộ đệm thay thế.

Op được phép có tất cả các loại thuộc tính giống như tf.Const hiện (ví dụ: các thuộc tính TF mờ được cho phép).

Toán hạng:

Thuộc tính:

Thuộc tính Loại MLIR Sự miêu tả
value ElementsAttr thuộc tính vector / tenor không đổi

Các kết quả:

  1. output : tenor của bất kỳ giá trị loại

tfl.conv_2d (TFL :: Conv2DOp)

Toán tử kết hợp

Sự miêu tả:

Thực hiện thao tác tích chập trên đầu vào.

Đầu vào: inputs[0] : bắt buộc: đầu vào tenxơ kích hoạt inputs[1] : bắt buộc: inputs[2] tenor trọng lượng bộ lọc inputs[2] : tùy chọn: tenxơ thiên vị

Toán hạng:

  1. input : tenor của bất kỳ giá trị loại
  2. filter : tenor của bất kỳ giá trị loại
  3. bias : tenor của bất kỳ giá trị loại hoặc không có loại

Thuộc tính:

Thuộc tính Loại MLIR Sự miêu tả
dilation_h_factor IntegerAttr Thuộc tính số nguyên 32 bit
dilation_w_factor IntegerAttr Thuộc tính số nguyên 32 bit
fused_activation_function StringAttr kích hoạt hợp nhất thuộc tính enum
padding StringAttr thuộc tính đệm
stride_h IntegerAttr Thuộc tính số nguyên 32 bit
stride_w IntegerAttr Thuộc tính số nguyên 32 bit

Các kết quả:

  1. output : tenor của bất kỳ giá trị loại

tfl.convolution_2d_transpose_bias (TFL :: Convolution2DTransposeBiasOp)

Chuyển đổi chập với toán tử sai lệch

Sự miêu tả:

Thực hiện thao tác tích chập chuyển đổi trên các đầu vào, với tùy chọn thêm một độ lệch. Lưu ý đây là một op tùy chỉnh không được hỗ trợ trong thời gian chạy tiêu chuẩn.

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

Toán hạng:

  1. input : tenor của bất kỳ giá trị loại
  2. filter : tenor của bất kỳ giá trị loại
  3. bias : tenor của bất kỳ giá trị loại hoặc không có loại

Thuộc tính:

Thuộc tính Loại MLIR Sự miêu tả
padding StringAttr thuộc tính đệm
stride_h IntegerAttr Thuộc tính số nguyên 32 bit
stride_w IntegerAttr Thuộc tính số nguyên 32 bit

Các kết quả:

  1. output : tenor của bất kỳ giá trị loại

tfl.cos (TFL :: CosOp)

Toán tử Cosine

Sự miêu tả:

Tính toán Cosine phần tử khôn ngoan của đầu vào

Toán hạng:

  1. x : tenxơ của bất kỳ giá trị loại nào

Thuộc tính:

Các kết quả:

  1. y : tenxơ của bất kỳ giá trị loại nào

tfl.densify (TFL :: DensifyOp)

Toán tử dày đặc

Sự miêu tả:

Chuyển đổi tenxơ thưa thớt thành định dạng dày đặc.

Toán hạng:

  1. input : tenor của bất kỳ giá trị loại

Thuộc tính:

Các kết quả:

  1. output : tenor của bất kỳ giá trị loại

tfl.depth_to_space (TFL :: DepthToSpaceOp)

Toán tử DepthToSpace

Sự miêu tả:

Sắp xếp lại dữ liệu từ độ sâu thành các khối dữ liệu không gian. Đây là sự chuyển đổi ngược lại của SpaceToDepth. Cụ thể hơn, op này xuất ra một bản sao của tenxơ đầu vào trong đó các giá trị từ kích thước chiều depth được di chuyển trong các khối không gian sang kích thước chiều heightwidth . Các attr block_size chỉ ra kích thước khối đầu vào và cách dữ liệu được di chuyển.

Toán hạng:

  1. input : tenor của bất kỳ giá trị loại

Thuộc tính:

Thuộc tính Loại MLIR Sự miêu tả
block_size IntegerAttr Thuộc tính số nguyên 32 bit

Các kết quả:

  1. output : tenor của bất kỳ giá trị loại

tfl.depthwise_conv_2d (TFL :: DepthwiseConv2DOp)

Toán tử tích chập phân tách theo chiều sâu

Sự miêu tả:

Thực hiện thao tác tích chập trên đầu vào.

Đầu vào: inputs[0] : bắt buộc: đầu vào tenxơ kích hoạt inputs[1] : bắt buộc: inputs[2] tenor trọng lượng bộ lọc inputs[2] : tùy chọn: tenxơ thiên vị

Toán hạng:

  1. input : tenor của bất kỳ giá trị loại
  2. filter : tenor của bất kỳ giá trị loại
  3. bias : tenor của bất kỳ giá trị loại hoặc không có loại

Thuộc tính:

Thuộc tính Loại MLIR Sự miêu tả
dilation_h_factor IntegerAttr Thuộc tính số nguyên 32 bit
dilation_w_factor IntegerAttr Thuộc tính số nguyên 32 bit
fused_activation_function StringAttr kích hoạt hợp nhất thuộc tính enum
padding StringAttr thuộc tính đệm
stride_h IntegerAttr Thuộc tính số nguyên 32 bit
stride_w IntegerAttr Thuộc tính số nguyên 32 bit
depth_multiplier IntegerAttr Thuộc tính số nguyên 32 bit

Các kết quả:

  1. output : tenor của bất kỳ giá trị loại

tfl.dequantize (TFL :: DequantizeOp)

Toán tử điều chỉnh

Sự miêu tả:

Chuyển đổi mảng số lượng tử thành các dấu phẩy động theo các tham số lượng tử hóa.

Toán hạng:

  1. input : tenor của bất kỳ giá trị loại

Thuộc tính:

Các kết quả:

  1. output : tenor của bất kỳ giá trị loại

tfl.div (TFL :: DivOp)

Bộ phận điều hành

Sự miêu tả:

Hoạt động phân chia phần tử khôn ngoan.

Toán hạng:

  1. lhs : tenor của bất kỳ giá trị loại
  2. rhs : tenor của bất kỳ giá trị loại

Thuộc tính:

Thuộc tính Loại MLIR Sự miêu tả
fused_activation_function StringAttr kích hoạt hợp nhất thuộc tính enum

Các kết quả:

  1. output : tenor của bất kỳ giá trị loại

tfl.elu (TFL :: EluOp)

Toán tử đơn vị tuyến tính hàm mũ

Sự miêu tả:

Tính toán tuyến tính hàm mũ f (x) -> exp (x) - 1 với x <0, x với x> = 0. phần tử khôn ngoan.

Toán hạng:

  1. x : tenxơ của bất kỳ giá trị loại nào

Thuộc tính:

Các kết quả:

  1. y : tenxơ của bất kỳ giá trị loại nào

tfl.embpping_lookup (TFL :: EmbppingLookupOp)

Toán tử tra cứu nhúng

Sự miêu tả:

Tra cứu id trong một danh sách các tenor nhúng.

Toán hạng:

  1. lookup : tenor của bất kỳ giá trị loại
  2. value : tenor của bất kỳ giá trị loại

Thuộc tính:

Các kết quả:

  1. output : tenor của bất kỳ giá trị loại

tfl.equal (TFL :: EqualOp)

Toán tử bằng

Sự miêu tả:

Trả về phần tử thật của x == y phần tử khôn ngoan

Toán hạng:

  1. x : tenxơ của bất kỳ giá trị loại nào
  2. y : tenxơ của bất kỳ giá trị loại nào

Thuộc tính:

Các kết quả:

  1. output : tenor của bất kỳ giá trị loại

tfl.bao (TFL :: ExpOp)

Toán tử lũy thừa tự nhiên

Sự miêu tả:

Thực hiện thao tác lũy thừa tự nhiên theo yếu tố trên đầu vào.

Toán hạng:

  1. x : tenxơ của bất kỳ giá trị loại nào

Thuộc tính:

Các kết quả:

  1. y : tenxơ của bất kỳ giá trị loại nào

tfl.Exand_dims (TFL :: ExpandDimsOp)

Chèn kích thước 1 vào hình dạng tenxơ.

Sự miêu tả:

Với input tenxơ, thao tác này sẽ chèn kích thước 1 vào axis chỉ số kích thước của hình dạng input . axis chỉ số kích thước bắt đầu từ 0; nếu bạn chỉ định một số âm cho axis thì nó được tính ngược từ cuối.

Thao tác này rất hữu ích nếu bạn muốn thêm kích thước lô cho một phần tử. Ví dụ, nếu bạn có một hình ảnh duy nhất của hình dạng [height, width, channels] , bạn có thể làm cho nó một lô 1 hình ảnh với expand_dims(image, 0) , mà sẽ làm cho hình dạng [1, height, width, channels] .

Những ví dụ khác:

 # '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]
 

Thao tác này yêu cầu:

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

Thao tác này có liên quan đến squeeze() , loại bỏ kích thước của kích thước 1.

Toán hạng:

  1. input : tenor của bất kỳ giá trị loại
  2. dim : tenor của bất kỳ loại số nguyên

Thuộc tính:

Các kết quả:

  1. output : tenor của bất kỳ giá trị loại

tfl.external_const (TFL :: ExternalConstOp)

Bên ngoài const op.

Sự miêu tả:

Bên ngoài op op giữ một bộ buffer_index trỏ đến một hằng số trong bộ đệm phẳng.

Toán hạng:

Thuộc tính:

Thuộc tính Loại MLIR Sự miêu tả
buffer_index IntegerAttr Thuộc tính số nguyên 32 bit

Các kết quả:

  1. output : tenor của bất kỳ giá trị loại

tfl.fake_quant (TFL :: FakeQuantOp)

Toán tử FakeQuant

Sự miêu tả:

Giả định lượng hóa tenxơ 'đầu vào' của kiểu float thông qua vô hướng float tối thiểu và tối đa để 'đầu ra' tenor có hình dạng giống như đầu vào.

Toán hạng:

  1. input : tenor của bất kỳ giá trị loại

Thuộc tính:

Thuộc tính Loại MLIR Sự miêu tả
min FloatAttr Thuộc tính float 32-bit
max FloatAttr Thuộc tính float 32-bit
num_bits IntegerAttr Thuộc tính số nguyên 32 bit
narrow_range BoolAttr thuộc tính bool

Các kết quả:

  1. output : tenor của bất kỳ giá trị loại

tfl.fill (TFL :: FillOp)

Điền vào các tenxơ với giá trị nhất định.

Sự miêu tả:

Điền vào các tenxơ với giá trị nhất định.

Toán hạng:

  1. dims : tenor của bất kỳ giá trị loại
  2. value : tenor của bất kỳ giá trị loại

Thuộc tính:

Các kết quả:

  1. res : tenxơ của bất kỳ giá trị loại

tfl.floor_div (TFL :: FloorDivOp)

Toán tử sàn

Sự miêu tả:

Yếu tố sàn div khôn ngoan hoạt động.

Toán hạng:

  1. lhs : tenor của bất kỳ giá trị loại
  2. rhs : tenor của bất kỳ giá trị loại

Thuộc tính:

Các kết quả:

  1. output : tenor của bất kỳ giá trị loại

tfl.floor_mod (TFL :: FloorModOp)

Bộ phận nhắc nhở

Sự miêu tả:

Hoạt động nhắc nhở phân chia phần tử khôn ngoan.

Toán hạng:

  1. lhs : tenor của bất kỳ giá trị loại
  2. rhs : tenor của bất kỳ giá trị loại

Thuộc tính:

Các kết quả:

  1. output : tenor của bất kỳ giá trị loại

tfl.floor (TFL :: FloorOp)

Điều hành sàn

Sự miêu tả:

Trả về giá trị sàn phần tử khôn ngoan của đầu vào.

Toán hạng:

  1. x : tenxơ của bất kỳ giá trị loại nào

Thuộc tính:

Các kết quả:

  1. y : tenxơ của bất kỳ giá trị loại nào

tfl.fully_connected (TFL :: FullConnectedOp)

Kết nối đầy đủ op

Sự miêu tả:

Toán hạng:

  1. input : tenor của bất kỳ giá trị loại
  2. filter : tenor của bất kỳ giá trị loại
  3. bias : tenor của bất kỳ giá trị loại hoặc không có loại

Thuộc tính:

Thuộc tính Loại MLIR Sự miêu tả
fused_activation_function StringAttr kích hoạt hợp nhất thuộc tính enum
weights_format StringAttr tùy chọn kết nối đầy đủ trọng lượng định dạng thuộc tính
keep_num_dims BoolAttr thuộc tính bool

Các kết quả:

  1. output : tenor của bất kỳ giá trị loại

tfl.gather_nd (TFL :: GatherNdOp)

Toán tử Gather_nd

Sự miêu tả:

Tập hợp các lát từ params vào một Tenor với hình dạng được chỉ định bởi indices .

Toán hạng:

  1. params : tenor của bất kỳ giá trị loại
  2. indices : tenxơ của bất kỳ giá trị loại

Thuộc tính:

Các kết quả:

  1. output : tenor của bất kỳ giá trị loại

tfl.gather (TFL :: GatherOp)

Tập hợp người vận hành

Sự miêu tả:

Thu thập lát từ params trục axis theo indices .

Toán hạng:

  1. params : tenor của bất kỳ giá trị loại
  2. indices : tenxơ của bất kỳ giá trị loại

Thuộc tính:

Thuộc tính Loại MLIR Sự miêu tả
axis IntegerAttr Thuộc tính số nguyên 32 bit

Các kết quả:

  1. output : tenor của bất kỳ giá trị loại

tfl.g [_equal (TFL :: GreaterEqualOp)

Toán tử Greater_equal

Sự miêu tả:

Yếu tố hoạt động lớn hơn khôn ngoan.

Toán hạng:

  1. lhs : tenor của bất kỳ giá trị loại
  2. rhs : tenor của bất kỳ giá trị loại

Thuộc tính:

Các kết quả:

  1. output : tenor của bất kỳ giá trị loại

tfl.g [(TFL :: GreaterOp)

Điều hành lớn hơn

Sự miêu tả:

Yếu tố hoạt động khôn ngoan hơn.

Toán hạng:

  1. lhs : tenor của bất kỳ giá trị loại
  2. rhs : tenor của bất kỳ giá trị loại

Thuộc tính:

Các kết quả:

  1. output : tenor của bất kỳ giá trị loại

tfl.hard_swish (TFL :: HardSwishOp)

Chức năng kích hoạt Hardswish.

Sự miêu tả:

Tính toán hàm kích hoạt khó f (x) -> (x * relu6 (x + 3)) / 6 phần tử-khôn ngoan.

Toán hạng:

  1. input : tenor của bất kỳ giá trị loại

Thuộc tính:

Các kết quả:

  1. out : tenor của bất kỳ giá trị loại

tfl.l2_n normalization (TFL :: L2N normalizationOp)

Toán tử chuẩn hóa L2

Sự miêu tả:

L2N normalization Op

Toán hạng:

  1. input : tenor của bất kỳ giá trị loại

Thuộc tính:

Thuộc tính Loại MLIR Sự miêu tả
fused_activation_function StringAttr kích hoạt hợp nhất thuộc tính enum

Các kết quả:

  1. output : tenor của bất kỳ giá trị loại

tfl.lstm (TFL :: LSTMOp)

Toán tử lstm đầy đủ

Sự miêu tả:

Lớp bộ nhớ ngắn hạn đơn vị dài hạn (LSTM). Việc triển khai không nhìn trộm mặc định dựa trên: http://deeplearning.cs.cmu.edu/pdfs/Hochreiter97_lstm.pdf S. Hochreiter và J. Schmidhuber. "Bộ nhớ ngắn hạn". Tính toán thần kinh, 9 (8): 1735-1780, 1997. Việc thực hiện lổ nhìn trộm dựa trên: https://research.google.com/pub/archive/43905.pdf Hasim Sak, Andrew Senior và Francoir Beaufays. "Kiến trúc mạng thần kinh ngắn hạn tái phát dài hạn cho mô hình âm thanh quy mô lớn. INTERSPEECH, 2014. Việc ghép cổng đầu vào và cổng quên (CIFG) dựa trên: http://arxiv.org/pdf/1503.04069.pdf Greff et al . "LSTM: Một cuộc tìm kiếm không gian tìm kiếm" Việc chuẩn hóa lớp dựa trên: https://arxiv.org/pdf/1607.06450.pdf Ba et al.

Toán hạng:

  1. input : tenor của bất kỳ giá trị loại
  2. input_to_input_weights : input_to_input_weights của bất kỳ giá trị loại nào hoặc không có loại nào
  3. input_to_forget_weights : tenxơ của bất kỳ giá trị loại nào
  4. input_to_cell_weights : input_to_cell_weights của bất kỳ giá trị loại nào
  5. input_to_output_weights : input_to_output_weights của bất kỳ giá trị loại nào
  6. recurrent_to_input_weights : tenor của bất kỳ giá trị loại nào hoặc không có loại nào
  7. recurrent_to_forget_weights : tenor của bất kỳ giá trị loại nào
  8. recurrent_to_cell_weights : tenxơ của bất kỳ giá trị loại nào
  9. recurrent_to_output_weights : tenor của bất kỳ giá trị loại nào
  10. cell_to_input_weights : tenxơ của bất kỳ giá trị loại nào hoặc không có loại nào
  11. cell_to_forget_weights : tenxơ của bất kỳ giá trị loại nào hoặc không có loại nào
  12. cell_to_output_weights : cell_to_output_weights của bất kỳ giá trị loại nào hoặc không có loại nào
  13. input_gate_bias : input_gate_bias của bất kỳ giá trị loại nào hoặc không có loại nào
  14. forget_gate_bias : forget_gate_bias của bất kỳ giá trị loại
  15. cell_bias : cell_bias của bất kỳ giá trị loại nào
  16. output_gate_bias : output_gate_bias của bất kỳ giá trị loại nào
  17. projection_weights : tenxơ của bất kỳ giá trị loại hoặc không có loại
  18. projection_bias : tenxơ của bất kỳ giá trị loại nào hoặc không có loại nào
  19. input_activation_state : trạng thái căng
  20. input_cell_state : trạng thái căng
  21. input_layer_norm_coefficients : input_layer_norm_coefficients của bất kỳ giá trị loại nào hoặc không có loại nào
  22. forget_layer_norm_coefficients : forget_layer_norm_coefficients của bất kỳ giá trị loại nào hoặc không có loại nào
  23. cell_layer_norm_coefficients : cell_layer_norm_coefficients của bất kỳ giá trị loại nào hoặc không có loại nào
  24. output_layer_norm_coefficients : output_layer_norm_coefficients của bất kỳ giá trị loại nào hoặc không có loại nào

Thuộc tính:

Thuộc tính Loại MLIR Sự miêu tả
fused_activation_function StringAttr kích hoạt hợp nhất thuộc tính enum
cell_clip FloatAttr Thuộc tính float 32-bit
proj_clip FloatAttr Thuộc tính float 32-bit
kernel_type StringAttr lstm kernel loại enum trường hợp thuộc tính FULL

Các kết quả:

  1. output : tenor của bất kỳ giá trị loại

tfl.leaky_relu (TFL :: LeakyReluOp)

Toán tử rò rỉ Relu

Sự miêu tả:

Toán tử ReLU Leaky ReLU yếu tố x -> x> = 0? x: (alpha * x)

Toán hạng:

  1. input : tenor của bất kỳ giá trị loại

Thuộc tính:

Thuộc tính Loại MLIR Sự miêu tả
alpha FloatAttr Thuộc tính float 32-bit

Các kết quả:

  1. output : tenor của bất kỳ giá trị loại

tfl.less_equal (TFL :: LessEqualOp)

Toán tử ít hơn

Sự miêu tả:

Yếu tố ít khôn ngoan hoạt động.

Toán hạng:

  1. lhs : tenor của bất kỳ giá trị loại
  2. rhs : tenor của bất kỳ giá trị loại

Thuộc tính:

Các kết quả:

  1. output : tenor của bất kỳ giá trị loại

tfl.less (TFL :: LessOp)

Toán tử ít

Sự miêu tả:

Yếu tố ít khôn ngoan hoạt động.

Toán hạng:

  1. lhs : tenor của bất kỳ giá trị loại
  2. rhs : tenor của bất kỳ giá trị loại

Thuộc tính:

Các kết quả:

  1. output : tenor của bất kỳ giá trị loại

tfl.local_response_n normalization (TFL :: LocalResponseN normalizationOp)

Chuẩn hóa đáp ứng cục bộ.

Sự miêu tả:

Tenor input 4-D được coi là một mảng 3-D của vectơ 1-D (dọc theo chiều cuối cùng) và mỗi vectơ được chuẩn hóa độc lập. Trong một vectơ nhất định, mỗi thành phần được chia cho tổng đầu vào có trọng số, bình phương trong độ depth_radius . Chi tiết,

 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
 

Để biết chi tiết, xem Krizhevsky và cộng sự, phân loại ImageNet với các mạng thần kinh tích chập sâu (NIPS 2012) .

Toán hạng:

  1. input : tenor của bất kỳ giá trị loại

Thuộc tính:

Thuộc tính Loại MLIR Sự miêu tả
radius IntegerAttr Thuộc tính số nguyên 32 bit
bias FloatAttr Thuộc tính float 32-bit
alpha FloatAttr Thuộc tính float 32-bit
beta FloatAttr Thuộc tính float 32-bit

Các kết quả:

  1. output : tenor của bất kỳ giá trị loại

tfl.log (TFL :: LogOp)

Toán tử logarit tự nhiên

Sự miêu tả:

Thực hiện thao tác logarit tự nhiên phần tử trên đầu vào.

Toán hạng:

  1. x : tenxơ của bất kỳ giá trị loại nào

Thuộc tính:

Các kết quả:

  1. y : tenxơ của bất kỳ giá trị loại nào

tfl.log_softmax (TFL :: LogSoftmaxOp)

Đăng nhập toán tử softmax

Sự miêu tả:

Tính toán kích hoạt phần mềm đăng nhập phần tử khôn ngoan với công thức sau

đầu vào - log (less_sum (exp (đầu vào), mờ))

Toán hạng:

  1. input : tenor của bất kỳ giá trị loại

Thuộc tính:

Các kết quả:

  1. output : tenor của bất kỳ giá trị loại

tfl.logical_and (TFL :: LogicalAndOp)

Toán tử logic

Sự miêu tả:

Yếu tố logic và hoạt động khôn ngoan.

Toán hạng:

  1. lhs : tenor của bất kỳ giá trị loại
  2. rhs : tenor của bất kỳ giá trị loại

Thuộc tính:

Các kết quả:

  1. output : tenor của bất kỳ giá trị loại

tfl.logical_not (TFL :: LogicalNotOp)

Toán tử KHÔNG logic

Sự miêu tả:

Yếu tố logic khôn ngoan KHÔNG hoạt động.

Toán hạng:

  1. lhs : tenor của bất kỳ giá trị loại

Thuộc tính:

Các kết quả:

  1. output : tenor của bất kỳ giá trị loại

tfl.logical_or (TFL :: LogicalOrOp)

Toán tử OR logic

Sự miêu tả:

Yếu tố logic khôn ngoan HOẶC hoạt động.

Toán hạng:

  1. lhs : tenor của bất kỳ giá trị loại
  2. rhs : tenor của bất kỳ giá trị loại

Thuộc tính:

Các kết quả:

  1. output : tenor của bất kỳ giá trị loại

tfl.logistic (TFL :: LogisticOp)

Toán tử hậu cần

Sự miêu tả:

Tính toán Sigmoid phần tử của đầu vào

Toán hạng:

  1. x : tenxơ của bất kỳ giá trị loại nào

Thuộc tính:

Các kết quả:

  1. y : tenxơ của bất kỳ giá trị loại nào

tfl.matrix_diag (TFL :: MatrixDiagOp)

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

Sự miêu tả:

Cho một đường chéo, trả về một tenxơ với đường chéo và mọi thứ khác được đệm bằng số không. Giả sử đường chéo có k kích thước [I, J, K, ..., N] , thì đầu ra là một thang đo bậc k+1 với các kích thước [I, J, K, ..., N, N] trong đó: output[i, j, k, ..., m, n] = 1{m=n} * diagonal[i, j, k, ..., n].

Toán hạng:

  1. diagonal : tenor của bất kỳ giá trị loại

Thuộc tính:

Các kết quả:

  1. output : tenor của bất kỳ giá trị loại

tfl.matrix_set_diag (TFL :: MatrixSetDiagOp)

 Returns a batched matrix tensor with new batched diagonal values.
 

Sự miêu tả:

Cho inputdiagonal , thao tác này trả về một tenxơ có cùng hình dạng và giá trị như input , ngoại trừ đường chéo chính của ma trận trong cùng. Chúng sẽ được ghi đè bởi các giá trị diagonal .

Toán hạng:

  1. input : tenxơ float 32 bit hoặc số nguyên 32 bit hoặc số nguyên 64 bit hoặc số nguyên 8 bit hoặc loại QI8 hoặc loại QI16 hoặc loại QUI8 hoặc loại TFLite uint8 hoặc loại TFLite quint8
  2. diagonal : tenxơ float 32 bit hoặc số nguyên 32 bit hoặc số nguyên 64 bit hoặc số nguyên 8 bit hoặc loại QI8 hoặc loại QI16 hoặc loại QUI8 hoặc loại TFLite uint8 hoặc loại TFLite quint8

Thuộc tính:

Các kết quả:

  1. output : tenxơ float 32 bit hoặc số nguyên 32 bit hoặc số nguyên 64 bit hoặc số nguyên 8 bit hoặc loại QI8 hoặc loại QI16 hoặc loại QUI8 hoặc loại TFLite uint8 hoặc loại TFLite quint8

tfl.max_pool_2d (TFL :: MaxPool2DOp)

Tối đa hồ bơi 2D op

Sự miêu tả:

Thực hiện tối đa 2D pool trên đầu vào.

Đầu vào: inputs[0] : bắt buộc: tenx đầu vào

Toán hạng:

  1. input : tenor của bất kỳ giá trị loại

Thuộc tính:

Thuộc tính Loại MLIR Sự miêu tả
padding StringAttr thuộc tính đệm
stride_w IntegerAttr Thuộc tính số nguyên 32 bit
stride_h IntegerAttr Thuộc tính số nguyên 32 bit
filter_width IntegerAttr Thuộc tính số nguyên 32 bit
filter_height IntegerAttr Thuộc tính số nguyên 32 bit
fused_activation_function StringAttr kích hoạt hợp nhất thuộc tính enum

Các kết quả:

  1. output : tenor của bất kỳ giá trị loại

tfl.max_pooling_with_argmax_2d (TFL :: MaxPoolingWithArgMax2DOp)

Tối đa 2D với argmax op

Sự miêu tả:

Thực hiện gộp tối đa trên đầu vào và đầu ra cả giá trị tối đa và chỉ số. Mỗi chỉ mục là một chỉ mục làm phẳng trong một mảng con có kích thước "filter_w" x "filter_h" Lưu ý đây là một op tùy chỉnh không được hỗ trợ trong thời gian chạy tiêu chuẩn.

Đầu vào: inputs[0] : bắt buộc: tenxơ kích hoạt đầu vào

Toán hạng:

  1. input : tenor của bất kỳ giá trị loại

Thuộc tính:

Thuộc tính Loại MLIR Sự miêu tả
padding StringAttr thuộc tính đệm
stride_w IntegerAttr Thuộc tính số nguyên 32 bit
stride_h IntegerAttr Thuộc tính số nguyên 32 bit
filter_w IntegerAttr Thuộc tính số nguyên 32 bit
filter_h IntegerAttr Thuộc tính số nguyên 32 bit

Các kết quả:

  1. value : tenor của bất kỳ giá trị loại
  2. indices : tenxơ của bất kỳ giá trị loại

tfl.max_unpooling_2d (TFL :: MaxUnpooling2DOp)

Tối đa 2D

Sự miêu tả:

Thực hiện hoạt động unpool tối đa. Trong một chừng mực nào đó, đây là hoạt động ngược lại của nhóm tối đa: các phần tử trong tenxơ kích hoạt đầu vào được lưu trữ vào vị trí được chỉ định bởi các chỉ mục đầu vào. Lưu ý đây là một op tùy chỉnh không được hỗ trợ trong thời gian chạy tiêu chuẩn.

Đầu vào: inputs[0] : bắt buộc: đầu vào tenxơ kích hoạt inputs[1] : bắt buộc: các chỉ số đầu vào

Toán hạng:

  1. input : tenor của bất kỳ giá trị loại
  2. indices : tenxơ của bất kỳ giá trị loại

Thuộc tính:

Thuộc tính Loại MLIR Sự miêu tả
padding StringAttr thuộc tính đệm
stride_w IntegerAttr Thuộc tính số nguyên 32 bit
stride_h IntegerAttr Thuộc tính số nguyên 32 bit
filter_w IntegerAttr Thuộc tính số nguyên 32 bit
filter_h IntegerAttr Thuộc tính số nguyên 32 bit

Các kết quả:

  1. outputs : tenor của bất kỳ giá trị loại

tfl.maximum (TFL :: MaximumOp)

Toán tử tối đa

Sự miêu tả:

Hoạt động tối đa yếu tố.

Toán hạng:

  1. lhs : tenor của bất kỳ giá trị loại
  2. rhs : tenor của bất kỳ giá trị loại

Thuộc tính:

Các kết quả:

  1. max : tenor của bất kỳ giá trị loại nào

tfl.mean (TFL :: MeanOp)

Toán tử trung bình

Sự miêu tả:

Tính giá trị trung bình của các phần tử trên các kích thước của một tenxơ. Giảm input_tensor dọc theo kích thước được đưa ra trong trục. Trừ khi lưu giữ là đúng, thứ hạng của tenxơ giảm đi 1 cho mỗi mục trong trục. Nếu giữ nguyên là đúng, kích thước giảm được giữ lại với chiều dài 1.

Toán hạng:

  1. input : tenor của bất kỳ giá trị loại
  2. axis : tenxơ của bất kỳ giá trị loại

Thuộc tính:

Thuộc tính Loại MLIR Sự miêu tả
keep_dims BoolAttr thuộc tính bool

Các kết quả:

  1. output : tenor của bất kỳ giá trị loại

tfl.minimum (TFL :: MinimalOp)

Toán tử tối thiểu

Sự miêu tả:

Yếu tố hoạt động tối thiểu khôn ngoan.

Toán hạng:

  1. lhs : tenor của bất kỳ giá trị loại
  2. rhs : tenor của bất kỳ giá trị loại

Thuộc tính:

Các kết quả:

  1. min : tenor của bất kỳ giá trị loại nào

tfl.mirror_pad (TFL :: MirrorPadOp)

Toán tử MirrorPad. Đệm một tenor với các giá trị nhân đôi.

Sự miêu tả:

Thao tác này đệm một đầu vào với các giá trị được nhân đôi theo các phần đệm bạn chỉ định. paddings là một tenxơ nguyên có hình dạng [n, 2], trong đó n là thứ hạng của đầu vào. Đối với mỗi thứ nguyên D của đầu vào, phần đệm [D, 0] cho biết có bao nhiêu giá trị cần thêm trước nội dung của đầu vào trong thứ nguyên đó và phần đệm [D, 1] cho biết có bao nhiêu giá trị để thêm sau nội dung của đầu vào đó.

Cả paddings [D, 0] và paddings [D, 1] phải không lớn hơn input.dim_size (D) (hoặc input.dim_size (D) - 1) nếu copy_border là đúng (nếu sai, tương ứng).

Kích thước đệm của mỗi kích thước D của đầu ra là:

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

Toán hạng:

  1. input : tenor của bất kỳ giá trị loại
  2. pad : tenor của bất kỳ giá trị loại

Thuộc tính:

Thuộc tính Loại MLIR Sự miêu tả
mode StringAttr Gương thuộc tính enum

Các kết quả:

  1. output : tenor của bất kỳ giá trị loại

tfl.mul (TFL :: MulOp)

Toán tử nhân

Sự miêu tả:

Hoạt động nhân phần tử khôn ngoan.

Toán hạng:

  1. lhs : tenor của bất kỳ giá trị loại
  2. rhs : tenor của bất kỳ giá trị loại

Thuộc tính:

Thuộc tính Loại MLIR Sự miêu tả
fused_activation_function StringAttr kích hoạt hợp nhất thuộc tính enum

Các kết quả:

  1. output : tenor của bất kỳ giá trị loại

tfl.neg (TFL :: NegOp)

Toán tử phủ định

Sự miêu tả:

Tính toán phủ định yếu tố đầu vào

Toán hạng:

  1. x : tenxơ của bất kỳ giá trị loại nào

Thuộc tính:

Các kết quả:

  1. y : tenxơ của bất kỳ giá trị loại nào

tfl.non_max_suppression_v4 (TFL :: NonMaxSuppressionV4Op)

Tham lam chọn một tập hợp các hộp giới hạn theo thứ tự giảm dần của điểm số,

Sự miêu tả:

cắt tỉa các hộp có giao lộ cao (IOU) chồng chéo với các hộp đã chọn trước đó. Các hộp giới hạn có số điểm nhỏ hơn score_threshold sẽ bị xóa. Các hộp giới hạn được cung cấp dưới dạng [y1, x1, y2, x2], trong đó (y1, x1) và (y2, x2) là tọa độ của bất kỳ cặp góc chéo nào và tọa độ có thể được cung cấp dưới dạng chuẩn hóa (nghĩa là nằm trong khoảng [0, 1]) hoặc tuyệt đối. Lưu ý rằng thuật toán này không rõ ràng về nguồn gốc trong hệ tọa độ và nói chung là bất biến đối với các phép biến đổi trực giao và các bản dịch của hệ tọa độ; do đó, dịch hoặc phản xạ của hệ tọa độ dẫn đến các hộp giống nhau được thuật toán chọn. Đầu ra của thao tác này là một tập hợp các số nguyên được lập chỉ mục vào bộ sưu tập đầu vào của các hộp giới hạn đại diện cho các hộp được chọn. Các tọa độ hộp giới hạn tương ứng với các chỉ số đã chọn có thể được lấy bằng tf.gather operation . Ví dụ: được chọn

Toán hạng:

  1. boxes : tenxơ của bất kỳ giá trị loại
  2. scores : tenor của bất kỳ giá trị loại
  3. max_output_size : max_output_size của bất kỳ giá trị loại nào
  4. iou_threshold : tenxơ của bất kỳ giá trị loại nào
  5. score_threshold : tenxơ của bất kỳ giá trị loại nào

Thuộc tính:

Các kết quả:

  1. selected_indices : tensor của bất kỳ giá trị loại
  2. valid_outputs : valid_outputs của bất kỳ giá trị loại nào

tfl.non_max_suppression_v5 (TFL :: NonMaxSuppressionV5Op)

Tham lam chọn một tập hợp các hộp giới hạn theo thứ tự giảm dần của điểm số,

Sự miêu tả:

cắt tỉa các hộp có giao lộ cao (IOU) chồng chéo với các hộp đã chọn trước đó. Các hộp giới hạn có số điểm nhỏ hơn score_threshold sẽ bị xóa. Các hộp giới hạn được cung cấp dưới dạng [y1, x1, y2, x2], trong đó (y1, x1) và (y2, x2) là tọa độ của bất kỳ cặp góc chéo nào và tọa độ có thể được cung cấp dưới dạng chuẩn hóa (nghĩa là nằm trong khoảng [0, 1]) hoặc tuyệt đối. Lưu ý rằng thuật toán này không rõ ràng về nguồn gốc trong hệ tọa độ và nói chung là bất biến đối với các phép biến đổi trực giao và các bản dịch của hệ tọa độ; do đó, dịch hoặc phản xạ của hệ tọa độ dẫn đến các hộp giống nhau được thuật toán chọn. Đầu ra của thao tác này là một tập hợp các số nguyên được lập chỉ mục vào bộ sưu tập đầu vào của các hộp giới hạn đại diện cho các hộp được chọn. Các tọa độ hộp giới hạn tương ứng với các chỉ số đã chọn có thể được lấy bằng 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