'tfl' phương ngữ

Phương ngữ TensorFlow Lite.

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

Bất biến:

• Tất cả các giá trị đều thuộc loại Tensor (đặc biệt, các đại lượng vô hướng được biểu diễn bằng các tensor không chiều);

định nghĩa hoạt động

tfl.abs (TFL::AbsOp)

Toán tử giá trị tuyệt đối

Cho một tensor x , thao tác này trả về một tensor chứa giá trị tuyệt đối của mỗi 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 \(y = |x|\).

Đặc điểm: LuônSpeculatableImplTrait, QuantizableResult, SameOperandsAndResultShape

Giao diện: Có điều kiệnSpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Hiệu ứng: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.add (TFL::AddOp)

Toán tử cộng

Hoạt động bổ sung phần tử khôn ngoan.

Đặc điểm: ::mlir::OpTrait::TFLRuntimeOpTrait, AlwaysSpeculatableImplTrait, Commutative, QuantizableResult, ResultsBroadcastableShape

Các giao diện: Có điều kiệnSpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflArithmeticCountOpInterface, TflRuntimeVerifyOpInterface

Hiệu ứng: MemoryEffects::Effect{}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.add_n (TFL::AddNOp)

_Thêm n toán tử

Thêm tất cả các tensor đầu vào theo từng phần tử.

Đặc điểm: Luôn có thể suy đoánImplĐặc điểm, Giao hoán

Các giao diện: Có điều kiệnSpeculatable, NoMemoryEffect (MemoryEffectOpInterface), SameOperandsAndResultsScale, TflArithmeticCountOpInterface, TflRuntimeVerifyOpInterface

Hiệu ứng: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.arg_max (TFL::ArgMaxOp)

Toán tử ArgMax

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

Đặc điểm: AlwaysSpeculatableImplTrait, QuantizableResult

Giao diện: Có điều kiệnSpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Hiệu ứng: MemoryEffects::Effect{}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.arg_min (TFL::ArgMinOp)

Toán tử ArgMin

Trả về chỉ mục có giá trị nhỏ nhất theo các kích thước của tensor. a = [1, 10, 26,9, 2,8, 166,32, 62,3] b = tf.math.argmin(input = a) c = tf.keras.backend.eval(b)

Đặc điểm: AlwaysSpeculatableImplTrait, QuantizableResult

Giao diện: Có điều kiệnSpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Hiệu ứng: MemoryEffects::Effect{}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.assign_variable (TFL::AssignVariableOp)

Gán một giá trị mới cho một biến.

Bất kỳ ReadVariableOp nào có sự phụ thuộc điều khiển vào op này đều được đảm bảo trả về giá trị này hoặc giá trị mới hơn tiếp theo của biến.

Giao diện: TflRuntimeVerifyOpInterface

Toán hạng:

tfl.atan2 (TFL::Atan2Op)

Hoạt động Atan2

Thao tác "atan2" tính toán arctang của phần tử y/x, tôn trọng dấu của các đối số.

Đặc điểm: LuônSpeculatableImplTrait, SameOperandsAndResultElementType, SameOperandsAndResultShape

Giao diện: Có điều kiệnSpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Hiệu ứng: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.average_pool_2d (TFL::AveragePool2DOp)

_Average_pool Toán tử 2d

Thực hiện thao tác gộp trung bình trên đầu vào.

Đặc điểm: AlwaysSpeculatableImplTrait, QuantizableResult

Các giao diện: Có điều kiệnSpeculatable, NoMemoryEffect (MemoryEffectOpInterface), SameOperandsAndResultsScale, TflArithmeticCountOpInterface, TflRuntimeVerifyOpInterface

Hiệu ứng: MemoryEffects::Effect{}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.basic_lstm (TFL::BasicLSTMOp)

Toán tử lstm cơ bản

Toán tử tế bào LSTM cơ bản.

Đặc điểm: AlwaysSpeculatableImplTrait, QuantizableResult

Giao diện: Có điều kiệnSpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Hiệu ứng: MemoryEffects::Effect{}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.batch_matmul (TFL::BatchMatMulOp)

Toán tử nhân ma trận hàng loạt

Thực hiện phép nhân ma trận theo đợt trên các đầu vào. Tuân theo các quy ước của TensorFlow BatchMatMulV2, với sự hỗ trợ cho các kích thước không xác định trong kích thước lô và phát sóng.

Inputs:
  `inputs[0]`: required: input LHS
  `inputs[1]`: required: input RHS
  `adjoint_lhs`: optional: Transpose LHS (default false)
  `adjoint_lhs`: optional: Transpose LHS (default false)

Đặc điểm: ::mlir::OpTrait::TFLRuntimeOpTrait, AlwaysSpeculatableImplTrait, QuantizableResult

Các giao diện: Có điều kiệnSpeculatable, DynamicRangeQuantizedOpInterface, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Hiệu ứng: MemoryEffects::Effect{}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.batch_to_space_nd (TFL::BatchToSpaceNdOp)

Toán tử BatchToSpaceNd

Hoạt động này định hình lại kích thước "lô" 0 thành kích thước không gian.

Đặc điểm: AlwaysSpeculatableImplTrait, QuantizableResult

Các giao diện: Có điều kiệnSpeculatable, NoMemoryEffect (MemoryEffectOpInterface), SameOperandsAndResultsScale, TflRuntimeVerifyOpInterface

Hiệu ứng: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.bidirectional_sequence_lstm (TFL::BidirectionalSequenceLSTMOp)

Toán tử lstm chuỗi hai chiều

Lstm hai chiều về cơ bản là hai lstm, một chạy tiến và một chạy lùi. Và đầu ra là sự kết hợp của hai lstms.

Đặc điểm: Có thể định lượng được

Giao diện: DynamicRangeQuantizedOpInterface, TFL_StatefulOp, TflRuntimeVerifyOpInterface

Thuộc tính:

Toán hạng:

Kết quả:

tfl.bitcast (TFL::BitcastOp)

Toán tử bitcast

Bitcast một tensor từ loại này sang loại khác.

Đặc điểm: Luôn có thể suy đoánImplTrait

Giao diện: Có điều kiệnSpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Hiệu ứng: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.bitwise_xor (TFL::BitwiseXorOp)

Toán tử Xor theo bit

Elementwise tính toán XOR theo bit của lhs và rhs .

Đặc điểm: AlwaysSpeculatableImplTrait, Commutative, SameOperandsAndResultElementType

Giao diện: Có điều kiệnSpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Hiệu ứng: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.broadcast_args (TFL::BroadcastArgsOp)

Trả về hình dạng của s0 op s1 bằng tính năng phát sóng.

Cho s0 và s1 , các tensor biểu thị các hình dạng, hãy tính r0 , hình dạng được phát sóng. s0 , s1 và r0 đều là các vectơ số nguyên.

Đặc điểm: Luôn có thể suy đoánImplTrait

Giao diện: Có điều kiệnSpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Hiệu ứng: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.broadcast_to (TFL::BroadcastToOp)

Phát một mảng cho hình dạng tương thích.

Broadcasting là quá trình tạo các mảng có hình dạng tương thích cho các phép tính số học. Hai hình dạng tương thích nếu đối với mỗi cặp kích thước, chúng bằng nhau hoặc một trong số chúng là một. Khi cố gắng truyền Tensor tới một hình dạng, nó bắt đầu với các kích thước ở cuối và tiến dần về phía trước.

Ví dụ,

x = tf.constant([1, 2, 3]) y = tf.broadcast_to(x, [3, 3]) print(y) tf.Tensor( [[1 2 3] [1 2 3] [1 2 3]], hình dạng=(3, 3), dtype=int32)

Trong ví dụ trên, Tensor đầu vào có hình dạng [1, 3] được phát đến Tensor đầu ra có hình dạng [3, 3] .

Khi thực hiện các thao tác được quảng bá như nhân một tenxơ với một đại lượng vô hướng, việc phát sóng (thường) mang lại một số lợi ích về thời gian hoặc không gian, vì tenxơ được quảng bá không bao giờ được hiện thực hóa.

Tuy nhiên, broadcast_to không mang lại bất kỳ lợi ích nào như vậy. Tensor mới được tạo sẽ chiếm toàn bộ bộ nhớ của hình được phát sóng. (Tuy nhiên, trong ngữ cảnh biểu đồ, broadcast_to có thể được hợp nhất với thao tác tiếp theo và sau đó được tối ưu hóa.)

Đặc điểm: AlwaysSpeculatableImplTrait, QuantizableResult

Giao diện: Có điều kiệnSpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Hiệu ứng: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.bucketize (TFL::BucketizeOp)

Phân loại 'đầu vào' dựa trên 'ranh giới'.

Ví dụ:

Nếu đầu vào là boundaries = [0, 10, 100] và input = [[-5, 10000][150, 10][5, 100]] thì đầu ra sẽ là output = [[0, 3][3, 2][1, 3]] .

Đặc điểm: LuônSpeculatableImplTrait, SameOperandsAndResultShape

Giao diện: Có điều kiệnSpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Hiệu ứng: MemoryEffects::Effect{}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.call_once (TFL::CallOnceOp)

Gọi một hàm khởi tạo

Thao tác này gọi hàm khởi tạo đã cho cho trình khởi tạo phiên bằng phương ngữ mô hình đã lưu tf.

Giao diện: TflRuntimeVerifyOpInterface

Thuộc tính:

tfl.cast (TFL::CastOp)

Toán tử truyền

Chuyển đầu vào từ loại đầu vào sang loại đầu ra.

Đặc điểm: LuônSpeculatableImplTrait, SameOperandsAndResultShape

Giao diện: Có điều kiệnSpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Hiệu ứng: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.ceil (TFL::CeilOp)

Toán tử trần

Trả về giá trị trần theo phần tử của đầu vào.

Đặc điểm: LuônSpeculatableImplTrait, InferTensorType, TF::SameOperandsAndResultTypeResolveRef

Các giao diện: Có điều kiệnSpeculatable, InferShapedTypeOpInterface, InferTypeOpInterface, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Hiệu ứng: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.complex_abs (TFL::ComplexAbsOp)

Tính giá trị tuyệt đối phức của một tensor.

Cho một tensor x gồm các số phức, thao tác này trả về một tensor kiểu float hoặc double là giá trị tuyệt đối của mỗi phần tử trong x . Tất cả các phần tử trong x phải là số phức có dạng \(a + bj\). Giá trị tuyệt đối được tính là \( \sqrt{a^2 + b^2}\).

Đặc điểm: LuônSpeculatableImplTrait, SameOperandsAndResultShape

Giao diện: Có điều kiệnSpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Hiệu ứng: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.concatenation (TFL::ConcatenationOp)

Điều hành nối

Nối các tensor dọc theo một chiều

Đặc điểm: AlwaysSpeculatableImplTrait, QuantizableResult

Các giao diện: Có điều kiệnSpeculatable, NoMemoryEffect (MemoryEffectOpInterface), SameOperandsAndResultsScale, TflRuntimeVerifyOpInterface

Hiệu ứng: MemoryEffects::Effect{}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.control_node (TFL::ControlNodeOp)

Hoạt động TFL.control_node bao bọc các hoạt động khối đơn để gắn các cạnh điều khiển.

Điều này được sử dụng để bao bọc các vùng và đính kèm các phụ thuộc điều khiển vào chúng. Thông thường, điều này sẽ xảy ra ở một trong những bước cuối cùng trước khi phát ra mô hình bộ đệm phẳng để cho phép tối ưu hóa dựa trên thứ tự hoạt động cố định (chẳng hạn như tái vật chất hóa.) Trình xuất bộ đệm phẳng sẽ mở gói vùng được bao bọc và chú thích mô hình được tạo bằng siêu dữ liệu sao cho mọi sắp xếp lại thời gian chạy sẽ tôn trọng thứ tự do các phần phụ thuộc điều khiển đưa ra.

Đặc điểm: HasParent mlir::func::FuncOp , RecursiveMemoryEffects, SingleBlock, SingleBlockImplicitTerminator

Toán hạng:

Kết quả:

tfl.conv_2d (TFL::Conv2DOp)

Toán tử tích chập

Thực hiện thao tác tích chập trên đầu vào.

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

Đặc điểm: AlwaysSpeculatableImplTrait, QuantizableResult, quant::AccumulatorUniformScale<2, 0, 1>, quant::AffineOpCofactor<0, 1>

Các giao diện: AffineQuantizedOpInterface, ConditionallySpeculatable, DynamicRangeQuantizedOpInterface, InferTypeOpInterface, NoMemoryEffect (MemoryEffectOpInterface), TFL_SparseOp, TflArithmeticCountOpInterface, TflRuntimeVerifyOpInterface

Hiệu ứng: MemoryEffects::Effect{}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.conv_3d (TFL::Conv3DOp)

Toán tử tích chập 3D

Thực hiện thao tác tích chập trên đầu vào 3D. Đầu vào: inputs[0] : bắt buộc: tensor kích hoạt inputs[1] : bắt buộc: tensor trọng lượng bộ lọc inputs[2] : tùy chọn: tensor thiên vị

Đặc điểm: AlwaysSpeculatableImplTrait, quant::AccumulatorUniformScale<2, 0, 1>

Giao diện: Có điều kiệnSpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Hiệu ứng: MemoryEffects::Effect{}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.conv_3d_transpose (TFL::Conv3DTransposeOp)

Toán tử chuyển đổi 3D tích chập

Thực hiện thao tác tích chập chuyển đổi trên đầu vào 3D. Đầu vào: inputs[0] : bắt buộc: hình dạng của tensor đầu ra đầu vào inputs[1] : bắt buộc: trọng lượng bộ lọc inputs[2] : bắt buộc: tensor kích hoạt inputs[3] : tùy chọn: tensor thiên vị

Đặc điểm: AlwaysSpeculatableImplTrait, quant::AccumulatorUniformScale<2, 0, 1>

Giao diện: Có điều kiệnSpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Hiệu ứng: MemoryEffects::Effect{}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.cos (TFL::CosOp)

Toán tử cosin

Tính toán Cosine theo phần tử của đầu vào

Đặc điểm: LuônSpeculatableImplTrait, InferTensorType, TF::SameOperandsAndResultTypeResolveRef

Các giao diện: Có điều kiệnSpeculatable, InferShapedTypeOpInterface, InferTypeOpInterface, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Hiệu ứng: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.cumsum (TFL::CumsumOp)

toán tử cumsum

Tính tổng tích lũy của tensor x dọc theo trục.

Đặc điểm: Luôn có thể suy đoánImplTrait

Giao diện: Có điều kiệnSpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Hiệu ứng: MemoryEffects::Effect{}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.custom (TFL::CustomOp)

Tùy chỉnh

Một hoạt động chung cho mọi hoạt động tùy chỉnh TFLite.

đầu vào: Danh sách các đầu vào trong op gốc. custom_code: Một chuỗi được sử dụng để xác định chính xác op này là gì, tương ứng với operator_codes.custom_code trong bộ đệm phẳng. custom_option: một ngăn chứa để lưu các thuộc tính op theo kiểu byte. đầu ra: Danh sách các đầu ra trong op gốc.

Giao diện: TflRuntimeVerifyOpInterface

Thuộc tính:

Toán hạng:

Kết quả:

tfl.custom_tf (TFL::CustomTfOp)

Wrapper Op cho các hoạt động tùy chỉnh của TF.

Một trình bao bọc xung quanh bất kỳ tùy chọn TF tùy chỉnh nào. Chúng bao gồm các op được xác định bằng custom_opdefs hoặc được liên kết không được xác định trong phương ngữ TF. Op này chỉ bao bọc op tùy chỉnh bên trong một vùng. Lưu ý số 1, Op này sẽ không bao gồm các op tùy chỉnh TF Lite được xác định bằng CustomOp. Lưu ý #2, op này chỉ là biểu diễn bên trong bên trong bộ chuyển đổi và không được hiển thị/xuất khi mô hình được xuất sang Flatbuffer.

Đặc điểm: IsolatFromAbove, RecursiveMemoryEffects, SingleBlock, SingleBlockImplicitTerminator

Giao diện: InferTypeOpInterface, TflRuntimeVerifyOpInterface

Toán hạng:

Kết quả:

tfl.densify (TFL::DensifyOp)

Toán tử tăng mật độ

Chuyển đổi tensor thưa thớt sang định dạng dày đặc.

Đặc điểm: Luôn có thể suy đoánImplTrait

Giao diện: Có điều kiệnSpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Hiệu ứng: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.depth_to_space (TFL::DepthToSpaceOp)

Toán tử DepthToSpace

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

Đặc điểm: AlwaysSpeculatableImplTrait, QuantizableResult

Các giao diện: Có điều kiệnSpeculatable, NoMemoryEffect (MemoryEffectOpInterface), SameOperandsAndResultsScale, TflRuntimeVerifyOpInterface

Hiệu ứng: MemoryEffects::Effect{}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.depthwise_conv_2d (TFL::DepthwiseConv2DOp)

Toán tử tích chập có thể phân tách theo chiều sâu

Thực hiện thao tác tích chập trên đầu vào.

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

Đặc điểm: AlwaysSpeculatableImplTrait, QuantizableResult, quant::AccumulatorUniformScale<2, 0, 1>, quant::AffineOpCofactor<3, 1>

Các giao diện: AffineQuantizedOpInterface, ConditionallySpeculatable, DynamicRangeQuantizedOpInterface, NoMemoryEffect (MemoryEffectOpInterface), TFL_SparseOp, TflArithmeticCountOpInterface, TflRuntimeVerifyOpInterface

Hiệu ứng: MemoryEffects::Effect{}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.dequantize (TFL::DequantizeOp)

Toán tử khử lượng tử

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

Giao diện: NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Hiệu ứng: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.dilate (TFL::DilateOp)

Toán tử giãn nở

Mở rộng một tensor bằng cách thêm các phần tử mới vào giữa các phần tử hiện có. Đặc điểm: Luôn có thể suy đoánImplTrait

Giao diện: Có điều kiệnSpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Hiệu ứng: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.div (TFL::DivOp)

Toán tử chia

Hoạt động phân chia theo yếu tố.

Đặc điểm: ::mlir::OpTrait::TFLRuntimeOpTrait, AlwaysSpeculatableImplTrait, ResultsBroadcastableShape

Các giao diện: Có điều kiệnSpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflArithmeticCountOpInterface, TflRuntimeVerifyOpInterface

Hiệu ứng: MemoryEffects::Effect{}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.dynamic_update_slice (TFL::DynamicUpdateSliceOp)

DynamicUpdateSlice.

DynamicUpdateSlice op có cùng ngữ nghĩa với XLA DynamicUpdateSlice. Tạo một kết quả là giá trị của toán hạng mảng đầu vào, với bản cập nhật lát cắt được ghi đè tại start_indices.

Xem https://www.tensorflow.org/xla/Operation_semantics#dynamicupdateslice

Đặc điểm: Luôn có thể suy đoánImplTrait

Giao diện: Có điều kiệnSpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Hiệu ứng: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.elu (TFL::EluOp)

Toán tử đơn vị tuyến tính hàm mũ

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

Đặc điểm: LuônSpeculatableImplTrait, SameOperandsAndResultShape

Giao diện: Có điều kiệnSpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Hiệu ứng: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.embedding_lookup (TFL::EmbeddingLookupOp)

Nhúng toán tử tra cứu

Tra cứu id trong danh sách các tensor nhúng.

Đặc điểm: luôn luôn có thể mô phỏng, Quantizableresult

Giao diện: có điều kiện có điều kiện, DynamicRangeQuantizedOpInterface, Nomemoryeffect (MemoryeffectOpInterface), TflRunTimeVerifyOpInterface

Hiệu ứng: MemoryEffects :: Hiệu ứng {}

Toán hạng:

Kết quả:

tfl.equal (tfl :: Equop)

Toán tử bằng nhau

Trả về phần tử sự thật của x == Y phần tử khôn ngoan

Đặc điểm: :: MLIR :: OPTRAIT :: TflruntimeOptrait, luôn luôn có khả năng điều chỉnh

Giao diện: có điều kiện có điều kiện có thể xảy ra

Hiệu ứng: MemoryEffects :: Hiệu ứng {}

Toán hạng:

Kết quả:

tfl.exp (tfl :: expop)

Toán tử số liệu tự nhiên

Thực hiện hoạt động số liệu tự nhiên theo yếu tố theo đầu vào.

Đặc điểm: luôn luôn có thể mô phỏng, Quantizableresult

Giao diện: có điều kiện có điều kiện có thể xảy ra

Hiệu ứng: MemoryEffects :: Hiệu ứng {}

Toán hạng:

Kết quả:

tfl.expand_dims (tfl :: expanddimsop)

Chèn kích thước 1 vào hình dạng của tenxơ.

Đưa ra một input tenxơ, thao tác này chèn kích thước 1 ở axis chỉ số kích thước của hình dạng input . axis chỉ số kích thước bắt đầu ở 0; Nếu bạn chỉ định một số âm cho axis , nó được tính ngược từ cuối.

Hoạt động này rất hữu ích nếu bạn muốn thêm một kích thước hàng loạt vào một phần tử duy nhất. Ví dụ: nếu bạn có một hình ảnh duy nhất có hình dạng [height, width, channels] , bạn có thể biến nó thành một lô 1 hình ảnh với expand_dims(image, 0) , sẽ tạo ra 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]

Hoạt động này yêu cầu rằng:

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

Hoạt động này có liên quan đến squeeze() , loại bỏ kích thước kích thước 1.

Đặc điểm: luôn luôn có thể mô phỏng, Quantizableresult

Giao diện: Có điều kiện có điều kiện, Domemoryeffect (MemoryeffectOpinterface), cùng nhau

Hiệu ứng: MemoryEffects :: Hiệu ứng {}

Toán hạng:

Kết quả:

tfl.external_const (tfl :: externalConstop)

Const op bên ngoài.

Const op bên ngoài giữ một buffer_index chỉ ra một hằng số trong bộ phận phẳng.

Đặc điểm: luôn luôn có thể mô phỏng, Quantizableresult

Giao diện: có điều kiện có điều kiện có thể xảy ra

Hiệu ứng: MemoryEffects :: Hiệu ứng {}

Thuộc tính:

Kết quả:

tfl.fake_quant (tfl :: fakequantop)

Toán tử giả

FAKE-LITIGHTEMENT 'đầu vào' tenxơ loại nổi thông qua float Scalars min và tối đa để 'đầu ra' tenxơ có hình dạng giống như đầu vào.

Đặc điểm: luôn luôn có thể mô phỏng, Quantizableresult

Giao diện: có điều kiện có điều kiện có thể xảy ra

Hiệu ứng: MemoryEffects :: Hiệu ứng {}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.fill (tfl :: fillop)

Điền vào tenxơ với giá trị đã cho.

Điền vào tenxơ với giá trị đã cho.

Đặc điểm: luôn luôn có thể mô phỏng, Quantizableresult

Giao diện: Có điều kiện có điều kiện, Domemoryeffect (MemoryeffectOpinterface), cùng nhau

Hiệu ứng: MemoryEffects :: Hiệu ứng {}

Toán hạng:

Kết quả:

tfl.floor (TFL :: Sloorop)

Người vận hành sàn

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

Đặc điểm: luôn luôn có thể kiểm soát được

Giao diện: Có điều kiện có điều kiện, InfershapedTyPeopinterface, infertyPeopinterface, Nomemoryeffect (MemoryeffectOpInterface), TflRunTimeVerifyopInterface

Hiệu ứng: MemoryEffects :: Hiệu ứng {}

Toán hạng:

Kết quả:

tfl.floor_div (tfl :: floordivop)

Nhà điều hành sàn div

Yếu tố cơ thể div div.

Đặc điểm: :: MLIR :: OPTRAIT ::

Giao diện: có điều kiện có điều kiện có thể xảy ra

Hiệu ứng: MemoryEffects :: Hiệu ứng {}

Toán hạng:

Kết quả:

tfl.floor_mod (tfl :: floormodop)

Nhắc nhở phân chia

Hoạt động nhắc nhở phân chia yếu tố.

Đặc điểm: :: MLIR :: OPTRAIT ::

Giao diện: có điều kiện có điều kiện có thể xảy ra

Hiệu ứng: MemoryEffects :: Hiệu ứng {}

Toán hạng:

Kết quả:

tfl.fully_connected (tfl :: fullconnectedop)

Kết nối đầy đủ op

Đặc điểm: Luôn luôn có thể điều chỉnh lại

Giao diện: AffineQuantizedOpinterface, có điều kiện có thể điều trị

Hiệu ứng: MemoryEffects :: Hiệu ứng {}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.gather (tfl :: Gatherop)

Tập hợp người vận hành

Thu thập các lát từ axis trục params theo indices .

Đặc điểm: luôn luôn có thể mô phỏng, Quantizableresult

Giao diện: có điều kiện

Hiệu ứng: MemoryEffects :: Hiệu ứng {}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.gather_nd (tfl :: gatherndop)

_Gather ND Toán tử

Thu thập các lát từ params thành một tenxơ với hình dạng được chỉ định bởi indices .

Đặc điểm: luôn luôn có thể mô phỏng, Quantizableresult

Giao diện: Có điều kiện có điều kiện, Domemoryeffect (MemoryeffectOpinterface), cùng nhau

Hiệu ứng: MemoryEffects :: Hiệu ứng {}

Toán hạng:

Kết quả:

tfl.gelu (tfl :: geluop)

Chức năng kích hoạt Gelu.

Tính toán chức năng kích hoạt gelu phần tử khôn ngoan.

Đặc điểm: luôn luôn phân biệt

Giao diện: có điều kiện có điều kiện có thể xảy ra

Hiệu ứng: MemoryEffects :: Hiệu ứng {}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.greater (tfl :: Greaterop)

Toán tử lớn hơn

Yếu tố khôn ngoan hoạt động lớn hơn.

Đặc điểm: :: MLIR :: OPTRAIT :: TflruntimeOptrait, luôn luôn có khả năng điều chỉnh

Giao diện: có điều kiện có điều kiện có thể xảy ra

Hiệu ứng: MemoryEffects :: Hiệu ứng {}

Toán hạng:

Kết quả:

tfl.greater_equal (tfl :: morequalop)

_Greater Toán tử bằng nhau

Hoạt động lớn hơn phần tử. Hoạt động.

Đặc điểm: :: MLIR :: OPTRAIT :: TflruntimeOptrait, luôn luôn có khả năng điều chỉnh

Giao diện: có điều kiện có điều kiện có thể xảy ra

Hiệu ứng: MemoryEffects :: Hiệu ứng {}

Toán hạng:

Kết quả:

tfl.hard_swish (tfl :: hardswishop)

Chức năng kích hoạt Hardswish.

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

Đặc điểm: luôn luôn phân biệt

Giao diện: có điều kiện có điều kiện có thể xảy ra

Hiệu ứng: MemoryEffects :: Hiệu ứng {}

Toán hạng:

Kết quả:

tfl.hashtable (tfl :: hashtableop)

Tạo một bảng băm chưa được khởi tạo.

OP này tạo ra một bảng băm, chỉ định loại khóa và giá trị của nó. Trước khi sử dụng bảng, bạn sẽ phải khởi tạo nó. Sau khi khởi tạo, bảng sẽ là bất biến.

Giao diện: tflruntimeverifyopinterface

Thuộc tính:

Kết quả:

tfl.hashtable_find (tfl :: hashtablefindop)

Tra cứu các khóa trong bảng, xuất ra các giá trị tương ứng.

keys tenor phải cùng loại với các phím của bảng. Các values đầu ra thuộc loại giá trị bảng.

Scalar default_value là đầu ra giá trị cho các phím không có trong bảng. Nó cũng phải cùng loại với các giá trị bảng.

Giao diện: tflruntimeverifyopinterface

Toán hạng:

Kết quả:

tfl.hashtable_import (tfl :: hashtableimportop)

Thay thế nội dung của bảng bằng các khóa và giá trị được chỉ định.

keys tenor phải cùng loại với các phím của bảng. Các values tenxơ phải thuộc loại giá trị bảng.

Giao diện: tflruntimeverifyopinterface

Toán hạng:

tfl.hashtable_size (tfl :: hashtablesizep)

Tính số phần tử trong bảng đã cho.

Giao diện: tflruntimeverifyopinterface

Toán hạng:

Kết quả:

tfl.if (tfl :: ifop)

Hoạt động if-then-else

Hoạt động tfl.if đại diện cho một cấu trúc if-then-else để thực hiện hai vùng mã. Toán tử cho một hoạt động nếu là một giá trị boolean. Ví dụ:

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

tfl.if cũng có thể trả về kết quả được xác định trong các vùng của nó. Các giá trị được xác định được xác định theo đường dẫn thực thi được thực hiện.

Ví dụ:

%x, %y = tfl.if %b -> (tensor<f32>, tensor<f32>) {
  %x_true = ...
  %y_true = ...
  tfl.yield %x_true, %y_true : tensor<f32>, tensor<f32>
} else {
  %x_false = ...
  %y_false = ...
  tfl.yield %x_false, %y_false : tensor<f32>, tensor<f32>
}

Các vùng tfl.if luôn bị chấm dứt với "tfl.yield". Nếu "tfl.if" xác định không có giá trị, "tfl.yield" có thể bị bỏ lại và sẽ được chèn ngầm. Nếu không, nó phải rõ ràng. Ngoài ra, nếu "tfl.if" định nghĩa một hoặc nhiều giá trị, khối 'khác' không thể bị bỏ qua.

Ví dụ:

tfl.if %b  {
  ...
}

Đặc điểm: Noregionargument, RecursiveMemoryeffects, SingleBlock, SingleBlockImplicTheMinator

Giao diện: Vùng

Toán hạng:

Kết quả:

tfl.imag (TFL :: Imagop)

Trả về phần ảo của số phức.

Đưa ra một input tenxơ của các số phức, thao tác này trả về một tenxor float loại là phần tưởng tượng của mỗi phần tử trong input . Tất cả các phần tử trong input phải là số phức tạp của mẫu \(a + bj\), trong đó A là phần thực và B là phần tưởng tượng được trả về bởi hoạt động này.

Đặc điểm: luôn luôn có thể kiểm soát được

Giao diện: có điều kiện có điều kiện có thể xảy ra

Hiệu ứng: MemoryEffects :: Hiệu ứng {}

Toán hạng:

Kết quả:

tfl.l2_normalization (tfl :: l2nmalizationop)

L2 bình thường hóa toán tử

L2NTHIMALISION OP

Đặc điểm: luôn luôn có thể mô phỏng, Quantizableresult

Giao diện: có điều kiện có điều kiện, FixedOutputPutrangeInterface, Nomemoryeffect (MemoryeffectOpInterface), TflarithMeticCountOpInterface, TflRunTimeVerifyopInterface

Hiệu ứng: MemoryEffects :: Hiệu ứng {}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.leaky_relu (tfl :: reakyreluop)

Nhà điều hành relu bị rò rỉ

Toán tử relu rò rỉ phần tử X -> x> = 0? x: (alpha * x)

Đặc điểm: luôn luôn phân biệt

Giao diện: có điều kiện có điều kiện có thể xảy ra

Hiệu ứng: MemoryEffects :: Hiệu ứng {}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.less (tfl :: lessop)

Ít vận hành hơn

Yếu tố khôn ngoan hơn hoạt động.

Đặc điểm: :: MLIR :: OPTRAIT :: TflruntimeOptrait, luôn luôn có khả năng điều chỉnh

Giao diện: có điều kiện có điều kiện có thể xảy ra

Hiệu ứng: MemoryEffects :: Hiệu ứng {}

Toán hạng:

Kết quả:

tfl.less_equal (tfl :: lessequalop)

_ Toán tử bằng nhau

Yếu tố khôn ngoan hơn hoạt động.

Đặc điểm: :: MLIR :: OPTRAIT :: TflruntimeOptrait, luôn luôn có khả năng điều chỉnh

Giao diện: có điều kiện có điều kiện có thể xảy ra

Hiệu ứng: MemoryEffects :: Hiệu ứng {}

Toán hạng:

Kết quả:

tfl.local_response_normalization (TFL :: LocalResponsenArmalizationop)

Chuẩn hóa phản hồi cục bộ.

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

Đặc điểm: luôn luôn có thể kiểm soát được

Giao diện: Có điều kiện có điều kiện, InfershapedTyPeopinterface, infertyPeopinterface, Nomemoryeffect (MemoryeffectOpInterface), TflRunTimeVerifyopInterface

Hiệu ứng: MemoryEffects :: Hiệu ứng {}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.log (tfl :: logop)

Toán tử logarit tự nhiên

Thực hiện hoạt động logarit tự nhiên phần tử trên đầu vào.

Đặc điểm: luôn luôn có thể mô phỏng, Quantizableresult

Giao diện: có điều kiện có điều kiện có thể xảy ra

Hiệu ứng: MemoryEffects :: Hiệu ứng {}

Toán hạng:

Kết quả:

tfl.log_softmax (tfl :: logsoftmaxop)

Log SoftMax Toán tử

Tính toán kích hoạt phần tử thông minh softmax với công thức sau

Đầu vào - log (giảm_sum (exp (input), dim))

Đặc điểm: luôn luôn phân biệt

Giao diện: có điều kiện có điều kiện, FixedOutputPutrangeInterface, Nomemoryeffect (MemoryeffectOpInterface), TflarithMeticCountOpInterface, TflRunTimeVerifyopInterface

Hiệu ứng: MemoryEffects :: Hiệu ứng {}

Toán hạng:

Kết quả:

tfl.logical_and (tfl :: logicandop)

Logic và toán tử

Yếu tố logic và hoạt động.

Đặc điểm: Luôn luôn có thể kiểm soát được

Giao diện: có điều kiện có điều kiện có thể xảy ra

Hiệu ứng: MemoryEffects :: Hiệu ứng {}

Toán hạng:

Kết quả:

tfl.logical_not (tfl :: logicnotop)

Nhà điều hành không phải logic

Yếu tố hợp lý không hoạt động.

Đặc điểm: luôn luôn có thể kiểm soát được

Giao diện: có điều kiện có điều kiện có thể xảy ra

Hiệu ứng: MemoryEffects :: Hiệu ứng {}

Toán hạng:

Kết quả:

tfl.logical_or (tfl :: logicororop)

Logic hoặc toán tử

Yếu tố logic hoặc hoạt động.

Đặc điểm: Luôn luôn có thể kiểm soát được

Giao diện: có điều kiện có điều kiện có thể xảy ra

Hiệu ứng: MemoryEffects :: Hiệu ứng {}

Toán hạng:

Kết quả:

tfl.logistic (tfl :: logisticop)

Toán tử logistic

Tính toán phần tử khôn ngoan của đầu vào

Đặc điểm: luôn luôn phân biệt

Giao diện: có điều kiện có điều kiện, FixedOutputPutrangeInterface, Nomemoryeffect (MemoryeffectOpInterface), TflarithMeticCountOpInterface, TflRunTimeVerifyopInterface

Hiệu ứng: MemoryEffects :: Hiệu ứng {}

Toán hạng:

Kết quả:

tfl.lstm (tfl :: lstmop)

Toán tử LSTM đầy đủ

Đơn vị bộ nhớ ngắn hạn dài (LSTM) Lớp mạng tái phát. Việc triển khai không peephole mặc định dựa trên: http://deeplearning.cs.cmu.edu/pdfs/hochreiter97_lstm.pdf S. Hochreiter và J. Schmidhuber. 'Bộ nhớ ngắn hạn dài'. Tính toán thần kinh, 9 (8): 1735-1780, 1997. Việc thực hiện Peephole dựa trên: https://research.google.com/pub/archive/43905.pdf Hasim Sak, Andrew Senior, và Francoise Beaufays. 'Kiến trúc mạng thần kinh tái phát dài hạn dài hạn cho mô hình âm thanh quy mô lớn.' Interspeech, 2014. Việc ghép cổng đầu vào và quên (CIFG) dựa trên: http://arxiv.org/pdf/1503.04069.pdf greff et al. 'LSTM: Một không gian tìm kiếm Odyssey' Bình thường hóa lớp dựa trên: https://arxiv.org/pdf/1607.06450.pdf Ba et al. 'Chuẩn hóa lớp'

Đặc điểm: Quantizableresult

Giao diện: DynamicRangeQuantizedOpInterface, TFL_Statefulop, TflRuntImeverifyopInterface

Thuộc tính:

Toán hạng:

Kết quả:

tfl.matrix_diag (tfl :: matrixdiagop)

Trả về một tenxơ với đường chéo được cung cấp và mọi thứ khác được đệm bằng số không.

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

Đặc điểm: luôn luôn có thể mô phỏng, Quantizableresult

Giao diện: có điều kiện có điều kiện có thể xảy ra

Hiệu ứng: MemoryEffects :: Hiệu ứng {}

Toán hạng:

Kết quả:

tfl.matrix_set_diag (tfl :: MatrixsetDiagop)

Trả về một tensor ma trận theo đợt với các giá trị đường chéo theo đợt mới.

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

Đặc điểm: luôn luôn có thể mô phỏng, Quantizableresult

Giao diện: có điều kiện có điều kiện có thể xảy ra

Hiệu ứng: MemoryEffects :: Hiệu ứng {}

Toán hạng:

Kết quả:

tfl.max_pool_2d (tfl :: maxpool2Dop)

Max Pool 2d Op

Thực hiện Max Pool 2D trên đầu vào.

Đầu vào: inputs[0] : Yêu cầu: Năng lượng đầu vào

Đặc điểm: luôn luôn có thể mô phỏng, Quantizableresult

Giao diện: có điều kiện

Hiệu ứng: MemoryEffects :: Hiệu ứng {}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.maximum (TFL :: Maximumop)

Toán tử tối đa

Hoạt động tối đa yếu tố.

Đặc điểm: :: MLIR :: OPTRAIT :: TflruntimeOptrait, luôn luôn có khả năng điều chỉnh

Giao diện: Có điều kiện có điều kiện, Domemoryeffect (MemoryeffectOpinterface), cùng nhau

Hiệu ứng: MemoryEffects :: Hiệu ứng {}

Toán hạng:

Kết quả:

tfl.mean (tfl :: meanop)

Toán tử trung bình

Tính giá trị trung bình của các phần tử theo kích thước của tensor. Giảm đầu vào_tensor dọc theo các kích thước được đưa ra trong trục. Trừ khi Keepdims là đúng, thứ hạng của tenxơ bị giảm 1 cho mỗi mục trong trục. Nếu Keepdims là đúng, kích thước giảm được giữ lại với chiều dài 1.

Đặc điểm: luôn luôn có thể mô phỏng, Quantizableresult

Giao diện: có điều kiện có điều kiện có thể xảy ra

Hiệu ứng: MemoryEffects :: Hiệu ứng {}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.minimum (tfl :: minimumop)

Nhà điều hành tối thiểu

Hoạt động tối thiểu yếu tố.

Đặc điểm: :: MLIR :: OPTRAIT :: TflruntimeOptrait, luôn luôn có khả năng điều chỉnh

Giao diện: Có điều kiện có điều kiện, Domemoryeffect (MemoryeffectOpinterface), cùng nhau

Hiệu ứng: MemoryEffects :: Hiệu ứng {}

Toán hạng:

Kết quả:

tfl.mirror_pad (TFL :: MirrorPadop)

Toán tử Mirrorpad. Đệm một tensor với các giá trị được phản ánh.

Hoạt động này có một đầu vào với các giá trị được nhân đôi theo các mái chèo mà bạn chỉ định. Paddings là một tenxơ số nguyên với hình dạng [n, 2], trong đó n là thứ hạng của đầu vào. Đối với mỗi chiều d của đầu vào, các mái chèo [d, 0] cho biết số lượng cần thêm bao nhiêu giá trị trước nội dung đầu vào trong kích thước đó và các paddings [d, 1] cho biết có bao nhiêu giá trị để thêm sau nội dung của đầu vào trong kích thước đó.

Cả hai phần đệm [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 chiều D của đầu ra là:

Paddings (d, 0) + input.dim_size (d) + paddings (d, 1)

Đặc điểm: luôn luôn có thể mô phỏng, Quantizableresult

Giao diện: Có điều kiện có điều kiện, Domemoryeffect (MemoryeffectOpinterface), cùng nhau

Hiệu ứng: MemoryEffects :: Hiệu ứng {}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.mul (tfl :: mulop)

Toán tử nhân

Hoạt động nhân phần yếu tố.

Đặc điểm: :: MLIR :: OPTRAIT :: TflruntimeOptrait, luôn luôn có khả năng điều chỉnh

Giao diện: có điều kiện có điều kiện, Domemoryeffect (MemoryeffectOpInterface), TflarithMeticCountOpInterface, TflRunTimeVerifyOpInterface

Hiệu ứng: MemoryEffects :: Hiệu ứng {}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.multinomial (TFL::MultinomialOp)

Draws samples from a categorical distribution.

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

Interfaces: TflRuntimeVerifyOpInterface

Thuộc tính:

Toán hạng:

Kết quả:

tfl.neg (TFL::NegOp)

Negation operator

Computes element-wise negation of input

Traits: AlwaysSpeculatableImplTrait, InferTensorType, TF::SameOperandsAndResultTypeResolveRef

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

Effects: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.no_value (TFL::NoValueOp)

Constant representing no value.

No value constant op.

Traits: AlwaysSpeculatableImplTrait, ConstantLike

Interfaces: ConditionallySpeculatable, InferTypeOpInterface, NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

Thuộc tính:

Kết quả:

tfl.non_max_suppression_v4 (TFL::NonMaxSuppressionV4Op)

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

cắt bỏ các hộp có sự chồng chéo cao (IOU) với các hộp đã chọn trước đó. Bounding boxes with score less than score_threshold are removed. 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 của hộp 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 xác định được gốc tọa độ ở đâu và nói chung là bất biến đối với các phép biến đổi trực giao và tịnh tiến của hệ tọa độ; do đó việc dịch hoặc phản ánh 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 tập hợp đầu vào của các hộp giới hạn đại diện cho các hộp đã chọn. The bounding box coordinates corresponding to the selected indices can then be obtained using the tf.gather operation . For example: selected_indices = tf.image.non_max_suppression_v2( boxes, scores, max_output_size, iou_threshold, score_threshold) selected_boxes = tf.gather(boxes, selected_indices)

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.non_max_suppression_v5 (TFL::NonMaxSuppressionV5Op)

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

cắt bỏ các hộp có sự chồng chéo cao (IOU) với các hộp đã chọn trước đó. Bounding boxes with score less than score_threshold are removed. 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 của hộp 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 xác định được gốc tọa độ ở đâu và nói chung là bất biến đối với các phép biến đổi trực giao và tịnh tiến của hệ tọa độ; do đó việc dịch hoặc phản ánh 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 tập hợp đầu vào của các hộp giới hạn đại diện cho các hộp đã chọn. The bounding box coordinates corresponding to the selected indices can then be obtained using the tf.gather operation . Ví dụ: selected_indices = tf.image.non_max_suppression_v2( hộp, điểm, max_output_size, iou_threshold, Score_threshold) selected_boxes = tf.gather(boxes, selected_indices) Op này cũng hỗ trợ chế độ Soft-NMS (với trọng số Gaussian) (cf Bodla et al , https://arxiv.org/abs/1704.04503 ) where boxes reduce the score of other overlapping boxes instead of directly causing them to be pruned. To enable this Soft-NMS mode, set the soft_nms_sigma parameter to be larger than 0.

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.not_equal (TFL::NotEqualOp)

_Not equal operator

Element-wise not_equal operation.

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

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.NumericVerify (TFL::NumericVerifyOp)

Verifies the numericals of the two operands

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

Traits: QuantizableResult, SameOperandsShape

Interfaces: TflRuntimeVerifyOpInterface

Thuộc tính:

Toán hạng:

Kết quả:

tfl.one_hot (TFL::OneHotOp)

OneHot operator

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

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

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.pack (TFL::PackOp)

Packs a list of tensors along a dimension into one tensor

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

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

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

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

Ví dụ:

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

This is the opposite of unpack .

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

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

Effects: MemoryEffects::Effect{}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.pad (TFL::PadOp)

Padding operator

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

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

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

Ví dụ:

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

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

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

Effects: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.padv2 (TFL::PadV2Op)

Padding operator v2

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

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

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

Ví dụ:

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

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

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

Effects: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.poly_call (TFL::PolyCallOp)

Poly call

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

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

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

Traits: SingleBlock, SingleBlockImplicitTerminator

Interfaces: RegionBranchOpInterface

Toán hạng:

Kết quả:

tfl.pow (TFL::PowOp)

Power operator

Element-wise power operation.

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

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.prelu (TFL::PReluOp)

Parameterized Relu operator

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

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

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

Effects: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.pseudo_const (TFL::ConstOp)

Constant pseudo op.

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

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

Traits: AlwaysSpeculatableImplTrait, ConstantLike, FirstAttrDerivedResultType, QuantizableResult

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Thuộc tính:

Kết quả:

tfl.pseudo_qconst (TFL::QConstOp)

Quantized constant pseudo op

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

Traits: AlwaysSpeculatableImplTrait, FirstAttrDerivedResultType

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

Thuộc tính:

Kết quả:

tfl.pseudo_sparse_const (TFL::SparseConstOp)

Sparse constant pseudo op.

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

Traits: AlwaysSpeculatableImplTrait, FirstAttrDerivedResultType, QuantizableResult

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Thuộc tính:

Kết quả:

tfl.pseudo_sparse_qconst (TFL::SparseQConstOp)

Sparse quantized constant pseudo op

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

Traits: AlwaysSpeculatableImplTrait, FirstAttrDerivedResultType

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Thuộc tính:

Kết quả:

tfl.quantize (TFL::QuantizeOp)

Quantize operator

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

Traits: FirstAttrDerivedResultType, SameOperandsAndResultShape

Interfaces: NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.random_standard_normal (TFL::RandomStandardNormalOp)

Xuất ra các giá trị ngẫu nhiên từ phân phối chuẩn.

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

Interfaces: TflRuntimeVerifyOpInterface

Thuộc tính:

Toán hạng:

Kết quả:

tfl.random_uniform (TFL::RandomUniformOp)

Xuất ra các giá trị ngẫu nhiên từ một phân bố đồng đều.

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

Interfaces: TflRuntimeVerifyOpInterface

Thuộc tính:

Toán hạng:

Kết quả:

tfl.range (TFL::RangeOp)

Range operator

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

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.rank (TFL::RankOp)

Rank operator.

Trả về thứ hạng của một tensor.

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.read_variable (TFL::ReadVariableOp)

Reads variable value.

Read variable data identified by 'resource_id'.

Interfaces: TflRuntimeVerifyOpInterface

Toán hạng:

Kết quả:

tfl.real (TFL::RealOp)

Trả về phần thực của số phức.

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

Traits: AlwaysSpeculatableImplTrait, SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.reduce_all (TFL::ReduceAllOp)

Tính toán "logic và" của các phần tử theo các kích thước của tensor.

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

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.reduce_any (TFL::ReduceAnyOp)

Tính toán "logic hoặc" của các phần tử theo các kích thước của tensor.

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

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.reduce_max (TFL::ReduceMaxOp)

Max-reduction operator

Computes the max reduction along the specified axes

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

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

Effects: MemoryEffects::Effect{}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.reduce_min (TFL::ReduceMinOp)

Min-reduction operator

Computes the min reduction along the specified axes

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

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

Effects: MemoryEffects::Effect{}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.reduce_prod (TFL::ReduceProdOp)

Prod-reduction operator

Computes the product along the specified axes

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.relu (TFL::ReluOp)

Relu operator

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

Traits: AlwaysSpeculatableImplTrait, QuantizableResult, SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.relu6 (TFL::Relu6Op)

Relu6 operator

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

Traits: AlwaysSpeculatableImplTrait, QuantizableResult, SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.relu_0_to_1 (TFL::Relu0To1Op)

Relu0To1 operator

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

Traits: AlwaysSpeculatableImplTrait, QuantizableResult, SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.relu_n1_to_1 (TFL::Relu1Op)

Relu1 operator

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

Traits: AlwaysSpeculatableImplTrait, QuantizableResult, SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.reshape (TFL::ReshapeOp)

Reshape operator

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

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

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

Effects: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.resize_bilinear (TFL::ResizeBilinearOp)

ResizeBilinear Op

Resize images to size using bilinear interpolation.

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

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

Effects: MemoryEffects::Effect{}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.resize_nearest_neighbor (TFL::ResizeNearestNeighborOp)

ResizeNearestNeighbor Op

Resize images to size using nearest neighbor interpolation.

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

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

Effects: MemoryEffects::Effect{}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.reverse_sequence (TFL::ReverseSequenceOp)

Đảo ngược các lát có chiều dài thay đổi.

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

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

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

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.reverse_v2 (TFL::ReverseV2Op)

ReverseV2 Operator

Đảo ngược kích thước cụ thể của một tensor.

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

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

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

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.rfft2d (TFL::RFFT2dOp)

Biến đổi Fourier nhanh có giá trị thực 2D.

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

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

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

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.right_shift (TFL::RightShiftOp)

Right Shift operator

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

Traits: AlwaysSpeculatableImplTrait, SameOperandsAndResultElementType

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.round (TFL::RoundOp)

Round operator

Làm tròn các giá trị của tensor đến số nguyên gần nhất theo từng phần tử.

Traits: AlwaysSpeculatableImplTrait, InferTensorType, TF::SameOperandsAndResultTypeResolveRef

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

Effects: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.rsqrt (TFL::RsqrtOp)

Reciprocal of square root operator

Computes element-wise reverse square root of input

Traits: AlwaysSpeculatableImplTrait, QuantizableResult, SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.scatter_nd (TFL::ScatterNdOp)

_Scatter nd operator

Scatter updates into a new tensor according to indices

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

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

Effects: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.segment_sum (TFL::SegmentSumOp)

SegmentSum operator

Tính tổng dọc theo các đoạn của tensor.

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.select (TFL::SelectOp)

Select operator

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

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

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

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

Effects: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.select_v2 (TFL::SelectV2Op)

SelectV2 operator

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

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

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

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

Effects: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.shape (TFL::ShapeOp)

Shape operator

Trả về hình dạng của tensor.

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.sign (TFL::SignOp)

Sign operation

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

Traits: AlwaysSpeculatableImplTrait, SameOperandsAndResultElementType, SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.sin (TFL::SinOp)

Sine operator

Computes element-wise Sine of input

Traits: AlwaysSpeculatableImplTrait, InferTensorType, TF::SameOperandsAndResultTypeResolveRef

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

Effects: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.slice (TFL::SliceOp)

Trả lại một lát từ 'đầu vào'.

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

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

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

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

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

Effects: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.softmax (TFL::SoftmaxOp)

Softmax operator

Computes element-wise softmax activations with the following formula

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

Traits: AlwaysSpeculatableImplTrait, QuantizableResult, SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.space_to_batch_nd (TFL::SpaceToBatchNdOp)

SpaceToBatchNd operator

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

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

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

Effects: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.space_to_depth (TFL::SpaceToDepthOp)

SpaceToDepth operator

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

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

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

Effects: MemoryEffects::Effect{}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.sparse_to_dense (TFL::SparseToDenseOp)

Chuyển đổi một biểu diễn thưa thớt thành một tensor dày đặc.

Builds an array dense with shape output_shape such that

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

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

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

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

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

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.split (TFL::SplitOp)

Splits a tensor into num_split tensors along one dimension.

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

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

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

Effects: MemoryEffects::Effect{}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.split_v (TFL::SplitVOp)

Splits a tensor into num_split tensors along one dimension.

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

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

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

Effects: MemoryEffects::Effect{}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.sqrt (TFL::SqrtOp)

Square root operator

Computes element-wise Square root of input

Traits: AlwaysSpeculatableImplTrait, InferTensorType, TF::SameOperandsAndResultTypeResolveRef

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

Effects: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.square (TFL::SquareOp)

Square operator

Computes element-wise Square of input

Traits: AlwaysSpeculatableImplTrait, InferTensorType, TF::SameOperandsAndResultTypeResolveRef

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

Effects: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.squared_difference (TFL::SquaredDifferenceOp)

Squared difference operator

Element-wise squared difference operation.

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

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.squeeze (TFL::SqueezeOp)

Loại bỏ các kích thước có kích thước 1 khỏi hình dạng của tensor.

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

Ví dụ:

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

Or, to remove specific size 1 dimensions:

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

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

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

Effects: MemoryEffects::Effect{}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.strided_slice (TFL::StridedSliceOp)

StridedSlice Op

Return a strided slice from input .

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

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

Effects: MemoryEffects::Effect{}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.sub (TFL::SubOp)

Subtraction operator

Element-wise subtraction operation.

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

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

Effects: MemoryEffects::Effect{}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.sum (TFL::SumOp)

Sum operator

Computes the sum reduction along the specified axes

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.svdf (TFL::SVDFOp)

Single value decomposition filter operator

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

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

Interfaces: DynamicRangeQuantizedOpInterface, TFL_StatefulOp, TflRuntimeVerifyOpInterface

Thuộc tính:

Toán hạng:

Kết quả:

tfl.tanh (TFL::TanhOp)

Hyperbolic tangent operator

Computes element-wise Hyperbolic tangent of input

Traits: AlwaysSpeculatableImplTrait, QuantizableResult, SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.tile (TFL::TileOp)

Tile operator.

Xây dựng một tenxơ bằng cách xếp một tenxơ nhất định.

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

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

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

Effects: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.topk_v2 (TFL::TopKV2Op)

TopK operator

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

Results are always sorted in the descending order.

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

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

Effects: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.transpose (TFL::TransposeOp)

Transpose operator

Returns the Transpose of x

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

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

Effects: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.transpose_conv (TFL::TransposeConvOp)

Transpose convolution operator

Performs transpose convolution operation on input.

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

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

Effects: MemoryEffects::Effect{}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.unidirectional_sequence_lstm (TFL::UnidirectionalSequenceLSTMOp)

Unidirectional sequence lstm operator

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

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

Traits: QuantizableResult

Interfaces: DynamicRangeQuantizedOpInterface, InferTypeOpInterface, TFL_StatefulOp, TflRuntimeVerifyOpInterface

Thuộc tính:

Toán hạng:

Kết quả:

tfl.unidirectional_sequence_rnn (TFL::UnidirectionalSequenceRNNOp)

Unidirectional sequence rnn operator

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

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

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

Traits: QuantizableResult

Interfaces: DynamicRangeQuantizedOpInterface, TFL_StatefulOp, TflRuntimeVerifyOpInterface

Thuộc tính:

Toán hạng:

Kết quả:

tfl.unique (TFL::UniqueOp)

Unique Op.

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

Traits: AlwaysSpeculatableImplTrait, QuantizableResult

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.unpack (TFL::UnpackOp)

Unpacks a tensor along a dimension into multiple tensors

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

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

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

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

This is the opposite of pack .

Traits: AlwaysSpeculatableImplTrait, QuantizableResult, SameOperandsAndResultElementType

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

Effects: MemoryEffects::Effect{}

Thuộc tính:

Toán hạng:

Kết quả:

tfl.unsorted_segment_max (TFL::UnsortedSegmentMaxOp)

UnsortedSegmentMax operator

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

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.unsorted_segment_min (TFL::UnsortedSegmentMinOp)

UnsortedSegmentMin operator

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

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.unsorted_segment_prod (TFL::UnsortedSegmentProdOp)

UnsortedSegmentProd operator

Tính tích theo các đoạn của tensor.

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.unsorted_segment_sum (TFL::UnsortedSegmentSumOp)

UnsortedSegmentSum operator

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

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.var_handle (TFL::VarHandleOp)

Returns a handle to a variable resource from its name.

Returns a handle for a variable resource from its name. container: the container this variable is placed in. shared_name: the name by which this variable is referred to.

Interfaces: TflRuntimeVerifyOpInterface

Thuộc tính:

Kết quả:

tfl.where (TFL::WhereOp)

Trả về vị trí của các giá trị khác 0/đúng trong một tenxơ.

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

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

tfl.while (TFL::WhileOp)

Trong khi lặp lại

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

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

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

Traits: SingleBlock, SingleBlockImplicitTerminator

Interfaces: LoopLikeOpInterface, TflRuntimeVerifyOpInterface

Thuộc tính:

Toán hạng:

Kết quả:

tfl.yield (TFL::YieldOp)

Yield operation

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

Traits: AlwaysSpeculatableImplTrait, QuantizableResult, Terminator

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Toán hạng:

tfl.zeros_like (TFL::ZerosLikeOp)

ZerosLike operator

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

Traits: AlwaysSpeculatableImplTrait, SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable, NoMemoryEffect (MemoryEffectOpInterface), TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Toán hạng:

Kết quả:

Attribute definition

DimensionMetadataAttr

Dimension metadata.

Cú pháp:

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

Thông số:

SparsityParameterAttr

Sparsity parameter.

Cú pháp:

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

Thông số:

ConstBytesAttr

A string attribute representation of compiled bytes

Syntax Examples:

#tfl<const_bytes : "0xDEADBEEF">

Thông số:

DimensionTypeAttr

dimension_type

Cú pháp:

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

Enum cases:

• DENSE ( DENSE )
• SPARSE_CSR ( SPARSE_CSR ) #### Parameters:

LSTMKernelTypeAttr

lstm_kernel_type

Cú pháp:

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

Enum cases:

• FULL ( FULL )
• BASIC ( BASIC ) #### Parameters:

MirrorPaddingTypeAttr

mirror_pad_enum

Cú pháp:

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

Enum cases:

• REFLECT ( REFLECT )
• SYMMETRIC ( SYMMETRIC ) #### Parameters: