'mhlo' উপভাষা

অপারেশন

mhlo.abs (mhlo::AbsOp)

Abs অপারেশন

সিনট্যাক্স:

operation ::= `mhlo.abs` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

operand টেনসরে উপাদান-ভিত্তিক abs অপারেশন করে এবং result টেনসর তৈরি করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#abs

উদাহরণ:

%result = mhlo.abs %operand : tensor<3xi32>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait ইমপ্লট্রেইট , Elementwise , SameOperandsAndResultShape

ইন্টারফেস: ConditionallySpeculatable স্পেকুলেটেবল , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

অপারেন্ড	বর্ণনা
operand	2/4/8/16/32/64-বিট সাইনলেস পূর্ণসংখ্যা বা 4/6/8/16/32/64-বিট ফ্লোট বা জটিল টাইপের 32/64-বিট ফ্লোট উপাদান বা 2/4/8/16/32-বিট ইউনিফর্ম কোয়ান্টাইজড সাইনড ইন্টিজার বা 2/8/4 ইউনিফর্ম 2/4/বিট ইউনিফর্ম সাইনড ইনটিজার অক্ষ স্বাক্ষরিত পূর্ণসংখ্যা বা 2/4/8/16/32-বিট ইউনিফর্ম কোয়ান্টাইজড আনসাইন করা পূর্ণসংখ্যা বা 2/4/8/16/32-বিট ইউনিফর্ম কোয়ান্টাইজড প্রতি অক্ষের স্বাক্ষরবিহীন পূর্ণসংখ্যা মান

ফলাফল:

ফলাফল	বর্ণনা
result	2/4/8/16/32/64-বিট সাইনলেস পূর্ণসংখ্যা বা 4/6/8/16/32/64-বিট ফ্লোট বা 2/4/8/16/32-বিট ইউনিফর্ম কোয়ান্টাইজড সাইনড ইন্টিজার বা 2/4/8/16/32-বিট ইউনিফর্ম সাইন ইনটিজার 2/4/8/16/32-বিট ইউনিফর্ম কোয়ান্টাইজড আনসাইন করা পূর্ণসংখ্যা বা 2/4/8/16/32-বিট ইউনিফর্ম কোয়ান্টাইজড প্রতি অক্ষের স্বাক্ষরবিহীন পূর্ণসংখ্যা মান

mhlo.acos (mhlo::AcosOp)

Acos অপারেশন

সিনট্যাক্স:

operation ::= `mhlo.acos` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

operand টেনসরে উপাদান-ভিত্তিক acos অপারেশন সম্পাদন করে এবং result টেনসর তৈরি করে।

উদাহরণ:

%result = mhlo.acos %operand : tensor<2x2xf32>

বৈশিষ্ট্য: CompatibleOperandsAndResultType এবং ফলাফলের ধরন , Elementwise , SameOperandsAndResultShape

ইন্টারফেস: InferShapedTypeOpInterface , InferTypeOpInterface

অপারেন্ডস:

অপারেন্ড	বর্ণনা
operand	4/6/8/16/32/64-বিট ফ্লোট বা 32/64-বিট ফ্লোট উপাদান মান সহ জটিল ধরনের টেনসর

ফলাফল:

ফলাফল	বর্ণনা
result	4/6/8/16/32/64-বিট ফ্লোট বা 32/64-বিট ফ্লোট উপাদান মান সহ জটিল ধরনের টেনসর

mhlo.acosh (mhlo::AcoshOp)

অ্যাকোশ অপারেশন

সিনট্যাক্স:

operation ::= `mhlo.acosh` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

operand টেনসরে উপাদান-ভিত্তিক অ্যাকোশ অপারেশন করে এবং result টেনসর তৈরি করে।

উদাহরণ:

%result = mhlo.acosh %operand : tensor<2x2xf32>

বৈশিষ্ট্য: CompatibleOperandsAndResultType এবং ফলাফলের ধরন , Elementwise , SameOperandsAndResultShape

ইন্টারফেস: InferShapedTypeOpInterface , InferTypeOpInterface

অপারেন্ডস:

অপারেন্ড	বর্ণনা
operand	4/6/8/16/32/64-বিট ফ্লোট বা 32/64-বিট ফ্লোট উপাদান মান সহ জটিল ধরনের টেনসর

ফলাফল:

ফলাফল	বর্ণনা
result	4/6/8/16/32/64-বিট ফ্লোট বা 32/64-বিট ফ্লোট উপাদান মান সহ জটিল ধরনের টেনসর

mhlo.add (mhlo::AddOp)

অপারেশন যোগ করুন

সিনট্যাক্স:

operation ::= `mhlo.add` $lhs `,` $rhs attr-dict
              `:` custom<SameOperandsAndResultType>(type($lhs), type($rhs), type($result))

দুটি টেনসর lhs এবং rhs এর উপাদান-ভিত্তিক সংযোজন সম্পাদন করে এবং একটি result টেনসর তৈরি করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#add

উদাহরণ:

%result = mhlo.add %lhs, %rhs : tensor<2x2xi32>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait ইমপ্লট্রেট , Commutative , CompatibleOperandsAndResultType অপারেন্ডস এবং ফলাফলের প্রকার , Elementwise , SameOperandsAndResultShape

ইন্টারফেস: ConditionallySpeculatable স্পেকুলেটেবল , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

অপারেন্ড	বর্ণনা
lhs	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর পূর্ণসংখ্যা কোয়ান্টাইজড বা প্রতি-অক্ষ পূর্ণসংখ্যা কোয়ান্টাইজড মান সহ জটিল প্রকার
rhs	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর পূর্ণসংখ্যা কোয়ান্টাইজড বা প্রতি-অক্ষ পূর্ণসংখ্যা কোয়ান্টাইজড মান সহ জটিল প্রকার

ফলাফল:

ফলাফল	বর্ণনা
result	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর পূর্ণসংখ্যা কোয়ান্টাইজড বা প্রতি-অক্ষ পূর্ণসংখ্যা কোয়ান্টাইজড মান সহ জটিল প্রকার

mhlo.add_dependency (mhlo::AddDependencyOp)

নির্ভরতা অপারেশন যোগ করুন

সিনট্যাক্স:

operation ::= `mhlo.add_dependency` operands attr-dict `:` functional-type(operands, results)

এই অপারেশনটি XLA কম্পাইলারের জন্য ব্যক্তিগত, তাই এটির এখনও কোনো স্পেসিফিকেশন নেই।

অনানুষ্ঠানিকভাবে, এই অপারেশন দুটি অপারেন্ড: একটি ডেটা অপারেন্ড এবং একটি টোকেন। অপারেশনের আউটপুট হল ডেটা অপারেন্ড। আফটারঅল-এর সাথে ব্যবহার করা হলে এই ক্রিয়াকলাপগুলি অ-পার্শ্ব-প্রতিক্রিয়ামূলক ক্রিয়াকলাপগুলিকে অর্ডার করতে সক্ষম করে (যেগুলি টোকেন মান তৈরি করে না)।

উদাহরণ:

%1 = mhlo.add_dependency %arg0, %0 : (tensor<3x4xf32>, !mhlo.token) -> tensor<3x4xf32>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait ইমপ্লট্রেট

ইন্টারফেস: ConditionallySpeculatable স্পেকুলেটেবল , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

অপারেন্ড	বর্ণনা
operand	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা জটিল প্রকারের 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর পূর্ণসংখ্যার কোয়ান্টাইজড মান বা প্রতি-অক্ষের র‌্যাঙ্ক করা টেনসর বা প্রতি-অক্ষের পূর্ণসংখ্যা বা পূর্ণসংখ্যার মান
token	টোকেন বা stablehlo টোকেন

ফলাফল:

ফলাফল	বর্ণনা
output	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা জটিল প্রকারের 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর পূর্ণসংখ্যার কোয়ান্টাইজড মান বা প্রতি-অক্ষের র‌্যাঙ্ক করা টেনসর বা প্রতি-অক্ষের পূর্ণসংখ্যা বা পূর্ণসংখ্যার মান

mhlo.after_all (mhlo::AfterAllOp)

আফটার অল অপারেশন

সিনট্যাক্স:

operation ::= `mhlo.after_all` $inputs attr-dict
              `:` custom<VariadicSameOperandsAndResultType>(ref($inputs), type($inputs), type($result))

নিশ্চিত করে যে inputs উৎপাদনকারী ক্রিয়াকলাপগুলি result উপর নির্ভর করে এমন কোনও অপারেশনের আগে সম্পাদিত হয়।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#after_all

উদাহরণ:

%result = mhlo.after_all %input0, %input1 : !mhlo.token

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait ইমপ্লট্রেট

ইন্টারফেস: ConditionallySpeculatable স্পেকুলেটেবল , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

অপারেন্ড	বর্ণনা
inputs	টোকেনের বৈচিত্র্যময়

ফলাফল:

ফলাফল	বর্ণনা
result	টোকেন

mhlo.all_gather (mhlo::AllGatherOp)

অলগ্যাদার অপারেশন

প্রসেস গ্রিডের প্রতিটি প্রসেস গ্রুপের মধ্যে, all_gather_dim বরাবর প্রতিটি প্রক্রিয়া থেকে অপারেন্ড টেনসরের মানগুলিকে একত্রিত করে এবং একটি ফলাফল টেনসর তৈরি করে। operands প্রতিটি অপারেন্ডের জন্য computation আলাদাভাবে প্রয়োগ করা হয়, প্রতি অপারেন্ডে একটি ফলাফল তৈরি করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#all_gather

উদাহরণ:

%result = "mhlo.all_gather"(%operand) {
  all_gather_dim = 1 : i64,
  replica_groups = dense<[[0, 1]]> : tensor<1x2xi64>
  // channel_id = 0
  channel_handle = #mhlo.channel_handle<handle = 0, type = 0>,
  // use_global_device_ids = false
} : (tensor<2x2xf32>) -> tensor<2x4xf32>

বৈশিষ্ট্য: SameOperandsAndResultElementType

গুণাবলী:

বৈশিষ্ট্য	MLIR প্রকার	বর্ণনা
all_gather_dim	::mlir::IntegerAttr	64-বিট সাইনলেস ইন্টিজার অ্যাট্রিবিউট যার মান অ-নেতিবাচক
replica_groups	::mlir::DenseIntElementsAttr	64-বিট সংকেতহীন পূর্ণসংখ্যা উপাদান বৈশিষ্ট্য
channel_handle	::mlir::mhlo::ChannelHandleAttr	দুটি 64-বিট পূর্ণসংখ্যা 'হ্যান্ডেল' এবং 'টাইপ'
use_global_device_ids	::mlir::UnitAttr	ইউনিট বৈশিষ্ট্য

অপারেন্ডস:

অপারেন্ড	বর্ণনা
operands	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা 32/64-বিট ফ্লোট উপাদান সহ জটিল প্রকার বা প্রতি-টেনসর পূর্ণসংখ্যা কোয়ান্টাইজড বা প্রতি-অক্ষ পূর্ণসংখ্যা কোয়ান্টাইজড মানগুলির বৈচিত্র্যময়

ফলাফল:

ফলাফল	বর্ণনা
"নামহীন"	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা 32/64-বিট ফ্লোট উপাদান সহ জটিল প্রকার বা প্রতি-টেনসর পূর্ণসংখ্যা কোয়ান্টাইজড বা প্রতি-অক্ষ পূর্ণসংখ্যা কোয়ান্টাইজড মানগুলির বৈচিত্র্যময়

mhlo.all_reduce (mhlo::AllReduceOp)

AllReduce অপারেশন

প্রক্রিয়া গ্রিডে প্রতিটি প্রক্রিয়া গোষ্ঠীর মধ্যে, প্রতিটি প্রক্রিয়া থেকে একটি অপারেন্ড টেনসরের মানগুলিতে একটি হ্রাস ফাংশন computation প্রয়োগ করে এবং একটি ফলাফল টেনসর তৈরি করে। operands প্রতিটি অপারেন্ডের জন্য computation আলাদাভাবে প্রয়োগ করা হয়, প্রতি অপারেন্ডে একটি ফলাফল তৈরি করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#all_reduce

উদাহরণ:

%result = "mhlo.all_reduce"(%operand) ({
  ^bb0(%arg0: tensor<f32>, %arg1: tensor<f32>):
    %0 = mhlo.add %arg1, %arg2 : tensor<f32>
    mhlo.return %0 : tensor<f32>
}) {
  replica_groups = dense<[[0, 1]]> : tensor<1x2xi64>
  // channel_id = 0
  channel_handle = #mhlo.channel_handle<handle = 0, type = 0>
  // use_global_device_ids = false
} : (tensor<4xf32>) -> tensor<4xf32>

বৈশিষ্ট্য: InferTensorType , SingleBlockImplicitTerminator<ReturnOp> , SingleBlock

ইন্টারফেস: InferShapedTypeOpInterface , InferTypeOpInterface

গুণাবলী:

বৈশিষ্ট্য	MLIR প্রকার	বর্ণনা
replica_groups	::mlir::DenseIntElementsAttr	64-বিট সংকেতহীন পূর্ণসংখ্যা উপাদান বৈশিষ্ট্য
channel_handle	::mlir::mhlo::ChannelHandleAttr	দুটি 64-বিট পূর্ণসংখ্যা 'হ্যান্ডেল' এবং 'টাইপ'
use_global_device_ids	::mlir::UnitAttr	ইউনিট বৈশিষ্ট্য

অপারেন্ডস:

অপারেন্ড	বর্ণনা
operands	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা 32/64-বিট ফ্লোট উপাদান সহ জটিল প্রকার বা প্রতি-টেনসর পূর্ণসংখ্যা কোয়ান্টাইজড বা প্রতি-অক্ষ পূর্ণসংখ্যা কোয়ান্টাইজড মানগুলির বৈচিত্র্যময়

ফলাফল:

ফলাফল	বর্ণনা
"নামহীন"	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা 32/64-বিট ফ্লোট উপাদান সহ জটিল প্রকার বা প্রতি-টেনসর পূর্ণসংখ্যা কোয়ান্টাইজড বা প্রতি-অক্ষ পূর্ণসংখ্যা কোয়ান্টাইজড মানগুলির বৈচিত্র্যময়

mhlo.all_to_all (mhlo::AllToAllOp)

AllToAll অপারেশন

প্রসেস গ্রিডে প্রতিটি প্রসেস গ্রুপের মধ্যে, operand টেনসরের মানগুলিকে split_dimension বরাবর অংশে বিভক্ত করে, প্রসেসের মধ্যে বিভক্ত অংশগুলিকে ছড়িয়ে দেয়, concat_dimension বরাবর বিক্ষিপ্ত অংশগুলিকে সংযুক্ত করে এবং result টেনসর তৈরি করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#all_to_all

উদাহরণ:

%result = "mhlo.all_to_all"(%operand) {
  split_dimension = 1 : i64,
  concat_dimension = 0 : i64,
  split_count = 2 : i64,
  replica_groups = dense<[[0, 1]]> : tensor<1x2xi64>
} : (tensor<2x4xf32>) -> tensor<4x2xf32>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , InferTensorType , SameOperandsElementType , SameOperandsShape , SameVariadicOperandSize

ইন্টারফেস: ConditionallySpeculatable স্পেকুলেটেবল , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	MLIR প্রকার	বর্ণনা
split_dimension	::mlir::IntegerAttr	64-বিট সাইনলেস ইন্টিজার অ্যাট্রিবিউট যার মান অ-নেতিবাচক
concat_dimension	::mlir::IntegerAttr	64-বিট সাইনলেস ইন্টিজার অ্যাট্রিবিউট যার মান অ-নেতিবাচক
split_count	::mlir::IntegerAttr	64-বিট সাইনলেস ইন্টিজার অ্যাট্রিবিউট যার মান ধনাত্মক
replica_groups	::mlir::DenseIntElementsAttr	64-বিট সংকেতহীন পূর্ণসংখ্যা উপাদান বৈশিষ্ট্য
channel_handle	::mlir::mhlo::ChannelHandleAttr	দুটি 64-বিট পূর্ণসংখ্যা 'হ্যান্ডেল' এবং 'টাইপ'

অপারেন্ডস:

অপারেন্ড	বর্ণনা
operand	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা 32/64-বিট ফ্লোট উপাদান সহ জটিল প্রকার বা প্রতি-টেনসর পূর্ণসংখ্যা কোয়ান্টাইজড বা প্রতি-অক্ষ পূর্ণসংখ্যা কোয়ান্টাইজড মানগুলির বৈচিত্র্যময়

ফলাফল:

ফলাফল	বর্ণনা
"নামহীন"	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা 32/64-বিট ফ্লোট উপাদান সহ জটিল প্রকার বা প্রতি-টেনসর পূর্ণসংখ্যা কোয়ান্টাইজড বা প্রতি-অক্ষ পূর্ণসংখ্যা কোয়ান্টাইজড মানগুলির বৈচিত্র্যময়

mhlo.and (mhlo::AndOp)

এবং অপারেশন

সিনট্যাক্স:

operation ::= `mhlo.and` $lhs `,` $rhs attr-dict
              `:` custom<SameOperandsAndResultType>(type($lhs), type($rhs), type($result))

দুটি টেনসর lhs এবং rhs এর উপাদান-ভিত্তিক AND সম্পাদন করে এবং result টেনসর তৈরি করে

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#and

উদাহরণ:

%result = mhlo.and %lhs, %rhs : tensor<2x2xi32>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait ইমপ্লট্রেট , Commutative , CompatibleOperandsAndResultType অপারেন্ডস এবং ফলাফলের প্রকার , Elementwise , SameOperandsAndResultShape

ইন্টারফেস: ConditionallySpeculatable স্পেকুলেটেবল , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

অপারেন্ড	বর্ণনা
lhs	বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা মানগুলির র‌্যাঙ্ক করা টেনসর
rhs	বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা মানগুলির র‌্যাঙ্ক করা টেনসর

ফলাফল:

ফলাফল	বর্ণনা
result	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর পূর্ণসংখ্যা কোয়ান্টাইজড বা প্রতি-অক্ষ পূর্ণসংখ্যা কোয়ান্টাইজড মান সহ জটিল প্রকার

mhlo.asin (mhlo::AsinOp)

অসিন অপারেশন

সিনট্যাক্স:

operation ::= `mhlo.asin` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

operand টেনসরে উপাদান-ভিত্তিক অ্যাসিন অপারেশন করে এবং result টেনসর তৈরি করে।

উদাহরণ:

%result = mhlo.asin %operand : tensor<2x2xf32>

বৈশিষ্ট্য: CompatibleOperandsAndResultType এবং ফলাফলের ধরন , Elementwise , SameOperandsAndResultShape

ইন্টারফেস: InferShapedTypeOpInterface , InferTypeOpInterface

অপারেন্ডস:

অপারেন্ড	বর্ণনা
operand	4/6/8/16/32/64-বিট ফ্লোট বা 32/64-বিট ফ্লোট উপাদান মান সহ জটিল ধরনের টেনসর

ফলাফল:

ফলাফল	বর্ণনা
result	4/6/8/16/32/64-বিট ফ্লোট বা 32/64-বিট ফ্লোট উপাদান মান সহ জটিল ধরনের টেনসর

mhlo.async_done (mhlo::AsyncDoneOp)

AsyncDone অপারেশন

এই অপারেশনটি XLA কম্পাইলারের জন্য ব্যক্তিগত, তাই এটির এখনও কোনো স্পেসিফিকেশন নেই।

অনানুষ্ঠানিকভাবে, এই অপারেশনটি একটি অ্যাসিঙ্ক্রোনাস গণনার শেষ না হওয়া পর্যন্ত ব্লক করে। এটি অ্যাসিঙ্ক্রোনাস গণনার চূড়ান্ত ফলাফল প্রদান করে।

আরও তথ্যের জন্য AsyncStart-এর ডকুমেন্টেশন দেখুন।

ইন্টারফেস: InferTypeOpInterface

অপারেন্ডস:

অপারেন্ড	বর্ণনা
bundle	async_bundle 4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা 32/64-বিট ফ্লোট উপাদানগুলির সাথে জটিল টাইপের র‌্যাঙ্ক করা টেনসরের সংমিশ্রণ বা প্রতি-টেনসর পূর্ণসংখ্যার পরিমাপযোগ্য বা প্রতি-টেন্সর পূর্ণসংখ্যার পরিমাণ বা প্রতি-টোসকেনট মান মান

ফলাফল:

ফলাফল

বর্ণনা

"নামহীন"

4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা 32/64-বিট ফ্লোট উপাদান সহ জটিল টাইপ বা প্রতি-টেনসর পূর্ণসংখ্যা কোয়ান্টাইজড বা প্রতি-অক্ষ পূর্ণসংখ্যা কোয়ান্টাইজড বা টুকেনটেবল বা টিউকেনেবল মান সহ যেকোন মানের টেন্সরের বৈচিত্র্য। 4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা 32/64-বিট ফ্লোট উপাদানগুলির সাথে বা প্রতি-টেনসর পূর্ণসংখ্যার কোয়ান্টাইজড মান বা 4/6/6/6/3/6/6/6/38-বোট বা মেমরেফের সাথে র্যাঙ্ক করা টেনসরের সংমিশ্রণ 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা জটিল প্রকার 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর পূর্ণসংখ্যার কোয়ান্টাইজড মান বা প্রতি-অক্ষ পূর্ণসংখ্যার কোয়ান্টাইজড মান বা টোকেন মানগুলির র‌্যাঙ্ক করা টেনসর

mhlo.async_start (mhlo::AsyncStartOp)

AsyncStart অপারেশন

এই অপারেশনটি XLA কম্পাইলারের জন্য ব্যক্তিগত, তাই এটির এখনও কোনো স্পেসিফিকেশন নেই।

অনানুষ্ঠানিকভাবে, এই অপারেশনটি একটি অ্যাসিঙ্ক্রোনাস গণনা শুরু করে।

এটি ব্যবহার করা হয় যখন এমন ফাংশন থাকে যেখানে অ্যাসিঙ্ক্রোনাস ওয়েট (যেমন DMA) এবং অন-থ্রেড গণনা উভয়ই থাকে। উদাহরণস্বরূপ, একটি ফাংশন একটি গণনা, একটি ডিএমএ, আরেকটি গণনা, একটি দ্বিতীয় ডিএমএ এবং একটি চূড়ান্ত গণনা নিয়ে গঠিত হতে পারে। এটি একটি async_start এর পরে এবং async_update এবং একটি async_done হিসাবে উপস্থাপন করা হবে। async_start প্রথম কম্পিউটেশন অন-থ্রেড করবে এবং তারপর DMA শুরু করবে। async_update DMA সম্পূর্ণ হওয়ার জন্য অপেক্ষা করবে যদি এটি এখনও সম্পন্ন না হয়, তারপর ফাংশনে দ্বিতীয় গণনাটি চালান এবং দ্বিতীয় DMA শুরু করুন। অবশেষে, async_done এই শেষ DMA-তে অপেক্ষা করবে, এবং তারপর শেষ গণনা চালাবে যা অন-থ্রেড চালাতে হবে এবং সেই চূড়ান্ত গণনার ফলাফল ফেরত দেবে।

operands কম্পিউটেশনে সরাসরি পাস করা হয় called_computation একটি ফাংশন যা অ্যাসিঙ্ক্রোনাসভাবে চালানো হবে execution_thread হল সেই থ্রেডের নাম যেখানে এটি চালানো হবে। প্রধান থ্রেডকে "প্রধান" বলা হয়। সব থ্রেডের নাম আছে।

এটি async ops এর মধ্যে প্রয়োজনীয় সমস্ত স্টেট প্রদান করে। বাফার অ্যাসাইনমেন্টের পরে, রিটার্ন মানগুলি ইনপুট, ফলাফল এবং async op দ্বারা প্রয়োজনীয় বা সম্পাদিত যেকোনো স্ক্র্যাচপ্যাড ধরে রাখার জন্য প্রয়োজনীয় স্থান উপস্থাপন করে।

গুণাবলী:

বৈশিষ্ট্য	MLIR প্রকার	বর্ণনা
called_computation	::mlir::FlatSymbolRefAttr	সমতল প্রতীক রেফারেন্স বৈশিষ্ট্য
execution_thread	::mlir::StringAttr	স্ট্রিং বৈশিষ্ট্য

অপারেন্ডস:

অপারেন্ড

বর্ণনা

inputs

4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা 32/64-বিট ফ্লোট উপাদান সহ জটিল টাইপ বা প্রতি-টেনসর পূর্ণসংখ্যা কোয়ান্টাইজড বা প্রতি-অক্ষ পূর্ণসংখ্যা কোয়ান্টাইজড বা টুকেনটেবল বা টিউকেনেবল মান সহ যেকোন মানের টেন্সরের বৈচিত্র্য। 4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা 32/64-বিট ফ্লোট উপাদানগুলির সাথে বা প্রতি-টেনসর পূর্ণসংখ্যার কোয়ান্টাইজড মান বা 4/6/6/6/3/6/6/6/38-বোট বা মেমরেফের সাথে র্যাঙ্ক করা টেনসরের সংমিশ্রণ 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা জটিল প্রকার 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর পূর্ণসংখ্যার কোয়ান্টাইজড মান বা প্রতি-অক্ষ পূর্ণসংখ্যার কোয়ান্টাইজড মান বা টোকেন মানগুলির র‌্যাঙ্ক করা টেনসর

ফলাফল:

ফলাফল	বর্ণনা
"নামহীন"	async_bundle 4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা 32/64-বিট ফ্লোট উপাদানগুলির সাথে জটিল টাইপের র‌্যাঙ্ক করা টেনসরের সংমিশ্রণ বা প্রতি-টেনসর পূর্ণসংখ্যার পরিমাপযোগ্য বা প্রতি-টেন্সর পূর্ণসংখ্যার পরিমাণ বা প্রতি-টোসকেনট মান মান

mhlo.async_update (mhlo::AsyncUpdateOp)

AsyncUpdate অপারেশন

এই অপারেশনটি XLA কম্পাইলারের জন্য ব্যক্তিগত, তাই এটির এখনও কোনো স্পেসিফিকেশন নেই।

অনানুষ্ঠানিকভাবে, এই অপারেশনটি একটি সিঙ্ক বাধা না হওয়া পর্যন্ত একটি অ্যাসিঙ্ক্রোনাস কম্পিউটেশনে ব্লক করে। এটি কাজ করার পরে bundle ফেরত দেয়।

আরও তথ্যের জন্য AsyncStart-এর ডকুমেন্টেশন দেখুন।

ইন্টারফেস: InferTypeOpInterface

অপারেন্ডস:

অপারেন্ড	বর্ণনা
bundle	async_bundle 4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা 32/64-বিট ফ্লোট উপাদানগুলির সাথে জটিল টাইপের র‌্যাঙ্ক করা টেনসরের সংমিশ্রণ বা প্রতি-টেনসর পূর্ণসংখ্যার পরিমাপযোগ্য বা প্রতি-টেন্সর পূর্ণসংখ্যার পরিমাণ বা প্রতি-টোসকেনট মান মান

ফলাফল:

ফলাফল	বর্ণনা
"নামহীন"	async_bundle 4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা 32/64-বিট ফ্লোট উপাদানগুলির সাথে জটিল টাইপের র‌্যাঙ্ক করা টেনসরের সংমিশ্রণ বা প্রতি-টেনসর পূর্ণসংখ্যার পরিমাপযোগ্য বা প্রতি-টেন্সর পূর্ণসংখ্যার পরিমাণ বা প্রতি-টোসকেনট মান মান

mhlo.atan2 (mhlo::Atan2Op)

Atan2 অপারেশন

সিনট্যাক্স:

operation ::= `mhlo.atan2` $lhs `,` $rhs attr-dict
              `:` custom<SameOperandsAndResultType>(type($lhs), type($rhs), type($result))

lhs এবং rhs টেনসরে উপাদান-ভিত্তিক atan2 অপারেশন করে এবং result টেনসর তৈরি করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#atan2

উদাহরণ:

%result = mhlo.atan2 %lhs, %rhs : tensor<3xf32>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait ইমপ্লট্রেইট , CompatibleOperandsAndResultType ফলাফলের ধরন , Elementwise , SameOperandsAndResultShape

ইন্টারফেস: ConditionallySpeculatable স্পেকুলেটেবল , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

অপারেন্ড	বর্ণনা
lhs	4/6/8/16/32/64-বিট ফ্লোট বা 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর পূর্ণসংখ্যা পরিমাপযুক্ত মান সহ জটিল ধরনের র‌্যাঙ্ক করা টেনসর
rhs	4/6/8/16/32/64-বিট ফ্লোট বা 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর পূর্ণসংখ্যা পরিমাপযুক্ত মান সহ জটিল ধরনের র‌্যাঙ্ক করা টেনসর

ফলাফল:

ফলাফল	বর্ণনা
result	4/6/8/16/32/64-বিট ফ্লোট বা 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর পূর্ণসংখ্যা পরিমাপযুক্ত মান সহ জটিল ধরনের র‌্যাঙ্ক করা টেনসর

mhlo.atanh (mhlo::AtanhOp)

Atanh অপারেশন

সিনট্যাক্স:

operation ::= `mhlo.atanh` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

operand টেনসরে উপাদান-ভিত্তিক atanh অপারেশন সম্পাদন করে এবং একটি result টেনসর তৈরি করে।

উদাহরণ:

%result = mhlo.atanh %operand : tensor<2x2xf32>

বৈশিষ্ট্য: CompatibleOperandsAndResultType এবং ফলাফলের ধরন , Elementwise , SameOperandsAndResultShape

ইন্টারফেস: InferShapedTypeOpInterface , InferTypeOpInterface

অপারেন্ডস:

অপারেন্ড	বর্ণনা
operand	4/6/8/16/32/64-বিট ফ্লোট বা 32/64-বিট ফ্লোট উপাদান মান সহ জটিল ধরনের টেনসর

ফলাফল:

ফলাফল	বর্ণনা
result	4/6/8/16/32/64-বিট ফ্লোট বা 32/64-বিট ফ্লোট উপাদান মান সহ জটিল ধরনের টেনসর

mhlo.batch_norm_grad (mhlo::BatchNormGradOp)

BatchNormGrad অপারেশন

grad_output থেকে BatchNormTrainingOp ব্যাকপ্রোপাগেটিং এর বিভিন্ন ইনপুটের গ্রেডিয়েন্ট গণনা করে এবং grad_operand , grad_scale এবং grad_offset টেনসর তৈরি করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#batch_norm_grad

উদাহরণ:

%grad_operand, %grad_scale, %grad_offset =
"mhlo.batch_norm_grad"(%operand, %scale, %mean, %variance, %grad_output) {
  epsilon = 0.0 : f32,
  feature_index = 2 : i64
} : (tensor<2x2x2xf32>, tensor<2xf32>, tensor<2xf32>, tensor<2xf32>,
    tensor<2x2x2xf32>) -> (tensor<2x2x2xf32>, tensor<2xf32>, tensor<2xf32>)

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait ইমপ্লট্রেইট, InferTensorType

ইন্টারফেস: ConditionallySpeculatable স্পেকুলেটেবল , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	MLIR প্রকার	বর্ণনা
epsilon	::mlir::FloatAttr	32-বিট ফ্লোট বৈশিষ্ট্য
feature_index	::mlir::IntegerAttr	64-বিট সাইনলেস ইন্টিজার অ্যাট্রিবিউট যার মান অ-নেতিবাচক

অপারেন্ডস:

অপারেন্ড	বর্ণনা
operand	4/6/8/16/32/64-বিট ফ্লোট মানগুলির র‌্যাঙ্ক করা টেনসর
scale	4/6/8/16/32/64-বিট ফ্লোট মানের 1D টেনসর
mean	4/6/8/16/32/64-বিট ফ্লোট মানের 1D টেনসর
variance	4/6/8/16/32/64-বিট ফ্লোট মানের 1D টেনসর
grad_output	4/6/8/16/32/64-বিট ফ্লোট মানগুলির র‌্যাঙ্ক করা টেনসর

ফলাফল:

ফলাফল	বর্ণনা
grad_operand	4/6/8/16/32/64-বিট ফ্লোট মানগুলির র‌্যাঙ্ক করা টেনসর
grad_scale	4/6/8/16/32/64-বিট ফ্লোট মানের 1D টেনসর
grad_offset	4/6/8/16/32/64-বিট ফ্লোট মানের 1D টেনসর

mhlo.batch_norm_inference (mhlo::BatchNormInferenceOp)

BatchNormInference অপারেশন

feature_index মাত্রা ব্যতীত সমস্ত মাত্রা জুড়ে operand টেনসরকে স্বাভাবিক করে এবং একটি result টেনসর তৈরি করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#batch_norm_inference

উদাহরণ:

%result = "mhlo.batch_norm_inference"(%operand, %scale, %offset, %mean, %variance) {
  epsilon = 0.0 : f32,
  feature_index = 2 : i64
} : (tensor<2x2x2xf32>, tensor<2xf32>, tensor<2xf32>, tensor<2xf32>, tensor<2xf32>) -> tensor<2x2x2xf32>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait ইমপ্লট্রেইট, InferTensorType

ইন্টারফেস: ConditionallySpeculatable স্পেকুলেটেবল , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	MLIR প্রকার	বর্ণনা
epsilon	::mlir::FloatAttr	32-বিট ফ্লোট বৈশিষ্ট্য
feature_index	::mlir::IntegerAttr	64-বিট সাইনলেস ইন্টিজার অ্যাট্রিবিউট যার মান অ-নেতিবাচক

অপারেন্ডস:

অপারেন্ড	বর্ণনা
operand	4/6/8/16/32/64-বিট ফ্লোট মানগুলির র‌্যাঙ্ক করা টেনসর
scale	4/6/8/16/32/64-বিট ফ্লোট মানের 1D টেনসর
offset	4/6/8/16/32/64-বিট ফ্লোট মানের 1D টেনসর
mean	4/6/8/16/32/64-বিট ফ্লোট মানের 1D টেনসর
variance	4/6/8/16/32/64-বিট ফ্লোট মানের 1D টেনসর

ফলাফল:

ফলাফল	বর্ণনা
result	4/6/8/16/32/64-বিট ফ্লোট মানগুলির র‌্যাঙ্ক করা টেনসর

mhlo.batch_norm_training (mhlo::BatchNormTrainingOp)

ব্যাচ নর্ম ট্রেনিং অপারেশন

feature_index ডাইমেনশনের প্রতিটি বৈশিষ্ট্যের জন্য ব্যাচ এবং স্থানিক মাত্রা জুড়ে গড় এবং বৈচিত্র্য গণনা করে এবং operand টেনসরকে স্বাভাবিক করে তোলে এবং output , batch_mean এবং batch_var টেনসর তৈরি করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#batch_norm_training

উদাহরণ:

%output, %batch_mean, %batch_var = "mhlo.batch_norm_training"(%operand, %scale, %offset) {
  epsilon = 0.0 : f32,
  feature_index = 2 : i64
} : (tensor<2x2x2xf32>, tensor<2xf32>, tensor<2xf32>) -> (tensor<2x2x2xf32>, tensor<2xf32>, tensor<2xf32>)

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait ইমপ্লট্রেইট, InferTensorType

ইন্টারফেস: ConditionallySpeculatable স্পেকুলেটেবল , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	MLIR প্রকার	বর্ণনা
epsilon	::mlir::FloatAttr	32-বিট ফ্লোট বৈশিষ্ট্য
feature_index	::mlir::IntegerAttr	64-বিট সাইনলেস ইন্টিজার অ্যাট্রিবিউট যার মান অ-নেতিবাচক

অপারেন্ডস:

অপারেন্ড	বর্ণনা
operand	4/6/8/16/32/64-বিট ফ্লোট মানগুলির র‌্যাঙ্ক করা টেনসর
scale	4/6/8/16/32/64-বিট ফ্লোট মানের 1D টেনসর
offset	4/6/8/16/32/64-বিট ফ্লোট মানের 1D টেনসর

ফলাফল:

ফলাফল	বর্ণনা
output	4/6/8/16/32/64-বিট ফ্লোট মানগুলির র‌্যাঙ্ক করা টেনসর
batch_mean	4/6/8/16/32/64-বিট ফ্লোট মানের 1D টেনসর
batch_var	4/6/8/16/32/64-বিট ফ্লোট মানের 1D টেনসর

mhlo.bitcast (mhlo::BitcastOp)

বিটকাস্ট অপারেশন

সিনট্যাক্স:

operation ::= `mhlo.bitcast` operands attr-dict `:` functional-type(operands, results)

এই অপারেশনটি XLA কম্পাইলারের জন্য ব্যক্তিগত, তাই এটির এখনও কোনো স্পেসিফিকেশন নেই।

অনানুষ্ঠানিকভাবে, এই অপারেশনটি ইনপুটের আকার পরিবর্তন করে যেভাবে উপাদানগুলির শারীরিক বিন্যাস অপরিবর্তিত থাকে।

এই অপারেশনটির জন্য "উপাদানের শারীরিক বিন্যাস" বোঝার জন্য লেআউট তথ্যের প্রয়োজন, এবং MHLO-তে লেআউট সমর্থন বর্তমানে একটি কাজ চলছে।

উদাহরণ:

%0 = mhlo.bitcast %arg0 : (tensor<3x4xf32>) -> tensor<3x4x1xf32>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait ইমপ্লট্রেট

ইন্টারফেস: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

অপারেন্ড	বর্ণনা
operand	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর পূর্ণসংখ্যা কোয়ান্টাইজড বা প্রতি-অক্ষ পূর্ণসংখ্যা কোয়ান্টাইজড মান সহ জটিল প্রকার

ফলাফল:

ফলাফল	বর্ণনা
"নামহীন"	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর পূর্ণসংখ্যা কোয়ান্টাইজড বা প্রতি-অক্ষ পূর্ণসংখ্যা কোয়ান্টাইজড মান সহ জটিল প্রকার

mhlo.bitcast_convert (mhlo::BitcastConvertOp)

বিটকাস্ট কনভার্ট অপারেশন

সিনট্যাক্স:

operation ::= `mhlo.bitcast_convert` operands attr-dict `:` functional-type(operands, results)

operand টেনসরে একটি বিটকাস্ট অপারেশন সম্পাদন করে এবং একটি result টেনসর তৈরি করে যেখানে result টেনসরের ধরন ব্যবহার করে সম্পূর্ণ operand টেনসরের বিটগুলি পুনরায় ব্যাখ্যা করা হয়।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#bitcast_convert

উদাহরণ:

%result = mhlo.bitcast_convert %operand : (tensor<2xf32>) -> tensor<2x4xi8>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait ইমপ্লট্রেট

ইন্টারফেস: ConditionallySpeculatable স্পেকুলেটেবল , InferShapedTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

অপারেন্ড	বর্ণনা
operand	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর পূর্ণসংখ্যা কোয়ান্টাইজড বা প্রতি-অক্ষ পূর্ণসংখ্যা কোয়ান্টাইজড মান সহ জটিল প্রকার

ফলাফল:

ফলাফল	বর্ণনা
"নামহীন"	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর পূর্ণসংখ্যা কোয়ান্টাইজড বা প্রতি-অক্ষ পূর্ণসংখ্যা কোয়ান্টাইজড মান সহ জটিল প্রকার

mhlo.broadcast (mhlo::BroadcastOp)

সম্প্রচার অপারেশন

এই অপারেশনটি StableHLO থেকে বেরিয়ে আসার পথে, তাই এটি স্পেসিফিকেশনে অন্তর্ভুক্ত নয়: https://github.com/openxla/stablehlo/issues/3

অনানুষ্ঠানিকভাবে, এই অপারেশনটি XLA এর সম্প্রচারের মতো একই কাজ করে: https://www.tensorflow.org/xla/operation_semantics#broadcast

উদাহরণ:

%result = mhlo.broadcast %operand, sizes = [1, 2] : (tensor<3xi32>) -> tensor<1x2x3xi32>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , InferTensorType , SameOperandsAndResultElementType

ইন্টারফেস: ConditionallySpeculatable স্পেকুলেটেবল , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	MLIR প্রকার	বর্ণনা
broadcast_sizes	::mlir::DenseIntElementsAttr	64-বিট সংকেতহীন পূর্ণসংখ্যা উপাদান বৈশিষ্ট্য

অপারেন্ডস:

অপারেন্ড	বর্ণনা
operand	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর পূর্ণসংখ্যা কোয়ান্টাইজড বা প্রতি-অক্ষ পূর্ণসংখ্যা কোয়ান্টাইজড মান সহ জটিল প্রকার

ফলাফল:

ফলাফল	বর্ণনা
"নামহীন"	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর পূর্ণসংখ্যা কোয়ান্টাইজড বা প্রতি-অক্ষ পূর্ণসংখ্যা কোয়ান্টাইজড মান সহ জটিল প্রকার

mhlo.broadcast_in_dim (mhlo::BroadcastInDimOp)

BroadcastInDim অপারেশন

operand টেনসরে ডেটা সদৃশ করে একটি ইনপুট টেনসরের মাত্রা এবং/অথবা র‌্যাঙ্ক প্রসারিত করে এবং result টেনসর তৈরি করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#broadcast_in_dim

উদাহরণ:

%result = mhlo.broadcast_in_dim %operand, dims = [2, 1] : (tensor<1x3xi32>) -> tensor<2x3x2xi32>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , HLO_CompatibleOperandsAndResultElementType

ইন্টারফেস: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	MLIR প্রকার	বর্ণনা
broadcast_dimensions	::mlir::DenseIntElementsAttr	64-বিট সংকেতহীন পূর্ণসংখ্যা উপাদান বৈশিষ্ট্য

অপারেন্ডস:

অপারেন্ড	বর্ণনা
operand	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর পূর্ণসংখ্যা কোয়ান্টাইজড বা প্রতি-অক্ষ পূর্ণসংখ্যা কোয়ান্টাইজড মান সহ জটিল প্রকার

ফলাফল:

ফলাফল	বর্ণনা
"নামহীন"	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর পূর্ণসংখ্যা কোয়ান্টাইজড বা প্রতি-অক্ষ পূর্ণসংখ্যার মান সহ জটিল প্রকারের স্ট্যাটিক আকৃতির বা একক আবদ্ধ মাত্রা

mhlo.case (mhlo::CaseOp)

কেস অপারেশন

index মানের উপর নির্ভর করে branches থেকে ঠিক একটি function নির্বাহ করে আউটপুট তৈরি করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#case

উদাহরণ:

%result0, %result1 = "mhlo.case"(%index) ({
  mhlo.return %result_branch0, %result_branch0 : tensor<2xi64>, tensor<2xi64>
}, {
  mhlo.return %result_branch1, %result_branch1 : tensor<2xi64>, tensor<2xi64>
}) : (tensor<i32>) -> (tensor<2xi64>, tensor<2xi64>)

বৈশিষ্ট্য: RecursiveMemoryEffects , SingleBlockImplicitTerminator<ReturnOp> , SingleBlock

ইন্টারফেস: InferTypeOpInterface

অপারেন্ডস:

অপারেন্ড	বর্ণনা
index	32-বিট সাইনলেস পূর্ণসংখ্যা মানের টেনসর

ফলাফল:

ফলাফল	বর্ণনা
"নামহীন"	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা 32/64-বিট ফ্লোট উপাদান সহ জটিল প্রকার বা প্রতি-টেনসর পূর্ণসংখ্যার কোয়ান্টাইজড মান বা প্রতি-টেন্সর থেকে কোয়ান্টারাইজড মানের র‌্যাঙ্ক করা টেনসরের বৈচিত্র্য

mhlo.cbrt (mhlo::CbrtOp)

সিবিআরটি অপারেশন

সিনট্যাক্স:

operation ::= `mhlo.cbrt` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

operand টেনসরে উপাদান-ভিত্তিক কিউবিক রুট অপারেশন করে এবং result টেনসর তৈরি করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#cbrt

উদাহরণ:

%result = mhlo.cbrt %operand : tensor<4xf32>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait ইমপ্লট্রেইট , CompatibleOperandsAndResultType ফলাফলের ধরন , Elementwise , SameOperandsAndResultShape

ইন্টারফেস: ConditionallySpeculatable স্পেকুলেটেবল , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	MLIR প্রকার	বর্ণনা
result_accuracy	::mlir::mhlo::ResultAccuracyAttr	ইউনারী অপারেশনের জন্য অনুরোধকৃত সঠিকতা।

অপারেন্ডস:

অপারেন্ড	বর্ণনা
operand	4/6/8/16/32/64-বিট ফ্লোট বা 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর পূর্ণসংখ্যা পরিমাপযুক্ত মান সহ জটিল ধরনের র‌্যাঙ্ক করা টেনসর

ফলাফল:

ফলাফল	বর্ণনা
result	4/6/8/16/32/64-বিট ফ্লোট বা 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর পূর্ণসংখ্যা পরিমাপযুক্ত মান সহ জটিল ধরনের র‌্যাঙ্ক করা টেনসর

mhlo.ceil (mhlo::CeilOp)

সিল অপারেশন

সিনট্যাক্স:

operation ::= `mhlo.ceil` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

operand টেনসরের উপাদান-ভিত্তিক সিল সম্পাদন করে এবং result টেনসর তৈরি করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#ceil

উদাহরণ:

%result = mhlo.ceil %operand : tensor<5xf32>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait ইমপ্লট্রেইট , CompatibleOperandsAndResultType ফলাফলের ধরন , Elementwise , SameOperandsAndResultShape

ইন্টারফেস: ConditionallySpeculatable স্পেকুলেটেবল , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

অপারেন্ড	বর্ণনা
operand	4/6/8/16/32/64-বিট ফ্লোট বা প্রতি-টেনসর পূর্ণসংখ্যা পরিমাপকৃত মানগুলির র‌্যাঙ্ক করা টেনসর

ফলাফল:

ফলাফল	বর্ণনা
result	4/6/8/16/32/64-বিট ফ্লোট বা প্রতি-টেনসর পূর্ণসংখ্যা পরিমাপকৃত মানগুলির র‌্যাঙ্ক করা টেনসর

mhlo.cholesky (mhlo::CholeskyOp)

চোলেস্কি অপারেশন

ম্যাট্রিক্সের একটি ব্যাচের চোলেস্কি পচন গণনা করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#cholesky

উদাহরণ:

%result = mhlo.cholesky %a, lower = true : tensor<3x3xf32>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , InferTensorType , SameOperandsAndResultElementType

ইন্টারফেস: ConditionallySpeculatable স্পেকুলেটেবল , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	MLIR প্রকার	বর্ণনা
lower	::mlir::BoolAttr	bool বৈশিষ্ট্য

অপারেন্ডস:

অপারেন্ড	বর্ণনা
a	4/6/8/16/32/64-বিট ফ্লোট বা 32/64-বিট ফ্লোট উপাদানের মান সহ জটিল ধরনের র‌্যাঙ্ক করা টেনসর

ফলাফল:

ফলাফল	বর্ণনা
"নামহীন"	4/6/8/16/32/64-বিট ফ্লোট বা 32/64-বিট ফ্লোট উপাদানের মান সহ জটিল ধরনের র‌্যাঙ্ক করা টেনসর

mhlo.clamp (mhlo::ClampOp)

ক্ল্যাম্প অপারেশন

সিনট্যাক্স:

operation ::= `mhlo.clamp` $min `,` $operand `,` $max attr-dict
              `:` custom<SameOperandsAndResultType>(type($min), type($operand), type($max), type($result))

operand টেনসরের প্রতিটি উপাদানকে ন্যূনতম এবং সর্বোচ্চ মানের মধ্যে ক্ল্যাম্প করে এবং result টেনসর তৈরি করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#clamp

উদাহরণ:

%result = mhlo.clamp %min, %operand, %max : tensor<3xi32>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , HLO_BroadcastingElementwise , InferTensorType , SameOperandsAndResultElementType

ইন্টারফেস: ConditionallySpeculatable স্পেকুলেটেবল , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

অপারেন্ড	বর্ণনা
min	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর পূর্ণসংখ্যা কোয়ান্টাইজড বা প্রতি-অক্ষ পূর্ণসংখ্যা কোয়ান্টাইজড মান সহ জটিল প্রকার
operand	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর পূর্ণসংখ্যা কোয়ান্টাইজড বা প্রতি-অক্ষ পূর্ণসংখ্যা কোয়ান্টাইজড মান সহ জটিল প্রকার
max	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর পূর্ণসংখ্যা কোয়ান্টাইজড বা প্রতি-অক্ষ পূর্ণসংখ্যা কোয়ান্টাইজড মান সহ জটিল প্রকার

ফলাফল:

ফলাফল	বর্ণনা
result	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর পূর্ণসংখ্যা কোয়ান্টাইজড বা প্রতি-অক্ষ পূর্ণসংখ্যা কোয়ান্টাইজড মান সহ জটিল প্রকার

mhlo.collective_broadcast (mhlo::CollectiveBroadcastOp)

যৌথ সম্প্রচার অপারেশন

প্রসেস গ্রিডে প্রতিটি প্রসেস গ্রুপের মধ্যে, সোর্স প্রসেস থেকে operand টেনসরের মান টার্গেট প্রসেসে পাঠান এবং result টেনসর তৈরি করুন।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#collective_broadcast

উদাহরণ:

%result = "mhlo.collective_broadcast"(%operand) {
  replica_groups = dense<[[0, 1]]> : tensor<1x2xi64>,
  channel_handle = #mhlo.channel_handle<handle = 0, type = 0>
} : (tensor<1x2xi64>) -> tensor<1x2xi64>

বৈশিষ্ট্য: CompatibleOperandsAndResultType ফলাফলের প্রকার

ইন্টারফেস: InferShapedTypeOpInterface , InferTypeOpInterface

গুণাবলী:

বৈশিষ্ট্য	MLIR প্রকার	বর্ণনা
replica_groups	::mlir::DenseIntElementsAttr	64-বিট সংকেতহীন পূর্ণসংখ্যা উপাদান বৈশিষ্ট্য
channel_handle	::mlir::mhlo::ChannelHandleAttr	দুটি 64-বিট পূর্ণসংখ্যা 'হ্যান্ডেল' এবং 'টাইপ'

অপারেন্ডস:

অপারেন্ড	বর্ণনা
operand	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর পূর্ণসংখ্যা কোয়ান্টাইজড বা প্রতি-অক্ষ পূর্ণসংখ্যা কোয়ান্টাইজড মান সহ জটিল প্রকার

ফলাফল:

ফলাফল	বর্ণনা
"নামহীন"	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর পূর্ণসংখ্যা কোয়ান্টাইজড বা প্রতি-অক্ষ পূর্ণসংখ্যা কোয়ান্টাইজড মান সহ জটিল প্রকার

mhlo.collective_permute (mhlo::CollectivePermuteOp)

যৌথ পারমিউট অপারেশন

প্রসেস গ্রিডে প্রতিটি প্রসেস গ্রুপের মধ্যে, সোর্স প্রসেস থেকে operand টেনসরের মান টার্গেট প্রসেসে পাঠায় এবং result টেনসর তৈরি করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#collective_permute

উদাহরণ:

%result = "mhlo.collective_permute"(%operand) {
  source_target_pairs = dense<[[0, 1], [1, 2]]> : tensor<2x2xi64>,
  // channel_id = 0
  channel_handle = #mhlo.channel_handle<handle = 0, type = 0>
} : (tensor<4x2xf32>) -> tensor<4x2xf32>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait ইমপ্লট্রেট, CompatibleOperandsAndResultType

ইন্টারফেস: ConditionallySpeculatable স্পেকুলেটেবল , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	MLIR প্রকার	বর্ণনা
source_target_pairs	::mlir::DenseIntElementsAttr	64-বিট সংকেতহীন পূর্ণসংখ্যা উপাদান বৈশিষ্ট্য
channel_handle	::mlir::mhlo::ChannelHandleAttr	দুটি 64-বিট পূর্ণসংখ্যা 'হ্যান্ডেল' এবং 'টাইপ'

অপারেন্ডস:

অপারেন্ড	বর্ণনা
operand	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর পূর্ণসংখ্যা কোয়ান্টাইজড বা প্রতি-অক্ষ পূর্ণসংখ্যা কোয়ান্টাইজড মান সহ জটিল প্রকার

ফলাফল:

ফলাফল	বর্ণনা
"নামহীন"	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর পূর্ণসংখ্যা কোয়ান্টাইজড বা প্রতি-অক্ষ পূর্ণসংখ্যা কোয়ান্টাইজড মান সহ জটিল প্রকার

mhlo.compare (mhlo::CompareOp)

অপারেশন তুলনা করুন

সিনট্যাক্স:

operation ::= `mhlo.compare` $comparison_direction `,` $lhs `,` $rhs (`,` $compare_type^)?
              attr-dict `:` functional-type(operands, results)

comparison_direction এবং compare_type অনুযায়ী lhs এবং rhs টেনসরের উপাদান-ভিত্তিক তুলনা সম্পাদন করে এবং result টেনসর তৈরি করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#compare

উদাহরণ:

%result = mhlo.compare LT, %lhs, %rhs, FLOAT : (tensor<2xf32>, tensor<2xf32>) -> tensor<2xi1>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait ইমপ্লট্রেইট , Elementwise , InferTensorType , SameOperandsAndResultShape অপারেন্ডস এবং রেজাল্টশেপ , SameOperandsElementType

ইন্টারফেস: ConditionallySpeculatable স্পেকুলেটেবল , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	MLIR প্রকার	বর্ণনা
comparison_direction	::mlir::mhlo::ComparisonDirectionAttr	কোন তুলনা অপারেশন সঞ্চালন.
compare_type	::mlir::mhlo:: ComparisonTypeAttr	কোন তুলনা টাইপ ব্যবহার করতে হবে।

অপারেন্ডস:

অপারেন্ড	বর্ণনা
lhs	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর পূর্ণসংখ্যা কোয়ান্টাইজড বা প্রতি-অক্ষ পূর্ণসংখ্যা কোয়ান্টাইজড মান সহ জটিল প্রকার
rhs	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর পূর্ণসংখ্যা কোয়ান্টাইজড বা প্রতি-অক্ষ পূর্ণসংখ্যা কোয়ান্টাইজড মান সহ জটিল প্রকার

ফলাফল:

ফলাফল	বর্ণনা
"নামহীন"	বুল মানগুলির র‌্যাঙ্ক করা টেনসর

mhlo.complex (mhlo::ComplexOp)

জটিল অপারেশন

সিনট্যাক্স:

operation ::= `mhlo.complex` operands attr-dict
              `:` custom<ComplexOpType>(type($lhs), type($rhs), type($result))

বাস্তব এবং কাল্পনিক মান, lhs এবং rhs থেকে একটি জটিল মানের উপাদান-ভিত্তিক রূপান্তর সম্পাদন করে এবং একটি result টেনসর তৈরি করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#complex

উদাহরণ:

%result = mhlo.complex %lhs, %rhs : tensor<2xcomplex<f32>>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait ইমপ্লট্রেইট , Elementwise , SameOperandsAndResultShape , SameOperandsElementType

ইন্টারফেস: ConditionallySpeculatable স্পেকুলেটেবল , InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

অপারেন্ড	বর্ণনা
lhs	32/64-বিট ফ্লোট মানের র‌্যাঙ্ক করা টেনসর
rhs	32/64-বিট ফ্লোট মানের র‌্যাঙ্ক করা টেনসর

ফলাফল:

ফলাফল	বর্ণনা
result	32/64-বিট ফ্লোট এলিমেন্টের মান সহ জটিল ধরণের র‌্যাঙ্ক করা টেনসর

mhlo.composite (mhlo::CompositeOp)

কম্পোজিট অপারেশন

সিনট্যাক্স:

operation ::= `mhlo.composite` $name $inputs attr-dict `:` functional-type(operands, results)

অন্যান্য StableHLO ক্রিয়াকলাপগুলির সমন্বয়ে গঠিত (রচিত) একটি অপারেশনকে এনক্যাপসুলেট করে, inputs এবং composite_attributes গ্রহণ করে এবং results তৈরি করে। অপের শব্দার্থবিদ্যা decomposition বৈশিষ্ট্য দ্বারা বাস্তবায়িত হয়। composite অপটি প্রোগ্রাম শব্দার্থবিদ্যা পরিবর্তন না করে তার পচন দিয়ে প্রতিস্থাপিত করা যেতে পারে। যেসব ক্ষেত্রে পচনকে অন্তর্ভুক্ত করা একই ওপি শব্দার্থবিজ্ঞান সরবরাহ করে না, custom_call ব্যবহার করা পছন্দ করে।

version ক্ষেত্রটি ( 0 এ ডিফল্ট) যখন কোনও সংমিশ্রণের শব্দার্থবিজ্ঞানের পরিবর্তন হয় তখন বোঝাতে ব্যবহৃত হয়।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#composite

উদাহরণ:

%results = mhlo.composite "my.op" %arg0, %arg1 {
  decomposition = @my_op,
  composite_attributes = { my_attribute = "my_value" },
  version = 1 : i32
} : (tensor<f32>, tensor<f32>) -> tensor<f32>

ইন্টারফেস: SymbolUserOpInterface

গুণাবলী:

বৈশিষ্ট্য	এমএলআইআর টাইপ	বর্ণনা
name	:: mlir :: স্ট্রিংএটিআর	স্ট্রিং বৈশিষ্ট্য
composite_attributes	:: mlir :: অভিধান	নামযুক্ত অ্যাট্রিবিউট মানগুলির অভিধান
decomposition	:: এমএলআইআর :: ফ্ল্যাটসিম্বোলারফ্যাটার	সমতল প্রতীক রেফারেন্স বৈশিষ্ট্য
version	:: mlir :: integerattr	32-বিট সাইনলেস পূর্ণসংখ্যা বৈশিষ্ট্য

অপারেন্ডস:

অপারেন্ড

বর্ণনা

inputs

4/6/8/16/30/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা কমপ্লেক্স টাইপের সাথে 32/64-বিট ফ্লোট উপাদান বা প্রতি টেনসর পূর্ণসংখ্যার কোয়ান্টাইজড বা পার-অক্ষের কোয়ান্টাইজড মান বা টোকেনের সাথে সংমিশ্রণ বা টোকেনের সাথে সংমিশ্রণ বা টোকেন বা টুপেলের সাথে র‌্যাঙ্কড টেনসারের ভেরিয়াডিক 4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা কমপ্লেক্স টাইপ সহ 32/64-বিট ফ্লোট উপাদান বা প্রতি টেনসর ইন্টিজার কোয়ান্টাইজড মান বা 4/6/16/32/64-বিট ফ্লোট বা মেম্রিফ বা বোল বা মেমরেফ 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা কমপ্লেক্স টাইপ 32/64-বিট ফ্লোট উপাদান বা প্রতি টেনসর পূর্ণসংখ্যার কোয়ান্টাইজড মানগুলি বা প্রতি-অক্ষের পূর্ণসংখ্যার কোয়ান্টাইজড মান বা টোকেন মানগুলির র‌্যাঙ্কড টেনসর সহ

ফলাফল:

ফলাফল

বর্ণনা

«নামবিহীন»

4/6/8/16/30/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা কমপ্লেক্স টাইপের সাথে 32/64-বিট ফ্লোট উপাদান বা প্রতি টেনসর পূর্ণসংখ্যার কোয়ান্টাইজড বা পার-অক্ষের কোয়ান্টাইজড মান বা টোকেনের সাথে সংমিশ্রণ বা টোকেনের সাথে সংমিশ্রণ বা টোকেন বা টুপেলের সাথে র‌্যাঙ্কড টেনসারের ভেরিয়াডিক 4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা কমপ্লেক্স টাইপ সহ 32/64-বিট ফ্লোট উপাদান বা প্রতি টেনসর ইন্টিজার কোয়ান্টাইজড মান বা 4/6/16/32/64-বিট ফ্লোট বা মেম্রিফ বা বোল বা মেমরেফ 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা কমপ্লেক্স টাইপ 32/64-বিট ফ্লোট উপাদান বা প্রতি টেনসর পূর্ণসংখ্যার কোয়ান্টাইজড মানগুলি বা প্রতি-অক্ষের পূর্ণসংখ্যার কোয়ান্টাইজড মান বা টোকেন মানগুলির র‌্যাঙ্কড টেনসর সহ

mhlo.concatenate (mhlo :: contenateatop)

কনটেনেট অপারেশন

প্রদত্ত আর্গুমেন্ট হিসাবে একই ক্রমে dimension মাত্রা বরাবর inputs একটি ভেরিয়াদিক সংখ্যক টেনারগুলি সংযুক্ত করে এবং result টেনসর তৈরি করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#concatenate

উদাহরণ:

%result = mhlo.concatenate %input0, %input1, dim = 0 : (tensor<3x2xi64>, tensor<1x2xi64>) -> tensor<4x2xi64>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait স্পেকুলেটেবলআইএমপিএলটিআর্ট, SameOperandsAndResultElementType

ইন্টারফেস: ConditionallySpeculatable স্পেসুলেটেবল, InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	এমএলআইআর টাইপ	বর্ণনা
dimension	:: mlir :: integerattr	64-বিট সাইনলেস পূর্ণসংখ্যার বৈশিষ্ট্য যার মান অ-নেতিবাচক

অপারেন্ডস:

অপারেন্ড	বর্ণনা
val	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা 32/64-বিট ফ্লোট উপাদান বা প্রতি টেনসর পূর্ণসংখ্যা কোয়ান্টাইজড বা পার-অক্ষের কোয়ান্টাইজড মানগুলির সাথে জটিল প্রকারের র‌্যাঙ্কড টেনসর এর ভেরিয়াডিক

ফলাফল:

ফলাফল	বর্ণনা
«নামবিহীন»	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা কমপ্লেক্স টাইপ 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর ইন্টেজার কোয়ান্টাইজড বা প্রতি-অক্ষের কোয়ান্টাইজড মানগুলির সাথে র‌্যাঙ্কড টেনসর

mhlo.constant (mhlo :: কনস্টান্টপ)

অবিচ্ছিন্ন অপারেশন

একটি ধ্রুবক value থেকে একটি output টেনসর উত্পাদন করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#constant

উদাহরণ:

%output = mhlo.constant dense<[[0.0, 1.0], [2.0, 3.0]]> : tensor<2x2xf32>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait স্পেকুলেটেবলআইএমপিএলটিআর্ট, ConstantLike

InferTypeOpInterface NoMemoryEffect (MemoryEffectOpInterface) ConditionallySpeculatable

প্রভাব: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	এমএলআইআর টাইপ	বর্ণনা
value	:: mlir :: এলিমেন্টস্যাটার	ধ্রুবক ভেক্টর/টেনসর বৈশিষ্ট্য

ফলাফল:

ফলাফল	বর্ণনা
output	4/6/8/16/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা কমপ্লেক্স টাইপ সহ 32/64-বিট ফ্লোট উপাদান বা প্রতি টেনসর পূর্ণসংখ্যা কোয়ান্টাইজড বা পার-অক্ষের কোয়ান্টাইজড মানসাইজড বা পার-অক্ষের কোয়ান্টাইজড মানগুলির সাথে স্ট্যাটিকালি আকারের টেনসর

mhlo.convert (mhlo :: কনভার্টপ)

অপারেশন রূপান্তর

সিনট্যাক্স:

operation ::= `mhlo.convert` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

operand টেনসারে একটি উপাদান থেকে অন্য উপাদান থেকে অন্যটিতে একটি উপাদান-ভিত্তিক রূপান্তর সম্পাদন করে এবং result টেনসর তৈরি করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md# কনভার্ট

উদাহরণ:

%result = mhlo.convert %operand : (tensor<3xi32>) -> tensor<3xcomplex<f32>>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait স্পেকুলেটেবলআইএমপিএলটিআর্ট, Elementwise , SameOperandsAndResultShape

ইন্টারফেস: ConditionallySpeculatable স্পেকুলেটেবল, InferShapedTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

অপারেন্ড	বর্ণনা
operand	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা কমপ্লেক্স টাইপ 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর ইন্টেজার কোয়ান্টাইজড বা প্রতি-অক্ষের কোয়ান্টাইজড মানগুলির সাথে র‌্যাঙ্কড টেনসর

ফলাফল:

ফলাফল	বর্ণনা
result	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা কমপ্লেক্স টাইপ 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর ইন্টেজার কোয়ান্টাইজড বা প্রতি-অক্ষের কোয়ান্টাইজড মানগুলির সাথে র‌্যাঙ্কড টেনসর

mhlo.convolution (mhlo :: কনভোলিউশনপ)

কনভোলিউশন অপারেশন

সিনট্যাক্স:

operation ::= `mhlo.convolution` `(`operands`)`
              `dim_numbers` `=` custom<ConvolutionDimensions>($dimension_numbers) `,`
              `window` `=` `{` custom<WindowAttributes>($window_strides, $padding,
              $lhs_dilation, $rhs_dilation,
              $window_reversal) `}`
              attr-dict `:` functional-type(operands, results)

lhs উইন্ডো এবং rhs স্লাইসগুলির মধ্যে ডট পণ্য গণনা করে এবং result উত্পাদন করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#convolution

উদাহরণ:

%result = "mhlo.convolution"(%lhs, %rhs) {
  window_strides = dense<4> : tensor<2xi64>,
  padding = dense<0> : tensor<2x2xi64>,
  lhs_dilation = dense<2> : tensor<2xi64>,
  rhs_dilation = dense<1> : tensor<2xi64>,
  window_reversal = dense<false> : tensor<2xi1>,
  dimension_numbers = #mhlo.conv<[b, 0, 1, f]x[0, 1, i, o]->[b, 0, 1, f]>,
  feature_group_count = 1 : i64,
  batch_group_count = 1 : i64,
  precision_config = [#stablehlo<precision DEFAULT>, #stablehlo<precision DEFAULT>]
} : (tensor<1x4x4x1xi32>, tensor<3x3x1x1xi32>) -> tensor<1x2x2x1xi32>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait

ইন্টারফেস NoMemoryEffect (MemoryEffectOpInterface) ConditionallySpeculatable

প্রভাব: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	এমএলআইআর টাইপ	বর্ণনা
window_strides	:: mlir :: denensintelementsttr	64-বিট সাইনলেস পূর্ণসংখ্যা উপাদান বৈশিষ্ট্য
padding	:: mlir :: denensintelementsttr	64-বিট সাইনলেস পূর্ণসংখ্যা উপাদান বৈশিষ্ট্য
lhs_dilation	:: mlir :: denensintelementsttr	64-বিট সাইনলেস পূর্ণসংখ্যা উপাদান বৈশিষ্ট্য
rhs_dilation	:: mlir :: denensintelementsttr	64-বিট সাইনলেস পূর্ণসংখ্যা উপাদান বৈশিষ্ট্য
window_reversal	:: mlir :: denenselementsttr	কনস্ট্যান্ট বুলিয়ান ভেক্টর/টেনসর বৈশিষ্ট্য
dimension_numbers	:: এমএলআইআর :: এমএইচএলও :: কনভিডিমেনশননুম্বারস্যাটার	কনভ ওপির জন্য মাত্রা তথ্যের কাঠামো
feature_group_count	:: mlir :: integerattr	64-বিট সাইনলেস পূর্ণসংখ্যার বৈশিষ্ট্য যার মান ইতিবাচক
batch_group_count	:: mlir :: integerattr	64-বিট সাইনলেস পূর্ণসংখ্যার বৈশিষ্ট্য যার মান ইতিবাচক
precision_config	:: mlir :: অ্যারেআটার	যথার্থ কনফিগারেশন বৈশিষ্ট্য

অপারেন্ডস:

অপারেন্ড	বর্ণনা
lhs	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা কমপ্লেক্স টাইপ 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর ইন্টেজার কোয়ান্টাইজড বা প্রতি-অক্ষের কোয়ান্টাইজড মানগুলির সাথে র‌্যাঙ্কড টেনসর
rhs	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা কমপ্লেক্স টাইপ 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর ইন্টেজার কোয়ান্টাইজড বা প্রতি-অক্ষের কোয়ান্টাইজড মানগুলির সাথে র‌্যাঙ্কড টেনসর

ফলাফল:

ফলাফল	বর্ণনা
«নামবিহীন»	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা কমপ্লেক্স টাইপ 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর ইন্টেজার কোয়ান্টাইজড বা প্রতি-অক্ষের কোয়ান্টাইজড মানগুলির সাথে র‌্যাঙ্কড টেনসর

mhlo.copy (mhlo :: কপিওপ)

অপারেশন অনুলিপি

সিনট্যাক্স:

operation ::= `mhlo.copy` operands attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

এই অপারেশনটি এক্সএলএ সংকলকের কাছে ব্যক্তিগত, সুতরাং এটির এখনও কোনও স্পেসিফিকেশন নেই।

অনানুষ্ঠানিকভাবে, এই অপারেশন operand একটি অনুলিপি। অপারেশনের সাথে সংযুক্ত মেটাডেটার উপর নির্ভর করে এটি কোনও নো-অপের থেকে বেশ আলাদা আচরণ করতে পারে।

উদাহরণ:

%0 = mhlo.copy %arg0 : tensor<f32>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait স্পেকুলেটেবলআইএমপিএলটিআর্ট, CompatibleOperandsAndResultType , Elementwise

ইন্টারফেস: ConditionallySpeculatable স্পেসুলেটেবল, InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	এমএলআইআর টাইপ	বর্ণনা
cross_program_prefetch_index	:: mlir :: integerattr	32-বিট সাইনলেস পূর্ণসংখ্যা বৈশিষ্ট্য

অপারেন্ডস:

অপারেন্ড

বর্ণনা

operand

4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা জটিল প্রকারের সাথে 32/64-বিট ফ্লোট উপাদান বা প্রতি টেনসর ইন্টেজার কোয়ান্টাইজড বা প্রতি-অক্ষের কোয়ান্টাইজড মানগুলির সাথে বা নেস্টেড টিউপলের সাথে যে কোনও সংমিশ্রণ বা নেস্টেড টিউপলের সাথে র‌্যাঙ্কড টেনসর র‌্যাঙ্কড 4/6/8/1/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা জটিল প্রকারের সাথে 32/64-বিট ফ্লোট উপাদান বা প্রতি টেনসর পূর্ণসংখ্যার কোয়ান্টাইজড মান বা 4/6/8/16/32/64-বিট ফ্লোট বা বোয়োল বা মেম্রিফ 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা কমপ্লেক্স টাইপ 32/64-বিট ফ্লোট উপাদান বা প্রতি টেনসর পূর্ণসংখ্যার কোয়ান্টাইজড মানগুলি বা প্রতি-অক্ষের পূর্ণসংখ্যার কোয়ান্টাইজড মান বা টোকেন মানগুলির র‌্যাঙ্কড টেনসর সহ

ফলাফল:

ফলাফল

বর্ণনা

result

4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা জটিল প্রকারের সাথে 32/64-বিট ফ্লোট উপাদান বা প্রতি টেনসর ইন্টেজার কোয়ান্টাইজড বা প্রতি-অক্ষের কোয়ান্টাইজড মানগুলির সাথে বা নেস্টেড টিউপলের সাথে যে কোনও সংমিশ্রণ বা নেস্টেড টিউপলের সাথে র‌্যাঙ্কড টেনসর র‌্যাঙ্কড 4/6/8/1/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা জটিল প্রকারের সাথে 32/64-বিট ফ্লোট উপাদান বা প্রতি টেনসর পূর্ণসংখ্যার কোয়ান্টাইজড মান বা 4/6/8/16/32/64-বিট ফ্লোট বা বোয়োল বা মেম্রিফ 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা কমপ্লেক্স টাইপ 32/64-বিট ফ্লোট উপাদান বা প্রতি টেনসর পূর্ণসংখ্যার কোয়ান্টাইজড মানগুলি বা প্রতি-অক্ষের পূর্ণসংখ্যার কোয়ান্টাইজড মান বা টোকেন মানগুলির র‌্যাঙ্কড টেনসর সহ

mhlo.cosh (mhlo :: coshop)

কোশ অপারেশন

সিনট্যাক্স:

operation ::= `mhlo.cosh` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

operand টেনসারে উপাদান-ভিত্তিক কোশ অপারেশন সম্পাদন করে এবং result টেনসর তৈরি করে।

উদাহরণ:

%result = mhlo.cosh %operand : tensor<2x2xf32>

SameOperandsAndResultShape Elementwise CompatibleOperandsAndResultType

ইন্টারফেস: InferShapedTypeOpInterface , InferTypeOpInterface

অপারেন্ডস:

অপারেন্ড	বর্ণনা
operand	4/6/8/16/32/64-বিট ফ্লোট বা 32/64-বিট ফ্লোট উপাদানগুলির মানগুলির সাথে জটিল প্রকারের টেনসর

ফলাফল:

ফলাফল	বর্ণনা
result	4/6/8/16/32/64-বিট ফ্লোট বা 32/64-বিট ফ্লোট উপাদানগুলির মানগুলির সাথে জটিল প্রকারের টেনসর

mhlo.cosine (mhlo :: cosineop)

কোসাইন অপারেশন

সিনট্যাক্স:

operation ::= `mhlo.cosine` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

operand টেনসারে উপাদান-ভিত্তিক কোসাইন অপারেশন সম্পাদন করে এবং result টেনসর তৈরি করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#cosine

উদাহরণ:

%result = mhlo.cosine %operand : tensor<2xf32>

SameOperandsAndResultShape : AlwaysSpeculatableImplTrait Elementwise , CompatibleOperandsAndResultType

ইন্টারফেস: ConditionallySpeculatable স্পেসুলেটেবল, InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	এমএলআইআর টাইপ	বর্ণনা
result_accuracy	:: mlir :: mhlo :: ফলাফল accuracyattr	ইউনিভার্সিটি অপ্সের জন্য অনুরোধ করা নির্ভুলতা।

অপারেন্ডস:

অপারেন্ড	বর্ণনা
operand	4/6/8/16/32/64-বিট ফ্লোট বা কমপ্লেক্স টাইপের 32/64-বিট ফ্লোট উপাদান বা প্রতি টেনসর ইন্টিগ্রেজ কোয়ান্টাইজড মানগুলির সাথে র‌্যাঙ্কড টেনসর

ফলাফল:

ফলাফল	বর্ণনা
result	4/6/8/16/32/64-বিট ফ্লোট বা কমপ্লেক্স টাইপের 32/64-বিট ফ্লোট উপাদান বা প্রতি টেনসর ইন্টিগ্রেজ কোয়ান্টাইজড মানগুলির সাথে র‌্যাঙ্কড টেনসর

mhlo.count_leading_zeros (mhlo :: Clzop)

সিএলজেড অপারেশন

সিনট্যাক্স:

operation ::= `mhlo.count_leading_zeros` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

operand টেনসারে শীর্ষস্থানীয় শূন্য বিটগুলির সংখ্যার উপাদান-ভিত্তিক গণনা সম্পাদন করে এবং result টেনসর তৈরি করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#count_leading_zeros

উদাহরণ:

%result = mhlo.count_leading_zeros %operand : tensor<2x2xi8>

SameOperandsAndResultShape : AlwaysSpeculatableImplTrait Elementwise , CompatibleOperandsAndResultType

ইন্টারফেস: ConditionallySpeculatable স্পেসুলেটেবল, InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

অপারেন্ড	বর্ণনা
operand	2/4/8/16/32/64-বিট পূর্ণসংখ্যার মানগুলির র‌্যাঙ্কড টেনসর

ফলাফল:

ফলাফল	বর্ণনা
result	2/4/8/16/32/64-বিট পূর্ণসংখ্যার মানগুলির র‌্যাঙ্কড টেনসর

mhlo.create_token (mhlo :: createtokenop)

ক্রিয়েটেটোকেন অপারেশন

সিনট্যাক্স:

operation ::= `mhlo.create_token` attr-dict `:` type(results)

এই অপারেশনটি স্থিতিশীলতার বাইরে চলে যাচ্ছে, সুতরাং এটি স্পেসিফিকেশনে অন্তর্ভুক্ত নয়: https://github.com/openxla/stablehlo/issues/3

অনানুষ্ঠানিকভাবে, এই অপারেশনটি 0 ইনপুট সহ আফটারাললপের মতো একই কাজ করে: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#after_all

উদাহরণ:

%output = mhlo.create_token : !mhlo.token

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait

InferTypeOpInterface NoMemoryEffect (MemoryEffectOpInterface) ConditionallySpeculatable

প্রভাব: MemoryEffects::Effect{}

ফলাফল:

ফলাফল	বর্ণনা
output	টোকেন

mhlo.cross-replica-sum (mhlo :: ক্রসরেপ্লিকাসামপ)

ক্রসরেপ্লিকাসাম অপারেশন

এই অপারেশনটি স্থিতিশীলতার বাইরে চলে যাচ্ছে, সুতরাং এটি স্পেসিফিকেশনে অন্তর্ভুক্ত নয়: https://github.com/openxla/stablehlo/issues/3

অনানুষ্ঠানিকভাবে, এই অপারেশনটি channel_id = 0 , use_global_device_ids = false এবং computation বাস্তবায়ন সংযোজন: https://github.com/spenxla/stablo/blob/docs/spec.md#all_reduce এর সাথে একই কাজ করে

উদাহরণ:

%result = "mhlo.cross-replica-sum"(%operand) {
  replica_groups = dense<[[0, 1]]> : tensor<1x2xi64>
} : (tensor<4xf32>) -> tensor<4xf32>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait স্পেকুলেটেবলআইএমপিএলটিআর্ট, CompatibleOperandsAndResultType

ইন্টারফেস: ConditionallySpeculatable স্পেসুলেটেবল, InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	এমএলআইআর টাইপ	বর্ণনা
replica_groups	:: mlir :: denensintelementsttr	64-বিট সাইনলেস পূর্ণসংখ্যা উপাদান বৈশিষ্ট্য

অপারেন্ডস:

অপারেন্ড	বর্ণনা
operand	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা কমপ্লেক্স টাইপ 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর ইন্টেজার কোয়ান্টাইজড বা প্রতি-অক্ষের কোয়ান্টাইজড মানগুলির সাথে র‌্যাঙ্কড টেনসর

ফলাফল:

ফলাফল	বর্ণনা
«নামবিহীন»	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা কমপ্লেক্স টাইপ 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর ইন্টেজার কোয়ান্টাইজড বা প্রতি-অক্ষের কোয়ান্টাইজড মানগুলির সাথে র‌্যাঙ্কড টেনসর

mhlo.custom_call (mhlo :: কাস্টমক্যাললপ)

কাস্টমক্যাল অপারেশন

সিনট্যাক্স:

operation ::= `mhlo.custom_call` custom<CustomCallTarget>($call_target_name) `(` $inputs `)`
              attr-dict `:` functional-type(operands, results)

একটি বাস্তবায়ন-সংজ্ঞায়িত অপারেশন call_target_name এনক্যাপসুলেট করে যা inputs নেয় এবং called_computations গ্রহণ করে এবং results দেয়।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#custom_call

উদাহরণ:

%results = "mhlo.custom_call"(%input0) {
  call_target_name = "foo",
  has_side_effect = false,
  backend_config = "bar",
  api_version = 1 : i32,
  called_computations = [@foo]
} : (tensor<f32>) -> tensor<f32>

A custom call invokes code external to XLA. The `inputs` are passed to the
external code, and the external code is expected to produce a result of the
given type. The exact mechanism is backend-specific. For example, in the CPU
backend, a call instruction is emitted which targets a symbol with the name
`call_target_name`.

If XLA runtime is enabled for a backend, then custom calls use the runtime
custom call calling convention to call into the external functions. This
calling convention defines an ABI for encoding arguments, attributes and
results.

Depending on the API version there are two ways to pass extra bits of static
information to the external function:

1. For `API_VERSION_TYPED_FFI` custom calls `backend_config` must be a
   dictionary attribute, that will be encoded according to the custom call
   calling convention and passed to the external function as the attributes
   argument. External code is expected to use declarative bindings (see
   `xla/runtime/custom_call.h`) to decode them at run time. These custom
   calls are only supported if XLA uses XLA runtime.

2. For previous API versions it is the user responsibility to encode extra
   bits of static information as a string `backend_config` attribute, and
   decode it at run time.

ইন্টারফেস: MemoryEffectOpInterface

গুণাবলী:

বৈশিষ্ট্য	এমএলআইআর টাইপ	বর্ণনা
call_target_name	:: mlir :: স্ট্রিংএটিআর	স্ট্রিং বৈশিষ্ট্য
has_side_effect	:: mlir :: Boolattr	বুল বৈশিষ্ট্য
backend_config	:: mlir :: বৈশিষ্ট্য	নামযুক্ত অ্যাট্রিবিউট মানগুলির স্ট্রিং অ্যাট্রিবিউট বা অভিধান
api_version	:: এমএলআইআর :: এমএইচএলও :: কাস্টমক্যালাপিভার্সন্যাটার	কাস্টম কল এপিআই সংস্করণ
called_computations	:: mlir :: অ্যারেআটার	ফ্ল্যাট প্রতীক রেফ অ্যারে বৈশিষ্ট্য
custom_call_schedule	:: এমএলআইআর :: এমএইচএলও :: কাস্টমক্যালসচেডুলেটার	কাস্টম-কলের জন্য কাঙ্ক্ষিত সময়সূচী নির্দিষ্ট করে।
operand_layouts	:: mlir :: অ্যারেআটার	লেআউটের অ্যারে (সূচকের ধরণের 1 ডি টেনসর) বৈশিষ্ট্যগুলি
result_layouts	:: mlir :: অ্যারেআটার	লেআউটের অ্যারে (সূচকের ধরণের 1 ডি টেনসর) বৈশিষ্ট্যগুলি
output_operand_aliases	:: mlir :: অ্যারেআটার	কাস্টমকলের আউটপুট এবং অপারেশনগুলির জন্য আলিয়াসিং অ্যাট্রিবিউট

অপারেন্ডস:

অপারেন্ড

বর্ণনা

inputs

4/6/8/16/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা জটিল প্রকারের 32/64-বিট ফ্লোট উপাদান বা প্রতি টেনসর পূর্ণসংখ্যার কোয়ান্টাইজড বা পার-অক্ষের পূর্ণসংখ্যার কোয়ান্টাইজড বা মেমরফ 4/6/32 এর সাথে 4/6/32/8/32 এর টেনসারের ভেরিয়াদিক ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা জটিল প্রকারের সাথে 32/64-বিট ফ্লোট উপাদান বা প্রতি টেনসর ইন্টিজার কোয়ান্টাইজড মান বা টোকেন বা নেস্টেড টিউপল 4/6/16/16/16/16/32/64-বিট ফ্লোট বা বোল বা বোল বা 22/8/32 এর সংমিশ্রণ সহ নেস্টেড টিপল 32/64-বিট ফ্লোট উপাদান বা প্রতি টেনসর পূর্ণসংখ্যা কোয়ান্টাইজড বা প্রতি-অক্ষের পূর্ণসংখ্যার কোয়ান্টাইজড মানগুলি বা 4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/8/16/16/16/64-বিট পূর্ণসংখ্যার সাথে 32/64-বিট পূর্ণসংখ্যা বা জটিল ধরণের 32/64-বিট পূর্ণসংখ্যা বা জটিল ধরণের সহ পূর্ণসংখ্যা বা জটিল প্রকার পূর্ণসংখ্যা কোয়ান্টাইজড মান বা টোকেন মান

ফলাফল:

ফলাফল

বর্ণনা

«নামবিহীন»

4/6/8/16/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা জটিল প্রকারের 32/64-বিট ফ্লোট উপাদান বা প্রতি টেনসর পূর্ণসংখ্যার কোয়ান্টাইজড বা পার-অক্ষের পূর্ণসংখ্যার কোয়ান্টাইজড বা মেমরফ 4/6/32 এর সাথে 4/6/32/8/32 এর টেনসারের ভেরিয়াদিক ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা জটিল প্রকারের সাথে 32/64-বিট ফ্লোট উপাদান বা প্রতি টেনসর ইন্টিজার কোয়ান্টাইজড মান বা টোকেন বা নেস্টেড টিউপল 4/6/16/16/16/16/32/64-বিট ফ্লোট বা বোল বা বোল বা 22/8/32 এর সংমিশ্রণ সহ নেস্টেড টিপল 32/64-বিট ফ্লোট উপাদান বা প্রতি টেনসর পূর্ণসংখ্যা কোয়ান্টাইজড বা প্রতি-অক্ষের পূর্ণসংখ্যার কোয়ান্টাইজড মানগুলি বা 4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/8/16/16/16/64-বিট পূর্ণসংখ্যার সাথে 32/64-বিট পূর্ণসংখ্যা বা জটিল ধরণের 32/64-বিট পূর্ণসংখ্যা বা জটিল ধরণের সহ পূর্ণসংখ্যা বা জটিল প্রকার পূর্ণসংখ্যা কোয়ান্টাইজড মান বা টোকেন মান

mhlo.divide (mhlo :: ডিভপ)

ডিভ অপারেশন

সিনট্যাক্স:

operation ::= `mhlo.divide` $lhs `,` $rhs attr-dict
              `:` custom<SameOperandsAndResultType>(type($lhs), type($rhs), type($result))

লভ্যাংশ lhs এবং বিভাজক rhs টেনারগুলির উপাদান-ভিত্তিক বিভাগ সম্পাদন করে এবং result টেনসর তৈরি করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#divide

উদাহরণ:

%result = mhlo.divide %lhs, %rhs : tensor<4xf32>

SameOperandsAndResultShape : AlwaysSpeculatableImplTrait Elementwise , CompatibleOperandsAndResultType

ইন্টারফেস: ConditionallySpeculatable স্পেসুলেটেবল, InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

অপারেন্ড	বর্ণনা
lhs	2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা 4/6/8/16/32/64-বিট ফ্লোট বা 32/64-বিট ফ্লোট উপাদান বা প্রতি টেনসর ইন্টেজার কোয়ান্টাইজড বা প্রতি-অক্ষের কোয়ান্টাইজড মানগুলির সাথে জটিল প্রকারের র‌্যাঙ্কড টেনসর
rhs	2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা 4/6/8/16/32/64-বিট ফ্লোট বা 32/64-বিট ফ্লোট উপাদান বা প্রতি টেনসর ইন্টেজার কোয়ান্টাইজড বা প্রতি-অক্ষের কোয়ান্টাইজড মানগুলির সাথে জটিল প্রকারের র‌্যাঙ্কড টেনসর

ফলাফল:

ফলাফল	বর্ণনা
result	2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা 4/6/8/16/32/64-বিট ফ্লোট বা 32/64-বিট ফ্লোট উপাদান বা প্রতি টেনসর ইন্টেজার কোয়ান্টাইজড বা প্রতি-অক্ষের কোয়ান্টাইজড মানগুলির সাথে জটিল প্রকারের র‌্যাঙ্কড টেনসর

mhlo.domain (mhlo :: ডোমেনপ)

ডোমেন অপারেশন

এই অপারেশনটি এক্সএলএ সংকলকের কাছে ব্যক্তিগত, সুতরাং এটির এখনও কোনও স্পেসিফিকেশন নেই।

অনানুষ্ঠানিকভাবে, এই অপারেশনগুলি একই ডোমেনমেটাডেটা সম্পত্তি সহ নির্দেশাবলী গোষ্ঠী করতে ব্যবহৃত হয়। শারডিংমেটাটা হ'ল একই ডিভাইসে নির্দেশাবলী গ্রুপের জন্য আজ প্রধান ব্যবহারের কেস। ডোমেন নির্দেশাবলী দুটি প্রধান সুবিধা সরবরাহ করে:

• ডোমেনগুলি জুড়ে অনিচ্ছাকৃতভাবে নির্দেশাবলী অনুকূলকরণ প্রতিরোধ করুন।
• ডোমেনে তৈরি নির্দেশাবলীর মেটাডেটা স্বয়ংক্রিয়ভাবে বরাদ্দ করুন। ডোমেন নির্দেশাবলী ব্যতীত, প্রতিটি এইচএলও অপ্টিমাইজেশন পাসটি মেটাডেটা পরীক্ষা করে প্রচার করতে হবে, যা মিস করা সহজ হবে এবং সংকলকটিতে জটিলতাও যুক্ত করে। যেহেতু ডোমেন নির্দেশাবলী দুটি পৃথক ডোমেন সংযুক্ত করে, প্রতিটি ডোমেন নির্দেশাবলী দুটি ডোমেনমেটাডেটার সাথে সম্পর্কিত - একটি অপারেন্ডের পাশের এবং একটি ডোমেনের ব্যবহারকারীর পাশে।

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait স্পেকুলেটেবলআইএমপিএলটিআর্ট, CompatibleOperandsAndResultType

ইন্টারফেস: ConditionallySpeculatable স্পেসুলেটেবল, InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	এমএলআইআর টাইপ	বর্ণনা
kind	:: mlir :: mhlo :: ডোমেনকিন্ড্যাটার	একটি এইচএলও ডোমেনের সাথে সংযুক্ত ডোমেন মেটাটাটা।
entry_metadata	:: mlir :: স্ট্রিংএটিআর	স্ট্রিং বৈশিষ্ট্য
exit_metadata	:: mlir :: স্ট্রিংএটিআর	স্ট্রিং বৈশিষ্ট্য

অপারেন্ডস:

অপারেন্ড	বর্ণনা
operand	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা জটিল প্রকারের সাথে 32/64-বিট ফ্লোট উপাদান বা প্রতি টেনসর পূর্ণসংখ্যার মান বা প্রতি-অক্ষের পূর্ণসংখ্যা কোয়ান্টাইজড মানগুলির র‌্যাঙ্কড টেনসর বা টোকেনের র‌্যাঙ্কড টেনসর

ফলাফল:

ফলাফল	বর্ণনা
result	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা জটিল প্রকারের সাথে 32/64-বিট ফ্লোট উপাদান বা প্রতি টেনসর পূর্ণসংখ্যার মান বা প্রতি-অক্ষের পূর্ণসংখ্যা কোয়ান্টাইজড মানগুলির র‌্যাঙ্কড টেনসর বা টোকেনের র‌্যাঙ্কড টেনসর

mhlo.dot (mhlo :: ডটপ)

ডট অপারেশন

এই অপারেশনটি স্থিতিশীলতার বাইরে চলে যাচ্ছে, সুতরাং এটি স্পেসিফিকেশনে অন্তর্ভুক্ত নয়: https://github.com/openxla/stablehlo/issues/3

অনানুষ্ঠানিকভাবে, এই অপারেশনটি এক্সএলএর বিন্দুর মতো একই কাজ করে: https://www.tensorflow.org/xla/operation_semantics#dot

উদাহরণ:

%0 = mhlo.dot %arg0, %arg1 : (tensor<1x2xi32>, tensor<2x1xi32>) -> tensor<1x1xi32>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait

ইন্টারফেস NoMemoryEffect (MemoryEffectOpInterface) ConditionallySpeculatable

প্রভাব: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	এমএলআইআর টাইপ	বর্ণনা
precision_config	:: mlir :: অ্যারেআটার	যথার্থ কনফিগারেশন বৈশিষ্ট্য

অপারেন্ডস:

অপারেন্ড	বর্ণনা
lhs	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা কমপ্লেক্স টাইপ 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর ইন্টেজার কোয়ান্টাইজড বা প্রতি-অক্ষের কোয়ান্টাইজড মানগুলির সাথে র‌্যাঙ্কড টেনসর
rhs	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা কমপ্লেক্স টাইপ 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর ইন্টেজার কোয়ান্টাইজড বা প্রতি-অক্ষের কোয়ান্টাইজড মানগুলির সাথে র‌্যাঙ্কড টেনসর

ফলাফল:

ফলাফল	বর্ণনা
«নামবিহীন»	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা কমপ্লেক্স টাইপ 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর ইন্টেজার কোয়ান্টাইজড বা প্রতি-অক্ষের কোয়ান্টাইজড মানগুলির সাথে র‌্যাঙ্কড টেনসর

mhlo.dot_general (mhlo :: Dotgeneralop)

ডটজেনারাল অপারেশন

lhs স্লাইস এবং rhs টুকরোগুলির মধ্যে ডট পণ্যগুলি গণনা করে এবং result টেনসর তৈরি করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#dot_general

উদাহরণ:

%result = "mhlo.dot_general"(%lhs, %rhs) {
  dot_dimension_numbers = #mhlo.dot<
    lhs_batching_dimensions = [0],
    rhs_batching_dimensions = [0],
    lhs_contracting_dimensions = [2],
    rhs_contracting_dimensions = [1]
  >,
  precision_config = [#stablehlo<precision DEFAULT>, #stablehlo<precision DEFAULT>]
} : (tensor<2x2x2xi32>, tensor<2x2x2xi32>) -> tensor<2x2x2xi32>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait

ইন্টারফেস: ConditionallySpeculatable স্পেকুলেটেবল, InferShapedTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	এমএলআইআর টাইপ	বর্ণনা
dot_dimension_numbers	:: mlir :: mhlo :: DotDimmentionnumbersattr	বিন্দুর জন্য মাত্রা তথ্য মডেল করে এমন বৈশিষ্ট্য।
precision_config	:: mlir :: অ্যারেআটার	যথার্থ কনফিগারেশন বৈশিষ্ট্য
algorithm	:: mlir :: mhlo :: DotalgorithMattr	বৈশিষ্ট্য যা কম্পিউটিং ডট জন্য ব্যবহার করতে অ্যালগরিদম সীমাবদ্ধতা মডেল করে।

অপারেন্ডস:

অপারেন্ড	বর্ণনা
lhs	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা কমপ্লেক্স টাইপ 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর ইন্টেজার কোয়ান্টাইজড বা প্রতি-অক্ষের কোয়ান্টাইজড মানগুলির সাথে র‌্যাঙ্কড টেনসর
rhs	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা কমপ্লেক্স টাইপ 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর ইন্টেজার কোয়ান্টাইজড বা প্রতি-অক্ষের কোয়ান্টাইজড মানগুলির সাথে র‌্যাঙ্কড টেনসর

ফলাফল:

ফলাফল	বর্ণনা
«নামবিহীন»	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা কমপ্লেক্স টাইপ 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর ইন্টেজার কোয়ান্টাইজড বা প্রতি-অক্ষের কোয়ান্টাইজড মানগুলির সাথে র‌্যাঙ্কড টেনসর

mhlo.dynamic_broadcast_in_dim (mhlo :: ডায়নামিকব্রোডকাস্টাইন্ডিমপ)

ডায়নামিকব্রোডকাস্টাইন্ডিম অপারেশন

এই অপারেশনটি ব্রডকাস্ট_ইন_ডিম ওপি -র সাথে কার্যত অভিন্ন, তবে ফলাফলের আকারটি output_dimensions মাধ্যমে গতিশীলভাবে নির্দিষ্ট করা হয়।

এটি মাত্রাগুলির প্রসারিত আচরণ সম্পর্কে স্থির জ্ঞান প্রকাশের জন্য al চ্ছিক বৈশিষ্ট্যগুলিও গ্রহণ করে। যদি নির্দিষ্ট না করা হয় তবে সমস্ত মাত্রা সম্ভবত প্রসারিত বলে ধরে নেওয়া হয়। মাত্রাগুলির সেটগুলি যা প্রসারিত হিসাবে পরিচিত এবং অ-প্রসারণ হিসাবে পরিচিত মাত্রাগুলির সেটগুলি অবশ্যই বিচ্ছিন্ন হতে হবে এবং সেগুলি অবশ্যই অপারেন্ডের মাত্রাগুলির একটি উপসেট হতে হবে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#dynamic_broadcast_in_dim

উদাহরণ:

%operand = mhlo.constant dense<[[1, 2, 3]]> : tensor<1x3xi64>
%output_dimensions = mhlo.constant dense<[2, 3, 2]> : tensor<3xi64>
%result = "mhlo.dynamic_broadcast_in_dim"(%operand, %output_dimensions) {
  broadcast_dimensions = array<i64: 2, 1>,
  known_expanding_dimensions = array<i64: 0>,
  known_nonexpanding_dimensions = array<i64: 1>
} : (tensor<1x3xi64>, tensor<3xi64>) -> tensor<2x3x2xi64>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait

ইন্টারফেস: ConditionallySpeculatable স্পেকুলেটেবল, InferShapedTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	এমএলআইআর টাইপ	বর্ণনা
broadcast_dimensions	:: mlir :: denensintelementsttr	64-বিট সাইনলেস পূর্ণসংখ্যা উপাদান বৈশিষ্ট্য
known_expanding_dimensions	:: mlir :: denensintelementsttr	64-বিট সাইনলেস পূর্ণসংখ্যা উপাদান বৈশিষ্ট্য
known_nonexpanding_dimensions	:: mlir :: denensintelementsttr	64-বিট সাইনলেস পূর্ণসংখ্যা উপাদান বৈশিষ্ট্য

অপারেন্ডস:

অপারেন্ড	বর্ণনা
operand	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা কমপ্লেক্স টাইপ 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর ইন্টেজার কোয়ান্টাইজড বা প্রতি-অক্ষের কোয়ান্টাইজড মানগুলির সাথে র‌্যাঙ্কড টেনসর
output_dimensions	সূচকের 1 ডি টেনসর বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যার মান

ফলাফল:

ফলাফল	বর্ণনা
«নামবিহীন»	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা কমপ্লেক্স টাইপ 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর ইন্টেজার কোয়ান্টাইজড বা প্রতি-অক্ষের কোয়ান্টাইজড মানগুলির সাথে র‌্যাঙ্কড টেনসর

mhlo.dynamic_conv (mhlo :: ডায়নামিককনভপ)

ডায়নামিককনভ অপারেশন

এই অপারেশনটি একটি কাজ চলছে, সুতরাং এটি এখনও স্পেসিফিকেশনে অন্তর্ভুক্ত নেই: https://github.com/openxla/stablehlo/issues/8

অনানুষ্ঠানিকভাবে, এই অপারেশনটি কনভলিউশনপের মতো একই কাজ করে যে padding d_padding মাধ্যমে গতিশীলভাবে নির্দিষ্ট করা হয়েছে: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#convolution

উদাহরণ:

%result = "mhlo.dynamic_conv"(%lhs, %rhs, %d_padding) {
  window_strides = dense<4> : tensor<2xi64>,
  lhs_dilation = dense<2> : tensor<2xi64>,
  rhs_dilation = dense<1> : tensor<2xi64>,
  window_reversal = dense<false> : tensor<2xi1>,
  dimension_numbers = #mhlo.conv<[b, 0, 1, f]x[0, 1, i, o]->[b, 0, 1, f]>,
  feature_group_count = 1 : i64,
  batch_group_count = 1 : i64,
  precision_config = [#stablehlo<precision DEFAULT>, #stablehlo<precision DEFAULT>]
} : (tensor<1x4x4x1xi32>, tensor<3x3x1x1xi32>, tensor<2x2xi64>) -> tensor<1x2x2x1xi32>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait

ইন্টারফেস NoMemoryEffect (MemoryEffectOpInterface) ConditionallySpeculatable

প্রভাব: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	এমএলআইআর টাইপ	বর্ণনা
window_strides	:: mlir :: denensintelementsttr	64-বিট সাইনলেস পূর্ণসংখ্যা উপাদান বৈশিষ্ট্য
padding	:: mlir :: denensintelementsttr	64-বিট সাইনলেস পূর্ণসংখ্যা উপাদান বৈশিষ্ট্য
lhs_dilation	:: mlir :: denensintelementsttr	64-বিট সাইনলেস পূর্ণসংখ্যা উপাদান বৈশিষ্ট্য
rhs_dilation	:: mlir :: denensintelementsttr	64-বিট সাইনলেস পূর্ণসংখ্যা উপাদান বৈশিষ্ট্য
window_reversal	:: mlir :: denenselementsttr	কনস্ট্যান্ট বুলিয়ান ভেক্টর/টেনসর বৈশিষ্ট্য
dimension_numbers	:: এমএলআইআর :: এমএইচএলও :: কনভিডিমেনশননুম্বারস্যাটার	কনভ ওপির জন্য মাত্রা তথ্যের কাঠামো
feature_group_count	:: mlir :: integerattr	64-বিট সাইনলেস পূর্ণসংখ্যার বৈশিষ্ট্য যার মান ইতিবাচক
batch_group_count	:: mlir :: integerattr	64-বিট সাইনলেস পূর্ণসংখ্যার বৈশিষ্ট্য যার মান ইতিবাচক
precision_config	:: mlir :: অ্যারেআটার	যথার্থ কনফিগারেশন বৈশিষ্ট্য

অপারেন্ডস:

অপারেন্ড	বর্ণনা
lhs	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা কমপ্লেক্স টাইপ 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর ইন্টেজার কোয়ান্টাইজড বা প্রতি-অক্ষের কোয়ান্টাইজড মানগুলির সাথে র‌্যাঙ্কড টেনসর
rhs	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা কমপ্লেক্স টাইপ 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর ইন্টেজার কোয়ান্টাইজড বা পার-অক্ষের কোয়ান্টাইজড মানগুলির সাথে র‌্যাঙ্কড টেনসর
d_padding	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা কমপ্লেক্স টাইপ 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর ইন্টেজার কোয়ান্টাইজড বা প্রতি-অক্ষের কোয়ান্টাইজড মানগুলির সাথে র‌্যাঙ্কড টেনসর

ফলাফল:

ফলাফল	বর্ণনা
«নামবিহীন»	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা কমপ্লেক্স টাইপ 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর ইন্টেজার কোয়ান্টাইজড বা প্রতি-অক্ষের কোয়ান্টাইজড মানগুলির সাথে র‌্যাঙ্কড টেনসর

mhlo.dynamic_gather (mhlo :: ডায়নামিকগাথেরপ)

ডায়নামিক গ্যাথার অপারেশন

এই অপারেশনটি একটি কাজ চলছে, সুতরাং এটি এখনও স্পেসিফিকেশনে অন্তর্ভুক্ত নেই: https://github.com/openxla/stablehlo/issues/8

অনানুষ্ঠানিকভাবে, এই অপারেশনটি slice_sizes গতিশীলভাবে নির্দিষ্ট করা ব্যতীত একই কাজ করে: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#gather

উদাহরণ:

%result = "mhlo.dynamic_gather"(%operand, %start_indices, %slice_sizes) {
  dimension_numbers = #mhlo.gather<
    offset_dims = [2, 3],
    collapsed_slice_dims = [0],
    start_index_map = [0, 2],
    index_vector_dim = 2>,
  indices_are_sorted = false
} : (tensor<3x4x2xi32>, tensor<2x3x2xi64>, tensor<3xi64>) -> tensor<2x3x2x2xi32>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , InferTensorType

ইন্টারফেস: ConditionallySpeculatable স্পেসুলেটেবল, InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	এমএলআইআর টাইপ	বর্ণনা
dimension_numbers	:: mlir :: mhlo :: gatherdimentionnumbersattr	বৈশিষ্ট্য যা সংগ্রহের জন্য মাত্রা তথ্য মডেল
indices_are_sorted	:: mlir :: Boolattr	বুল বৈশিষ্ট্য

অপারেন্ডস:

অপারেন্ড	বর্ণনা
operand	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা কমপ্লেক্স টাইপ 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর ইন্টেজার কোয়ান্টাইজড বা প্রতি-অক্ষের কোয়ান্টাইজড মানগুলির সাথে র‌্যাঙ্কড টেনসর
start_indices	2/4/8/16/32/64-বিট পূর্ণসংখ্যার মানগুলির র‌্যাঙ্কড টেনসর
slice_sizes	2/4/8/16/32/64-বিট পূর্ণসংখ্যার মানগুলির স্ট্যাটিক্যালি আকারের 1-মাত্রিক পূর্ণসংখ্যা টেনসর

ফলাফল:

ফলাফল	বর্ণনা
«নামবিহীন»	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা কমপ্লেক্স টাইপ 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর ইন্টেজার কোয়ান্টাইজড বা পার-অক্ষের কোয়ান্টাইজড মানগুলির সাথে র‌্যাঙ্কড টেনসর

mhlo.dynamic_iota (mhlo :: ডায়নামিকিওটিওপ)

গতিশীল অপারেশন

এই অপারেশনটি আইওটিএ অপের সাথে কার্যত অভিন্ন, তবে ফলাফলের আকারটি output_shape মাধ্যমে গতিশীলভাবে নির্দিষ্ট করা হয়।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#dynamic_iota

উদাহরণ:

%0 = mhlo.dynamic_iota %arg0, dim = 0 : (tensor<1xindex>) -> tensor<4xi32>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait

ইন্টারফেস: ConditionallySpeculatable স্পেকুলেটেবল, InferShapedTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	এমএলআইআর টাইপ	বর্ণনা
iota_dimension	:: mlir :: integerattr	64-বিট সাইনলেস পূর্ণসংখ্যার বৈশিষ্ট্য যার মান অ-নেতিবাচক

অপারেন্ডস:

অপারেন্ড	বর্ণনা
output_shape	সূচকের 1 ডি টেনসর বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যার মান

ফলাফল:

ফলাফল	বর্ণনা
result	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা কমপ্লেক্স টাইপ 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর ইন্টেজার কোয়ান্টাইজড বা প্রতি-অক্ষের কোয়ান্টাইজড মানগুলির সাথে র‌্যাঙ্কড টেনসর

mhlo.dynamic_pad (mhlo :: ডায়নামিকপ্যাডপ)

ডায়নামিকপ্যাড অপারেশন

সিনট্যাক্স:

operation ::= `mhlo.dynamic_pad` operands attr-dict `:` functional-type(operands, results)

গতিশীলভাবে প্যাডগুলি operand , লো-এন্ড/হাই-এন্ড/ইন্টিরিয়ারে যোগ করা পরিমাণে প্যাডিং সহ ইনপুট টেনারগুলির মধ্য দিয়ে যায়।

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait

ইন্টারফেস: ConditionallySpeculatable স্পেকুলেটেবল, InferShapedTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

অপারেন্ড	বর্ণনা
operand	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা কমপ্লেক্স টাইপ 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর ইন্টেজার কোয়ান্টাইজড বা প্রতি-অক্ষের কোয়ান্টাইজড মানগুলির সাথে র‌্যাঙ্কড টেনসর
padding_value	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা কমপ্লেক্স টাইপ 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর ইন্টেজার কোয়ান্টাইজড বা প্রতি-অক্ষের কোয়ান্টাইজড মানগুলির সাথে র‌্যাঙ্কড টেনসর
edge_padding_low	সূচকের 1 ডি টেনসর বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যার মান
edge_padding_high	সূচকের 1 ডি টেনসর বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যার মান
interior_padding	সূচকের 1 ডি টেনসর বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যার মান

ফলাফল:

ফলাফল	বর্ণনা
result	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা কমপ্লেক্স টাইপ 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর ইন্টেজার কোয়ান্টাইজড বা প্রতি-অক্ষের কোয়ান্টাইজড মানগুলির সাথে র‌্যাঙ্কড টেনসর

mhlo.dynamic_reshape (mhlo :: ডায়নামিকরেশপপ)

ডায়নামিকরেশেপ অপারেশন

সিনট্যাক্স:

operation ::= `mhlo.dynamic_reshape` operands attr-dict `:` functional-type(operands, results)

এই অপারেশনটি পুনরায় আকার দেওয়ার জন্য কার্যত অভিন্ন, তবে ফলাফলের আকারটি output_shape মাধ্যমে গতিশীলভাবে নির্দিষ্ট করা হয়।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#dynamic_reshape

উদাহরণ:

%output_shape = mhlo.constant dense<[3, 2]> : tensor<2xi64>
%result = mhlo.dynamic_reshape %operand, %output_shape : (tensor<2x3xi64>, tensor<2xi64>) -> tensor<3x2xi64>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait

ইন্টারফেস: ConditionallySpeculatable স্পেকুলেটেবল, InferShapedTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

অপারেন্ড	বর্ণনা
operand	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা 32/64-বিট ফ্লোট উপাদান বা প্রতি টেনসর ইন্টেজার কোয়ান্টাইজড বা প্রতি-অক্ষের কোয়ান্টাইজড মানগুলির সাথে জটিল প্রকারের টেনসর
output_shape	সূচকের 1 ডি টেনসর বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যার মান

ফলাফল:

ফলাফল	বর্ণনা
result	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা 32/64-বিট ফ্লোট উপাদান বা প্রতি টেনসর ইন্টেজার কোয়ান্টাইজড বা প্রতি-অক্ষের কোয়ান্টাইজড মানগুলির সাথে জটিল প্রকারের টেনসর

mhlo.dynamic_slice (mhlo :: ডায়নামিক্সলিসোপ)

ডায়নামিক্সলিস অপারেশন

গতিশীলভাবে অভিযুক্ত প্রারম্ভিক সূচকগুলি ব্যবহার করে operand থেকে একটি টুকরো বের করে এবং result টেনসর তৈরি করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#dynamic_slice

উদাহরণ:

%result = mhlo.dynamic_slice %operand, %start_indices0, %start_indices1, sizes = [2, 2]
  : (tensor<4x4xi32>, tensor<i64>, tensor<i64>) -> tensor<2x2xi32>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , InferTensorType

ইন্টারফেস: ConditionallySpeculatable স্পেসুলেটেবল, InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	এমএলআইআর টাইপ	বর্ণনা
slice_sizes	:: mlir :: denensintelementsttr	64-বিট সাইনলেস পূর্ণসংখ্যা উপাদান বৈশিষ্ট্য

অপারেন্ডস:

অপারেন্ড	বর্ণনা
operand	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা কমপ্লেক্স টাইপ 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর ইন্টেজার কোয়ান্টাইজড বা প্রতি-অক্ষের কোয়ান্টাইজড মানগুলির সাথে র‌্যাঙ্কড টেনসর
start_indices	2/4/8/16/32/64-বিট পূর্ণসংখ্যার মানগুলির 0 ডি টেনসর এর ভেরিয়াদিক

ফলাফল:

ফলাফল	বর্ণনা
result	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা কমপ্লেক্স টাইপ 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর ইন্টেজার কোয়ান্টাইজড বা প্রতি-অক্ষের কোয়ান্টাইজড মানগুলির সাথে র‌্যাঙ্কড টেনসর

mhlo.dynamic_update_slice (mhlo :: ডায়নামিকআপডেটস্লাইসোপ)

ডায়নিকআপডেটস্লাইস অপারেশন

সিনট্যাক্স:

operation ::= `mhlo.dynamic_update_slice` operands attr-dict `:` functional-type(operands, results)

একটি result টেনসর তৈরি করে যা operand টেনসরের সমান, ব্যতীত start_indices শুরু হওয়া স্লাইসটি update মানগুলির সাথে আপডেট করা হয়।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#dynamic_update_slice

উদাহরণ:

%result = mhlo.dynamic_update_slice %operand, %update, %start_indices0, %start_indices1
  : (tensor<4x4xi32>, tensor<2x2xi32>, tensor<i64>, tensor<i64>) -> tensor<4x4xi32>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait , InferTensorType

ইন্টারফেস: ConditionallySpeculatable স্পেসুলেটেবল, InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

অপারেন্ড	বর্ণনা
operand	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা কমপ্লেক্স টাইপ 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর ইন্টেজার কোয়ান্টাইজড বা প্রতি-অক্ষের কোয়ান্টাইজড মানগুলির সাথে র‌্যাঙ্কড টেনসর
update	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা কমপ্লেক্স টাইপ 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর ইন্টেজার কোয়ান্টাইজড বা প্রতি-অক্ষের কোয়ান্টাইজড মানগুলির সাথে র‌্যাঙ্কড টেনসর
start_indices	2/4/8/16/32/64-বিট পূর্ণসংখ্যার মানগুলির 0 ডি টেনসর এর ভেরিয়াদিক

ফলাফল:

ফলাফল	বর্ণনা
result	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা কমপ্লেক্স টাইপ 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর ইন্টেজার কোয়ান্টাইজড বা পার-অক্ষের কোয়ান্টাইজড মানগুলির সাথে র‌্যাঙ্কড টেনসর

mhlo.einsum (mhlo :: আইনসমোপ)

আইনসাম অপারেশন

এই অপারেশনটি স্থিতিশীলতার বাইরে চলে যাচ্ছে, সুতরাং এটি স্পেসিফিকেশনে অন্তর্ভুক্ত নয়: https://github.com/openxla/stablehlo/issues/3

অনানুষ্ঠানিকভাবে, এই অপারেশন টিএফ এর আইনসামের মতো একই কাজ করে: https://www.tensorflow.org/api_docs/python/tf/einsum

উদাহরণ:

%result = "mhlo.einsum"(%lhs, %rhs) {
  einsum_config = "ab,bc->ac"
} : (tensor<4x16xf32>, tensor<16x4xf32>) -> tensor<4x4xf32>

বৈশিষ্ট্য: AlwaysSpeculatableImplTrait

ইন্টারফেস NoMemoryEffect (MemoryEffectOpInterface) ConditionallySpeculatable

প্রভাব: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	এমএলআইআর টাইপ	বর্ণনা
einsum_config	:: mlir :: স্ট্রিংএটিআর	স্ট্রিং বৈশিষ্ট্য

অপারেন্ডস:

অপারেন্ড	বর্ণনা
lhs	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা কমপ্লেক্স টাইপ 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর ইন্টেজার কোয়ান্টাইজড বা পার-অক্ষের কোয়ান্টাইজড মানগুলির সাথে র‌্যাঙ্কড টেনসর
rhs	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা কমপ্লেক্স টাইপ 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর ইন্টেজার কোয়ান্টাইজড বা পার-অক্ষের কোয়ান্টাইজড মানগুলির সাথে র‌্যাঙ্কড টেনসর

ফলাফল:

ফলাফল	বর্ণনা
«নামবিহীন»	4/6/8/16/32/64-বিট ফ্লোট বা বুল বা 2/4/8/16/32/64-বিট পূর্ণসংখ্যা বা কমপ্লেক্স টাইপ 32/64-বিট ফ্লোট উপাদান বা প্রতি-টেনসর ইন্টেজার কোয়ান্টাইজড বা পার-অক্ষের কোয়ান্টাইজড মানগুলির সাথে র‌্যাঙ্কড টেনসর

mhlo.erf (mhlo :: erfop)

ERF অপারেশন

সিনট্যাক্স:

operation ::= `mhlo.erf` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

operand টেনসরে উপাদান-ভিত্তিক ইআরএফ অপারেশন সম্পাদন করে এবং result টেনসর তৈরি করে।

উদাহরণ:

%result = mhlo.erf %operand : tensor<2x2xf32>

SameOperandsAndResultShape : AlwaysSpeculatableImplTrait Elementwise , CompatibleOperandsAndResultType

ইন্টারফেস: ConditionallySpeculatable স্পেসুলেটেবল, InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

অপারেন্ডস:

অপারেন্ড	বর্ণনা
operand	4/6/8/16/32/64-বিট ফ্লোট মানগুলির র‌্যাঙ্কড টেনসর

ফলাফল:

ফলাফল	বর্ণনা
result	4/6/8/16/32/64-বিট ফ্লোট মানগুলির র‌্যাঙ্কড টেনসর

mhlo.exponential (mhlo :: Popop)

এক্সপ অপারেশন

সিনট্যাক্স:

operation ::= `mhlo.exponential` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

operand টেনসরে উপাদান-ভিত্তিক এক্সফোনেনশিয়াল অপারেশন সম্পাদন করে এবং result টেনসর তৈরি করে।

দেখুন: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#exponencal

উদাহরণ:

%result = mhlo.exponential %operand : tensor<2x2xf64>

SameOperandsAndResultShape : AlwaysSpeculatableImplTrait Elementwise , CompatibleOperandsAndResultType

ইন্টারফেস: ConditionallySpeculatable স্পেসুলেটেবল, InferShapedTypeOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

প্রভাব: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	এমএলআইআর টাইপ	বর্ণনা
result_accuracy	:: mlir :: mhlo :: ফলাফল accuracyattr	ইউনিভার্সিটি অপ্সের জন্য অনুরোধ করা নির্ভুলতা।

অপারেন্ডস:

অপারেন্ড	বর্ণনা
operand	ranked tensor of 4/6/8/16/32/64-bit float or complex type with 32/64-bit float elements or per-tensor integer quantized values

ফলাফল:

ফলাফল	বর্ণনা
result	ranked tensor of 4/6/8/16/32/64-bit float or complex type with 32/64-bit float elements or per-tensor integer quantized values

mhlo.exponential_minus_one (mhlo::Expm1Op)

Expm1 operation

সিনট্যাক্স:

operation ::= `mhlo.exponential_minus_one` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

Performs element-wise exponential minus one operation on operand tensor and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#exponential_minus_one

উদাহরণ:

%result = mhlo.exponential_minus_one %operand : tensor<2xf32>

Traits: AlwaysSpeculatableImplTrait , CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	MLIR Type	বর্ণনা
result_accuracy	::mlir::mhlo::ResultAccuracyAttr	The requested accuracy for unary ops.

অপারেন্ডস:

Operand	বর্ণনা
operand	ranked tensor of 4/6/8/16/32/64-bit float or complex type with 32/64-bit float elements or per-tensor integer quantized values

ফলাফল:

ফলাফল	বর্ণনা
result	ranked tensor of 4/6/8/16/32/64-bit float or complex type with 32/64-bit float elements or per-tensor integer quantized values

mhlo.fft (mhlo::FftOp)

Fft operation

Performs the forward and inverse Fourier transforms for real and complex inputs/outputs.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#fft

উদাহরণ:

%result = mhlo.fft %operand, type = FFT, length = [4] : (tensor<4xcomplex<f32>>) -> tensor<4xcomplex<f32>>

Traits: AlwaysSpeculatableImplTrait , InferTensorType

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

Effects: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	MLIR Type	বর্ণনা
fft_type	::mlir::mhlo::FftTypeAttr	XLA fast fourier transform type.
fft_length	::mlir::DenseIntElementsAttr	64-bit signless integer elements attribute

অপারেন্ডস:

Operand	বর্ণনা
operand	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

ফলাফল:

ফলাফল	বর্ণনা
«unnamed»	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

mhlo.floor (mhlo::FloorOp)

মেঝে অপারেশন

সিনট্যাক্স:

operation ::= `mhlo.floor` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

Performs element-wise floor of operand tensor and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#floor

উদাহরণ:

%result = mhlo.floor %operand : tensor<2xf32>

Traits: AlwaysSpeculatableImplTrait , CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

অপারেন্ডস:

Operand	বর্ণনা
operand	ranked tensor of 4/6/8/16/32/64-bit float or per-tensor integer quantized values

ফলাফল:

ফলাফল	বর্ণনা
result	ranked tensor of 4/6/8/16/32/64-bit float or per-tensor integer quantized values

mhlo.fusion (mhlo::FusionOp)

Fusion operation

This operation is private to the XLA compiler, so it is does not yet have a specification.

Informally, this operation consists of a group of basic ops (represented as a region attached to it). It serves as a hint to the backend that it is beneficial to emit the contained ops into a single loop nest or kernel.

গুণাবলী:

বৈশিষ্ট্য	MLIR Type	বর্ণনা
fusion_kind	::mlir::mhlo::FusionKindAttr	fusion kind
output_operand_aliases	::mlir::ArrayAttr	Aliasing attribute for outputs and operands of Fusion

অপারেন্ডস:

Operand	বর্ণনা
inputs	variadic of ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized values or ranked tensor of per-axis integer quantized values or token

ফলাফল:

ফলাফল

বর্ণনা

results

variadic of ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values or nested tuple with any combination of ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized values or memref of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized values or ranked tensor of per-axis integer quantized values or token values

mhlo.gather (mhlo::GatherOp)

Gather operation

Gathers slices from operand tensor from offsets specified in start_indices and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#gather

উদাহরণ:

%result = "mhlo.gather"(%operand, %start_indices) {
  dimension_numbers = #stablehlo.gather<
    offset_dims = [3, 4],
    collapsed_slice_dims = [1],
    operand_batching_dims = [0],
    start_indices_batching_dims = [1],
    start_index_map = [2, 1],
    index_vector_dim = 3>,
  slice_sizes = dense<[0, 2, 2]> : tensor<3xi64>,
  indices_are_sorted = false
} : (tensor<2x3x4x2xi64>, tensor<2x2x3x2xi64>) -> tensor<2x2x3x2x2xi64>

Traits: AlwaysSpeculatableImplTrait , InferTensorType

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

Effects: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	MLIR Type	বর্ণনা
dimension_numbers	::mlir::mhlo::GatherDimensionNumbersAttr	Attribute that models the dimension information for gather
slice_sizes	::mlir::DenseIntElementsAttr	64-bit signless integer elements attribute
indices_are_sorted	::mlir::BoolAttr	bool attribute

অপারেন্ডস:

Operand	বর্ণনা
operand	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values
start_indices	ranked tensor of 2/4/8/16/32/64-bit integer values

ফলাফল:

ফলাফল	বর্ণনা
«unnamed»	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

mhlo.get_dimension_size (mhlo::GetDimensionSizeOp)

GetDimensionSize operation

Produces the size of the given dimension of the operand .

See https://github.com/openxla/stablehlo/blob/main/docs/spec.md#get_dimension_size

উদাহরণ:

%result = mhlo.get_dimension_size %operand, dim = 1 : (tensor<2x3xf32>) -> tensor<i32>

Traits: AlwaysSpeculatableImplTrait , InferTensorType

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

Effects: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	MLIR Type	বর্ণনা
dimension	::mlir::IntegerAttr	64-bit signless integer attribute whose value is non-negative

অপারেন্ডস:

Operand	বর্ণনা
operand	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

ফলাফল:

ফলাফল	বর্ণনা
«unnamed»	tensor of 32-bit signless integer values

mhlo.get_tuple_element (mhlo::GetTupleElementOp)

GetTupleElement operation

সিনট্যাক্স:

operation ::= `mhlo.get_tuple_element` $operand `[` $index `]` attr-dict `:` functional-type(operands, results)

Extracts element at index position of the operand tuple and produces a result .

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#get_tuple_element

উদাহরণ:

%result = mhlo.get_tuple_element %operand[0] : (tuple<tensor<2xf32>, tuple<tensor<i32>>>) -> tensor<2xf32>

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	MLIR Type	বর্ণনা
index	::mlir::IntegerAttr	32-bit signless integer attribute whose value is non-negative

অপারেন্ডস:

Operand

বর্ণনা

operand

nested tuple with any combination of ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized values or memref of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized values or ranked tensor of per-axis integer quantized values or token values

ফলাফল:

ফলাফল

বর্ণনা

«unnamed»

ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values or token or nested tuple with any combination of ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized values or memref of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized values or ranked tensor of per-axis integer quantized values or token values or memref of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized values

mhlo.if (mhlo::IfOp)

If operation

Produces the output from executing exactly one branch from true_branch or false_branch depending on the value of pred .

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#if

Example: %result = "mhlo.if"(%pred) ({ "mhlo.return"(%result_true_branch) : (tensor ) -> () }, { "mhlo.return"(%result_false_branch) : (tensor ) -> () }) : (tensor ) -> tensor

Traits: RecursiveMemoryEffects , SingleBlockImplicitTerminator<ReturnOp> , SingleBlock

Interfaces: InferTypeOpInterface

অপারেন্ডস:

Operand	বর্ণনা
pred	ranked tensor of bool values

ফলাফল:

ফলাফল	বর্ণনা
«unnamed»	variadic of ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized values or ranked tensor of per-axis integer quantized values or token

mhlo.imag (mhlo::ImagOp)

Imag operation

সিনট্যাক্স:

operation ::= `mhlo.imag` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

Extracts the imaginary part, element-wise, from the operand and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#imag

উদাহরণ:

%result = mhlo.imag %operand : (tensor<2xcomplex<f32>>) -> tensor<2xf32>

Traits: AlwaysSpeculatableImplTrait , Elementwise , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

অপারেন্ডস:

Operand	বর্ণনা
operand	ranked tensor of 4/6/8/16/32/64-bit float or complex type with 32/64-bit float elements values

ফলাফল:

ফলাফল	বর্ণনা
result	ranked tensor of 4/6/8/16/32/64-bit float values

mhlo.infeed (mhlo::InfeedOp)

Infeed operation

Reads data from the infeed and produces results .

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#infeed

উদাহরণ:

%results:2 = "mhlo.infeed"(%token) {
  infeed_config = ""
} : (!mhlo.token) -> (tensor<3x3x3xi32>, !mhlo.token)

গুণাবলী:

বৈশিষ্ট্য	MLIR Type	বর্ণনা
infeed_config	::mlir::StringAttr	string attribute
layout	::mlir::ArrayAttr	array attribute

অপারেন্ডস:

Operand	বর্ণনা
token	টোকেন

ফলাফল:

ফলাফল

বর্ণনা

«unnamed»

variadic of statically shaped tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized values or statically shaped tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values or token

mhlo.iota (mhlo::IotaOp)

Iota operation

Fills an output tensor with values in increasing order starting from zero along the iota_dimension dimension.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#iota

উদাহরণ:

%output = mhlo.iota dim = 0 : tensor<4x5xi32>

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	MLIR Type	বর্ণনা
iota_dimension	::mlir::IntegerAttr	64-bit signless integer attribute whose value is non-negative

ফলাফল:

ফলাফল	বর্ণনা
output	statically shaped tensor of 2/4/8/16/32/64-bit integer or 4/6/8/16/32/64-bit float or complex type with 32/64-bit float elements values

mhlo.is_finite (mhlo::IsFiniteOp)

IsFinite operation

সিনট্যাক্স:

operation ::= `mhlo.is_finite` $x attr-dict `:` functional-type(operands, results)

Performs element-wise check whether the value in x is finite (ie is neither +Inf, -Inf, nor NaN) and produces a y tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#is_finite

উদাহরণ:

%y = mhlo.is_finite %x : (tensor<7xf32>) -> tensor<7xi1>

Traits: AlwaysSpeculatableImplTrait , Elementwise , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

অপারেন্ডস:

Operand	বর্ণনা
x	ranked tensor of 4/6/8/16/32/64-bit float values

ফলাফল:

ফলাফল	বর্ণনা
y	ranked tensor of bool values

mhlo.log (mhlo::LogOp)

Log operation

সিনট্যাক্স:

operation ::= `mhlo.log` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

Performs element-wise logarithm operation on operand tensor and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#log

উদাহরণ:

%result = mhlo.log %operand : tensor<2x2xf64>

Traits: AlwaysSpeculatableImplTrait , CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	MLIR Type	বর্ণনা
result_accuracy	::mlir::mhlo::ResultAccuracyAttr	The requested accuracy for unary ops.

অপারেন্ডস:

Operand	বর্ণনা
operand	ranked tensor of 4/6/8/16/32/64-bit float or complex type with 32/64-bit float elements or per-tensor integer quantized values

ফলাফল:

ফলাফল	বর্ণনা
result	ranked tensor of 4/6/8/16/32/64-bit float or complex type with 32/64-bit float elements or per-tensor integer quantized values

mhlo.log_plus_one (mhlo::Log1pOp)

Log1p operation

সিনট্যাক্স:

operation ::= `mhlo.log_plus_one` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

Performs element-wise logarithm plus one operation on operand tensor and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#log_plus_one

উদাহরণ:

%result = mhlo.log_plus_one %operand : tensor<6xf32>

Traits: AlwaysSpeculatableImplTrait , CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	MLIR Type	বর্ণনা
result_accuracy	::mlir::mhlo::ResultAccuracyAttr	The requested accuracy for unary ops.

অপারেন্ডস:

Operand	বর্ণনা
operand	ranked tensor of 4/6/8/16/32/64-bit float or complex type with 32/64-bit float elements or per-tensor integer quantized values

ফলাফল:

ফলাফল	বর্ণনা
result	ranked tensor of 4/6/8/16/32/64-bit float or complex type with 32/64-bit float elements or per-tensor integer quantized values

mhlo.logistic (mhlo::LogisticOp)

Logistic operation

সিনট্যাক্স:

operation ::= `mhlo.logistic` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

Performs element-wise logistic operation on operand tensor and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#logistic

উদাহরণ:

%result = mhlo.logistic %operand : tensor<2x2xf32>

Traits: AlwaysSpeculatableImplTrait , CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	MLIR Type	বর্ণনা
result_accuracy	::mlir::mhlo::ResultAccuracyAttr	The requested accuracy for unary ops.

অপারেন্ডস:

Operand	বর্ণনা
operand	ranked tensor of 4/6/8/16/32/64-bit float or complex type with 32/64-bit float elements or per-tensor integer quantized values

ফলাফল:

ফলাফল	বর্ণনা
result	ranked tensor of 4/6/8/16/32/64-bit float or complex type with 32/64-bit float elements or per-tensor integer quantized values

mhlo.map (mhlo::MapOp)

Map operation

Applies a map function computation to inputs along the dimensions and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#map

উদাহরণ:

%result = "mhlo.map"(%input0, %input1) ({
  ^bb0(%arg0: tensor<i32>, %arg1: tensor<i32>):
    %0 = mhlo.multiply %arg0, %arg1 : tensor<i32>
    mhlo.return %0 : tensor<i32>
}) {
  dimensions = dense<[0, 1]> : tensor<2xi64>
} : (tensor<2x2xi32>, tensor<2x2xi32>) -> tensor<2x2xi32>

Traits: InferTensorType , RecursiveMemoryEffects , SameOperandsAndResultShape , SingleBlockImplicitTerminator<ReturnOp> , SingleBlock

Interfaces: InferShapedTypeOpInterface , InferTypeOpInterface

গুণাবলী:

বৈশিষ্ট্য	MLIR Type	বর্ণনা
dimensions	::mlir::DenseIntElementsAttr	64-bit signless integer elements attribute

অপারেন্ডস:

Operand	বর্ণনা
inputs	variadic of ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

ফলাফল:

ফলাফল	বর্ণনা
«unnamed»	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

mhlo.maximum (mhlo::MaxOp)

Max operation

সিনট্যাক্স:

operation ::= `mhlo.maximum` $lhs `,` $rhs attr-dict
              `:` custom<SameOperandsAndResultType>(type($lhs), type($rhs), type($result))

Performs element-wise max operation on tensors lhs and rhs and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#maximum

উদাহরণ:

%result = mhlo.maximum %lhs, %rhs : tensor<4xf32>

Traits: AlwaysSpeculatableImplTrait , Commutative , CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

অপারেন্ডস:

Operand	বর্ণনা
lhs	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values
rhs	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

ফলাফল:

ফলাফল	বর্ণনা
result	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

mhlo.minimum (mhlo::MinOp)

Min operation

সিনট্যাক্স:

operation ::= `mhlo.minimum` $lhs `,` $rhs attr-dict
              `:` custom<SameOperandsAndResultType>(type($lhs), type($rhs), type($result))

Performs element-wise min operation on tensors lhs and rhs and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#minimum

উদাহরণ:

%result = mhlo.minimum %lhs, %rhs : tensor<4xf32>

Traits: AlwaysSpeculatableImplTrait , Commutative , CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

অপারেন্ডস:

Operand	বর্ণনা
lhs	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values
rhs	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

ফলাফল:

ফলাফল	বর্ণনা
result	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

mhlo.minimum_broadcast_shapes (mhlo::MinimumBroadcastShapesOp)

Minimizes the rank of two or more shapes to be broadcasted

সিনট্যাক্স:

operation ::= `mhlo.minimum_broadcast_shapes` $shapes attr-dict `:` type($shapes) `->` type($results)

Given two or more 1D tensors representing shapes, returns one 1D tensor for each operand, where operand i corresponds to output i .

The returned tensors have the property that they specify a shape which is a reshape of the corresponding input shape, and the broadcasted output shape (using shape::BroadcastOp) of the returned shapes is a reshape of the broadcasted output shape of the input shapes. Among all possibilities with this property, the one is chosen which minimizes the rank of each returned shape.

The general idea of this op is that it can be used for ops which have a broadcasting semantic to operate on shapes with a possibly smaller rank while preserving equivalence of the computed values. After computing the result of the op using reshaped operands, the result can be reshaped to the result that would have been originally computed.

Here is an example with two input shapes:

mhlo.minimum_broadcast_shapes [1, 2, 3, 1, 2, 1],
                                 [1, 1, 1, 2, 3] -> [6, 2, 1], [2, 3]

The broadcasted output shape of the operands is [1, 2, 3, 1, 2, 3], the broadcasted output shape of the outputs is [6, 2, 3]. These two shapes are reshapes of each other, and also each output is a reshape of the corresponding input.

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

অপারেন্ডস:

Operand	বর্ণনা
shapes	variadic of 1D tensor of index values

ফলাফল:

ফলাফল	বর্ণনা
results	variadic of 1D tensor of index values

mhlo.multiply (mhlo::MulOp)

Mul operation

সিনট্যাক্স:

operation ::= `mhlo.multiply` $lhs `,` $rhs attr-dict
              `:` custom<SameOperandsAndResultType>(type($lhs), type($rhs), type($result))

Performs element-wise product of two tensors lhs and rhs and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#multiply

উদাহরণ:

%result = mhlo.multiply %lhs, %rhs : tensor<2xi32>

Traits: AlwaysSpeculatableImplTrait , Commutative , CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

অপারেন্ডস:

Operand	বর্ণনা
lhs	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values
rhs	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

ফলাফল:

ফলাফল	বর্ণনা
result	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

mhlo.negate (mhlo::NegOp)

Neg operation

সিনট্যাক্স:

operation ::= `mhlo.negate` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

Performs element-wise negation of operand tensor and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#negate

উদাহরণ:

%result = mhlo.negate %operand : tensor<2x3xi32>

Traits: AlwaysSpeculatableImplTrait , CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

অপারেন্ডস:

Operand	বর্ণনা
operand	ranked tensor of 2/4/8/16/32/64-bit integer or 4/6/8/16/32/64-bit float or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

ফলাফল:

ফলাফল	বর্ণনা
result	ranked tensor of 2/4/8/16/32/64-bit integer or 4/6/8/16/32/64-bit float or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

mhlo.not (mhlo::NotOp)

Not operation

সিনট্যাক্স:

operation ::= `mhlo.not` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

Performs element-wise NOT of tensor operand of type integer and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#not

উদাহরণ:

%result = mhlo.not %operand : tensor<5x3x1xi1>

Traits: AlwaysSpeculatableImplTrait , CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

অপারেন্ডস:

Operand	বর্ণনা
operand	ranked tensor of bool or 2/4/8/16/32/64-bit integer values

ফলাফল:

ফলাফল	বর্ণনা
result	ranked tensor of bool or 2/4/8/16/32/64-bit integer values

mhlo.optimization_barrier (mhlo::OptimizationBarrierOp)

OptimizationBarrier operation

সিনট্যাক্স:

operation ::= `mhlo.optimization_barrier` attr-dict ($operand^ `:` custom<PairwiseOpType>(type($operand), type($result))):(`(` `)`)?

Ensures that the operations that produce the operand are executed before any operations that depend on the result and prevents compiler transformations from moving operations across the barrier. Other than that, the operation is an identity, ie result = operand .

See https://github.com/openxla/stablehlo/blob/main/docs/spec.md#optimization_barrier

উদাহরণ:

%result0, %result1 = mhlo.optimization_barrier %operand0, %operand1 : tensor<f32>, tensor<f32>

Traits: AlwaysSpeculatableImplTrait , HLO_PairwiseSameOperandAndResultType

Interfaces: ConditionallySpeculatable , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

অপারেন্ডস:

Operand	বর্ণনা
operand	variadic of ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized values or ranked tensor of per-axis integer quantized values or token

ফলাফল:

ফলাফল	বর্ণনা
result	variadic of ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized values or ranked tensor of per-axis integer quantized values or token

mhlo.or (mhlo::OrOp)

Or operation

সিনট্যাক্স:

operation ::= `mhlo.or` $lhs `,` $rhs attr-dict
              `:` custom<SameOperandsAndResultType>(type($lhs), type($rhs), type($result))

Performs element-wise OR of two tensors lhs and rhs and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#or

উদাহরণ:

%result = mhlo.or %lhs, %rhs : tensor<2xi1>

Traits: AlwaysSpeculatableImplTrait , Commutative , CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

অপারেন্ডস:

Operand	বর্ণনা
lhs	ranked tensor of bool or 2/4/8/16/32/64-bit integer values
rhs	ranked tensor of bool or 2/4/8/16/32/64-bit integer values

ফলাফল:

ফলাফল	বর্ণনা
result	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

mhlo.outfeed (mhlo::OutfeedOp)

Outfeed operation

Writes inputs to the outfeed and produces a result token.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#outfeed

উদাহরণ:

%result = "mhlo.outfeed"(%input0, %token) {
  outfeed_config = ""
} : (tensor<3x3x3xi32>, !mhlo.token) -> !mhlo.token

Interfaces: InferTypeOpInterface

গুণাবলী:

বৈশিষ্ট্য	MLIR Type	বর্ণনা
outfeed_config	::mlir::StringAttr	string attribute

অপারেন্ডস:

Operand	বর্ণনা
inputs	variadic of ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values
token	টোকেন

ফলাফল:

ফলাফল	বর্ণনা
«unnamed»	টোকেন

mhlo.pad (mhlo::PadOp)

Pad operation

Expands operand by padding around the tensor as well as between the elements of the tensor with the given padding_value .

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#pad

উদাহরণ:

%0 = mhlo.pad %arg0, %arg1, low = [0, 1], high = [2, 1], interior = [1, 2]
  : (tensor<2x3xi32>, tensor<i32>) -> tensor<5x9xi32>

Traits: AlwaysSpeculatableImplTrait , SameOperandsAndResultElementType

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

Effects: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	MLIR Type	বর্ণনা
edge_padding_low	::mlir::DenseIntElementsAttr	64-bit signless integer elements attribute
edge_padding_high	::mlir::DenseIntElementsAttr	64-bit signless integer elements attribute
interior_padding	::mlir::DenseIntElementsAttr	64-bit signless integer elements attribute

অপারেন্ডস:

Operand	বর্ণনা
operand	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values
padding_value	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

ফলাফল:

ফলাফল	বর্ণনা
«unnamed»	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

mhlo.partition_id (mhlo::PartitionIdOp)

PartitionId operation

সিনট্যাক্স:

operation ::= `mhlo.partition_id` attr-dict `:` type(results)

Produces partition_id of the current process.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#partition_id

উদাহরণ:

%result = mhlo.partition_id : tensor<ui32>

Interfaces: InferTypeOpInterface

ফলাফল:

ফলাফল	বর্ণনা
«unnamed»	ranked tensor of 32-bit unsigned integer values

mhlo.popcnt (mhlo::PopulationCountOp)

PopulationCount operation

সিনট্যাক্স:

operation ::= `mhlo.popcnt` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

Performs element-wise count of the number of bits set in the operand tensor and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#popcnt

উদাহরণ:

%result = mhlo.popcnt %operand : tensor<4xi8>

Traits: AlwaysSpeculatableImplTrait , CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

অপারেন্ডস:

Operand	বর্ণনা
operand	ranked tensor of 2/4/8/16/32/64-bit integer values

ফলাফল:

ফলাফল	বর্ণনা
result	ranked tensor of 2/4/8/16/32/64-bit integer values

mhlo.power (mhlo::PowOp)

Pow operation

সিনট্যাক্স:

operation ::= `mhlo.power` $lhs `,` $rhs attr-dict
              `:` custom<SameOperandsAndResultType>(type($lhs), type($rhs), type($result))

Performs element-wise exponentiation of lhs tensor by rhs tensor and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#power

উদাহরণ:

%result = mhlo.power %lhs, %rhs : tensor<6xf32>

Traits: AlwaysSpeculatableImplTrait , CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

অপারেন্ডস:

Operand	বর্ণনা
lhs	ranked tensor of 2/4/8/16/32/64-bit integer or 4/6/8/16/32/64-bit float or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values
rhs	ranked tensor of 2/4/8/16/32/64-bit integer or 4/6/8/16/32/64-bit float or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

ফলাফল:

ফলাফল	বর্ণনা
result	ranked tensor of 2/4/8/16/32/64-bit integer or 4/6/8/16/32/64-bit float or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

mhlo.ragged_dot (mhlo::RaggedDotOp)

Ragged matrix multiplication over a single ragged dimension

This operation takes three tensor args---lhs, rhs, and group_sizes---and a "ragged_dot_dimension_numbers" attribute. Like dot_general, the lhs and rhs are allowed arbitrary batch and contracting dimensions. Additionally, the lhs is required to have one ragged dimension, and the rhs may have at most one group dimension. The op has three modes, depending on the kind of the lhs ragged dimension.

In mode 1, the shape-signature is [b,m,k], [g,b,k,n], [b,g] -> [b,m,n] . Here the ragged dimension is an lhs non-contracting dimension ( m ). The dimensions b and k represent batch and contracting dimensions respectively. The rhs is required to have a group dimension ( g ).

In mode 2, the shape-signature is [b,m,k], [b,k,n], [b,g] -> [g,b,m,n] . Here the ragged dimension is an lhs/rhs contracting dimension ( k ).

In mode 3, the shape-signature is [b,m,k], [b,k,n], [g] -> [b,m,n] . Here the ragged dimension is an lhs/rhs batch dimension ( b ).

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	MLIR Type	বর্ণনা
ragged_dot_dimension_numbers	::mlir::mhlo::RaggedDotDimensionNumbersAttr	Attribute that models the dimension information for ragged dot.
precision_config	::mlir::ArrayAttr	Precision Config attribute

অপারেন্ডস:

Operand	বর্ণনা
lhs	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values
rhs	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values
group_sizes	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

ফলাফল:

ফলাফল	বর্ণনা
result	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized values

mhlo.real (mhlo::RealOp)

Real operation

সিনট্যাক্স:

operation ::= `mhlo.real` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

Extracts the real part, element-wise, from the operand and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#real

উদাহরণ:

%result = mhlo.real %operand : (tensor<2xcomplex<f32>>) -> tensor<2xf32>

Traits: AlwaysSpeculatableImplTrait , Elementwise , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

অপারেন্ডস:

Operand	বর্ণনা
operand	ranked tensor of 4/6/8/16/32/64-bit float or complex type with 32/64-bit float elements values

ফলাফল:

ফলাফল	বর্ণনা
result	ranked tensor of 4/6/8/16/32/64-bit float values

mhlo.real_dynamic_slice (mhlo::RealDynamicSliceOp)

RealDynamicSlice operation

সিনট্যাক্স:

operation ::= `mhlo.real_dynamic_slice` operands attr-dict `:` functional-type(operands, results)

This operation is a work in progress, so it is not yet included in the specification: https://github.com/openxla/stablehlo/issues/8

Informally, this operation does the same thing as SliceOp except that start_indices , limit_indices and strides are specified dynamically: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#slice

উদাহরণ:

%result = mhlo.real_dynamic_slice %operand,
            %start_indices, %limit_indices, %strides
       : (tensor<256x?xf32>, tensor<2xindex>, tensor<2xindex>, tensor<2xindex>) -> tensor<256x?xf32>

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , InferShapedTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

অপারেন্ডস:

Operand	বর্ণনা
operand	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values
start_indices	1D tensor of index or 2/4/8/16/32/64-bit integer values
limit_indices	1D tensor of index or 2/4/8/16/32/64-bit integer values
strides	1D tensor of index or 2/4/8/16/32/64-bit integer values

ফলাফল:

ফলাফল	বর্ণনা
result	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

mhlo.recv (mhlo::RecvOp)

Recv operation

Receives data from a channel with channel_id and produces results .

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#recv

উদাহরণ:

%results:2 = "mhlo.recv"(%token) {
  // channel_id = 5 : i64,
  // channel_type = #stablehlo<channel_type DEVICE_TO_DEVICE>,
  channel_handle = #mhlo.channel_handle<handle = 5, type = 1>,
  is_host_transfer = false,
  source_target_pairs = dense<[[0, 1], [1, 2]]> : tensor<2x2xi64>
} : (!mhlo.token) -> (tensor<3x4xi32>, !mhlo.token)

গুণাবলী:

বৈশিষ্ট্য	MLIR Type	বর্ণনা
channel_handle	::mlir::mhlo::ChannelHandleAttr	two 64-bit integers 'handle' and 'type'
is_host_transfer	::mlir::BoolAttr	bool attribute
source_target_pairs	::mlir::DenseIntElementsAttr	64-bit signless integer elements attribute

অপারেন্ডস:

Operand	বর্ণনা
token	টোকেন

ফলাফল:

ফলাফল

বর্ণনা

«unnamed»

variadic of statically shaped tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized values or statically shaped tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values or token

mhlo.reduce (mhlo::ReduceOp)

Reduce operation

Applies a reduction function body to inputs and init_values along the dimensions and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#reduce

উদাহরণ:

%result = "mhlo.reduce"(%input, %init_value) ({
  ^bb0(%arg0: tensor<i32>, %arg1: tensor<i32>):
    %0 = "mhlo.add"(%arg0, %arg1) : (tensor<i32>, tensor<i32>) -> tensor<i32>
    "mhlo.return"(%0) : (tensor<i32>) -> ()
}) {
  dimensions = dense<1> : tensor<1xi64>
} : (tensor<1x6xi32>, tensor<i32>) -> tensor<1xi32>

Traits: InferTensorType , RecursiveMemoryEffects , SameVariadicOperandSize , SingleBlockImplicitTerminator<ReturnOp> , SingleBlock

Interfaces: InferShapedTypeOpInterface , InferTypeOpInterface

গুণাবলী:

বৈশিষ্ট্য	MLIR Type	বর্ণনা
dimensions	::mlir::DenseIntElementsAttr	64-bit signless integer elements attribute

অপারেন্ডস:

Operand	বর্ণনা
inputs	variadic of ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values
init_values	variadic of ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

ফলাফল:

ফলাফল	বর্ণনা
«unnamed»	variadic of ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

mhlo.reduce_precision (mhlo::ReducePrecisionOp)

ReducePrecision operation

সিনট্যাক্স:

operation ::= `mhlo.reduce_precision` $operand `,` `format` `=` custom<ExponentMantissa>($exponent_bits, $mantissa_bits)
              attr-dict `:` custom<SameOperandsAndResultType>(type($operand), type($output))

Performs element-wise conversion of operand to another floating-point type that uses exponent_bits and mantissa_bits and back to the original floating-point type and produces an output tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#reduce_precision

উদাহরণ:

%output = mhlo.reduce_precision %operand, format = e5m2 : tensor<6xf32>

Traits: AlwaysSpeculatableImplTrait , CompatibleOperandsAndResultType , Elementwise

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

Effects: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	MLIR Type	বর্ণনা
exponent_bits	::mlir::IntegerAttr	32-bit signless integer attribute whose value is positive
mantissa_bits	::mlir::IntegerAttr	32-bit signless integer attribute whose value is non-negative

অপারেন্ডস:

Operand	বর্ণনা
operand	ranked tensor of 4/6/8/16/32/64-bit float values

ফলাফল:

ফলাফল	বর্ণনা
output	ranked tensor of 4/6/8/16/32/64-bit float values

mhlo.reduce_scatter (mhlo::ReduceScatterOp)

ReduceScatter operation

Within each process group in the process grid, performs reduction, using computations , over the values of the operand tensor from each process, splits the reduction result along scatter_dimension into parts, and scatters the split parts between the processes to produce the result .

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#reduce_scatter

উদাহরণ:

%result = "mhlo.reduce_scatter"(%operand) ({
  ^bb0(%arg0: tensor<f32>, %arg1: tensor<f32>):
  %0 = mhlo.add %arg0, %arg1 : tensor<f32>
  mhlo.return %0 : tensor<f32>
}) {
  scatter_dimension = 1 : i64,
  replica_groups = dense<[[0, 1]]> : tensor<1x2xi64>,
  // channel_id = 0
  channel_handle = #mhlo.channel_handle<handle = 0, type = 0>
  // use_global_device_ids = false
} : (tensor<2x4xf32>) -> tensor<2x2xf32>

গুণাবলী:

বৈশিষ্ট্য	MLIR Type	বর্ণনা
scatter_dimension	::mlir::IntegerAttr	64-bit signless integer attribute whose value is non-negative
replica_groups	::mlir::DenseIntElementsAttr	64-bit signless integer elements attribute
channel_handle	::mlir::mhlo::ChannelHandleAttr	two 64-bit integers 'handle' and 'type'
use_global_device_ids	::mlir::UnitAttr	unit attribute

অপারেন্ডস:

Operand	বর্ণনা
operand	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

ফলাফল:

ফলাফল	বর্ণনা
«unnamed»	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

mhlo.reduce_window (mhlo::ReduceWindowOp)

ReduceWindow operation

Applies a reduction function body to windows of inputs and init_values and produces results .

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#reduce_window

উদাহরণ:

%result = "mhlo.reduce_window"(%input, %init_value) ({
  ^bb0(%arg0: tensor<i32>, %arg1: tensor<i32>):
    %0 = mhlo.add %arg0, %arg1 : tensor<i32>
    mhlo.return %0 : tensor<i32>
}) {
  window_dimensions = dense<[2, 1]> : tensor<2xi64>,
  window_strides = dense<[4, 1]> : tensor<2xi64>,
  base_dilations = dense<[2, 1]> : tensor<2xi64>,
  window_dilations = dense<[3, 1]> : tensor<2xi64>,
  padding = dense<[[2, 1], [0, 0]]> : tensor<2x2xi64>
} : (tensor<3x2xi32>, tensor<i32>) -> tensor<2x2xi32>

Traits: InferTensorType , RecursiveMemoryEffects , SameVariadicOperandSize , SingleBlockImplicitTerminator<ReturnOp> , SingleBlock

Interfaces: InferShapedTypeOpInterface , InferTypeOpInterface

গুণাবলী:

বৈশিষ্ট্য	MLIR Type	বর্ণনা
window_dimensions	::mlir::DenseIntElementsAttr	64-bit signless integer elements attribute
window_strides	::mlir::DenseIntElementsAttr	64-bit signless integer elements attribute
base_dilations	::mlir::DenseIntElementsAttr	64-bit signless integer elements attribute
window_dilations	::mlir::DenseIntElementsAttr	64-bit signless integer elements attribute
padding	::mlir::DenseIntElementsAttr	64-bit signless integer elements attribute

অপারেন্ডস:

Operand	বর্ণনা
inputs	variadic of ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values
init_values	variadic of ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

ফলাফল:

ফলাফল	বর্ণনা
«unnamed»	variadic of ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

mhlo.remainder (mhlo::RemOp)

Rem operation

সিনট্যাক্স:

operation ::= `mhlo.remainder` $lhs `,` $rhs attr-dict
              `:` custom<SameOperandsAndResultType>(type($lhs), type($rhs), type($result))

Performs element-wise remainder of dividend lhs and divisor rhs tensors and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#remainder

উদাহরণ:

%result = mhlo.remainder %lhs, %rhs : tensor<4xi64>

Traits: AlwaysSpeculatableImplTrait , CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

অপারেন্ডস:

Operand	বর্ণনা
lhs	ranked tensor of 2/4/8/16/32/64-bit integer or 4/6/8/16/32/64-bit float or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values
rhs	ranked tensor of 2/4/8/16/32/64-bit integer or 4/6/8/16/32/64-bit float or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

ফলাফল:

ফলাফল	বর্ণনা
result	ranked tensor of 2/4/8/16/32/64-bit integer or 4/6/8/16/32/64-bit float or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

mhlo.replica_id (mhlo::ReplicaIdOp)

ReplicaId operation

সিনট্যাক্স:

operation ::= `mhlo.replica_id` attr-dict `:` type(results)

Produces replica_id of the current process.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#replica_id

উদাহরণ:

%result = mhlo.replica_id : tensor<ui32>

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

ফলাফল:

ফলাফল	বর্ণনা
«unnamed»	ranked tensor of 32-bit unsigned integer values

mhlo.reshape (mhlo::ReshapeOp)

Reshape operation

সিনট্যাক্স:

operation ::= `mhlo.reshape` operands attr-dict `:` functional-type(operands, results)

Performs reshape of operand tensor to a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#reshape

উদাহরণ:

%result = mhlo.reshape %operand : (tensor<2xf32>) -> tensor<1x2xf32>

Traits: AlwaysSpeculatableImplTrait , HLO_CompatibleOperandsAndResultElementType

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

অপারেন্ডস:

Operand	বর্ণনা
operand	tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

ফলাফল:

ফলাফল	বর্ণনা
«unnamed»	statically shaped or single bounded dimension tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

mhlo.return (mhlo::ReturnOp)

_This operation is a work in progress, so it is not yet included in the specification: https://github.com/openxla/stablehlo/issues/425

Informally, this operation serves as a terminator for regions defined by
the StableHLO ops. Non-StableHLO ops, e.g. `func.func`, have their own
terminators, e.g. `func.return`.

Example:

    ```mlir
    %result = "mhlo.reduce"(%input, %init_value) ({
      ^bb0(%arg0: tensor<i32>, %arg1: tensor<i32>):
        %0 = "mhlo.add"(%arg0, %arg1) : (tensor<i32>, tensor<i32>) -> tensor<i32>
        "mhlo.return"(%0) : (tensor<i32>) -> ()
    }) {
      dimensions = dense<1> : tensor<1xi64>
    } : (tensor<1x6xi32>, tensor<i32>) -> tensor<1xi32>
    ```_

Syntax:

```

operation ::= mhlo.return $results attr-dict ( : type($results)^)?

Traits: `AlwaysSpeculatableImplTrait`, `Terminator`

Interfaces: `ConditionallySpeculatable`, `NoMemoryEffect (MemoryEffectOpInterface)`

Effects: `MemoryEffects::Effect{}`

#### Operands:

| Operand | Description |
| :-----: | ----------- |
| `results` | variadic of ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values or token or nested tuple with any combination of ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized values or memref of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized values or ranked tensor of per-axis integer quantized values or token values or memref of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized values |



### `mhlo.reverse` (mhlo::ReverseOp)

_Reverse operation_

Reverses the order of elements in the `operand` along the specified
`dimensions` and produces a `result` tensor.

See:
<a href="https://github.com/openxla/stablehlo/blob/main/docs/spec.md#reverse">https://github.com/openxla/stablehlo/blob/main/docs/spec.md#reverse</a>

Example:
```mlir
%result = mhlo.reverse %operand, dims = [1] : tensor<3x2xi32>

Traits: AlwaysSpeculatableImplTrait , CompatibleOperandsAndResultType

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

Effects: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	MLIR Type	বর্ণনা
dimensions	::mlir::DenseIntElementsAttr	64-bit signless integer elements attribute

অপারেন্ডস:

Operand	বর্ণনা
operand	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

ফলাফল:

ফলাফল	বর্ণনা
«unnamed»	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

mhlo.rng (mhlo::RngOp)

Rng operation

Generates random numbers using the rng_distribution algorithm and produces a result tensor of a given shape shape .

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#rng

উদাহরণ:

%result = mhlo.rng %a, %b, %shape, distribution = NORMAL : (tensor<i32>, tensor<i32>, tensor<2xi64>) -> tensor<3x3xi32>

Traits: InferTensorType

Interfaces: InferShapedTypeOpInterface , InferTypeOpInterface

গুণাবলী:

বৈশিষ্ট্য	MLIR Type	বর্ণনা
rng_distribution	::mlir::mhlo::RngDistributionAttr	XLA PRNG distribution to be used.

অপারেন্ডস:

Operand	বর্ণনা
a	0D tensor of bool or 2/4/8/16/32/64-bit integer or 4/6/8/16/32/64-bit float values
b	0D tensor of bool or 2/4/8/16/32/64-bit integer or 4/6/8/16/32/64-bit float values
shape	1D tensor of index or 2/4/8/16/32/64-bit integer values

ফলাফল:

ফলাফল	বর্ণনা
result	ranked tensor of bool or 2/4/8/16/32/64-bit integer or 4/6/8/16/32/64-bit float values

mhlo.rng_bit_generator (mhlo::RngBitGeneratorOp)

RngBitGenerator operation

Returns an output filled with uniform random data and an updated output state output_state given an initial state initial_state using the pseudorandom number generator algorithm rng_algorithm .

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#rng_bit_generator

উদাহরণ:

%output_state, %output = mhlo.rng_bit_generator %initial_state, algorithm = THREE_FRY : (tensor<2xui64>) -> (tensor<2xui64>, tensor<2x2xui64>)

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	MLIR Type	বর্ণনা
rng_algorithm	::mlir::mhlo::RngAlgorithmAttr	XLA PRNG algorithm to be used.

অপারেন্ডস:

Operand	বর্ণনা
initial_state	ranked tensor of 2/4/8/16/32/64-bit integer or 4/6/8/16/32/64-bit float values

ফলাফল:

ফলাফল	বর্ণনা
output_state	ranked tensor of 2/4/8/16/32/64-bit integer or 4/6/8/16/32/64-bit float values
output	statically shaped tensor of 2/4/8/16/32/64-bit integer or 4/6/8/16/32/64-bit float values

mhlo.round_nearest_afz (mhlo::RoundOp)

Round operation

সিনট্যাক্স:

operation ::= `mhlo.round_nearest_afz` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

Performs element-wise rounding towards the nearest integer, breaking ties away from zero, on the operand tensor and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#round_nearest_afz

উদাহরণ:

%result = mhlo.round_nearest_afz %operand : tensor<5xf32>

Traits: AlwaysSpeculatableImplTrait , CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

অপারেন্ডস:

Operand	বর্ণনা
operand	ranked tensor of 4/6/8/16/32/64-bit float values

ফলাফল:

ফলাফল	বর্ণনা
result	ranked tensor of 4/6/8/16/32/64-bit float values

mhlo.round_nearest_even (mhlo::RoundNearestEvenOp)

RoundNearestEven operation

সিনট্যাক্স:

operation ::= `mhlo.round_nearest_even` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

Performs element-wise rounding towards the nearest integer, breaking ties towards the even integer, on the operand tensor and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#round_nearest_even

উদাহরণ:

%result = mhlo.round_nearest_even %operand : tensor<5xf32>

Traits: AlwaysSpeculatableImplTrait , CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

অপারেন্ডস:

Operand	বর্ণনা
operand	ranked tensor of 4/6/8/16/32/64-bit float values

ফলাফল:

ফলাফল	বর্ণনা
result	ranked tensor of 4/6/8/16/32/64-bit float values

mhlo.rsqrt (mhlo::RsqrtOp)

Rsqrt operation

সিনট্যাক্স:

operation ::= `mhlo.rsqrt` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

Performs element-wise reciprocal square root operation on operand tensor and produces a result tensor, implementing the rSqrt operation from the IEEE-754 specification.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#rsqrt

উদাহরণ:

%result = mhlo.rsqrt %operand : tensor<2x2xf32>

Traits: AlwaysSpeculatableImplTrait , CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	MLIR Type	বর্ণনা
result_accuracy	::mlir::mhlo::ResultAccuracyAttr	The requested accuracy for unary ops.

অপারেন্ডস:

Operand	বর্ণনা
operand	ranked tensor of 4/6/8/16/32/64-bit float or complex type with 32/64-bit float elements or per-tensor integer quantized values

ফলাফল:

ফলাফল	বর্ণনা
result	ranked tensor of 4/6/8/16/32/64-bit float or complex type with 32/64-bit float elements or per-tensor integer quantized values

mhlo.scatter (mhlo::ScatterOp)

Scatter operation

Produces results tensors which are equal to inputs tensors except that several slices specified by scatter_indices are updated with the values updates using update_computation .

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#scatter

উদাহরণ:

%result = "mhlo.scatter"(%input, %scatter_indices, %update) ({
  ^bb0(%arg0: tensor<i32>, %arg1: tensor<i32>):
    %0 = mhlo.add %arg0, %arg1 : tensor<i32>
    mhlo.return %0 : tensor<i32>
}) {
  scatter_dimension_numbers = #mhlo.scatter<
    update_window_dims = [3, 4],
    inserted_window_dims = [1],
    input_batching_dims = [0],
    scatter_indices_batching_dims = [1],
    scatter_dims_to_operand_dims = [2, 1],
    index_vector_dim = 3>,
  indices_are_sorted = false,
  unique_indices = false
} : (tensor<2x3x4x2xi64>, tensor<2x2x3x2xi64>, tensor<2x2x3x2x2xi64>) -> tensor<2x3x4x2xi64>

Traits: RecursiveMemoryEffects , SameVariadicOperandSize

Interfaces: InferTypeOpInterface

গুণাবলী:

বৈশিষ্ট্য	MLIR Type	বর্ণনা
scatter_dimension_numbers	::mlir::mhlo::ScatterDimensionNumbersAttr	Attribute that models the dimension information for scatter
indices_are_sorted	::mlir::BoolAttr	bool attribute
unique_indices	::mlir::BoolAttr	bool attribute

অপারেন্ডস:

Operand	বর্ণনা
inputs	variadic of ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values
scatter_indices	ranked tensor of integer or index values
updates	variadic of ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

ফলাফল:

ফলাফল	বর্ণনা
«unnamed»	variadic of ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

mhlo.select (mhlo::SelectOp)

অপারেশন নির্বাচন করুন

সিনট্যাক্স:

operation ::= `mhlo.select` operands attr-dict `:`
              custom<SelectOpType>(type($pred), type($on_true), type($on_false), type($result))

Produces a result tensor where each element is selected from on_true or on_false tensor based on the value of the corresponding element of pred .

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#select

উদাহরণ:

%result = mhlo.select %pred, %on_true, %on_false : tensor<2x2xi1>, tensor<2x2xi32>

Traits: AlwaysSpeculatableImplTrait , HLO_BroadcastingElementwise , InferTensorType

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

Effects: MemoryEffects::Effect{}

অপারেন্ডস:

Operand	বর্ণনা
pred	ranked tensor of bool values
on_true	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values
on_false	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

ফলাফল:

ফলাফল	বর্ণনা
result	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

mhlo.select_and_scatter (mhlo::SelectAndScatterOp)

SelectAndScatter operation

Scatters the values from the source tensor using scatter based on the outcome of reduce_window of the input tensor using select and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#select_and_scatter

উদাহরণ:

%result = "mhlo.select_and_scatter"(%operand, %source, %init_value) ({
  ^bb0(%arg0: tensor<i32>, %arg1: tensor<i32>):
    %0 = "mhlo.compare"(%arg0, %arg1) {
      comparison_direction = #stablehlo<comparison_direction GE>
    } : (tensor<i32>, tensor<i32>) -> tensor<i1>
    "mhlo.return"(%0) : (tensor<i1>) -> ()
}, {
  ^bb0(%arg0: tensor<i32>, %arg1: tensor<i32>):
    %0 = "mhlo.add"(%arg0, %arg1) : (tensor<i32>, tensor<i32>) -> tensor<i32>
    "mhlo.return"(%0) : (tensor<i32>) -> ()
}) {
  window_dimensions = dense<[3, 1]> : tensor<2xi64>,
  window_strides = dense<[2, 1]> : tensor<2xi64>,
  padding = dense<[[0, 1], [0, 0]]> : tensor<2x2xi64>
} : (tensor<4x2xi32>, tensor<2x2xi32>, tensor<i32>) -> tensor<4x2xi32>

Traits: RecursiveMemoryEffects

Interfaces: InferTypeOpInterface

গুণাবলী:

বৈশিষ্ট্য	MLIR Type	বর্ণনা
window_dimensions	::mlir::DenseIntElementsAttr	64-bit signless integer elements attribute
window_strides	::mlir::DenseIntElementsAttr	64-bit signless integer elements attribute
padding	::mlir::DenseIntElementsAttr	64-bit signless integer elements attribute

অপারেন্ডস:

Operand	বর্ণনা
operand	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values
source	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values
init_value	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

ফলাফল:

ফলাফল	বর্ণনা
«unnamed»	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

mhlo.send (mhlo::SendOp)

Send operation

Sends inputs to a channel channel_id and produces a result token.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#send

উদাহরণ:

%result = "mhlo.send"(%operand, %token) {
  // channel_id = 5 : i64,
  // channel_type = #stablehlo<channel_type DEVICE_TO_DEVICE>,
  channel_handle = #mhlo.channel_handle<handle = 5, type = 1>,
  is_host_transfer = false,
  source_target_pairs = dense<[[0, 1], [1, 2]]> : tensor<2x2xi64>
} : (tensor<3x4xi32>, !mhlo.token) -> !mhlo.token

Interfaces: InferTypeOpInterface

গুণাবলী:

বৈশিষ্ট্য	MLIR Type	বর্ণনা
channel_handle	::mlir::mhlo::ChannelHandleAttr	two 64-bit integers 'handle' and 'type'
is_host_transfer	::mlir::BoolAttr	bool attribute
source_target_pairs	::mlir::DenseIntElementsAttr	64-bit signless integer elements attribute

অপারেন্ডস:

Operand	বর্ণনা
inputs	variadic of ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values
token	টোকেন

ফলাফল:

ফলাফল	বর্ণনা
«unnamed»	টোকেন

mhlo.set_dimension_size (mhlo::SetDimensionSizeOp)

SetDimensionSize operation

This operation is a work in progress, so it is not yet included in the specification: https://github.com/openxla/stablehlo/issues/8

Informally, this operation does the same thing as XLA's SetDimensionSize: https://www.tensorflow.org/xla/operation_semantics#setdimensionsize

উদাহরণ:

%0 = mhlo.set_dimension_size %arg0, %arg1, dim = 1 : (tensor<4x2xf32>, tensor<i32>) -> tensor<4x2xf32>

Traits: AlwaysSpeculatableImplTrait , InferTensorType

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

Effects: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	MLIR Type	বর্ণনা
dimension	::mlir::IntegerAttr	64-bit signless integer attribute whose value is non-negative

অপারেন্ডস:

Operand	বর্ণনা
operand	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values
size	tensor of 32-bit signless integer values

ফলাফল:

ফলাফল	বর্ণনা
«unnamed»	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

mhlo.shift_left (mhlo::ShiftLeftOp)

ShiftLeft operation

সিনট্যাক্স:

operation ::= `mhlo.shift_left` $lhs `,` $rhs attr-dict
              `:` custom<SameOperandsAndResultType>(type($lhs), type($rhs), type($result))

Performs element-wise left-shift operation on the lhs tensor by rhs number of bits and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#shift_left

উদাহরণ:

%result = mhlo.shift_left %lhs, %rhs : tensor<6xi8>

Traits: AlwaysSpeculatableImplTrait , CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

অপারেন্ডস:

Operand	বর্ণনা
lhs	ranked tensor of 2/4/8/16/32/64-bit integer values
rhs	ranked tensor of 2/4/8/16/32/64-bit integer values

ফলাফল:

ফলাফল	বর্ণনা
result	ranked tensor of 2/4/8/16/32/64-bit integer values

mhlo.shift_right_arithmetic (mhlo::ShiftRightArithmeticOp)

ShiftRightArithmetic operation

সিনট্যাক্স:

operation ::= `mhlo.shift_right_arithmetic` $lhs `,` $rhs attr-dict
              `:` custom<SameOperandsAndResultType>(type($lhs), type($rhs), type($result))

Performs element-wise arithmetic right-shift operation on the lhs tensor by rhs number of bits and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#shift_right_arithmetic

উদাহরণ:

%result = mhlo.shift_right_arithmetic %lhs, %rhs : tensor<6xi8>

Traits: AlwaysSpeculatableImplTrait , CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

অপারেন্ডস:

Operand	বর্ণনা
lhs	ranked tensor of 2/4/8/16/32/64-bit integer values
rhs	ranked tensor of 2/4/8/16/32/64-bit integer values

ফলাফল:

ফলাফল	বর্ণনা
result	ranked tensor of 2/4/8/16/32/64-bit integer values

mhlo.shift_right_logical (mhlo::ShiftRightLogicalOp)

ShiftRightLogical operation

সিনট্যাক্স:

operation ::= `mhlo.shift_right_logical` $lhs `,` $rhs attr-dict
              `:` custom<SameOperandsAndResultType>(type($lhs), type($rhs), type($result))

Performs element-wise logical right-shift operation on the lhs tensor by rhs number of bits and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#shift_right_logical

উদাহরণ:

%result = mhlo.shift_right_logical %lhs, %rhs : tensor<6xi8>

Traits: AlwaysSpeculatableImplTrait , CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

অপারেন্ডস:

Operand	বর্ণনা
lhs	ranked tensor of 2/4/8/16/32/64-bit integer values
rhs	ranked tensor of 2/4/8/16/32/64-bit integer values

ফলাফল:

ফলাফল	বর্ণনা
result	ranked tensor of 2/4/8/16/32/64-bit integer values

mhlo.sign (mhlo::SignOp)

Sign operation

সিনট্যাক্স:

operation ::= `mhlo.sign` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

Returns the sign of the operand element-wise and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#sign

উদাহরণ:

%result = mhlo.sign %operand : tensor<7xf32>

Traits: AlwaysSpeculatableImplTrait , CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

অপারেন্ডস:

Operand	বর্ণনা
operand	ranked tensor of 2/4/8/16/32/64-bit signless integer or 4/6/8/16/32/64-bit float or complex type with 32/64-bit float elements or per-tensor integer quantized values

ফলাফল:

ফলাফল	বর্ণনা
result	ranked tensor of 2/4/8/16/32/64-bit signless integer or 4/6/8/16/32/64-bit float or complex type with 32/64-bit float elements or per-tensor integer quantized values

mhlo.sine (mhlo::SineOp)

Sine operation

সিনট্যাক্স:

operation ::= `mhlo.sine` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

Performs element-wise sine operation on operand tensor and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#sine

উদাহরণ:

%result = mhlo.sine %operand : tensor<2xf32>

Traits: AlwaysSpeculatableImplTrait , CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	MLIR Type	বর্ণনা
result_accuracy	::mlir::mhlo::ResultAccuracyAttr	The requested accuracy for unary ops.

অপারেন্ডস:

Operand	বর্ণনা
operand	ranked tensor of 4/6/8/16/32/64-bit float or complex type with 32/64-bit float elements or per-tensor integer quantized values

ফলাফল:

ফলাফল	বর্ণনা
result	ranked tensor of 4/6/8/16/32/64-bit float or complex type with 32/64-bit float elements or per-tensor integer quantized values

mhlo.sinh (mhlo::SinhOp)

Sinh operation

সিনট্যাক্স:

operation ::= `mhlo.sinh` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

Performs element-wise sinh operation on operand tensor and produces a result tensor.

উদাহরণ:

%result = mhlo.sinh %operand : tensor<2x2xf32>

Traits: CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

Interfaces: InferShapedTypeOpInterface , InferTypeOpInterface

অপারেন্ডস:

Operand	বর্ণনা
operand	tensor of 4/6/8/16/32/64-bit float or complex type with 32/64-bit float elements values

ফলাফল:

ফলাফল	বর্ণনা
result	tensor of 4/6/8/16/32/64-bit float or complex type with 32/64-bit float elements values

mhlo.slice (mhlo::SliceOp)

Slice operation

Extracts a slice from the operand using statically-computed starting indices and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#slice

উদাহরণ:

%result = "mhlo.slice" (%operand) {
  start_indices = dense<[1, 2]> : tensor<2xi64>,
  limit_indices = dense<[3, 4]> : tensor<2xi64>,
  strides = dense<1> : tensor<2xi64>
} : (tensor<3x4xi64>) -> tensor<2x2xi64>

Traits: AlwaysSpeculatableImplTrait , SameOperandsAndResultElementType

Interfaces: ConditionallySpeculatable , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	MLIR Type	বর্ণনা
start_indices	::mlir::DenseIntElementsAttr	64-bit signless integer elements attribute
limit_indices	::mlir::DenseIntElementsAttr	64-bit signless integer elements attribute
strides	::mlir::DenseIntElementsAttr	64-bit signless integer elements attribute

অপারেন্ডস:

Operand	বর্ণনা
operand	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

ফলাফল:

ফলাফল	বর্ণনা
«unnamed»	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

mhlo.sort (mhlo::SortOp)

Sort operation

Sorts a variadic number of tensors in inputs together, according to a custom comparator , along the given dimension and produces a variadic number of tensors as results .

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#sort

উদাহরণ:

%result0, %result1 = "mhlo.sort"(%input0, %input1) ({
  ^bb0(%arg0: tensor<i32>, %arg1: tensor<i32>, %arg2: tensor<i32>, %arg3: tensor<i32>):
    %predicate = "mhlo.compare"(%arg0, %arg1) {
      comparison_direction = #stablehlo<comparison_direction GT>
      } : (tensor<i32>, tensor<i32>) -> tensor<i1>
    "mhlo.return"(%predicate) : (tensor<i1>) -> ()
}) {
  dimension = 0 : i64,
  is_stable = true
} : (tensor<2x3xi32>, tensor<2x3xi32>) -> (tensor<2x3xi32>, tensor<2x3xi32>)

Traits: InferTensorType , RecursiveMemoryEffects , SameOperandsAndResultShape

Interfaces: InferShapedTypeOpInterface , InferTypeOpInterface

গুণাবলী:

বৈশিষ্ট্য	MLIR Type	বর্ণনা
dimension	::mlir::IntegerAttr	64-bit signless integer attribute
is_stable	::mlir::BoolAttr	bool attribute

অপারেন্ডস:

Operand	বর্ণনা
inputs	variadic of ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

ফলাফল:

ফলাফল	বর্ণনা
«unnamed»	variadic of ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

mhlo.sqrt (mhlo::SqrtOp)

Sqrt operation

সিনট্যাক্স:

operation ::= `mhlo.sqrt` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

Performs element-wise square root operation on operand tensor and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#sqrt

উদাহরণ:

%result = mhlo.sqrt %operand : tensor<2x2xf32>

Traits: AlwaysSpeculatableImplTrait , CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	MLIR Type	বর্ণনা
result_accuracy	::mlir::mhlo::ResultAccuracyAttr	The requested accuracy for unary ops.

অপারেন্ডস:

Operand	বর্ণনা
operand	ranked tensor of 4/6/8/16/32/64-bit float or complex type with 32/64-bit float elements or per-tensor integer quantized values

ফলাফল:

ফলাফল	বর্ণনা
result	ranked tensor of 4/6/8/16/32/64-bit float or complex type with 32/64-bit float elements or per-tensor integer quantized values

mhlo.stochastic_convert (mhlo::StochasticConvertOp)

StochasticConvert operation

This operation is a work in progress, so it is not yet included in the specification: https://github.com/openxla/stablehlo/issues/295

Informally, this operation performs element-wise conversion of values from a bigger type to a smaller one with stochastic rounding using the random number passed in.

Traits: AlwaysSpeculatableImplTrait , Elementwise

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

অপারেন্ডস:

Operand	বর্ণনা
operand	ranked tensor of 4/6/8/16/32/64-bit float values
random	ranked tensor of 2/4/8/16/32/64-bit unsigned integer values

ফলাফল:

ফলাফল	বর্ণনা
result	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

mhlo.subtract (mhlo::SubtractOp)

Subtract operation

সিনট্যাক্স:

operation ::= `mhlo.subtract` $lhs `,` $rhs attr-dict
              `:` custom<SameOperandsAndResultType>(type($lhs), type($rhs), type($result))

Performs element-wise subtraction of two tensors lhs and rhs and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#subtract

উদাহরণ:

%result = mhlo.subtract %lhs, %rhs : tensor<2xi32>

Traits: AlwaysSpeculatableImplTrait , CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

অপারেন্ডস:

Operand	বর্ণনা
lhs	ranked tensor of 2/4/8/16/32/64-bit integer or 4/6/8/16/32/64-bit float or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values
rhs	ranked tensor of 2/4/8/16/32/64-bit integer or 4/6/8/16/32/64-bit float or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

ফলাফল:

ফলাফল	বর্ণনা
result	ranked tensor of 2/4/8/16/32/64-bit integer or 4/6/8/16/32/64-bit float or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

mhlo.tan (mhlo::TanOp)

Tan operation

সিনট্যাক্স:

operation ::= `mhlo.tan` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

This operation is a work in progress, so it is not yet included in the specification: https://github.com/openxla/stablehlo/issues/954

Informally, this operation returns Tan(operand) element-wise.

উদাহরণ:

%0 = mhlo.tan %arg0 : tensor<2xf32>

Traits: AlwaysSpeculatableImplTrait , CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	MLIR Type	বর্ণনা
result_accuracy	::mlir::mhlo::ResultAccuracyAttr	The requested accuracy for unary ops.

অপারেন্ডস:

Operand	বর্ণনা
operand	ranked tensor of 4/6/8/16/32/64-bit float or complex type with 32/64-bit float elements or per-tensor integer quantized values

ফলাফল:

ফলাফল	বর্ণনা
result	ranked tensor of 4/6/8/16/32/64-bit float or complex type with 32/64-bit float elements or per-tensor integer quantized values

mhlo.tanh (mhlo::TanhOp)

Tanh operation

সিনট্যাক্স:

operation ::= `mhlo.tanh` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

Performs element-wise hyperbolic tangent operation on operand tensor and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#tanh

উদাহরণ:

%result = mhlo.tanh %operand : tensor<2xf32>

Traits: AlwaysSpeculatableImplTrait , CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	MLIR Type	বর্ণনা
result_accuracy	::mlir::mhlo::ResultAccuracyAttr	The requested accuracy for unary ops.

অপারেন্ডস:

Operand	বর্ণনা
operand	ranked tensor of 4/6/8/16/32/64-bit float or complex type with 32/64-bit float elements or per-tensor integer quantized values

ফলাফল:

ফলাফল	বর্ণনা
result	ranked tensor of 4/6/8/16/32/64-bit float or complex type with 32/64-bit float elements or per-tensor integer quantized values

mhlo.topk (mhlo::TopKOp)

TopK operation

সিনট্যাক্স:

operation ::= `mhlo.topk` `(`$operand `,` `k` `=` $k (`,` `largest` `=` $largest^)? `)` attr-dict `:`
              type($operand) `->` `(`type($values)`,` type($indices)`)`

Returns top k values and their indices, along the last dimension of the operand if largest=true or the bottom k values if largest=false .

See: https://www.tensorflow.org/xla/operation_semantics#top-k

উদাহরণ:

%values, %indices = mhlo.topk(%operand, k=5, largest=true)
  : tensor<100xf32> -> (tensor<5xf32>, tensor<5xi32>)

Traits: InferTensorType , RecursiveMemoryEffects

Interfaces: InferShapedTypeOpInterface , InferTypeOpInterface

গুণাবলী:

বৈশিষ্ট্য	MLIR Type	বর্ণনা
k	::mlir::IntegerAttr	64-bit signless integer attribute
largest	::mlir::BoolAttr	bool attribute

অপারেন্ডস:

Operand	বর্ণনা
operand	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

ফলাফল:

ফলাফল	বর্ণনা
values	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values
indices	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

mhlo.torch_index_select (mhlo::TorchIndexSelectOp)

TorchIndexSelect operation

This operation is on its way out of StableHLO, so it is not included in the specification: https://github.com/openxla/stablehlo/issues/3

Informally, this operation does the same thing as PyTorch's index_select, augmented with support for batch dimensions: https://pytorch.org/docs/stable/generated/torch.index_select.html

The batch_dims attribute specifies the number of major batch dimensions (0 or more) that act like a multidimensional loop over both the operand and the index.

উদাহরণ:

%result = "mhlo.torch_index_select"(%operand, %index) {
  dim = 2 : i64,
  batch_dims = 1 : i64
} : (tensor<8x128x3072x64xf32>, tensor<8x16x1024xi32>) -> tensor<8x128x16x1024x64xf32>

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	MLIR Type	বর্ণনা
dim	::mlir::IntegerAttr	64-bit signless integer attribute
batch_dims	::mlir::IntegerAttr	64-bit signless integer attribute

অপারেন্ডস:

Operand	বর্ণনা
operand	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values
index	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

ফলাফল:

ফলাফল	বর্ণনা
«unnamed»	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

mhlo.trace (mhlo::TraceOp)

Trace operation

সিনট্যাক্স:

operation ::= `mhlo.trace` $operand `,` $tag attr-dict `:` type($operand)

This operation is on its way out of StableHLO, so it is not included in the specification: https://github.com/openxla/stablehlo/issues/604

It is not used by JAX, PyTorch or TensorFlow, so it looks like we should've classified it as "Private to XLA" and not included it in StableHLO in the first place. With that in mind, its semantics will not be documented here.

উদাহরণ:

mhlo.trace %arg0, "In test code." : tensor<5x1x5xi32>

গুণাবলী:

বৈশিষ্ট্য	MLIR Type	বর্ণনা
tag	::mlir::StringAttr	string attribute

অপারেন্ডস:

Operand	বর্ণনা
operand	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

mhlo.transpose (mhlo::TransposeOp)

Transpose operation

Permutes the dimensions of operand tensor using permutation and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#transpose

উদাহরণ:

%0 = mhlo.transpose %arg0, dims = [2, 1, 0] : (tensor<1x2x3xi32>) -> tensor<3x2x1xi32>

Traits: AlwaysSpeculatableImplTrait , HLO_CompatibleOperandsAndResultElementType

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

Effects: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	MLIR Type	বর্ণনা
permutation	::mlir::DenseIntElementsAttr	64-bit signless integer elements attribute

অপারেন্ডস:

Operand	বর্ণনা
operand	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

ফলাফল:

ফলাফল	বর্ণনা
«unnamed»	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

mhlo.triangular_solve (mhlo::TriangularSolveOp)

TriangularSolve operation

Solves batches of systems of linear equations with lower or upper triangular coefficient matrices.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#triangular_solve

উদাহরণ:

%result = "mhlo.triangular_solve"(%a, %b) {
  left_side = true,
  lower = true,
  unit_diagonal = false,
  transpose_a = #stablehlo<transpose NO_TRANSPOSE>
} : (tensor<3x3xf32>, tensor<3x3xf32>) -> tensor<3x3xf32>

Traits: AlwaysSpeculatableImplTrait , InferTensorType , SameOperandsAndResultElementType

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

Effects: MemoryEffects::Effect{}

গুণাবলী:

বৈশিষ্ট্য	MLIR Type	বর্ণনা
left_side	::mlir::BoolAttr	bool attribute
lower	::mlir::BoolAttr	bool attribute
unit_diagonal	::mlir::BoolAttr	bool attribute
transpose_a	::mlir::mhlo::TransposeAttr	Transpose options

অপারেন্ডস:

Operand	বর্ণনা
a	ranked tensor of 4/6/8/16/32/64-bit float or complex type with 32/64-bit float elements values
b	ranked tensor of 4/6/8/16/32/64-bit float or complex type with 32/64-bit float elements values

ফলাফল:

ফলাফল	বর্ণনা
«unnamed»	ranked tensor of 4/6/8/16/32/64-bit float or complex type with 32/64-bit float elements values

mhlo.tuple (mhlo::TupleOp)

Tuple operation

সিনট্যাক্স:

operation ::= `mhlo.tuple` $val attr-dict `:` custom<TupleOpType>(type($val), type($result))

Produces a result tuple from values val .

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#tuple

উদাহরণ:

%result = mhlo.tuple %val0, %val1 : tuple<tensor<2xf32>, tuple<tensor<i32>>>

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

অপারেন্ডস:

Operand

বর্ণনা

val

variadic of ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values or token or nested tuple with any combination of ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized values or memref of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized values or ranked tensor of per-axis integer quantized values or token values or memref of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized values

ফলাফল:

ফলাফল

বর্ণনা

result

nested tuple with any combination of ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized values or memref of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized values or ranked tensor of per-axis integer quantized values or token values

mhlo.uniform_dequantize (mhlo::UniformDequantizeOp)

UniformDequantize operation

সিনট্যাক্স:

operation ::= `mhlo.uniform_dequantize` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

Performs element-wise conversion of quantized tensor operand to a floating-point tensor result according to the quantization parameters defined by the operand type.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#uniform_dequantize

উদাহরণ:

%result = mhlo.uniform_dequantize %operand : (tensor<16x16x!quant.uniform<i8:f32, 34.0:16>>) -> tensor<16x16xf32>

Traits: AlwaysSpeculatableImplTrait , Elementwise , InferTensorType , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

অপারেন্ডস:

Operand	বর্ণনা
operand	ranked tensor of per-tensor integer quantized or per-axis integer quantized values

ফলাফল:

ফলাফল	বর্ণনা
result	ranked tensor of 4/6/8/16/32/64-bit float values

mhlo.uniform_quantize (mhlo::UniformQuantizeOp)

UniformQuantize operation

সিনট্যাক্স:

operation ::= `mhlo.uniform_quantize` $operand attr-dict
              `:` custom<SameOperandsAndResultType>(type($operand), type($result))

Performs element-wise conversion of floating-point tensor or quantized tensor operand to a quantized tensor result according to the quantization parameters defined by the result type.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#uniform_quantize

উদাহরণ:

%result = mhlo.uniform_quantize %operand : (tensor<16x16xf32>) -> tensor<16x16x!quant.uniform<ui8:f32, 34.0:16>>

Traits: AlwaysSpeculatableImplTrait , Elementwise , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , InferShapedTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

অপারেন্ডস:

Operand	বর্ণনা
operand	ranked tensor of 4/6/8/16/32/64-bit float or 2/4/8/16/32-bit uniform quantized signed integer or 2/4/8/16/32-bit uniform quantized per axis signed integer or 2/4/8/16/32-bit uniform quantized unsigned integer or 2/4/8/16/32-bit uniform quantized per axis unsigned integer values

ফলাফল:

ফলাফল	বর্ণনা
result	ranked tensor of per-tensor integer quantized or per-axis integer quantized values

mhlo.while (mhlo::WhileOp)

While operation

Produces the output from executing body function 0 or more times while the cond function outputs true .

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#while

উদাহরণ:

%results0, %results1 = "mhlo.while"(%operand0, %operand1) ({
  ^bb0(%arg0: tensor<i32>, %arg1: tensor<i32>):
    %0 = "mhlo.compare"(%arg0, %arg1) {
      comparison_direction = #stablehlo<comparison_direction LT>
    } : (tensor<i32>, tensor<i32>) -> tensor<i1>
    "mhlo.return"(%0) : (tensor<i1>) -> ()
}, {
  ^bb0(%arg0: tensor<i32>, %arg1: tensor<i32>):
    %0 = "mhlo.add"(%arg0, %constant0) : (tensor<i32>, tensor<i32>) -> tensor<i32>
    "mhlo.return"(%0, %arg1) : (tensor<i32>, tensor<i32>) -> ()
}) : (tensor<i32>, tensor<i32>) -> (tensor<i32>, tensor<i32>)

Traits: RecursiveMemoryEffects , SingleBlockImplicitTerminator<ReturnOp> , SingleBlock

Interfaces: InferTypeOpInterface , OpAsmOpInterface

অপারেন্ডস:

Operand

বর্ণনা

operand

variadic of ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized values or ranked tensor of per-axis integer quantized values or token or memref of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized values

ফলাফল:

ফলাফল

বর্ণনা

«unnamed»

variadic of ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized values or ranked tensor of per-axis integer quantized values or token or memref of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized values

mhlo.xla.rng_get_and_update_state (mhlo::XlaRngGetAndUpdateStateOp)

XlaRngGetAndUpdateState operation

সিনট্যাক্স:

operation ::= `mhlo.xla.rng_get_and_update_state` attr-dict

This operation is private to the XLA compiler, so it is does not yet have a specification.

Informally, this operation represents the change of the global random number generator state for rng instructions. The global state is incremented by delta and the old state is returned.

The output is currently defined for a single output type. If this changes in the future to support multiple types, lowering to use of a global memref must ensure that a single memref is still used and updated appropriately.

Interfaces: InferTypeOpInterface

গুণাবলী:

বৈশিষ্ট্য	MLIR Type	বর্ণনা
delta	::mlir::IntegerAttr	64-bit signless integer attribute

ফলাফল:

ফলাফল	বর্ণনা
«unnamed»	statically shaped tensor of 64-bit unsigned integer values

mhlo.xor (mhlo::XorOp)

Xor operation

সিনট্যাক্স:

operation ::= `mhlo.xor` $lhs `,` $rhs attr-dict
              `:` custom<SameOperandsAndResultType>(type($lhs), type($rhs), type($result))

Performs element-wise XOR of two tensors lhs and rhs and produces a result tensor.

See: https://github.com/openxla/stablehlo/blob/main/docs/spec.md#xor

উদাহরণ:

%result = mhlo.xor %lhs, %rhs : tensor<2xi32>

Traits: AlwaysSpeculatableImplTrait , Commutative , CompatibleOperandsAndResultType , Elementwise , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

অপারেন্ডস:

Operand	বর্ণনা
lhs	ranked tensor of bool or 2/4/8/16/32/64-bit integer values
rhs	ranked tensor of bool or 2/4/8/16/32/64-bit integer values

ফলাফল:

ফলাফল	বর্ণনা
result	ranked tensor of 4/6/8/16/32/64-bit float or bool or 2/4/8/16/32/64-bit integer or complex type with 32/64-bit float elements or per-tensor integer quantized or per-axis integer quantized values

গুণাবলী

ArgResultAliasAttr

Attribute that models the alias relationship of entry function argument

This attribute captures the alias relationship of an MHLO main function argument to one of the results, denoted by resultIndex . The argTupleIndices and resultTupleIndices are used to index into nested tuples in operand and result respectively. If isMustAlias is true then the operand-result pair must alias.

This is meant to be used as an attribute on a function argument in MHLO. For example, in the following code it expresses that %arg1 may alias 0-th result.

func @main(%arg0: tensor<2xf32>, %arg1: tensor<3xf32> {mhlo.result_alias =
    mhlo.result_alias<result_index = [2], ...>}
  ) -> tensor<2xf32>, tensor<3xf32> {
  // function body ...
}

পরামিতি:

প্যারামিটার	C++ type	বর্ণনা
argTupleIndices	::llvm::ArrayRef<int64_t>	মাত্রা
resultIndex	int64_t
resultTupleIndices	::llvm::ArrayRef<int64_t>	মাত্রা
isMustAlias	bool

ChannelHandleAttr

Two 64-bit integers 'handle' and 'type'

সিনট্যাক্স:

#mhlo.channel_handle<
  int64_t,   # handle
  int64_t   # type
>

পরামিতি:

প্যারামিটার	C++ type	বর্ণনা
হ্যান্ডেল	int64_t
টাইপ	int64_t

ComparisonDirectionAttr

Which comparison operation to perform.

সিনট্যাক্স:

#mhlo.comparison_direction<
  ::mlir::mhlo::ComparisonDirection   # value
>

পরামিতি:

প্যারামিটার	C++ type	বর্ণনা
মান	::mlir::mhlo::ComparisonDirection	an enum of type ComparisonDirection

ComparisonTypeAttr

Which comparison type to use.

সিনট্যাক্স:

#mhlo.comparison_type<
  ::mlir::mhlo::ComparisonType   # value
>

পরামিতি:

প্যারামিটার	C++ type	বর্ণনা
মান	::mlir::mhlo::ComparisonType	an enum of type ComparisonType

ConvDimensionNumbersAttr

Structure of dimension information for conv op

পরামিতি:

প্যারামিটার	C++ type	বর্ণনা
inputBatchDimension	int64_t
inputFeatureDimension	int64_t
inputSpatialDimensions	::llvm::ArrayRef<int64_t>	মাত্রা
kernelInputFeatureDimension	int64_t
kernelOutputFeatureDimension	int64_t
kernelSpatialDimensions	::llvm::ArrayRef<int64_t>	মাত্রা
outputBatchDimension	int64_t
outputFeatureDimension	int64_t
outputSpatialDimensions	::llvm::ArrayRef<int64_t>	মাত্রা

CrossProgramPrefetchAttr

Argument that is prefetched from another program

সিনট্যাক্স:

#mhlo.cross_program_prefetch<
  int64_t,   # parameter
  ::llvm::ArrayRef<int64_t>,   # indices
  std::optional<int64_t>   # offset
>

This attribute captures an argument that is prefetched from another program. For a given CrossProgramPrefetchAttr , parameter tells us which argument of the main function of the module is prefetched, and indices is a shape index telling us what subshape of that argument is prefetched.

A shape has a subshape iff it is a tuple. In that case, the subshape of the tuple by indices is the shape achieved after indexing by each element of indices in turn. For example, the [1,0] subshape of tuple<tuple<token, token>, tuple<tensor<i32>, token>> is tensor<i32> .

An empty value for indices means the whole shape is prefetched.

যেমন,

module attributes { mhlo.cross_program_prefetch = [ #mhlo.cross_program_prefetch< parameter = 0, indices = [0]> ]} {
  func.func @copy(%arg0 : tuple<tensor<2x3xi32>, tensor<i32>>) -> tuple<tensor<2x3xi32>, tensor<i32>> {
    %0 = "mhlo.copy"(%arg0) {is_cross_program_prefetch}
    return %0 : tuple<tensor<2x3xi32>, tensor<i32>>
  }
  func.func @main(%arg0 : tuple<tensor<2x3xi32>, tensor<i32>>) -> tuple<tensor<2x3xi32>, tensor<i32>> {
    %1 = "mhlo.async_start"(%arg0) {called_computation=@copy}
    %2 = "mhlo.async_done"(%1) {called_computation=@copy}
    return %2 : tuple<tensor<2x3xi32>, tensor<i32>>
  }
}

The parameter = 0 tells us that the async copy of the 0 th parameter is a cross_program_prefetch , while the index of [0] tells us that the 0 th element of the tuple is prefetched while the other element of the tuple is not.

পরামিতি:

প্যারামিটার	C++ type	বর্ণনা
প্যারামিটার	int64_t
সূচক	::llvm::ArrayRef<int64_t>	মাত্রা
অফসেট	std::optional<int64_t>

CustomCallScheduleAttr

Specifies the desired schedule for the custom-call.

সিনট্যাক্স:

#mhlo.custom_call_schedule<
  ::mlir::mhlo::CustomCallSchedule   # value
>

পরামিতি:

প্যারামিটার	C++ type	বর্ণনা
মান	::mlir::mhlo::CustomCallSchedule	an enum of type CustomCallSchedule

DequantizeModeAttr

_Dequantization mode. Only MIN COMBINED is supported.

সিনট্যাক্স:

#mhlo.dequantize_mode<
  ::mlir::mhlo::DequantizeMode   # value
>

পরামিতি:

প্যারামিটার	C++ type	বর্ণনা
মান	::mlir::mhlo::DequantizeMode	an enum of type DequantizeMode

DomainKindAttr

Kind of domain metatdata attached to an HLO domain.

সিনট্যাক্স:

#mhlo.kind<
  ::mlir::mhlo::DomainKind   # value
>

পরামিতি:

প্যারামিটার	C++ type	বর্ণনা
মান	::mlir::mhlo::DomainKind	an enum of type DomainKind

DotAlgorithmAttr

Attribute that models the algorithm constraints to use for computing dot.

সিনট্যাক্স:

#mhlo.dot_algorithm<
  Type,   # lhsPrecisionType
  Type,   # rhsPrecisionType
  Type,   # accumulationType
  int64_t,   # lhsComponentCount
  int64_t,   # rhsComponentCount
  int64_t,   # numPrimitiveOperations
  bool   # allowImpreciseAccumulation
>

পরামিতি:

প্যারামিটার	C++ type	বর্ণনা
lhsPrecisionType	Type
rhsPrecisionType	Type
accumulationType	Type
lhsComponentCount	int64_t
rhsComponentCount	int64_t
numPrimitiveOperations	int64_t
allowImpreciseAccumulation	bool

DotDimensionNumbersAttr

Attribute that models the dimension information for dot.

পরামিতি:

প্যারামিটার	C++ type	বর্ণনা
lhsBatchingDimensions	::llvm::ArrayRef<int64_t>	মাত্রা
rhsBatchingDimensions	::llvm::ArrayRef<int64_t>	মাত্রা
lhsContractingDimensions	::llvm::ArrayRef<int64_t>	মাত্রা
rhsContractingDimensions	::llvm::ArrayRef<int64_t>	মাত্রা

FftTypeAttr

XLA fast fourier transform type.

সিনট্যাক্স:

#mhlo.fft_type<
  ::mlir::mhlo::FftType   # value
>

পরামিতি:

প্যারামিটার	C++ type	বর্ণনা
মান	::mlir::mhlo::FftType	an enum of type FftType

FusionKindAttr

Fusion kind

সিনট্যাক্স:

#mhlo.fusion_kind<
  ::mlir::mhlo::FusionKind   # value
>

পরামিতি:

প্যারামিটার	C++ type	বর্ণনা
মান	::mlir::mhlo::FusionKind	an enum of type FusionKind

GatherDimensionNumbersAttr

Attribute that models the dimension information for gather

পরামিতি:

প্যারামিটার	C++ type	বর্ণনা
offsetDims	::llvm::ArrayRef<int64_t>	মাত্রা
collapsedSliceDims	::llvm::ArrayRef<int64_t>	মাত্রা
operandBatchingDims	::llvm::ArrayRef<int64_t>	মাত্রা
startIndicesBatchingDims	::llvm::ArrayRef<int64_t>	মাত্রা
startIndexMap	::llvm::ArrayRef<int64_t>	মাত্রা
indexVectorDim	int64_t

OutputOperandAliasAttr

Attribute that models the alias relationship of output and operand of a CustomCall op

সিনট্যাক্স:

#mhlo.output_operand_alias<
  ::llvm::ArrayRef<int64_t>,   # outputTupleIndices
  int64_t,   # operandIndex
  ::llvm::ArrayRef<int64_t>   # operandTupleIndices
>

This attribute captures the alias relationship of the output to one of the operands for a CustomCall op, denoted by operand_index . The output_tuple_indices and operand_tuple_indices are used to index into output and operand types. These indices lists are empty if the corresponding types are not tuple types, and can be arbitrarily long in case of arbitrarily nested tuple types.

See https://www.tensorflow.org/xla/aliasing

Example when used as array with in mhlo.custom-call:

%0 = "mhlo.custom_call"(%arg0, %arg1) {
  // other attributes
  output_operand_alias = [
    #mhlo.output_operand_alias<output_tuple_indices = [0],
                               operand_index = 0,
                               operand_tuple_indices = [1]>
  ]
} : (tuple<tensor<1x1xf32>, tensor<2x3xf32>>, tensor<5x5xf32>) -> tuple<tensor<2x3xf32>>

The output and the 0th operand are both tuples. The aliasing shows the
relationship between the 0th element in output tuple with the 1st element in
the 0th operand. And both of them are of the same type: tensor<2x3xf32>.

পরামিতি:

প্যারামিটার	C++ type	বর্ণনা
outputTupleIndices	::llvm::ArrayRef<int64_t>	মাত্রা
operandIndex	int64_t
operandTupleIndices	::llvm::ArrayRef<int64_t>	মাত্রা

PrecisionAttr

XLA precision for an operand. Has backend specific meaning.

সিনট্যাক্স:

#mhlo.precision<
  ::mlir::mhlo::Precision   # value
>

পরামিতি:

প্যারামিটার	C++ type	বর্ণনা
মান	::mlir::mhlo::Precision	an enum of type Precision

RaggedDotDimensionNumbersAttr

Attribute that models the dimension information for ragged dot.

পরামিতি:

প্যারামিটার	C++ type	বর্ণনা
dotDimensionNumbers	::mlir::mhlo::DotDimensionNumbersAttr	Attribute that models the dimension information for dot.
lhsRaggedDimensions	::llvm::ArrayRef<int64_t>	মাত্রা
rhsGroupDimensions	::llvm::ArrayRef<int64_t>	মাত্রা

ResultAccuracyAttr

The requested accuracy for unary ops.

পরামিতি:

প্যারামিটার	C++ type	বর্ণনা
atol	APFloat
rtol	APFloat
ulps	int64_t
মোড	::mlir::mhlo::ResultAccuracyModeAttr	XLA result accuracy mode.

ResultAccuracyModeAttr

XLA result accuracy mode.

সিনট্যাক্স:

#mhlo.result_accuracy_mode<
  ::mlir::mhlo::ResultAccuracyMode   # value
>

পরামিতি:

প্যারামিটার	C++ type	বর্ণনা
মান	::mlir::mhlo::ResultAccuracyMode	an enum of type ResultAccuracyMode

RngAlgorithmAttr

XLA PRNG algorithm to be used.

সিনট্যাক্স:

#mhlo.rng_algorithm<
  ::mlir::mhlo::RngAlgorithm   # value
>

পরামিতি:

প্যারামিটার	C++ type	বর্ণনা
মান	::mlir::mhlo::RngAlgorithm	an enum of type RngAlgorithm

RngDistributionAttr

XLA PRNG distribution to be used.

সিনট্যাক্স:

#mhlo.rng_distribution<
  ::mlir::mhlo::RngDistribution   # value
>

পরামিতি:

প্যারামিটার	C++ type	বর্ণনা
মান	::mlir::mhlo::RngDistribution	an enum of type RngDistribution

ScatterDimensionNumbersAttr

Attribute that models the dimension information for scatter

পরামিতি:

প্যারামিটার	C++ type	বর্ণনা
updateWindowDims	::llvm::ArrayRef<int64_t>	মাত্রা
insertedWindowDims	::llvm::ArrayRef<int64_t>	মাত্রা
inputBatchingDims	::llvm::ArrayRef<int64_t>	মাত্রা
scatterIndicesBatchingDims	::llvm::ArrayRef<int64_t>	মাত্রা
scatterDimsToOperandDims	::llvm::ArrayRef<int64_t>	মাত্রা
indexVectorDim	int64_t

TransposeAttr

Transpose options

সিনট্যাক্স:

#mhlo.transpose<
  ::mlir::mhlo::Transpose   # value
>

পরামিতি:

প্যারামিটার	C++ type	বর্ণনা
মান	::mlir::mhlo::Transpose	an enum of type Transpose

TypeExtensionsAttr

Attribute that extends tensor type with MHLO type properties.

সিনট্যাক্স:

#mhlo.type_extensions<
  ::llvm::ArrayRef<int64_t>   # bounds
>

This attribute is used to extend MLIR tensor type with MHLO tensor specific properties. These properties aren't modeled in the MLIR type. This attribute is set in the encoding field of the tensor type.

See HLO_BoundedAttrInterface for documentation for bounds .

পরামিতি:

প্যারামিটার	C++ type	বর্ণনা
bounds	::llvm::ArrayRef<int64_t>

প্রকারভেদ

AsyncBundleType

Opaque collection of other types

সিনট্যাক্স:

!mhlo.async_bundle<
  ::llvm::ArrayRef<Type>   # types
>

পরামিতি:

প্যারামিটার	C++ type	বর্ণনা
প্রকার	::llvm::ArrayRef<Type>

এনামস

ComparisonDirection

Which comparison operation to perform.

মামলা:

প্রতীক	মান	স্ট্রিং
EQ	0	EQ
NE	1	NE
জিই	2	জিই
জিটি	3	জিটি
এল.ই	4	এল.ই
এলটি	5	এলটি

ComparisonType

Which comparison type to use.

মামলা:

প্রতীক	মান	স্ট্রিং
NOTYPE	0	NOTYPE
ফ্লোট	1	ফ্লোট
TOTALORDER	2	TOTALORDER
স্বাক্ষরিত	3	স্বাক্ষরিত
UNSIGNED	4	UNSIGNED

CustomCallApiVersion

Custom call API version

মামলা:

প্রতীক	মান	স্ট্রিং
API_VERSION_UNSPECIFIED	0	API_VERSION_UNSPECIFIED
API_VERSION_ORIGINAL	1	API_VERSION_ORIGINAL
API_VERSION_STATUS_RETURNING	2	API_VERSION_STATUS_RETURNING
API_VERSION_STATUS_RETURNING_UNIFIED	3	API_VERSION_STATUS_RETURNING_UNIFIED
API_VERSION_TYPED_FFI	4	API_VERSION_TYPED_FFI

CustomCallSchedule

Specifies the desired schedule for the custom-call.

মামলা:

প্রতীক	মান	স্ট্রিং
কোনটিই নয়	0	কোনটিই নয়
সর্বশেষ	1	সর্বশেষ
প্রথম দিকে	2	প্রথম দিকে

DequantizeMode

_Dequantization mode. Only MIN COMBINED is supported.

মামলা:

প্রতীক	মান	স্ট্রিং
MIN_COMBINED	0	MIN_COMBINED

DomainKind

Kind of domain metatdata attached to an HLO domain.

মামলা:

প্রতীক	মান	স্ট্রিং
sharding	0	sharding

FftType

XLA fast fourier transform type.

মামলা:

প্রতীক	মান	স্ট্রিং
FFT	0	FFT
IFFT	1	IFFT
RFFT	2	RFFT
IRFFT	3	IRFFT

FusionKind

Fusion kind

মামলা:

প্রতীক	মান	স্ট্রিং
kLoop	0	kLoop
kInput	1	kInput
kOutput	2	kOutput
kCustom	3	kCustom

যথার্থতা

XLA precision for an operand. Has backend specific meaning.

মামলা:

প্রতীক	মান	স্ট্রিং
ডিফল্ট	0	ডিফল্ট
উচ্চ	1	উচ্চ
সর্বোচ্চ	2	সর্বোচ্চ

ResultAccuracyMode

XLA result accuracy mode.

মামলা:

প্রতীক	মান	স্ট্রিং
ডিফল্ট	0	ডিফল্ট
সর্বোচ্চ	1	সর্বোচ্চ
সহনশীলতা	2	সহনশীলতা

RngAlgorithm

XLA PRNG algorithm to be used.

মামলা:

প্রতীক	মান	স্ট্রিং
ডিফল্ট	0	ডিফল্ট
THREE_FRY	1	THREE_FRY
PHILOX	2	PHILOX

RngDistribution

XLA PRNG distribution to be used.

মামলা:

প্রতীক	মান	স্ট্রিং
ইউনিফর্ম	1	ইউনিফর্ম
স্বাভাবিক	2	স্বাভাবিক

স্থানান্তর

Transpose options

মামলা:

প্রতীক	মান	স্ট্রিং
TRANSPOSE_INVALID	0	TRANSPOSE_INVALID
NO_TRANSPOSE	1	NO_TRANSPOSE
ট্রান্সপোজ	2	ট্রান্সপোজ
ADJOINT	3	ADJOINT