'tfl' נִיב

הניב של TensorFlow Lite.

דיאלקט זה ממפה לפעולות TensorFlow Lite.

בלתי משתנים:

• כל הערכים הם מסוג טנזור (בפרט, סקלרים מיוצגים באמצעות טנזורים אפס-ממדיים);

פעולות

tfl.abs (TFL::AbsOp)

אופרטור ערך מוחלט

בהינתן טנזור x , פעולה זו מחזירה טנזור המכיל את הערך המוחלט של כל איבר ב- x . לדוגמה, אם x הוא איבר קלט ו-y הוא איבר פלט, פעולה זו מחשבת \(y = |x|\).

תכונות: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד	תֵאוּר
x	טנזור של מספר שלם ללא סימנים של 16 סיביות או מספר שלם ללא סימנים של 32 סיביות או ערכים צפים של 32 סיביות או ערכים מסוג QI8 או QI16

תוצאות:

תוֹצָאָה	תֵאוּר
y	טנזור של מספר שלם ללא סימנים של 16 סיביות או מספר שלם ללא סימנים של 32 סיביות או ערכים צפים של 32 סיביות או ערכים מסוג QI8 או QI16

tfl.add (TFL::AddOp)

אופרטור חיבור

פעולת חיבור לפי אלמנטים.

תכונות: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , Commutative , QuantizableResult , ResultsBroadcastableShape

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

אפקטים: MemoryEffects::Effect{}

תכונות:

תְכוּנָה	סוג MLIR	תֵאוּר
fused_activation_function	::mlir::StringAttr	תכונת מחרוזת שערכה הוא NONE, או RELU, או RELU_N1_TO_1, או RELU6, או TANH, או SIGN_BIT

אופרנדים:

אופרנד	תֵאוּר
lhs	טנזור של מספר צף של 32 סיביות או מספר שלם ללא סימנים של 16 סיביות או מספר שלם ללא סימנים של 32 סיביות או מספר שלם ללא סימנים של 64 סיביות או ערכים מסוג QI8 או QUII8 או QI16
rhs	טנזור של מספר צף של 32 סיביות או מספר שלם ללא סימנים של 16 סיביות או מספר שלם ללא סימנים של 32 סיביות או מספר שלם ללא סימנים של 64 סיביות או ערכים מסוג QI8 או QUII8 או QI16

תוצאות:

תוֹצָאָה	תֵאוּר
output	טנזור של מספר צף של 32 סיביות או מספר שלם ללא סימנים של 16 סיביות או מספר שלם ללא סימנים של 32 סיביות או מספר שלם ללא סימנים של 64 סיביות או ערכים מסוג QI8 או QUII8 או QI16

tfl.add_n (TFL::AddNOp)

_הוסף אופרטור n

מחבר את כל טנזורי הקלט לפי אלמנטים.

תכונות: AlwaysSpeculatableImplTrait , Commutative

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflArithmeticCountOpInterface , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד	תֵאוּר
inputs	וריאדיקה של טנזור מכל סוג ערכים

תוצאות:

תוֹצָאָה	תֵאוּר
sum	טנזור של ערכי צף של 32 סיביות או ערכים שלמים ללא סימנים של 32 סיביות

tfl.arg_max (TFL::ArgMaxOp)

אופרטור ArgMax

מחזירה את האינדקס עם הערך הגדול ביותר על פני ממדים של טנזור.

תכונות: AlwaysSpeculatableImplTrait , QuantizableResult

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

תכונות:

תְכוּנָה	סוג MLIR	תֵאוּר
output_type	::mlir::תכונה	תכונה נגזרת

אופרנדים:

אופרנד	תֵאוּר
input	טנזור של מספר שלם ללא סימנים של 1 ביט או מספר צף של 32 ביט או מספר שלם ללא סימנים של 32 ביט או מספר שלם ללא סימנים של 8 ביט או מספר שלם ללא סימנים של 8 ביט או ערכים מסוג QI8 או QUI8
dim	טנזור של ערכים שלמים ללא סימנים של 32/64 סיביות

תוצאות:

תוֹצָאָה	תֵאוּר
output	טנזור של ערכים שלמים ללא סימנים של 32/64 סיביות

tfl.arg_min (TFL::ArgMinOp)

אופרטור ArgMin

מחזירה את האינדקס עם הערך הקטן ביותר על פני ממדים של טנזור. a = [1, 10, 26.9, 2.8, 166.32, 62.3] b = tf.math.argmin(input = a) c = tf.keras.backend.eval(b)

תכונות: AlwaysSpeculatableImplTrait , QuantizableResult

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

תכונות:

תְכוּנָה	סוג MLIR	תֵאוּר
output_type	::mlir::תכונה	תכונה נגזרת

אופרנדים:

אופרנד	תֵאוּר
input	טנזור של מספר שלם ללא סימנים של 1 ביט או מספר צף של 32 ביט או מספר שלם ללא סימנים של 32 ביט או מספר שלם ללא סימנים של 8 ביט או מספר שלם ללא סימנים של 8 ביט או ערכים מסוג QI8 או QUI8
dim	טנזור של ערכים שלמים ללא סימנים של 32/64 סיביות

תוצאות:

תוֹצָאָה	תֵאוּר
output	טנזור של ערכים שלמים ללא סימנים של 32/64 סיביות

tfl.assign_variable (TFL::AssignVariableOp)

מקצה ערך חדש למשתנה.

כל ReadVariableOp עם תלות פקד בפעולה זו מובטחת להחזיר ערך זה או ערך חדש יותר של המשתנה.

ממשקים: TflRuntimeVerifyOpInterface

אופרנדים:

אופרנד	תֵאוּר
resource_id	טנזור של ערכי משאבים
value	טנזור של ציפה של 32 סיביות או ציפה של 64 סיביות או מספר שלם ללא סימנים של 1 סיביות או מספר שלם ללא סימנים של 8 סיביות או מספר שלם ללא סימנים של 8 סיביות או סוג QI8 או סוג QUI8 או מספר שלם ללא סימנים של 32 סיביות או מספר שלם ללא סימנים של 64 סיביות או סוג QI16 או סוג מרוכב עם אלמנטים צפים של 32 סיביות או סוג מרוכב עם ערכי אלמנטים צפים של 64 סיביות

tfl.atan2 (TFL::Atan2Op)

מבצע Atan2

הפעולה "atan2" מחשבת את הארקטנגנס של y/x לפי איברים, תוך התחשבות בסימני הארגומנטים.

תכונות: AlwaysSpeculatableImplTrait , SameOperandsAndResultType

ממשקים: ConditionallySpeculatable , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד	תֵאוּר
y	טנזור של ערכי צף של 32 סיביות או 64 סיביות
x	טנזור של ערכי צף של 32 סיביות או 64 סיביות

תוצאות:

תוֹצָאָה	תֵאוּר
output	טנזור של ערכי צף של 32 סיביות או 64 סיביות

tfl.average_pool_2d (TFL::AveragePool2DOp)

אופרטור דו-ממדי של _Average_pool

מבצע פעולת איגום ממוצע על קלט.

תכונות: AlwaysSpeculatableImplTrait , QuantizableResult

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , SameOperandsAndResultsScale , TflArithmeticCountOpInterface , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

תכונות:

תְכוּנָה	סוג MLIR	תֵאוּר
filter_height	::mlir::IntegerAttr	תכונה שלמה ללא סימנים של 32 סיביות
filter_width	::mlir::IntegerAttr	תכונה שלמה ללא סימנים של 32 סיביות
padding	::mlir::StringAttr	תכונת מחרוזת שערכה הוא זהה, או תקף
stride_h	::mlir::IntegerAttr	תכונה שלמה ללא סימנים של 32 סיביות
stride_w	::mlir::IntegerAttr	תכונה שלמה ללא סימנים של 32 סיביות
fused_activation_function	::mlir::StringAttr	תכונת מחרוזת שערכה הוא NONE, או RELU, או RELU_N1_TO_1, או RELU6, או TANH, או SIGN_BIT

אופרנדים:

אופרנד	תֵאוּר
input	טנזור של ערכים מסוג צף של 32 סיביות או מסוג QI8 או מסוג QUI8 או מסוג QI16

תוצאות:

תוֹצָאָה	תֵאוּר
output	טנזור של ערכים מסוג צף של 32 סיביות או מסוג QI8 או מסוג QUI8 או מסוג QI16

tfl.basic_lstm (TFL::BasicLSTMOp)

אופרטור lstm בסיסי

מפעיל סלולרי LSTM בסיסי.

תכונות: AlwaysSpeculatableImplTrait , QuantizableResult

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

תכונות:

תְכוּנָה	סוג MLIR	תֵאוּר
fused_activation_function	::mlir::StringAttr	תכונת מחרוזת שערכה הוא NONE, או RELU, או RELU_N1_TO_1, או RELU6, או TANH, או SIGN_BIT
cell_clip	::mlir::FloatAttr	תכונת צף של 32 סיביות שערכה אינו שלילי
proj_clip	::mlir::FloatAttr	תכונת צף של 32 סיביות שערכה אינו שלילי
kernel_type	::mlir::TFL::LSTMKernelTypeAttr	lstm_kernel_type שערכו הוא mlir::TFL::LSTMKernelType::BASIC

אופרנדים:

אופרנד	תֵאוּר
data_input	טנזור של ערכים מסוג QUI8 או צינור צף של 32 סיביות
prev_activ_input	טנזור של ערכים מסוג QUI8 או צינור צף של 32 סיביות
weights_input	טנזור של ערכים מסוג QUI8 או צינור צף של 32 סיביות
biases_input	טנזור של ערכים מסוג QI32 או צפים של 32 סיביות
prev_state_input	טנזור של ערכים מסוג צפים של 32 סיביות או QI16

תוצאות:

תוֹצָאָה	תֵאוּר
activ_output	טנזור דו-ממדי מכל סוג ערכים
state_output	טנזור דו-ממדי מכל סוג ערכים
concat_temp	טנזור דו-ממדי מכל סוג ערכים
activ_temp	טנזור דו-ממדי מכל סוג ערכים

tfl.batch_matmul (TFL::BatchMatMulOp)

אופרטור הכפל של מטריצת אצווה

מבצע כפל מטריצות קבוצתי על הקלטים. פועל לפי המוסכמות של TensorFlow BatchMatMulV2, עם תמיכה במידות לא ידועות במידות הקבוצתי ובשידור.

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

תכונות: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , QuantizableResult

ממשקים: ConditionallySpeculatable , DynamicRangeQuantizedOpInterface , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

תכונות:

תְכוּנָה	סוג MLIR	תֵאוּר
adj_x	::mlir::BoolAttr	תכונת bool
adj_y	::mlir::BoolAttr	תכונת bool
asymmetric_quantize_inputs	::mlir::BoolAttr	תכונת bool

אופרנדים:

אופרנד	תֵאוּר
x	טנזור של ערכי מספר שלם ללא סימנים של 32 סיביות, מסוג QI8 או מסוג QI16.
y	טנזור של ערכי מספר שלם ללא סימנים של 32 סיביות, מסוג QI8 או מסוג QI16.

תוצאות:

תוֹצָאָה	תֵאוּר
output	טנזור של ערכי מספרים שלמים ללא סימנים של 32 סיביות, מסוג צף או מסוג QI8 או מסוג QI16

tfl.batch_to_space_nd (TFL::BatchToSpaceNdOp)

אופרטור BatchToSpaceNd

פעולה זו מעצבת מחדש את ממד ה"אצווה" 0 למימדי מרחב.

תכונות: AlwaysSpeculatableImplTrait , QuantizableResult

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

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד	תֵאוּר
input	טנזור של מספר צף של 32 סיביות או מספר שלם ללא סימנים של 8 סיביות או מספר שלם ללא סימנים של 32 סיביות או מספר שלם ללא סימנים של 64 סיביות או מספר שלם ללא סימנים של 8 סיביות או ערכים מסוג QI8 או QUII8 או QI16
block_shape	טנזור של ערכים שלמים חסרי סימנים של 32 סיביות
indices	טנזור של ערכים שלמים חסרי סימנים של 32 סיביות

תוצאות:

תוֹצָאָה	תֵאוּר
output	טנזור של מספר צף של 32 סיביות או מספר שלם ללא סימנים של 16 סיביות או מספר שלם ללא סימנים של 32 סיביות או מספר שלם ללא סימנים של 64 סיביות או מספר שלם ללא סימנים של 8 סיביות או ערכים מסוג QI8 או QUII8 או QI16

tfl.bidirectional_sequence_lstm (TFL::BidirectionalSequenceLSTMOp)

אופרטור lstm של רצף דו-כיווני

קבצי lstm דו-כיווניים מורכבים למעשה משני קבצי lstm, אחד פועל קדימה והשני פועל אחורה. והפלט הוא שרשור של שני ה-lstm.

תכונות: QuantizableResult

ממשקים: DynamicRangeQuantizedOpInterface , TFL_StatefulOp , TflRuntimeVerifyOpInterface

תכונות:

תְכוּנָה	סוג MLIR	תֵאוּר
fused_activation_function	::mlir::StringAttr	תכונת מחרוזת שערכה הוא NONE, או RELU, או RELU_N1_TO_1, או RELU6, או TANH, או SIGN_BIT
cell_clip	::mlir::FloatAttr	תכונת צף של 32 סיביות שערכה אינו שלילי
proj_clip	::mlir::FloatAttr	תכונת צף של 32 סיביות שערכה אינו שלילי
merge_outputs	::mlir::BoolAttr	תכונת bool
time_major	::mlir::BoolAttr	תכונת bool
asymmetric_quantize_inputs	::mlir::BoolAttr	תכונת bool

אופרנדים:

אופרנד	תֵאוּר
input	טנזור של ערכי צף של 32 סיביות או ערכי מספר שלם ללא סימנים של 8 סיביות
fw_input_to_input_weights	טנזור מכל סוג ערכים או ללא סוג
fw_input_to_forget_weights	טנזור של ערכי צף של 32 סיביות או ערכי מספר שלם ללא סימנים של 8 סיביות
fw_input_to_cell_weights	טנזור של ערכי צף של 32 סיביות או ערכי מספר שלם ללא סימנים של 8 סיביות
fw_input_to_output_weights	טנזור של ערכי צף של 32 סיביות או ערכי מספר שלם ללא סימנים של 8 סיביות
fw_recurrent_to_input_weights	טנזור מכל סוג ערכים או ללא סוג
fw_recurrent_to_forget_weights	טנזור של ערכי צף של 32 סיביות או ערכי מספר שלם ללא סימנים של 8 סיביות
fw_recurrent_to_cell_weights	טנזור של ערכי צף של 32 סיביות או ערכי מספר שלם ללא סימנים של 8 סיביות
fw_recurrent_to_output_weights	טנזור של ערכי צף של 32 סיביות או ערכי מספר שלם ללא סימנים של 8 סיביות
fw_cell_to_input_weights	טנזור מכל סוג ערכים או ללא סוג
fw_cell_to_forget_weights	טנזור מכל סוג ערכים או ללא סוג
fw_cell_to_output_weights	טנזור מכל סוג ערכים או ללא סוג
fw_input_gate_bias	טנזור מכל סוג ערכים או ללא סוג
fw_forget_gate_bias	טנזור של ערכי צף של 32 סיביות
fw_cell_bias	טנזור של ערכי צף של 32 סיביות
fw_output_gate_bias	טנזור של ערכי צף של 32 סיביות
fw_projection_weights	טנזור מכל סוג ערכים או ללא סוג
fw_projection_bias	טנזור מכל סוג ערכים או ללא סוג
bw_input_to_input_weights	טנזור מכל סוג ערכים או ללא סוג
bw_input_to_forget_weights	טנזור של ערכי צף של 32 סיביות או ערכי מספר שלם ללא סימנים של 8 סיביות
bw_input_to_cell_weights	טנזור של ערכי צף של 32 סיביות או ערכי מספר שלם ללא סימנים של 8 סיביות
bw_input_to_output_weights	טנזור של ערכי צף של 32 סיביות או ערכי מספר שלם ללא סימנים של 8 סיביות
bw_recurrent_to_input_weights	טנזור מכל סוג ערכים או ללא סוג
bw_recurrent_to_forget_weights	טנזור של ערכי צף של 32 סיביות או ערכי מספר שלם ללא סימנים של 8 סיביות
bw_recurrent_to_cell_weights	טנזור של ערכי צף של 32 סיביות או ערכי מספר שלם ללא סימנים של 8 סיביות
bw_recurrent_to_output_weights	טנזור של ערכי צף של 32 סיביות או ערכי מספר שלם ללא סימנים של 8 סיביות
bw_cell_to_input_weights	טנזור מכל סוג ערכים או ללא סוג
bw_cell_to_forget_weights	טנזור מכל סוג ערכים או ללא סוג
bw_cell_to_output_weights	טנזור מכל סוג ערכים או ללא סוג
bw_input_gate_bias	טנזור מכל סוג ערכים או ללא סוג
bw_forget_gate_bias	טנזור של ערכי צף של 32 סיביות
bw_cell_bias	טנזור של ערכי צף של 32 סיביות
bw_output_gate_bias	טנזור של ערכי צף של 32 סיביות
bw_projection_weights	טנזור מכל סוג ערכים או ללא סוג
bw_projection_bias	טנזור מכל סוג ערכים או ללא סוג
fw_input_activation_state	טנזור מצבי
fw_input_cell_state	טנזור מצבי
bw_input_activation_state	טנזור מצבי
bw_input_cell_state	טנזור מצבי
aux_input	טנזור מכל סוג ערכים או ללא סוג
fw_aux_input_to_input_weights	טנזור מכל סוג ערכים או ללא סוג
fw_aux_input_to_forget_weights	טנזור מכל סוג ערכים או ללא סוג
fw_aux_input_to_cell_weights	טנזור מכל סוג ערכים או ללא סוג
fw_aux_input_to_output_weights	טנזור מכל סוג ערכים או ללא סוג
bw_aux_input_to_input_weights	טנזור מכל סוג ערכים או ללא סוג
bw_aux_input_to_forget_weights	טנזור מכל סוג ערכים או ללא סוג
bw_aux_input_to_cell_weights	טנזור מכל סוג ערכים או ללא סוג
bw_aux_input_to_output_weights	טנזור מכל סוג ערכים או ללא סוג

תוצאות:

תוֹצָאָה	תֵאוּר
fw_output	טנזור מכל סוג ערכים
bw_output	טנזור מכל סוג ערכים

tfl.bitcast (TFL::BitcastOp)

מפעיל Bitcast

Bitcast מבצע הטנזור מסוג אחד לאחר.

תכונות: AlwaysSpeculatableImplTrait

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד	תֵאוּר
input	טנזור מכל סוג ערכים

תוצאות:

תוֹצָאָה	תֵאוּר
output	טנזור מכל סוג ערכים

tfl.bitwise_xor (TFL::BitwiseXorOp)

אופרטור Xor ברמת הסיביות

Elementwise מחשב את ה-XOR מבחינה סיביות של lhs ו- rhs .

תכונות: AlwaysSpeculatableImplTrait , Commutative , ResultsBroadcastableShape , SameOperandsAndResultElementType

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד	תֵאוּר
lhs	טנזור של מספר שלם ללא סימנים של 8 סיביות או מספר שלם ללא סימנים של 8 סיביות או מספר שלם ללא סימנים של 16 סיביות או מספר שלם ללא סימנים של 16 סיביות או ערכים שלמים ללא סימנים של 32 סיביות או ערכים שלמים ללא סימנים של 32 סיביות
rhs	טנזור של מספר שלם ללא סימנים של 8 סיביות או מספר שלם ללא סימנים של 8 סיביות או מספר שלם ללא סימנים של 16 סיביות או מספר שלם ללא סימנים של 16 סיביות או ערכים שלמים ללא סימנים של 32 סיביות או ערכים שלמים ללא סימנים של 32 סיביות

תוצאות:

תוֹצָאָה	תֵאוּר
output	טנזור של מספר שלם ללא סימנים של 8 סיביות או מספר שלם ללא סימנים של 8 סיביות או מספר שלם ללא סימנים של 16 סיביות או מספר שלם ללא סימנים של 16 סיביות או ערכים שלמים ללא סימנים של 32 סיביות או ערכים שלמים ללא סימנים של 32 סיביות

tfl.broadcast_args (TFL::BroadcastArgsOp)

החזר את הצורה של s0 op s1 באמצעות broadcast.

בהינתן s0 ו- s1 , טנזורים המייצגים צורות, חשב את r0 , הצורה המשודרת. s0 , s1 ו- r0 הם כולם וקטורים שלמים.

תכונות: AlwaysSpeculatableImplTrait

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד	תֵאוּר
s0	טנזור של ערכים שלמים ללא סימנים של 32/64 סיביות
s1	טנזור של ערכים שלמים ללא סימנים של 32/64 סיביות

תוצאות:

תוֹצָאָה	תֵאוּר
r0	טנזור של ערכים שלמים ללא סימנים של 32/64 סיביות

tfl.broadcast_to (TFL::BroadcastToOp)

שידור מערך עבור צורה תואמת.

שידור (Broadcasting) הוא תהליך של יצירת מערכים בעלי צורות תואמות לפעולות אריתמטיות. שתי צורות תואמות אם עבור כל זוג ממדים הן שוות או שאחת מהן היא אחת. כאשר מנסים לשדר טנזור לצורה, הוא מתחיל עם הממדים הנגמרים, ומתקדם קדימה.

לְדוּגמָה,

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

בדוגמה לעיל, טנזור הקלט בצורת [1, 3] משודר לפלט טנזור בצורת [3, 3] .

כאשר מבצעים פעולות משודרות כמו הכפלת טנזור בסקלר, שידור (בדרך כלל) מעניק יתרון מסוים בזמן או במרחב, מכיוון שהטנזור המשודר לעולם אינו מתממש.

עם זאת, broadcast_to אין יתרונות כאלה. הטנזור החדש שנוצר לוקח את מלוא הזיכרון של הצורה המשודרת. (עם זאת, בהקשר של גרף, broadcast_to עשוי להיות ממוזג לפעולה עוקבת ולאחר מכן להיות ממוטב.)

תכונות: AlwaysSpeculatableImplTrait , QuantizableResult

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

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד	תֵאוּר
input	טנזור של מספר צף של 32 סיביות או מספר שלם ללא סימנים של 32 סיביות או מספר שלם ללא סימנים של 1 סיביות או מספר שלם ללא סימנים של 4 סיביות או מספר שלם ללא סימנים של 8 סיביות או סוג QI8 או מספר שלם ללא סימנים של 8 סיביות או מספר שלם ללא סימנים של 32 סיביות או סוג QUI8 או מספר שלם ללא סימנים של 16 סיביות או סוג QI16 או מספר שלם ללא סימנים של 64 סיביות או סוג מרוכב עם ערכי אלמנטים צפים של 32 סיביות
shape	טנזור של ערכים שלמים ללא סימנים של 32/64 סיביות

תוצאות:

תוֹצָאָה	תֵאוּר
output	טנזור של מספר צף של 32 סיביות או מספר שלם ללא סימנים של 32 סיביות או מספר שלם ללא סימנים של 1 סיביות או מספר שלם ללא סימנים של 4 סיביות או מספר שלם ללא סימנים של 8 סיביות או סוג QI8 או מספר שלם ללא סימנים של 8 סיביות או מספר שלם ללא סימנים של 32 סיביות או סוג QUI8 או מספר שלם ללא סימנים של 16 סיביות או סוג QI16 או מספר שלם ללא סימנים של 64 סיביות או סוג מרוכב עם ערכי אלמנטים צפים של 32 סיביות

tfl.bucketize (TFL::BucketizeOp)

מחלק 'קלט' לפי 'גבולות'.

דוּגמָה:

אם הקלטים הם boundaries = [0, 10, 100] input = [[-5, 10000][150, 10][5, 100]] , אז הפלט יהיה output = [[0, 3][3, 2][1, 3]] .

תכונות: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

תכונות:

תְכוּנָה	סוג MLIR	תֵאוּר
boundaries	::mlir::ArrayAttr	תכונת מערך צף של 32 סיביות

אופרנדים:

אופרנד	תֵאוּר
input	טנזור של מספר צף של 32 סיביות או מספר צף של 64 סיביות או ערכים שלמים ללא סימנים של 32 סיביות או ערכים שלמים ללא סימנים של 64 סיביות

תוצאות:

תוֹצָאָה	תֵאוּר
output	טנזור של ערכים שלמים חסרי סימנים של 32 סיביות

tfl.call_once (TFL::CallOnceOp)

קורא לפונקציית אתחול

פעולה זו מפעילה את פונקציית האתחול הנתונה עבור אתחול ההפעלה בניב המודל השמור של tf.

ממשקים: TflRuntimeVerifyOpInterface

תכונות:

תְכוּנָה	סוג MLIR	תֵאוּר
session_init_function	::mlir::StringAttr	תכונת מחרוזת

tfl.cast (TFL::CastOp)

מפעיל יציקה

מעביר קלט מסוג קלט לסוג פלט.

תכונות: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד

תֵאוּר

input

טנזור של ציפה של 16 סיביות או מסוג bfloat16 או ציפה של 32 סיביות או ציפה של 64 סיביות או מספר שלם ללא סימנים של 1 סיביות או מספר שלם ללא סימנים של 2 סיביות או מספר שלם ללא סימנים של 4 סיביות או מספר שלם ללא סימנים של 16 סיביות או מספר שלם ללא סימנים של 16 סיביות או מספר שלם ללא סימנים של 32 סיביות או מספר שלם ללא סימנים של 32 סיביות או מספר שלם ללא סימנים של 64 סיביות או סוג quint8 של TFLite או מספר שלם ללא סימנים של 8 סיביות או מספר שלם ללא סימנים של 8 סיביות או סוג מרוכב עם ערכי אלמנטים צפים של 32 סיביות

תוצאות:

תוֹצָאָה

תֵאוּר

output

טנזור של ציפה של 16 סיביות או מסוג bfloat16 או ציפה של 32 סיביות או ציפה של 64 סיביות או מספר שלם ללא סימנים של 1 סיביות או מספר שלם ללא סימנים של 2 סיביות או מספר שלם ללא סימנים של 4 סיביות או מספר שלם ללא סימנים של 16 סיביות או מספר שלם ללא סימנים של 16 סיביות או מספר שלם ללא סימנים של 32 סיביות או מספר שלם ללא סימנים של 32 סיביות או מספר שלם ללא סימנים של 64 סיביות או סוג quint8 של TFLite או מספר שלם ללא סימנים של 8 סיביות או מספר שלם ללא סימנים של 8 סיביות או סוג מרוכב עם ערכי אלמנטים צפים של 32 סיביות

tfl.ceil (TFL::CeilOp)

מפעיל תקרה

מחזירה את ערך התקרה לפי אלמנטים של הקלט.

תכונות: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד	תֵאוּר
x	טנזור של ערכי צף של 32 סיביות

תוצאות:

תוֹצָאָה	תֵאוּר
y	טנזור של ערכי צף של 32 סיביות

tfl.complex_abs (TFL::ComplexAbsOp)

מחשב את הערך המוחלט המרוכב של טנזור.

בהינתן טנזור x של מספרים מרוכבים, פעולה זו מחזירה טנזור מסוג float או double שהוא הערך המוחלט של כל איבר ב- x . כל האיברים ב- x חייבים להיות מספרים מרוכבים מהצורה \(a + bj\)הערך המוחלט מחושב כ- \( \sqrt{a^2 + b^2}\).

תכונות: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד	תֵאוּר
input	טנזור מסוג מרוכב עם אלמנטים צפים של 32 סיביות או מסוג מרוכב עם ערכי אלמנטים צפים של 64 סיביות

תוצאות:

תוֹצָאָה	תֵאוּר
output	טנזור של ערכי צף של 32 סיביות או 64 סיביות

tfl.concatenation (TFL::ConcatenationOp)

אופרטור שרשור

משרשרת טנזורים לאורך מימד אחד

תכונות: AlwaysSpeculatableImplTrait , QuantizableResult

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

אפקטים: MemoryEffects::Effect{}

תכונות:

תְכוּנָה	סוג MLIR	תֵאוּר
axis	::mlir::IntegerAttr	תכונה שלמה ללא סימנים של 32 סיביות
fused_activation_function	::mlir::StringAttr	תכונת מחרוזת שערכה הוא NONE, או RELU, או RELU_N1_TO_1, או RELU6, או TANH, או SIGN_BIT

אופרנדים:

אופרנד	תֵאוּר
values	וריאדיקה של טנזור מכל סוג ערכים

תוצאות:

תוֹצָאָה	תֵאוּר
output	טנזור של מספר צף של 32 סיביות או מספר שלם ללא סימנים של 64 סיביות או מספר שלם ללא סימנים של 32 סיביות או מספר שלם ללא סימנים של 16 סיביות או מספר שלם ללא סימנים של 8 סיביות או סוג QI8 או סוג QUI8 או מספר שלם ללא סימן של 8 סיביות או מספר שלם ללא סימן של 32 סיביות או ערכי מספר שלם ללא סימנים של ביט אחד

tfl.control_node (TFL::ControlNodeOp)

פעולת TFL.control_node עוטפת פעולות של בלוק בודד על מנת לחבר קצוות בקרה.

זה משמש לעטוף אזורים ולצירוף תלויות בקרה אליהם. בדרך כלל, זה יקרה באחד השלבים האחרונים לפני פליטת מודל ה-flatbuffer על מנת לאפשר אופטימיזציות המסתמכות על סדר פעולות קבוע (כגון rematerialization). ייצואן ה-flatbuffer יפתח את עטיפת האזור העטוף ויוסיף הערות למודל שנוצר עם מטא-דאטה כך שכל סידור מחדש בזמן ריצה יכבד את הסדר שניתן על ידי תלויות הבקרה.

תכונות: HasParent<mlir::func::FuncOp> , RecursiveMemoryEffects , SingleBlockImplicitTerminator<YieldOp> , SingleBlock

אופרנדים:

אופרנד	תֵאוּר
controlInputs	וריאדיקה של בקרה

תוצאות:

תוֹצָאָה	תֵאוּר
outputs	וריאדיקה של טנזור מכל סוג ערכים
control	לִשְׁלוֹט

tfl.conv_2d (TFL::Conv2DOp)

אופרטור קונבולוציה

מבצע פעולת קונבולציה על קלט.

כניסות: inputs[0] : נדרש: טנזור הפעלת הקלט inputs[1] : נדרש: טנזור משקל המסנן inputs[2] : אופציונלי: טנזור ההטיה

תכונות: AlwaysSpeculatableImplTrait , QuantizableResult , TFL::AccumulatorUniformScale<2, 0, 1> , TFL::AffineOpCoefficient<0, 1>

ממשקים: AffineQuantizedOpInterface , ConditionallySpeculatable , DynamicRangeQuantizedOpInterface , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface) , RequiresQuantizedBiasInterface , TFL_SparseOp , TflArithmeticCountOpInterface , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

תכונות:

תְכוּנָה	סוג MLIR	תֵאוּר
dilation_h_factor	::mlir::IntegerAttr	תכונה שלמה ללא סימנים של 32 סיביות
dilation_w_factor	::mlir::IntegerAttr	תכונה שלמה ללא סימנים של 32 סיביות
fused_activation_function	::mlir::StringAttr	תכונת מחרוזת שערכה הוא NONE, או RELU, או RELU_N1_TO_1, או RELU6, או TANH, או SIGN_BIT
padding	::mlir::StringAttr	תכונת מחרוזת שערכה הוא זהה, או תקף
stride_h	::mlir::IntegerAttr	תכונה שלמה ללא סימנים של 32 סיביות
stride_w	::mlir::IntegerAttr	תכונה שלמה ללא סימנים של 32 סיביות

אופרנדים:

אופרנד	תֵאוּר
input	טנזור של ערכים מסוג צף של 32 סיביות או מסוג QI8 או מסוג QUI8 או מסוג QI16
filter	טנזור של ערכים מסוג צף של 32 סיביות או מסוג QI4 או מסוג QI8 או מסוג QUI8
bias	טנזור מכל סוג ערכים או ללא סוג

תוצאות:

תוֹצָאָה	תֵאוּר
output	טנזור של ערכים מסוג צף של 32 סיביות או מסוג QI8 או מסוג QUI8 או מסוג QI16

tfl.conv_3d (TFL::Conv3DOp)

אופרטור תלת-ממדי של קונבולוציה

מבצע פעולת קונבולוציה על קלט תלת-ממדי. קלט: inputs[0] : required: טנזור הפעלת הקלט inputs[1] : required: טנזור משקל המסנן inputs[2] : אופציונלי: טנזור ההטיה

תכונות: AlwaysSpeculatableImplTrait , TFL::AccumulatorUniformScale<2, 0, 1>

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , RequiresQuantizedBiasInterface , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

תכונות:

תְכוּנָה	סוג MLIR	תֵאוּר
dilation_d_factor	::mlir::IntegerAttr	תכונה שלמה ללא סימנים של 32 סיביות
dilation_h_factor	::mlir::IntegerAttr	תכונה שלמה ללא סימנים של 32 סיביות
dilation_w_factor	::mlir::IntegerAttr	תכונה שלמה ללא סימנים של 32 סיביות
fused_activation_function	::mlir::StringAttr	תכונת מחרוזת שערכה הוא NONE, או RELU, או RELU_N1_TO_1, או RELU6, או TANH, או SIGN_BIT
padding	::mlir::StringAttr	תכונת מחרוזת שערכה הוא זהה, או תקף
stride_d	::mlir::IntegerAttr	תכונה שלמה ללא סימנים של 32 סיביות
stride_h	::mlir::IntegerAttr	תכונה שלמה ללא סימנים של 32 סיביות
stride_w	::mlir::IntegerAttr	תכונה שלמה ללא סימנים של 32 סיביות

אופרנדים:

אופרנד	תֵאוּר
input	טנזור של ערכי צף של 32 סיביות
filter	טנזור של ערכי צף של 32 סיביות
bias	טנזור מכל סוג ערכים או ללא סוג

תוצאות:

תוֹצָאָה	תֵאוּר
output	טנזור של ערכי צף של 32 סיביות

tfl.conv_3d_transpose (TFL::Conv3DTransposeOp)

אופרטור תלת-ממדי של קונבולציה משולבת

מבצע פעולת קונבולוציה טרנספוזיטיבית על קלט תלת-ממדי. קלט: inputs[0] : נדרש: צורת טנזור הפלט inputs[1] : נדרש: טנזור משקל המסנן inputs[2] : נדרש: טנזור הפעלת הקלט inputs[3] : אופציונלי: טנזור ההטיה

תכונות: AlwaysSpeculatableImplTrait , TFL::AccumulatorUniformScale<2, 0, 1>

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , RequiresQuantizedBiasInterface , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

תכונות:

תְכוּנָה	סוג MLIR	תֵאוּר
dilation_d_factor	::mlir::IntegerAttr	תכונה שלמה ללא סימנים של 32 סיביות
dilation_h_factor	::mlir::IntegerAttr	תכונה שלמה ללא סימנים של 32 סיביות
dilation_w_factor	::mlir::IntegerAttr	תכונה שלמה ללא סימנים של 32 סיביות
fused_activation_function	::mlir::StringAttr	תכונת מחרוזת שערכה הוא NONE, או RELU, או RELU_N1_TO_1, או RELU6, או TANH, או SIGN_BIT
padding	::mlir::StringAttr	תכונת מחרוזת שערכה הוא זהה, או תקף
stride_d	::mlir::IntegerAttr	תכונה שלמה ללא סימנים של 32 סיביות
stride_h	::mlir::IntegerAttr	תכונה שלמה ללא סימנים של 32 סיביות
stride_w	::mlir::IntegerAttr	תכונה שלמה ללא סימנים של 32 סיביות

אופרנדים:

אופרנד	תֵאוּר
output_shape	טנזור של ערכים שלמים חסרי סימנים של 32 סיביות
filter	טנזור של ערכי צף של 32 סיביות
input	טנזור של ערכי צף של 32 סיביות
bias	טנזור מכל סוג ערכים או ללא סוג

תוצאות:

תוֹצָאָה	תֵאוּר
output	טנזור של ערכי צף של 32 סיביות

tfl.cos (TFL::CosOp)

אופרטור קוסינוס

מחשב את הקוסינוס של הקלט לפי אלמנטים

תכונות: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד	תֵאוּר
x	טנזור של ערכי צף של 32 סיביות

תוצאות:

תוֹצָאָה	תֵאוּר
y	טנזור של ערכי צף של 32 סיביות

tfl.cumsum (TFL::CumsumOp)

אופרטור קומסום

חשב את הסכום המצטבר של הטנזור x לאורך הציר.

תכונות: AlwaysSpeculatableImplTrait

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

תכונות:

תְכוּנָה	סוג MLIR	תֵאוּר
exclusive	::mlir::BoolAttr	תכונת bool
reverse	::mlir::BoolAttr	תכונת bool

אופרנדים:

אופרנד	תֵאוּר
input	טנזור של מספר צף של 32 סיביות או מספר שלם ללא סימנים של 32 סיביות או ערכים שלמים ללא סימנים של 64 סיביות
axis	טנזור של ערכים שלמים חסרי סימנים של 32 סיביות

תוצאות:

תוֹצָאָה	תֵאוּר
output	טנזור של מספר צף של 32 סיביות או מספר שלם ללא סימנים של 32 סיביות או ערכים שלמים ללא סימנים של 64 סיביות

tfl.custom (TFL::CustomOp)

מבצע מותאם אישית

פעולה כללית לכל פעולה מותאמת אישית של TFLite.

input: רשימת קלטים ב-op המקורי. custom_code: מחרוזת המשמשת לזיהוי איזו בדיוק פעולה זו, אשר מתאימה ל- operator_codes.custom_code ב- flatbuffer. custom_option: מחזיק לשמירת תכונות ה- op בצורה של בייטים. output: רשימת פלטים ב- op המקורי.

ממשקים: TflRuntimeVerifyOpInterface

תכונות:

תְכוּנָה	סוג MLIR	תֵאוּר
custom_code	::mlir::StringAttr	תכונת מחרוזת
custom_option	::mlir::TFL::ConstBytesAttr	ייצוג תכונת מחרוזת של בתים שעברו קומפילציה

אופרנדים:

אופרנד	תֵאוּר
input	וריאדיקה של טנזור מכל סוג ערכים או ללא סוג

תוצאות:

תוֹצָאָה	תֵאוּר
output	וריאדיקה של טנזור מכל סוג ערכים

tfl.custom_tf (TFL::CustomTfOp)

מבצע עוטף עבור פעולות מותאמות אישית של TF.

אופציה עוטפת סביב כל אופציה של TF מותאמת אישית. אלה כוללת אופציות המוגדרות באמצעות custom_opdefs או אופציות מקושרות שאינן מוגדרות בניב TF. אופציה זו פשוט עוטפת את האופציה המותאמת אישית בתוך אזור. הערה #1, אופציה זו לא תכלול אופציות מותאמות אישית של TF Lite המוגדרות באמצעות CustomOp. הערה #2, אופציה זו היא רק ייצוג פנימי בתוך הממיר ואינה נחשפת/מיוצאת כאשר המודל מיוצא ל-Flatbuffer.

תכונות: IsolatedFromAbove , RecursiveMemoryEffects , SingleBlockImplicitTerminator<YieldOp> , SingleBlock

ממשקים: InferTypeOpInterface , TflRuntimeVerifyOpInterface

אופרנדים:

אופרנד	תֵאוּר
input	וריאדיקה של טנזור מכל סוג ערכים או ללא סוג

תוצאות:

תוֹצָאָה	תֵאוּר
output	וריאדיקה של טנזור מכל סוג ערכים

tfl.densify (TFL::DensifyOp)

אופרטור צפיפות

ממיר טנזור דליל לפורמט צפוף.

תכונות: AlwaysSpeculatableImplTrait

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד	תֵאוּר
input	טנזור של ערכי צף של 32 סיביות או ערכי מספר שלם ללא סימנים של 8 סיביות

תוצאות:

תוֹצָאָה	תֵאוּר
output	טנזור של ערכי צף של 32 סיביות או ערכי מספר שלם ללא סימנים של 8 סיביות

tfl.depth_to_space (TFL::DepthToSpaceOp)

אופרטור עומק למרחב

מסדר מחדש נתונים מעומק לבלוקים של נתונים מרחביים. זוהי טרנספורמציה הפוכה של SpaceToDepth. באופן ספציפי יותר, פעולה זו מפיקה עותק של טנזור הקלט שבו ערכים מממד depth מועברים בבלוקים מרחביים למימדי height width . הפונקציה attr block_size מציין את גודל בלוק הקלט וכיצד הנתונים מועברים.

תכונות: AlwaysSpeculatableImplTrait , QuantizableResult

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

אפקטים: MemoryEffects::Effect{}

תכונות:

תְכוּנָה	סוג MLIR	תֵאוּר
block_size	::mlir::IntegerAttr	תכונה שלמה ללא סימנים של 32 סיביות שערכה חיובי

אופרנדים:

אופרנד	תֵאוּר
input	טנזור של מספר צף של 32 סיביות או מספר שלם ללא סימנים של 8 סיביות או מספר שלם ללא סימנים של 32 סיביות או מספר שלם ללא סימנים של 64 סיביות או ערכים מסוג quint8 של TFLite או מספר שלם ללא סימנים של 8 סיביות או ערכים מסוג QI8 או QUI8

תוצאות:

תוֹצָאָה	תֵאוּר
output	טנזור של מספר צף של 32 סיביות או מספר שלם ללא סימנים של 8 סיביות או מספר שלם ללא סימנים של 32 סיביות או מספר שלם ללא סימנים של 64 סיביות או ערכים מסוג quint8 של TFLite או מספר שלם ללא סימנים של 8 סיביות או ערכים מסוג QI8 או QUI8

tfl.depthwise_conv_2d (TFL::DepthwiseConv2DOp)

אופרטור קונבולוציה להפרדה לעומק

מבצע פעולת קונבולציה על קלט.

כניסות: inputs[0] : נדרש: טנזור הפעלת הקלט inputs[1] : נדרש: טנזור משקל המסנן inputs[2] : אופציונלי: טנזור ההטיה

תכונות: AlwaysSpeculatableImplTrait , QuantizableResult , TFL::AccumulatorUniformScale<2, 0, 1> , TFL::AffineOpCoefficient<3, 1>

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

אפקטים: MemoryEffects::Effect{}

תכונות:

תְכוּנָה	סוג MLIR	תֵאוּר
dilation_h_factor	::mlir::IntegerAttr	תכונה שלמה ללא סימנים של 32 סיביות
dilation_w_factor	::mlir::IntegerAttr	תכונה שלמה ללא סימנים של 32 סיביות
fused_activation_function	::mlir::StringAttr	תכונת מחרוזת שערכה הוא NONE, או RELU, או RELU_N1_TO_1, או RELU6, או TANH, או SIGN_BIT
padding	::mlir::StringAttr	תכונת מחרוזת שערכה הוא זהה, או תקף
stride_h	::mlir::IntegerAttr	תכונה שלמה ללא סימנים של 32 סיביות
stride_w	::mlir::IntegerAttr	תכונה שלמה ללא סימנים של 32 סיביות
depth_multiplier	::mlir::IntegerAttr	תכונה שלמה ללא סימנים של 32 סיביות

אופרנדים:

אופרנד	תֵאוּר
input	טנזור של ערכים מסוג צף של 32 סיביות או מסוג QI8 או מסוג QUI8 או מסוג QI16
filter	טנזור של ערכים מסוג צף של 32 סיביות או מסוג QI4 או מסוג QI8 או מסוג QUI8
bias	טנזור מכל סוג ערכים או ללא סוג

תוצאות:

תוֹצָאָה	תֵאוּר
output	טנזור של ערכים מסוג צף של 32 סיביות או מסוג QI8 או מסוג QUI8 או מסוג QI16

tfl.dequantize (TFL::DequantizeOp)

אופרטור דה-קוונטיזציה

ממיר מערך קוונטי של מספרים שלמים למספרים צפים בהתאם לפרמטרי הכימות.

ממשקים: NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד	תֵאוּר
input	טנזור מסוג QI2 או מסוג QI4 או מסוג QI8 או מסוג QUII8 או מסוג QI16 או ערכים צפים של 16 סיביות

תוצאות:

תוֹצָאָה	תֵאוּר
output	טנזור של ערכי צף של 32 סיביות

tfl.dilate (TFL::DilateOp)

אופרטור הרחבה

מרחיב טנזור על ידי הוספת איברים חדשים בין הקיימים.

תכונות: AlwaysSpeculatableImplTrait

ממשקים: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

אפקטים: MemoryEffects::Effect{}

אופרנדים:

אופרנד	תֵאוּר
input	טנזור של מספר שלם ללא סימנים של 8 סיביות או מספר שלם ללא סימנים של 16 סיביות או מספר שלם ללא סימנים של 32 סיביות או מספר שלם ללא סימנים של 64 סיביות או מספר שלם ללא סימנים של 8 סיביות או מספר שלם ללא סימן של 16 סיביות או מספר שלם ללא סימן של 32 סיביות או מספר שלם ללא סימן של 64 סיביות או ערכים צפים של 32 סיביות או ערכים צפים של 64 סיביות
dilations	טנזור של ערכים שלמים חסרי סימנים של 32 סיביות
padding_value	טנזור 0D מכל סוג ערכים

תוצאות:

תוֹצָאָה	תֵאוּר
output	טנזור של מספר שלם ללא סימנים של 8 סיביות או מספר שלם ללא סימנים של 16 סיביות או מספר שלם ללא סימנים של 32 סיביות או מספר שלם ללא סימנים של 64 סיביות או מספר שלם ללא סימנים של 8 סיביות או מספר שלם ללא סימן של 16 סיביות או מספר שלם ללא סימן של 32 סיביות או מספר שלם ללא סימן של 64 סיביות או ערכים צפים של 32 סיביות או ערכים צפים של 64 סיביות

tfl.div (TFL::DivOp)

מפעיל חטיבה

פעולת חילוק לפי איברים.

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

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

אפקטים: MemoryEffects::Effect{}

תכונות:

תְכוּנָה	סוג MLIR	תֵאוּר
fused_activation_function	::mlir::StringAttr	תכונת מחרוזת שערכה הוא NONE, או RELU, או RELU_N1_TO_1, או RELU6, או TANH, או SIGN_BIT

אופרנדים:

אופרנד	תֵאוּר
lhs	טנזור של מספר צף של 32 סיביות או מספר שלם ללא סימנים של 32 סיביות או ערכים מסוג QUI8 או מסוג QI8 או מסוג QI16
rhs	tensor of 32-bit float or 32-bit signless integer or QUI8 type or QI8 type or QI16 type values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or 32-bit signless integer or QUI8 type or QI8 type or QI16 type values

tfl.dynamic_update_slice (TFL::DynamicUpdateSliceOp)

DynamicUpdateSlice.

DynamicUpdateSlice op that have the same semantics with XLA DynamicUpdateSlice. Generates a result which is the value of the input array operand, with a slice update overwritten at start_indices.

See https://www.tensorflow.org/xla/operation_semantics#dynamicupdateslice

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
operand	tensor of 1-bit signless integer or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 32-bit float or 16-bit float values
update	tensor of 1-bit signless integer or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 32-bit float or 16-bit float values
start_indices	tensor of 32/64-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 1-bit signless integer or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 32-bit float or 16-bit float values

tfl.elu (TFL::EluOp)

Exponential Linear Unit operator

Computes the exponential linear f(x) -> exp(x) - 1 for x < 0, x for x >= 0. element-wise.

Traits: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
x	tensor of 32-bit float or 8-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
y	tensor of 32-bit float or 8-bit signless integer values

tfl.embedding_lookup (TFL::EmbeddingLookupOp)

Embedding lookup operator

Looks up ids in a list of embedding tensors.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
lookup	tensor of 32-bit signless integer values
value	tensor of 32-bit float or 8-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or QI4 type values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or 8-bit signless integer or 8-bit unsigned integer values

tfl.equal (TFL::EqualOp)

Equal operator

Returns the truth element of x == y element-wise

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

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
x	tensor of 1-bit signless integer or 32-bit float or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or QI16 type or 8-bit unsigned integer or TFLite string type values
y	tensor of 1-bit signless integer or 32-bit float or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or QI16 type or 8-bit unsigned integer or TFLite string type values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 1-bit signless integer values

tfl.exp (TFL::ExpOp)

Natural exponentiation operator

Performs element-wise natural exponentiation operation on input.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
x	tensor of 32-bit float or QI8 type or QI16 type values

Results:

תוֹצָאָה	תֵאוּר
y	tensor of 32-bit float or QI8 type or QI16 type values

tfl.expand_dims (TFL::ExpandDimsOp)

Inserts a dimension of 1 into a tensor's shape.

Given a tensor input , this operation inserts a dimension of 1 at the dimension index axis of input 's shape. The dimension index axis starts at zero; if you specify a negative number for axis it is counted backward from the end.

This operation is useful if you want to add a batch dimension to a single element. For example, if you have a single image of shape [height, width, channels] , you can make it a batch of 1 image with expand_dims(image, 0) , which will make the shape [1, height, width, channels] .

Other examples:

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

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

This operation requires that:

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

This operation is related to squeeze() , which removes dimensions of size 1.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
input	tensor of any type values
dim	tensor of 32/64-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of any type values

tfl.external_const (TFL::ExternalConstOp)

External const op.

External const op holds a buffer_index which points to a constant in the flatbuffer.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
buffer_index	::mlir::IntegerAttr	32-bit signless integer attribute

Results:

תוֹצָאָה	תֵאוּר
output	tensor of any type values

tfl.fake_quant (TFL::FakeQuantOp)

FakeQuant operator

Fake-quantize the 'inputs' tensor of type float via float scalars min and max to 'outputs' tensor of same shape as inputs.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
min	::mlir::FloatAttr	32-bit float attribute
max	::mlir::FloatAttr	32-bit float attribute
num_bits	::mlir::IntegerAttr	32-bit signless integer attribute whose minimum value is 2 whose maximum value is 16
narrow_range	::mlir::BoolAttr	bool attribute whose value is false

Operands:

Operand	תֵאוּר
input	tensor of 32-bit float values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float values

tfl.fill (TFL::FillOp)

Fill the tensor with given value.

Fill the tensor with given value.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
dims	tensor of 32/64-bit signless integer values
input	tensor of 32-bit float or 16-bit float or 32-bit signless integer or 64-bit signless integer or 1-bit signless integer or QI8 type or QI16 type or TFLite string type values

Results:

תוֹצָאָה	תֵאוּר
result	tensor of 32-bit float or 16-bit float or 32-bit signless integer or 64-bit signless integer or 1-bit signless integer or QI8 type or QI16 type or TFLite string type values

tfl.floor (TFL::FloorOp)

Floor operator

Returns element-wise floor value of the input.

Traits: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
x	tensor of 32-bit float values

Results:

תוֹצָאָה	תֵאוּר
y	tensor of 32-bit float values

tfl.floor_div (TFL::FloorDivOp)

Floor div operator

Element-wise floor div operation.

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

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
lhs	tensor of 32-bit float or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer values
rhs	tensor of 32-bit float or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer values

tfl.floor_mod (TFL::FloorModOp)

Division reminder

Element-wise division reminder operation.

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

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
lhs	tensor of 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 32-bit float values
rhs	tensor of 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 32-bit float values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 32-bit float values

tfl.fully_connected (TFL::FullyConnectedOp)

Fully connected op

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

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

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
fused_activation_function	::mlir::StringAttr	string attribute whose value is NONE, or RELU, or RELU_N1_TO_1, or RELU6, or TANH, or SIGN_BIT
weights_format	::mlir::StringAttr	string attribute whose value is DEFAULT, or SHUFFLED4x16INT8
keep_num_dims	::mlir::BoolAttr	bool attribute
asymmetric_quantize_inputs	::mlir::BoolAttr	bool attribute

Operands:

Operand	תֵאוּר
input	tensor of 32-bit float or QI8 type or QUI8 type or QI16 type or QUI16 type values
filter	tensor of 32-bit float or QI2 type or QI4 type or QI8 type or QUI8 type or QI16 type values
bias	tensor of any type values or none type

Results:

תוֹצָאָה	תֵאוּר
output	variadic of tensor of any type values

tfl.gather (TFL::GatherOp)

Gather operator

Gather slices from params axis axis according to indices .

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
axis	::mlir::IntegerAttr	32-bit signless integer attribute
batch_dims	::mlir::IntegerAttr	32-bit signless integer attribute

Operands:

Operand	תֵאוּר
params	tensor of 32-bit float or 1-bit signless integer or 4-bit signless integer or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or TFLite string type or 8-bit unsigned integer or QI8 type or QUI8 type or QI16 type values
indices	tensor of 16-bit signless integer or 32-bit signless integer or 64-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or 1-bit signless integer or 4-bit signless integer or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or TFLite string type or 8-bit unsigned integer or QI8 type or QUI8 type or QI16 type values

tfl.gather_nd (TFL::GatherNdOp)

_Gather nd operator

Gather slices from params into a Tensor with shape specified by indices .

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
params	tensor of 32-bit float or 1-bit signless integer or 8-bit signless integer or 16-bit signless integer or 64-bit signless integer or 32-bit signless integer or 8-bit unsigned integer or QI8 type or TFLite string type values
indices	tensor of 16-bit signless integer or 32-bit signless integer or 64-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or 1-bit signless integer or 8-bit signless integer or 16-bit signless integer or 64-bit signless integer or 32-bit signless integer or 8-bit unsigned integer or QI8 type or TFLite string type values

tfl.gelu (TFL::GeluOp)

GELU activation function.

Computes GELU activation function element-wise.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
approximate	::mlir::BoolAttr	bool attribute

Operands:

Operand	תֵאוּר
input	tensor of 32-bit float or QI8 type or QUI8 type values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or QI8 type or QUI8 type values

tfl.greater (TFL::GreaterOp)

Greater operator

Element-wise greater operation.

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

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
lhs	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QUI8 type or QI8 type or TFLite quint8 type values
rhs	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QUI8 type or QI8 type or TFLite quint8 type values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 1-bit signless integer values

tfl.greater_equal (TFL::GreaterEqualOp)

_Greater equal operator

Element-wise greater_equal operation.

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

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
lhs	tensor of 32-bit float or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or QUI8 type or QI8 type values
rhs	tensor of 32-bit float or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or QUI8 type or QI8 type values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 1-bit signless integer values

tfl.hard_swish (TFL::HardSwishOp)

Hardswish activation function.

Computes hard-swish activation function f(x) -> (x * relu6(x+3))/6 element-wise.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
input	tensor of 32-bit float or QUI8 type or QI8 type values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or QUI8 type or QI8 type values

tfl.hashtable (TFL::HashtableOp)

Creates a non-initialized hash table.

This op creates a hash table, specifying the type of its keys and values. Before using the table you will have to initialize it. After initialization the table will be immutable.

Interfaces: TflRuntimeVerifyOpInterface

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
table_id	::mlir::IntegerAttr	32-bit signless integer attribute
key_dtype	::mlir::TypeAttr	any type attribute
value_dtype	::mlir::TypeAttr	any type attribute

Results:

תוֹצָאָה	תֵאוּר
out	tensor of resource values

tfl.hashtable_find (TFL::HashtableFindOp)

Looks up keys in a table, outputs the corresponding values.

The tensor keys must of the same type as the keys of the table. The output values is of the type of the table values.

The scalar default_value is the value output for keys not present in the table. It must also be of the same type as the table values.

Interfaces: TflRuntimeVerifyOpInterface

Operands:

Operand	תֵאוּר
hash_table	tensor of resource values
keys	tensor of 32-bit signless integer or TFLite string type or 64-bit signless integer values
default_value	tensor of 32-bit float or 32-bit signless integer or TFLite string type or 64-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
out	tensor of 32-bit float or 32-bit signless integer or TFLite string type or 64-bit signless integer values

tfl.hashtable_import (TFL::HashtableImportOp)

Replaces the contents of the table with the specified keys and values.

The tensor keys must be of the same type as the keys of the table. The tensor values must be of the type of the table values.

Interfaces: TflRuntimeVerifyOpInterface

Operands:

Operand	תֵאוּר
hash_table	tensor of resource values
keys	tensor of 32-bit signless integer or TFLite string type or 64-bit signless integer values
values	tensor of 32-bit float or 32-bit signless integer or TFLite string type or 64-bit signless integer values

tfl.hashtable_size (TFL::HashtableSizeOp)

Computes the number of elements in the given table.

Interfaces: TflRuntimeVerifyOpInterface

Operands:

Operand	תֵאוּר
hash_table	tensor of resource values

Results:

תוֹצָאָה	תֵאוּר
out	tensor of 64-bit signless integer values

tfl.if (TFL::IfOp)

If-then-else operation

The tfl.if operation represents an if-then-else construct for conditionally executing two regions of code. The operand to an if operation is a boolean value. For example:

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

tfl.if may also return results that are defined in its regions. The values defined are determined by which execution path is taken.

דוּגמָה:

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

tfl.if regions are always terminated with "tfl.yield". If "tfl.if" defines no values, the "tfl.yield" can be left out, and will be inserted implicitly. Otherwise, it must be explicit. Also, if "tfl.if" defines one or more values, the 'else' block cannot be omitted.

דוּגמָה:

tfl.if %b  {
  ...
}

Traits: NoRegionArguments , RecursiveMemoryEffects , SingleBlockImplicitTerminator<YieldOp> , SingleBlock

Interfaces: RegionBranchOpInterface , TflRuntimeVerifyOpInterface

Operands:

Operand	תֵאוּר
cond	tensor of 1-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
results	variadic of tensor of any type values

tfl.imag (TFL::ImagOp)

Returns the imaginary part of a complex number.

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

Traits: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
input	tensor of complex type with 32-bit float elements or complex type with 64-bit float elements values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or 64-bit float values

tfl.l2_normalization (TFL::L2NormalizationOp)

L2 Normalize Operator

L2Normalization Op

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
fused_activation_function	::mlir::StringAttr	string attribute whose value is NONE, or RELU, or RELU_N1_TO_1, or RELU6, or TANH, or SIGN_BIT

Operands:

Operand	תֵאוּר
input	tensor of 32-bit float or QUI8 type or QI8 type or QUI16 type or QI16 type or 8-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or QUI8 type or QI8 type or QUI16 type or QI16 type or 8-bit signless integer values

tfl.leaky_relu (TFL::LeakyReluOp)

Leaky Relu operator

Element-wise Leaky ReLU operator x -> x >= 0 ? x : (alpha * x)

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
alpha	::mlir::FloatAttr	32-bit float attribute

Operands:

Operand	תֵאוּר
input	tensor of 32-bit float or QUI8 type or QI8 type or TFLite quint8 type or QI16 type values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or QUI8 type or QI8 type or TFLite quint8 type or QI16 type values

tfl.less (TFL::LessOp)

Less operator

Element-wise less operation.

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

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
lhs	tensor of 32-bit float or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or QUI8 type or QI8 type or TFLite quint8 type values
rhs	tensor of 32-bit float or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or QUI8 type or QI8 type or TFLite quint8 type values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 1-bit signless integer values

tfl.less_equal (TFL::LessEqualOp)

_Less equal operator

Element-wise less_equal operation.

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

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
lhs	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type values
rhs	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 1-bit signless integer values

tfl.local_response_normalization (TFL::LocalResponseNormalizationOp)

Local Response Normalization.

The 4-D input tensor is treated as a 3-D array of 1-D vectors (along the last dimension), and each vector is normalized independently. Within a given vector, each component is divided by the weighted, squared sum of inputs within depth_radius . In detail,

sqr_sum[a, b, c, d] =
    sum(input[a, b, c, d - depth_radius : d + depth_radius + 1] ** 2)
output = input / (bias + alpha * sqr_sum) ** beta

For details, see Krizhevsky et al., ImageNet classification with deep convolutional neural networks (NIPS 2012) .

Traits: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
radius	::mlir::IntegerAttr	32-bit signless integer attribute
bias	::mlir::FloatAttr	32-bit float attribute
alpha	::mlir::FloatAttr	32-bit float attribute
beta	::mlir::FloatAttr	32-bit float attribute

Operands:

Operand	תֵאוּר
input	tensor of 32-bit float values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float values

tfl.log (TFL::LogOp)

Natural logarithm operator

Performs element-wise natural logarithm operation on input.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
x	tensor of 32-bit float or QI8 type values

Results:

תוֹצָאָה	תֵאוּר
y	tensor of 32-bit float or QI8 type values

tfl.log_softmax (TFL::LogSoftmaxOp)

Log softmax operator

Computes element-wise log softmax activations with the following formula

input - log(reduce_sum(exp(input), dim))

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
input	tensor of 32-bit float or QUI8 type or QI8 type or TFLite quint8 type values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or QUI8 type or QI8 type or TFLite quint8 type values

tfl.logical_and (TFL::LogicalAndOp)

Logical AND operator

Element-wise logical AND operation.

Traits: AlwaysSpeculatableImplTrait , ResultsBroadcastableShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
lhs	tensor of 1-bit signless integer values
rhs	tensor of 1-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 1-bit signless integer values

tfl.logical_not (TFL::LogicalNotOp)

Logical NOT operator

Element-wise logical NOT operation.

Traits: AlwaysSpeculatableImplTrait , SameOperandsAndResultType

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

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
lhs	tensor of 1-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 1-bit signless integer values

tfl.logical_or (TFL::LogicalOrOp)

Logical OR operator

Element-wise logical OR operation.

Traits: AlwaysSpeculatableImplTrait , ResultsBroadcastableShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
lhs	tensor of 1-bit signless integer values
rhs	tensor of 1-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 1-bit signless integer values

tfl.logistic (TFL::LogisticOp)

Logistic operator

Computes element-wise Sigmoid of input

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
x	tensor of 32-bit float or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

Results:

תוֹצָאָה	תֵאוּר
y	tensor of 32-bit float or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

tfl.lstm (TFL::LSTMOp)

The full lstm operator

Long short-term memory unit (LSTM) recurrent network layer. The default non-peephole implementation is based on: http://deeplearning.cs.cmu.edu/pdfs/Hochreiter97_lstm.pdf S. Hochreiter and J. Schmidhuber. 'Long Short-Term Memory'. Neural Computation, 9(8):1735-1780, 1997. The peephole implementation is based on: https://research.google.com/pubs/archive/43905.pdf Hasim Sak, Andrew Senior, and Francoise Beaufays. 'Long short-term memory recurrent neural network architectures for large scale acoustic modeling.' INTERSPEECH, 2014. The coupling of input and forget gate (CIFG) is based on: http://arxiv.org/pdf/1503.04069.pdf Greff et al. 'LSTM: A Search Space Odyssey' The layer normalization is based on: https://arxiv.org/pdf/1607.06450.pdf Ba et al. 'Layer Normalization'

Traits: QuantizableResult

Interfaces: DynamicRangeQuantizedOpInterface , TFL_StatefulOp , TflRuntimeVerifyOpInterface

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
fused_activation_function	::mlir::StringAttr	string attribute whose value is NONE, or RELU, or RELU_N1_TO_1, or RELU6, or TANH, or SIGN_BIT
cell_clip	::mlir::FloatAttr	32-bit float attribute whose value is non-negative
proj_clip	::mlir::FloatAttr	32-bit float attribute whose value is non-negative
kernel_type	::mlir::TFL::LSTMKernelTypeAttr	lstm_kernel_type whose value is mlir::TFL::LSTMKernelType::FULL
asymmetric_quantize_inputs	::mlir::BoolAttr	bool attribute
input_to_input_intermediate	::mlir::TypeAttr	any type attribute
input_to_forget_intermediate	::mlir::TypeAttr	any type attribute
input_to_cell_intermediate	::mlir::TypeAttr	any type attribute
input_to_output_intermediate	::mlir::TypeAttr	any type attribute
effective_hidden_scale_intermediate	::mlir::TypeAttr	any type attribute

Operands:

Operand	תֵאוּר
input	tensor of 32-bit float or QI8 type or QI16 type values
input_to_input_weights	tensor of any type values or none type
input_to_forget_weights	tensor of 32-bit float or QI8 type values
input_to_cell_weights	tensor of 32-bit float or QI8 type values
input_to_output_weights	tensor of 32-bit float or QI8 type values
recurrent_to_input_weights	tensor of any type values or none type
recurrent_to_forget_weights	tensor of 32-bit float or QI8 type values
recurrent_to_cell_weights	tensor of 32-bit float or QI8 type values
recurrent_to_output_weights	tensor of 32-bit float or QI8 type values
cell_to_input_weights	tensor of any type values or none type
cell_to_forget_weights	tensor of any type values or none type
cell_to_output_weights	tensor of any type values or none type
input_gate_bias	tensor of any type values or none type
forget_gate_bias	tensor of 32-bit float or QI32 type values
cell_bias	tensor of 32-bit float or QI32 type values
output_gate_bias	tensor of 32-bit float or QI32 type values
projection_weights	tensor of any type values or none type
projection_bias	tensor of any type values or none type
input_activation_state	stateful tensor
input_cell_state	stateful tensor
input_layer_norm_coefficients	tensor of any type values or none type
forget_layer_norm_coefficients	tensor of any type values or none type
cell_layer_norm_coefficients	tensor of any type values or none type
output_layer_norm_coefficients	tensor of any type values or none type

Results:

תוֹצָאָה	תֵאוּר
output	tensor of any type values

tfl.matrix_diag (TFL::MatrixDiagOp)

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

Given a diagonal, returns a tensor with the diagonal and everything else padded with zeros. Assume diagonal has k dimensions [I, J, K, ..., N] , then the output is a tensor of rank k+1 with dimensions [I, J, K, ..., N, N] where: output[i, j, k, ..., m, n] = 1{m=n} * diagonal[i, j, k, ..., n].

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
diagonal	tensor of 32-bit float or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 8-bit unsigned integer or QUI8 type or QI8 type or TFLite quint8 type values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 8-bit unsigned integer or QUI8 type or QI8 type or TFLite quint8 type values

tfl.matrix_set_diag (TFL::MatrixSetDiagOp)

Returns a batched matrix tensor with new batched diagonal values.

Given input and diagonal , this operation returns a tensor with the same shape and values as input , except for the main diagonal of the innermost matrices. These will be overwritten by the values in diagonal .

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
input	tensor of 32-bit float or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 8-bit unsigned integer or QI8 type or QI16 type or QUI8 type or TFLite quint8 type values
diagonal	tensor of 32-bit float or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 8-bit unsigned integer or QI8 type or QI16 type or QUI8 type or TFLite quint8 type values

Results:

תוֹצָאָה	תֵאוּר
result	tensor of 32-bit float or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 8-bit unsigned integer or QI8 type or QI16 type or QUI8 type or TFLite quint8 type values

tfl.max_pool_2d (TFL::MaxPool2DOp)

Max Pool 2D op

Performs max pool 2D on input.

Inputs: inputs[0] : required: the input tensor

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
padding	::mlir::StringAttr	string attribute whose value is SAME, or VALID
stride_w	::mlir::IntegerAttr	32-bit signless integer attribute
stride_h	::mlir::IntegerAttr	32-bit signless integer attribute
filter_width	::mlir::IntegerAttr	32-bit signless integer attribute
filter_height	::mlir::IntegerAttr	32-bit signless integer attribute
fused_activation_function	::mlir::StringAttr	string attribute whose value is NONE, or RELU, or RELU_N1_TO_1, or RELU6, or TANH, or SIGN_BIT

Operands:

Operand	תֵאוּר
input	tensor of 32-bit float or QUI8 type or QI8 type or QI16 type or TFLite quint8 type values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or QUI8 type or QI8 type or QI16 type or TFLite quint8 type values

tfl.maximum (TFL::MaximumOp)

Max operator

Element-wise max operation.

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

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

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
lhs	tensor of 32-bit float or 32/64-bit signless integer or QI8 type or QUI8 type or QI16 type values
rhs	tensor of 32-bit float or 32/64-bit signless integer or QI8 type or QUI8 type or QI16 type values

Results:

תוֹצָאָה	תֵאוּר
max	tensor of 32-bit float or 32/64-bit signless integer or QI8 type or QUI8 type or QI16 type values

tfl.mean (TFL::MeanOp)

Mean operator

Computes the mean of elements across dimensions of a tensor. Reduces input_tensor along the dimensions given in axis. Unless keepdims is true, the rank of the tensor is reduced by 1 for each entry in axis. If keepdims is true, the reduced dimensions are retained with length 1.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
keep_dims	::mlir::BoolAttr	bool attribute

Operands:

Operand	תֵאוּר
input	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or 8-bit unsigned integer or QI16 type values
axis	tensor of 32-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or 8-bit unsigned integer or QI16 type values

tfl.minimum (TFL::MinimumOp)

Min operator

Element-wise min operation.

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

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

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
lhs	tensor of 32-bit float or 32/64-bit signless integer or QI8 type or QUI8 type or QI16 type values
rhs	tensor of 32-bit float or 32/64-bit signless integer or QI8 type or QUI8 type or QI16 type values

Results:

תוֹצָאָה	תֵאוּר
min	tensor of 32-bit float or 32/64-bit signless integer or QI8 type or QUI8 type or QI16 type values

tfl.mirror_pad (TFL::MirrorPadOp)

MirrorPad Operator. Pads a tensor with mirrored values.

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

Both paddings[D, 0] and paddings[D, 1] must be no greater than input.dim_size(D) (or input.dim_size(D) - 1) if copy_border is true (if false, respectively).

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

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
mode	::mlir::TFL::MirrorPaddingTypeAttr	mirror_pad_enum

Operands:

Operand	תֵאוּר
input	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or 8-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or QI16 type values
pad	tensor of 32-bit signless integer or 64-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or 8-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or QI16 type values

tfl.mul (TFL::MulOp)

Multiplication operator

Element-wise multiplication operation.

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

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

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
fused_activation_function	::mlir::StringAttr	string attribute whose value is NONE, or RELU, or RELU_N1_TO_1, or RELU6, or TANH, or SIGN_BIT

Operands:

Operand	תֵאוּר
lhs	tensor of 32-bit float or 32-bit signless integer or 32-bit unsigned integer or 64-bit signless integer or QI8 type or QUI8 type or QI16 type or 16-bit signless integer or complex type with 32-bit float elements values
rhs	tensor of 32-bit float or 32-bit signless integer or 32-bit unsigned integer or 64-bit signless integer or QI8 type or QUI8 type or QI16 type or 16-bit signless integer or complex type with 32-bit float elements values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or 32-bit signless integer or 32-bit unsigned integer or 64-bit signless integer or QI8 type or QUI8 type or QI16 type or 16-bit signless integer or complex type with 32-bit float elements values

tfl.multinomial (TFL::MultinomialOp)

Draws samples from a categorical distribution.

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

Interfaces: TflRuntimeVerifyOpInterface

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
seed	::mlir::IntegerAttr	64-bit signless integer attribute
seed2	::mlir::IntegerAttr	64-bit signless integer attribute

Operands:

Operand	תֵאוּר
logits	tensor of 32-bit float values
num_samples	tensor of 32-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
out	tensor of 32-bit signless integer or 64-bit signless integer values

tfl.neg (TFL::NegOp)

Negation operator

Computes element-wise negation of input

Traits: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
x	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
y	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer values

tfl.no_value (TFL::NoValueOp)

Constant representing no value.

No value constant op.

Traits: AlwaysSpeculatableImplTrait , ConstantLike

Interfaces: ConditionallySpeculatable , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
value	::mlir::UnitAttr	unit attribute

Results:

תוֹצָאָה	תֵאוּר
none_val	none type

tfl.non_max_suppression_v4 (TFL::NonMaxSuppressionV4Op)

Greedily selects a subset of bounding boxes in descending order of score,

pruning away boxes that have high intersection-over-union (IOU) overlap with previously selected boxes. Bounding boxes with score less than score_threshold are removed. Bounding boxes are supplied as [y1, x1, y2, x2], where (y1, x1) and (y2, x2) are the coordinates of any diagonal pair of box corners and the coordinates can be provided as normalized (ie, lying in the interval [0, 1]) or absolute. Note that this algorithm is agnostic to where the origin is in the coordinate system and more generally is invariant to orthogonal transformations and translations of the coordinate system; thus translating or reflections of the coordinate system result in the same boxes being selected by the algorithm. The output of this operation is a set of integers indexing into the input collection of bounding boxes representing the selected boxes. The bounding box coordinates corresponding to the selected indices can then be obtained using the tf.gather operation . For example: selected_indices = tf.image.non_max_suppression_v2( boxes, scores, max_output_size, iou_threshold, score_threshold) selected_boxes = tf.gather(boxes, selected_indices)

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
boxes	tensor of 32-bit float values
scores	tensor of 32-bit float values
max_output_size	tensor of 32-bit signless integer values
iou_threshold	tensor of 32-bit float values
score_threshold	tensor of 32-bit float values

Results:

תוֹצָאָה	תֵאוּר
selected_indices	tensor of 32-bit signless integer values
valid_outputs	tensor of 32-bit signless integer values

tfl.non_max_suppression_v5 (TFL::NonMaxSuppressionV5Op)

Greedily selects a subset of bounding boxes in descending order of score,

pruning away boxes that have high intersection-over-union (IOU) overlap with previously selected boxes. Bounding boxes with score less than score_threshold are removed. Bounding boxes are supplied as [y1, x1, y2, x2], where (y1, x1) and (y2, x2) are the coordinates of any diagonal pair of box corners and the coordinates can be provided as normalized (ie, lying in the interval [0, 1]) or absolute. Note that this algorithm is agnostic to where the origin is in the coordinate system and more generally is invariant to orthogonal transformations and translations of the coordinate system; thus translating or reflections of the coordinate system result in the same boxes being selected by the algorithm. The output of this operation is a set of integers indexing into the input collection of bounding boxes representing the selected boxes. The bounding box coordinates corresponding to the selected indices can then be obtained using the tf.gather operation . For example: selected_indices = tf.image.non_max_suppression_v2( boxes, scores, max_output_size, iou_threshold, score_threshold) selected_boxes = tf.gather(boxes, selected_indices) This op also supports a Soft-NMS (with Gaussian weighting) mode (cf Bodla et al, https://arxiv.org/abs/1704.04503 ) where boxes reduce the score of other overlapping boxes instead of directly causing them to be pruned. To enable this Soft-NMS mode, set the soft_nms_sigma parameter to be larger than 0.

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
boxes	tensor of 32-bit float values
scores	tensor of 32-bit float values
max_output_size	tensor of 32-bit signless integer values
iou_threshold	tensor of 32-bit float values
score_threshold	tensor of 32-bit float values
soft_nms_sigma	tensor of 32-bit float values

Results:

תוֹצָאָה	תֵאוּר
selected_indices	tensor of 32-bit signless integer values
selected_scores	tensor of 32-bit float values
valid_outputs	tensor of 32-bit signless integer values

tfl.not_equal (TFL::NotEqualOp)

_Not equal operator

Element-wise not_equal operation.

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

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
lhs	tensor of 1-bit signless integer or 32-bit float or 32-bit signless integer or 64-bit signless integer or QUI8 type or QI8 type or QI16 type or TFLite quint8 type or TFLite string type values
rhs	tensor of 1-bit signless integer or 32-bit float or 32-bit signless integer or 64-bit signless integer or QUI8 type or QI8 type or QI16 type or TFLite quint8 type or TFLite string type values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 1-bit signless integer values

tfl.NumericVerify (TFL::NumericVerifyOp)

Verifies the numericals of the two operands

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

Traits: QuantizableResult , SameOperandsShape

Interfaces: TflRuntimeVerifyOpInterface

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
tolerance	::mlir::FloatAttr	32-bit float attribute
log_if_failed	::mlir::BoolAttr	bool attribute

Operands:

Operand	תֵאוּר
input	tensor of QI8 type or QUI8 type or QI16 type or 16-bit float or TFLite quint8 type values
ref	tensor of 32-bit float values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float values

tfl.one_hot (TFL::OneHotOp)

OneHot operator

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

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
axis	::mlir::IntegerAttr	32-bit signless integer attribute

Operands:

Operand	תֵאוּר
indices	tensor of 32-bit signless integer or 64-bit signless integer values
depth	tensor of 32-bit signless integer values
on_value	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or 1-bit signless integer or 8-bit signless integer or 8-bit unsigned integer values
off_value	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or 1-bit signless integer or 8-bit signless integer or 8-bit unsigned integer values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or 1-bit signless integer or 8-bit signless integer or 8-bit unsigned integer values

tfl.pack (TFL::PackOp)

Packs a list of tensors along a dimension into one tensor

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

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

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

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

לְדוּגמָה:

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

This is the opposite of unpack .

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
values_count	::mlir::IntegerAttr	32-bit signless integer attribute whose value is positive
axis	::mlir::IntegerAttr	32-bit signless integer attribute

Operands:

Operand	תֵאוּר
values	variadic of tensor of any type values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 8-bit unsigned integer or 32-bit unsigned integer or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

tfl.pad (TFL::PadOp)

Padding operator

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

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

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

לְדוּגמָה:

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
input	tensor of 32-bit float or 1-bit signless integer or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values
padding	tensor of 32/64-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or 1-bit signless integer or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values

tfl.padv2 (TFL::PadV2Op)

Padding operator v2

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

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

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

לְדוּגמָה:

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
input	tensor of 32-bit float or 1-bit signless integer or 32-bit signless integer or 64-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or TFLite quint8 type values
padding	tensor of 32/64-bit signless integer values
constant_values	tensor of 32-bit float or 1-bit signless integer or 32-bit signless integer or 64-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or TFLite quint8 type values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or 1-bit signless integer or 32-bit signless integer or 64-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or TFLite quint8 type values

tfl.poly_call (TFL::PolyCallOp)

Poly call

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

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

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

Traits: SingleBlockImplicitTerminator<YieldOp> , SingleBlock

Interfaces: RegionBranchOpInterface

Operands:

Operand	תֵאוּר
input	variadic of tensor of any type values

Results:

תוֹצָאָה	תֵאוּר
output	variadic of tensor of any type values

tfl.pow (TFL::PowOp)

Power operator

Element-wise power operation.

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

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
lhs	tensor of 32-bit float or 32-bit signless integer values
rhs	tensor of 32-bit float or 32-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or 32-bit signless integer values

tfl.prelu (TFL::PReluOp)

Parameterized Relu operator

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

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

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

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
input	tensor of 32-bit float or QI8 type or QUI8 type or TFLite quint8 type values
alpha	tensor of 32-bit float or QI8 type or QUI8 type or TFLite quint8 type values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or QI8 type or QUI8 type or TFLite quint8 type values

tfl.pseudo_const (TFL::ConstOp)

Constant pseudo op.

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

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

Traits: AlwaysSpeculatableImplTrait , ConstantLike , FirstAttrDerivedResultType , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
value	::mlir::ElementsAttr	constant vector/tensor attribute

Results:

תוֹצָאָה	תֵאוּר
output	tensor of any type values

tfl.pseudo_qconst (TFL::QConstOp)

Quantized constant pseudo op

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

Traits: AlwaysSpeculatableImplTrait , FirstAttrDerivedResultType

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface)

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
qtype	::mlir::TypeAttr	Tensor type attribute
value	::mlir::ElementsAttr	constant vector/tensor attribute

Results:

תוֹצָאָה	תֵאוּר
output	tensor of QUI8 type or QI8 type or QI16 type or QUI16 type or TFLite quint8 type values

tfl.pseudo_sparse_const (TFL::SparseConstOp)

Sparse constant pseudo op.

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

Traits: AlwaysSpeculatableImplTrait , FirstAttrDerivedResultType , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
value	::mlir::ElementsAttr	constant vector/tensor attribute
s_param	::mlir::TFL::SparsityParameterAttr	Sparsity parameter.
compressed_data	::mlir::ElementsAttr	constant vector/tensor attribute

Results:

תוֹצָאָה	תֵאוּר
output	tensor of any type values

tfl.pseudo_sparse_qconst (TFL::SparseQConstOp)

Sparse quantized constant pseudo op

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

Traits: AlwaysSpeculatableImplTrait , FirstAttrDerivedResultType

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
qtype	::mlir::TypeAttr	Tensor type attribute
value	::mlir::ElementsAttr	constant vector/tensor attribute
s_param	::mlir::TFL::SparsityParameterAttr	Sparsity parameter.
compressed_data	::mlir::ElementsAttr	constant vector/tensor attribute

Results:

תוֹצָאָה	תֵאוּר
output	tensor of QUI8 type or QI8 type or QI16 type or QUI16 type or TFLite quint8 type values

tfl.quantize (TFL::QuantizeOp)

Quantize operator

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

Traits: FirstAttrDerivedResultType , SameOperandsAndResultShape

Interfaces: NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
qtype	::mlir::TypeAttr	Tensor type attribute

Operands:

Operand	תֵאוּר
input	tensor of 32-bit float or QI4 type or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of QI4 type or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

tfl.random_standard_normal (TFL::RandomStandardNormalOp)

Outputs random values from a normal distribution.

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

Interfaces: TflRuntimeVerifyOpInterface

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
seed	::mlir::IntegerAttr	64-bit signless integer attribute
seed2	::mlir::IntegerAttr	64-bit signless integer attribute

Operands:

Operand	תֵאוּר
shape	tensor of 32-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
out	tensor of 32-bit float values

tfl.random_uniform (TFL::RandomUniformOp)

Outputs random values from a uniform distribution.

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

Interfaces: TflRuntimeVerifyOpInterface

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
seed	::mlir::IntegerAttr	64-bit signless integer attribute
seed2	::mlir::IntegerAttr	64-bit signless integer attribute

Operands:

Operand	תֵאוּר
shape	tensor of 32-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
out	tensor of 32-bit float values

tfl.range (TFL::RangeOp)

Range operator

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

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
start	tensor of 32-bit signless integer or 32-bit float or 64-bit signless integer values
limit	tensor of 32-bit signless integer or 32-bit float or 64-bit signless integer values
delta	tensor of 32-bit signless integer or 32-bit float or 64-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
result	tensor of 32-bit signless integer or 32-bit float or 64-bit signless integer values

tfl.rank (TFL::RankOp)

Rank operator.

Returns the rank of a tensor.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
input	tensor of any type values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of any integer type

tfl.read_variable (TFL::ReadVariableOp)

Reads variable value.

Read variable data identified by 'resource_id'.

Interfaces: TflRuntimeVerifyOpInterface

Operands:

Operand	תֵאוּר
resource_id	tensor of resource values

Results:

תוֹצָאָה	תֵאוּר
result	tensor of 32-bit float or 64-bit float or 1-bit signless integer or 8-bit unsigned integer or 8-bit signless integer or QI8 type or QUI8 type or 32-bit signless integer or 64-bit signless integer or QI16 type or complex type with 32-bit float elements or complex type with 64-bit float elements values

tfl.real (TFL::RealOp)

Returns the real part of a complex number.

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

Traits: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
input	tensor of complex type with 32-bit float elements or complex type with 64-bit float elements values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or 64-bit float values

tfl.reduce_all (TFL::ReduceAllOp)

Computes the "logical and" of elements across dimensions of a tensor.

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

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
keep_dims	::mlir::BoolAttr	bool attribute

Operands:

Operand	תֵאוּר
input	tensor of 1-bit signless integer values
reduction_indices	tensor of 32-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 1-bit signless integer values

tfl.reduce_any (TFL::ReduceAnyOp)

Computes the "logical or" of elements across dimensions of a tensor.

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

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
keep_dims	::mlir::BoolAttr	bool attribute

Operands:

Operand	תֵאוּר
input	tensor of 1-bit signless integer values
reduction_indices	tensor of 32-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 1-bit signless integer values

tfl.reduce_max (TFL::ReduceMaxOp)

Max-reduction operator

Computes the max reduction along the specified axes

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
keep_dims	::mlir::BoolAttr	bool attribute

Operands:

Operand	תֵאוּר
input	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values
axes	tensor of 32-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values

tfl.reduce_min (TFL::ReduceMinOp)

Min-reduction operator

Computes the min reduction along the specified axes

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
keep_dims	::mlir::BoolAttr	bool attribute

Operands:

Operand	תֵאוּר
input	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values
axes	tensor of 32-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values

tfl.reduce_prod (TFL::ReduceProdOp)

Prod-reduction operator

Computes the product along the specified axes

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
keep_dims	::mlir::BoolAttr	bool attribute

Operands:

Operand	תֵאוּר
input	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values
axes	tensor of 32-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values

tfl.relu (TFL::ReluOp)

Relu operator

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
x	tensor of 32-bit float or QUI8 type or QI8 type or QI16 type values

Results:

תוֹצָאָה	תֵאוּר
y	tensor of 32-bit float or QUI8 type or QI8 type or QI16 type values

tfl.relu6 (TFL::Relu6Op)

Relu6 operator

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
x	tensor of 32-bit float or QUI8 type or QI8 type values

Results:

תוֹצָאָה	תֵאוּר
y	tensor of 32-bit float or QUI8 type or QI8 type values

tfl.relu_0_to_1 (TFL::Relu0To1Op)

Relu0To1 operator

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
x	tensor of 32-bit float or QUI8 type or QI8 type values

Results:

תוֹצָאָה	תֵאוּר
y	tensor of 32-bit float or QUI8 type or QI8 type values

tfl.relu_n1_to_1 (TFL::Relu1Op)

Relu1 operator

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
x	tensor of 32-bit float or QUI8 type or QI8 type values

Results:

תוֹצָאָה	תֵאוּר
y	tensor of 32-bit float or QUI8 type or QI8 type values

tfl.reshape (TFL::ReshapeOp)

Reshape operator

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
input	tensor of any type values
shape	tensor of 32-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of any type values

tfl.resize_bilinear (TFL::ResizeBilinearOp)

ResizeBilinear Op

Resize images to size using bilinear interpolation.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
align_corners	::mlir::BoolAttr	bool attribute
half_pixel_centers	::mlir::BoolAttr	bool attribute

Operands:

Operand	תֵאוּר
input	tensor of 32-bit float or TFLite quint8 type or QUI8 type or QI8 type or QI16 type values
size	tensor of 32-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or TFLite quint8 type or QUI8 type or QI8 type or QI16 type values

tfl.resize_nearest_neighbor (TFL::ResizeNearestNeighborOp)

ResizeNearestNeighbor Op

Resize images to size using nearest neighbor interpolation.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
align_corners	::mlir::BoolAttr	bool attribute
half_pixel_centers	::mlir::BoolAttr	bool attribute

Operands:

Operand	תֵאוּר
input	tensor of 32-bit float or TFLite quint8 type or QUI8 type or QI8 type or QI16 type values
size	tensor of 32-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or TFLite quint8 type or QUI8 type or QI8 type or QI16 type values

tfl.reverse_sequence (TFL::ReverseSequenceOp)

Reverses variable length slices.

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

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

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
seq_dim	::mlir::IntegerAttr	32-bit signless integer attribute whose value is non-negative
batch_dim	::mlir::IntegerAttr	32-bit signless integer attribute whose value is non-negative

Operands:

Operand	תֵאוּר
input	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI16 type or QUI8 type or TFLite quint8 type values
seq_lengths	tensor of 32/64-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI16 type or QUI8 type or TFLite quint8 type values

tfl.reverse_v2 (TFL::ReverseV2Op)

ReverseV2 Operator

Reverses specific dimensions of a tensor.

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

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

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
input	tensor of 32-bit float or 8-bit unsigned integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or QI16 type or QUI8 type or QI8 type or TFLite quint8 type or 1-bit signless integer values
axis	tensor of 32-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or 8-bit unsigned integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or QI16 type or QUI8 type or QI8 type or TFLite quint8 type or 1-bit signless integer values

tfl.rfft2d (TFL::RFFT2dOp)

2D real-valued fast Fourier transform.

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

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

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

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
input	tensor of 32-bit float values
fft_length	tensor of 32-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of complex type with 32-bit float elements values

tfl.right_shift (TFL::RightShiftOp)

Right Shift operator

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

Traits: AlwaysSpeculatableImplTrait , SameOperandsAndResultElementType

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
lhs	tensor of 8-bit signless integer or 8-bit unsigned integer or 16-bit signless integer or 16-bit unsigned integer or 32-bit signless integer or 32-bit unsigned integer values
rhs	tensor of 8-bit signless integer or 8-bit unsigned integer or 16-bit signless integer or 16-bit unsigned integer or 32-bit signless integer or 32-bit unsigned integer values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 8-bit signless integer or 8-bit unsigned integer or 16-bit signless integer or 16-bit unsigned integer or 32-bit signless integer or 32-bit unsigned integer values

tfl.round (TFL::RoundOp)

Round operator

Rounds the values of a tensor to the nearest integer, element-wise.

Traits: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
x	tensor of 32-bit float values

Results:

תוֹצָאָה	תֵאוּר
y	tensor of 32-bit float values

tfl.rsqrt (TFL::RsqrtOp)

Reciprocal of square root operator

Computes element-wise reverse square root of input

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
x	tensor of 32-bit float or QI8 type or QI16 type values

Results:

תוֹצָאָה	תֵאוּר
y	tensor of 32-bit float or QI8 type or QI16 type values

tfl.scatter_nd (TFL::ScatterNdOp)

_Scatter nd operator

Scatter updates into a new tensor according to indices

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
indices	tensor of 32-bit signless integer values
updates	tensor of 32-bit float or 8-bit signless integer or 64-bit signless integer or 32-bit signless integer or 8-bit unsigned integer or 1-bit signless integer values
shape	1D tensor of any type values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or 8-bit signless integer or 64-bit signless integer or 32-bit signless integer or 8-bit unsigned integer or 1-bit signless integer values

tfl.segment_sum (TFL::SegmentSumOp)

SegmentSum operator

Computes the sum along segments of a tensor.

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
input	tensor of 32-bit float or 32-bit signless integer values
segment_ids	tensor of 32-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or 32-bit signless integer values

tfl.select (TFL::SelectOp)

Select operator

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

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
condition	tensor of 1-bit signless integer values
x	tensor of 32-bit float or 1-bit signless integer or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 32-bit unsigned integer or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values
y	tensor of 32-bit float or 1-bit signless integer or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 32-bit unsigned integer or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or 1-bit signless integer or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 32-bit unsigned integer or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

tfl.select_v2 (TFL::SelectV2Op)

SelectV2 operator

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

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

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

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

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
condition	tensor of 1-bit signless integer values
x	tensor of 32-bit float or 1-bit signless integer or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 32-bit unsigned integer or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values
y	tensor of 32-bit float or 1-bit signless integer or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 32-bit unsigned integer or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or 1-bit signless integer or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 32-bit unsigned integer or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

tfl.shape (TFL::ShapeOp)

Shape operator

Returns the shape of a tensor.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
out_type	::mlir::Attribute	derived attribute

Operands:

Operand	תֵאוּר
input	tensor of any type values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit signless integer or 64-bit signless integer values

tfl.sign (TFL::SignOp)

Sign operation

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

Traits: AlwaysSpeculatableImplTrait , SameOperandsAndResultType

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

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
x	tensor of 32-bit float or 64-bit float or 32-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or 64-bit float or 32-bit signless integer values

tfl.sin (TFL::SinOp)

Sine operator

Computes element-wise Sine of input

Traits: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
x	tensor of 32-bit float values

Results:

תוֹצָאָה	תֵאוּר
y	tensor of 32-bit float values

tfl.slice (TFL::SliceOp)

Return a slice from 'input'.

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

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

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

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

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

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
input	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI4 type or 8-bit signless integer or 8-bit unsigned integer or 32-bit unsigned integer or 1-bit signless integer or TFLite string type or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values
begin	tensor of 32/64-bit signless integer values
size	tensor of 32/64-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI4 type or 8-bit signless integer or 8-bit unsigned integer or 32-bit unsigned integer or 1-bit signless integer or TFLite string type or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values

tfl.softmax (TFL::SoftmaxOp)

Softmax operator

Computes element-wise softmax activations with the following formula

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
beta	::mlir::FloatAttr	32-bit float attribute

Operands:

Operand	תֵאוּר
input	tensor of 32-bit float or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values

tfl.space_to_batch_nd (TFL::SpaceToBatchNdOp)

SpaceToBatchNd operator

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
input	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values
block_shape	tensor of 32-bit signless integer values
paddings	tensor of 32-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values

tfl.space_to_depth (TFL::SpaceToDepthOp)

SpaceToDepth operator

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
block_size	::mlir::IntegerAttr	32-bit signless integer attribute whose value is positive

Operands:

Operand	תֵאוּר
input	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type values

tfl.sparse_to_dense (TFL::SparseToDenseOp)

Converts a sparse representation into a dense tensor.

Builds an array dense with shape output_shape such that

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

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

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

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

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
sparse_indices	tensor of 32/64-bit signless integer values
output_shape	tensor of 32/64-bit signless integer values
sparse_values	tensor of 32-bit signless integer or 64-bit signless integer or 8-bit signless integer or QI8 type or 8-bit unsigned integer or QUI8 type or TFLite quint8 type or 32-bit float values
default_value	tensor of 32-bit signless integer or 64-bit signless integer or 8-bit signless integer or QI8 type or 8-bit unsigned integer or QUI8 type or TFLite quint8 type or 32-bit float values

Results:

תוֹצָאָה	תֵאוּר
dense	tensor of 32-bit signless integer or 64-bit signless integer or 8-bit signless integer or QI8 type or 8-bit unsigned integer or QUI8 type or TFLite quint8 type or 32-bit float values

tfl.split (TFL::SplitOp)

Splits a tensor into num_split tensors along one dimension.

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
num_splits	::mlir::IntegerAttr	32-bit signless integer attribute whose value is positive

Operands:

Operand	תֵאוּר
split_dim	tensor of 32-bit signless integer values
value	tensor of 32-bit float or 16-bit signless integer or 32-bit signless integer or 8-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or QI16 type values

Results:

תוֹצָאָה	תֵאוּר
outputs	variadic of tensor of any type values

tfl.split_v (TFL::SplitVOp)

Splits a tensor into num_split tensors along one dimension.

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
num_splits	::mlir::IntegerAttr	32-bit signless integer attribute whose value is positive

Operands:

Operand	תֵאוּר
value	tensor of 32-bit float or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 8-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or QI16 type values
size_splits	1D tensor of 32-bit signless integer values
split_dim	0D tensor of 32-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
outputs	variadic of tensor of any type values

tfl.sqrt (TFL::SqrtOp)

Square root operator

Computes element-wise Square root of input

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
x	tensor of 32-bit float or QI8 type or QI16 type values

Results:

תוֹצָאָה	תֵאוּר
y	tensor of 32-bit float or QI8 type or QI16 type values

tfl.square (TFL::SquareOp)

Square operator

Computes element-wise Square of input

Traits: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
x	tensor of 32-bit float values

Results:

תוֹצָאָה	תֵאוּר
y	tensor of 32-bit float values

tfl.squared_difference (TFL::SquaredDifferenceOp)

Squared difference operator

Element-wise squared difference operation.

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

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
lhs	tensor of 32-bit float or 32-bit signless integer or QI8 type values
rhs	tensor of 32-bit float or 32-bit signless integer or QI8 type values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or 32-bit signless integer or QI8 type values

tfl.squeeze (TFL::SqueezeOp)

Removes dimensions of size 1 from the shape of a tensor.

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

לְדוּגמָה:

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

Or, to remove specific size 1 dimensions:

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
squeeze_dims	::mlir::ArrayAttr	64-bit integer array attribute whose size is at most 8

Operands:

Operand	תֵאוּר
input	tensor of any type values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of any type values

tfl.strided_slice (TFL::StridedSliceOp)

StridedSlice Op

Return a strided slice from input .

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

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

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
begin_mask	::mlir::IntegerAttr	32-bit signless integer attribute
end_mask	::mlir::IntegerAttr	32-bit signless integer attribute
ellipsis_mask	::mlir::IntegerAttr	32-bit signless integer attribute
new_axis_mask	::mlir::IntegerAttr	32-bit signless integer attribute
shrink_axis_mask	::mlir::IntegerAttr	32-bit signless integer attribute
offset	::mlir::BoolAttr	bool attribute

Operands:

Operand	תֵאוּר
input	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or 8-bit signless integer or 8-bit unsigned integer or 32-bit unsigned integer or QI8 type or QUI8 type or 1-bit signless integer or 16-bit signless integer or QI16 type or TFLite quint8 type or TFLite string type values
begin	tensor of 32-bit signless integer values
end	tensor of 32-bit signless integer values
strides	tensor of 32-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or 8-bit signless integer or 8-bit unsigned integer or 32-bit unsigned integer or QI8 type or QUI8 type or 1-bit signless integer or 16-bit signless integer or QI16 type or TFLite quint8 type or TFLite string type values

tfl.sub (TFL::SubOp)

Subtraction operator

Element-wise subtraction operation.

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

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

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
fused_activation_function	::mlir::StringAttr	string attribute whose value is NONE, or RELU, or RELU_N1_TO_1, or RELU6, or TANH, or SIGN_BIT

Operands:

Operand	תֵאוּר
lhs	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or QI16 type values
rhs	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or QI16 type values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or QI16 type values

tfl.sum (TFL::SumOp)

Sum operator

Computes the sum reduction along the specified axes

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
keep_dims	::mlir::BoolAttr	bool attribute

Operands:

Operand	תֵאוּר
input	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values
axes	tensor of 32-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values

tfl.svdf (TFL::SVDFOp)

Single value decomposition filter operator

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

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

Interfaces: DynamicRangeQuantizedOpInterface , RequiresQuantizedBiasInterface , TFL_StatefulOp , TflRuntimeVerifyOpInterface

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
rank	::mlir::IntegerAttr	32-bit signless integer attribute whose value is positive
fused_activation_function	::mlir::StringAttr	string attribute whose value is NONE, or RELU, or RELU_N1_TO_1, or RELU6, or TANH, or SIGN_BIT
asymmetric_quantize_inputs	::mlir::BoolAttr	bool attribute

Operands:

Operand	תֵאוּר
input	tensor of 32-bit float or QI8 type values
feature_weights	tensor of 32-bit float or QI8 type or QUI8 type values
time_weights	tensor of 32-bit float or QI16 type values
input_gate_bias	tensor of any type values or none type
activation_state	stateful tensor

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or QI8 type values

tfl.tanh (TFL::TanhOp)

Hyperbolic tangent operator

Computes element-wise Hyperbolic tangent of input

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
input	tensor of 32-bit float or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

tfl.tile (TFL::TileOp)

Tile operator.

Constructs a tensor by tiling a given tensor.

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
input	tensor of 32-bit float or 1-bit signless integer or 32-bit signless integer or 64-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or TFLite string type values
multiples	tensor of 32/64-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or 1-bit signless integer or 32-bit signless integer or 64-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or TFLite string type values

tfl.topk_v2 (TFL::TopKV2Op)

TopK operator

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

Results are always sorted in the descending order.

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
input	tensor of 32-bit float or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type values
k	tensor of 16-bit signless integer or 32-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
values	tensor of 32-bit float or 8-bit signless integer or 16-bit signless integer or 32-bit signless integer or 64-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type values
indices	tensor of 16-bit signless integer or 32-bit signless integer values

tfl.transpose (TFL::TransposeOp)

Transpose operator

Returns the Transpose of x

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
input	tensor of 32-bit signless integer or 32-bit float or 8-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or 4-bit signless integer or QI4 type or TFLite quint8 type or 1-bit signless integer or 64-bit signless integer or QI16 type values
perm	tensor of 32-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit signless integer or 32-bit float or 8-bit signless integer or 8-bit unsigned integer or QI8 type or QUI8 type or 4-bit signless integer or QI4 type or TFLite quint8 type or 1-bit signless integer or 64-bit signless integer or QI16 type values

tfl.transpose_conv (TFL::TransposeConvOp)

Transpose convolution operator

Performs transpose convolution operation on input.

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

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

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
padding	::mlir::StringAttr	string attribute whose value is SAME, or VALID
stride_h	::mlir::IntegerAttr	32-bit signless integer attribute whose value is positive
stride_w	::mlir::IntegerAttr	32-bit signless integer attribute whose value is positive
fused_activation_function	::mlir::StringAttr	string attribute whose value is NONE, or RELU, or RELU_N1_TO_1, or RELU6, or TANH, or SIGN_BIT

Operands:

Operand	תֵאוּר
output_shape	tensor of 32-bit signless integer values
weights	tensor of 32-bit float or QI8 type or QUI8 type or QI16 type values
input	tensor of 32-bit float or QI8 type or QUI8 type or QI16 type values
bias	tensor of any type values or none type

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or QI8 type or QUI8 type or QI16 type values

tfl.unidirectional_sequence_lstm (TFL::UnidirectionalSequenceLSTMOp)

Unidirectional sequence lstm operator

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

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

Traits: QuantizableResult

Interfaces: DynamicRangeQuantizedOpInterface , InferTypeOpInterface , TFL_StatefulOp , TflRuntimeVerifyOpInterface

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
fused_activation_function	::mlir::StringAttr	string attribute whose value is NONE, or RELU, or RELU_N1_TO_1, or RELU6, or TANH, or SIGN_BIT
cell_clip	::mlir::FloatAttr	32-bit float attribute whose value is non-negative
proj_clip	::mlir::FloatAttr	32-bit float attribute whose value is non-negative
time_major	::mlir::BoolAttr	bool attribute
asymmetric_quantize_inputs	::mlir::BoolAttr	bool attribute
diagonal_recurrent_tensors	::mlir::BoolAttr	bool attribute
input_to_input_intermediate	::mlir::TypeAttr	any type attribute
input_to_forget_intermediate	::mlir::TypeAttr	any type attribute
input_to_cell_intermediate	::mlir::TypeAttr	any type attribute
input_to_output_intermediate	::mlir::TypeAttr	any type attribute
effective_hidden_scale_intermediate	::mlir::TypeAttr	any type attribute

Operands:

Operand	תֵאוּר
input	tensor of 32-bit float values
input_to_input_weights	tensor of any type values or none type
input_to_forget_weights	tensor of 32-bit float or QI8 type values
input_to_cell_weights	tensor of 32-bit float or QI8 type values
input_to_output_weights	tensor of 32-bit float or QI8 type values
recurrent_to_input_weights	tensor of any type values or none type
recurrent_to_forget_weights	tensor of 32-bit float or QI8 type values
recurrent_to_cell_weights	tensor of 32-bit float or QI8 type values
recurrent_to_output_weights	tensor of 32-bit float or QI8 type values
cell_to_input_weights	tensor of any type values or none type
cell_to_forget_weights	tensor of any type values or none type
cell_to_output_weights	tensor of any type values or none type
input_gate_bias	tensor of any type values or none type
forget_gate_bias	tensor of 32-bit float values
cell_bias	tensor of 32-bit float values
output_gate_bias	tensor of 32-bit float values
projection_weights	tensor of any type values or none type
projection_bias	tensor of any type values or none type
input_activation_state	stateful tensor
input_cell_state	stateful tensor
input_layer_norm_coefficients	tensor of any type values or none type
forget_layer_norm_coefficients	tensor of any type values or none type
cell_layer_norm_coefficients	tensor of any type values or none type
output_layer_norm_coefficients	tensor of any type values or none type

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or QI8 type values

tfl.unidirectional_sequence_rnn (TFL::UnidirectionalSequenceRNNOp)

Unidirectional sequence rnn operator

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

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

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

Traits: QuantizableResult

Interfaces: DynamicRangeQuantizedOpInterface , TFL_StatefulOp , TflRuntimeVerifyOpInterface

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
time_major	::mlir::BoolAttr	bool attribute
fused_activation_function	::mlir::StringAttr	string attribute whose value is NONE, or RELU, or RELU_N1_TO_1, or RELU6, or TANH, or SIGN_BIT
asymmetric_quantize_inputs	::mlir::BoolAttr	bool attribute

Operands:

Operand	תֵאוּר
input	tensor of 32-bit float values
input_to_input_weights	tensor of 32-bit float or QI8 type values
recurrent_to_input_weights	tensor of 32-bit float or QI8 type values
input_gate_bias	tensor of 32-bit float values
hidden_state	stateful tensor

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float values

tfl.unique (TFL::UniqueOp)

Unique Op.

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
idx_out_type	::mlir::Attribute	derived attribute

Operands:

Operand	תֵאוּר
input	tensor of 8-bit signless integer or QI8 type or 8-bit unsigned integer or QUI8 type or 16-bit signless integer or QI16 type or 32-bit signless integer or 64-bit signless integer or 32-bit float values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 8-bit signless integer or QI8 type or 8-bit unsigned integer or QUI8 type or 16-bit signless integer or QI16 type or 32-bit signless integer or 64-bit signless integer or 32-bit float values
idx	tensor of 32/64-bit signless integer values

tfl.unpack (TFL::UnpackOp)

Unpacks a tensor along a dimension into multiple tensors

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

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

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

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

This is the opposite of pack .

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultElementType

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

Effects: MemoryEffects::Effect{}

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
num	::mlir::IntegerAttr	32-bit signless integer attribute whose value is non-negative
axis	::mlir::IntegerAttr	32-bit signless integer attribute

Operands:

Operand	תֵאוּר
input	tensor of 32-bit float or 1-bit signless integer or 8-bit signless integer or 8-bit unsigned integer or 32-bit signless integer or QI8 type or QUI8 type or 16-bit signless integer or QI16 type values

Results:

תוֹצָאָה	תֵאוּר
outputs	variadic of tensor of any type values

tfl.unsorted_segment_max (TFL::UnsortedSegmentMaxOp)

UnsortedSegmentMax operator

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

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
input	tensor of 32-bit float or 32-bit signless integer values
segment_ids	tensor of 32-bit signless integer values
num_segments	tensor of 32-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or 32-bit signless integer values

tfl.unsorted_segment_min (TFL::UnsortedSegmentMinOp)

UnsortedSegmentMin operator

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

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
input	tensor of 32-bit float or 32-bit signless integer values
segment_ids	tensor of 32-bit signless integer values
num_segments	tensor of 32-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or 32-bit signless integer values

tfl.unsorted_segment_prod (TFL::UnsortedSegmentProdOp)

UnsortedSegmentProd operator

Computes the product along segments of a tensor.

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
input	tensor of 32-bit float or 32-bit signless integer values
segment_ids	tensor of 32-bit signless integer values
num_segments	tensor of 32-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or 32-bit signless integer values

tfl.unsorted_segment_sum (TFL::UnsortedSegmentSumOp)

UnsortedSegmentSum operator

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

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
input	tensor of 32-bit float or 32-bit signless integer values
segment_ids	tensor of 32-bit signless integer values
num_segments	tensor of 32-bit signless integer values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 32-bit float or 32-bit signless integer values

tfl.var_handle (TFL::VarHandleOp)

Returns a handle to a variable resource from its name.

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

Interfaces: TflRuntimeVerifyOpInterface

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
container	::mlir::StringAttr	string attribute
shared_name	::mlir::StringAttr	string attribute

Results:

תוֹצָאָה	תֵאוּר
resource_handle	tensor of resource values

tfl.where (TFL::WhereOp)

Returns locations of nonzero / true values in a tensor.

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

Traits: AlwaysSpeculatableImplTrait

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
condition	tensor of 1-bit signless integer or 32-bit float or 32/64-bit signless integer or 8-bit signless integer or 8-bit unsigned integer or 32-bit unsigned integer values

Results:

תוֹצָאָה	תֵאוּר
index	tensor of 64-bit signless integer values

tfl.while (TFL::WhileOp)

While loop

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

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

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

Traits: SingleBlockImplicitTerminator<YieldOp> , SingleBlock

Interfaces: LoopLikeOpInterface , TflRuntimeVerifyOpInterface

Attributes:

תְכוּנָה	MLIR Type	תֵאוּר
is_stateless	::mlir::BoolAttr	bool attribute

Operands:

Operand	תֵאוּר
input	variadic of tensor of any type values

Results:

תוֹצָאָה	תֵאוּר
output	variadic of tensor of any type values

tfl.yield (TFL::YieldOp)

Yield operation

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

Traits: AlwaysSpeculatableImplTrait , QuantizableResult , Terminator

Interfaces: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
«unnamed»	variadic of any type

tfl.zeros_like (TFL::ZerosLikeOp)

ZerosLike operator

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

Traits: AlwaysSpeculatableImplTrait , SameOperandsAndResultType

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

Effects: MemoryEffects::Effect{}

Operands:

Operand	תֵאוּר
input	tensor of 64-bit signless integer or 32-bit signless integer or 32-bit float values

Results:

תוֹצָאָה	תֵאוּר
output	tensor of 64-bit signless integer or 32-bit signless integer or 32-bit float values

תכונות

DimensionMetadataAttr

Dimension metadata.

תַחבִּיר:

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

Parameters:

פָּרָמֶטֶר	C++ type	תֵאוּר
פוּרמָט	::mlir::TFL::DimensionTypeAttr	dimension_type
dense_size	int32_t
פלחים	::llvm::ArrayRef<int32_t>
מדדים	::llvm::ArrayRef<int32_t>

SparsityParameterAttr

Sparsity parameter.

תַחבִּיר:

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

Parameters:

פָּרָמֶטֶר	C++ type	תֵאוּר
traversal_order	::llvm::ArrayRef<int32_t>
block_map	::llvm::ArrayRef<int32_t>
dim_metadata	::llvm::ArrayRef<DimensionMetadataAttr>

ConstBytesAttr

A string attribute representation of compiled bytes

Syntax Examples:

#tfl<const_bytes : "0xDEADBEEF">

Parameters:

פָּרָמֶטֶר	C++ type	תֵאוּר
עֵרֶך	::llvm::StringRef

DimensionTypeAttr

_Dimension type

תַחבִּיר:

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

Parameters:

פָּרָמֶטֶר	C++ type	תֵאוּר
עֵרֶך	::mlir::TFL::DimensionType	an enum of type DimensionType

LSTMKernelTypeAttr

_Lstm_kernel type

תַחבִּיר:

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

Parameters:

פָּרָמֶטֶר	C++ type	תֵאוּר
עֵרֶך	::mlir::TFL::LSTMKernelType	an enum of type LSTMKernelType

MirrorPaddingTypeAttr

_Mirror_pad enum

תַחבִּיר:

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

Parameters:

פָּרָמֶטֶר	C++ type	תֵאוּר
עֵרֶך	::mlir::TFL::MirrorPaddingType	an enum of type MirrorPaddingType

Enums

DimensionType

_Dimension type

Cases:

סֵמֶל	עֵרֶך	חוּט
צָפוּף	0	צָפוּף
SPARSE_CSR	1	SPARSE_CSR

LSTMKernelType

_Lstm_kernel type

Cases:

סֵמֶל	עֵרֶך	חוּט
מָלֵא	0	מָלֵא
בְּסִיסִי	1	בְּסִיסִי

MirrorPaddingType

_Mirror_pad enum

Cases:

סֵמֶל	עֵרֶך	חוּט
לְשַׁקֵף	0	לְשַׁקֵף
SYMMETRIC	1	SYMMETRIC