'tfl' 방언

TensorFlow Lite 방언.

이 방언은 TensorFlow Lite 연산에 해당합니다.

불변량:

• 모든 값은 텐서 유형입니다(특히 스칼라는 0차원 텐서를 사용하여 표현됩니다).

운영

tfl.abs (TFL::AbsOp)

절댓값 연산자

텐서 x 가 주어졌을 때, 이 연산은 x 의 각 요소의 절댓값을 포함하는 텐서를 반환합니다. 예를 들어, x가 입력 요소이고 y가 출력 요소인 경우, 이 연산은 다음을 계산합니다. \(y = |x|\).

특성: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
x	16비트 부호 없는 정수 또는 32비트 부호 없는 정수 또는 32비트 부동 소수점 또는 QI8 유형 또는 QI16 유형 값의 텐서

결과:

결과	설명
y	16비트 부호 없는 정수 또는 32비트 부호 없는 정수 또는 32비트 부동 소수점 또는 QI8 유형 또는 QI16 유형 값의 텐서

tfl.add (TFL::AddOp)

덧셈 연산자

요소별 덧셈 연산.

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

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

효과: MemoryEffects::Effect{}

속성:

기인하다	MLIR 유형	설명
fused_activation_function	::mlir::StringAttr	값이 NONE, RELU, RELU_N1_TO_1, RELU6, TANH 또는 SIGN_BIT인 문자열 속성

피연산자:

피연산자	설명
lhs	32비트 부동 소수점, 16비트 부동 소수점, 16비트 부호 없는 정수, 32비트 부호 없는 정수, 64비트 부호 없는 정수, QI8 타입, QUI8 타입, QI16 타입 값의 텐서
rhs	32비트 부동 소수점, 16비트 부동 소수점, 16비트 부호 없는 정수, 32비트 부호 없는 정수, 64비트 부호 없는 정수, QI8 타입, QUI8 타입, QI16 타입 값의 텐서

결과:

결과	설명
output	32비트 부동 소수점, 16비트 부동 소수점, 16비트 부호 없는 정수, 32비트 부호 없는 정수, 64비트 부호 없는 정수, QI8 타입, QUI8 타입, QI16 타입 값의 텐서

tfl.add_n (TFL::AddNOp)

_n 연산자를 더합니다

모든 입력 텐서를 요소별로 더합니다.

특성: AlwaysSpeculatableImplTrait , Commutative

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

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
inputs	토큰 타입이 아닌 모든 값의 텐서의 가변 인자

결과:

결과	설명
sum	32비트 부동 소수점 또는 32비트 부호 없는 정수 값으로 이루어진 텐서

tfl.arg_max (TFL::ArgMaxOp)

ArgMax 연산자

텐서의 모든 차원에 걸쳐 가장 큰 값을 가진 인덱스를 반환합니다.

특성: AlwaysSpeculatableImplTrait , QuantizableResult

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

속성:

기인하다	MLIR 유형	설명
output_type	::mlir::속성	파생 속성

피연산자:

피연산자	설명
input	1비트 부호 없는 정수 또는 32비트 부동 소수점 또는 32비트 부호 없는 정수 또는 8비트 부호 없는 정수 또는 8비트 부호 없는 정수 또는 QI8 유형 또는 QUI8 유형 값의 텐서
dim	32/64비트 부호 없는 정수 값의 텐서

결과:

결과	설명
output	32/64비트 부호 없는 정수 값의 텐서

tfl.arg_min (TFL::ArgMinOp)

ArgMin 연산자

텐서의 모든 차원에서 가장 작은 값을 가진 인덱스를 반환합니다. a = [1, 10, 26.9, 2.8, 166.32, 62.3] b = tf.math.argmin(input = a) c = tf.keras.backend.eval(b)

특성: AlwaysSpeculatableImplTrait , QuantizableResult

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

속성:

기인하다	MLIR 유형	설명
output_type	::mlir::속성	파생 속성

피연산자:

피연산자	설명
input	1비트 부호 없는 정수 또는 32비트 부동 소수점 또는 32비트 부호 없는 정수 또는 8비트 부호 없는 정수 또는 8비트 부호 없는 정수 또는 QI8 유형 또는 QUI8 유형 값의 텐서
dim	32/64비트 부호 없는 정수 값의 텐서

결과:

결과	설명
output	32/64비트 부호 없는 정수 값의 텐서

tfl.assign_variable (TFL::AssignVariableOp)

변수에 새로운 값을 할당합니다.

이 연산에 제어 종속성이 있는 모든 ReadVariableOp는 이 값 또는 해당 변수의 이후 최신 값을 반환하도록 보장됩니다.

인터페이스: TflRuntimeVerifyOpInterface

피연산자:

피연산자	설명
resource_id	리소스 값 텐서
value	32비트 부동 소수점 또는 64비트 부동 소수점 또는 1비트 부호 없는 정수 또는 8비트 부호 없는 정수 또는 8비트 부호 없는 정수 또는 QI8 유형 또는 QUI8 유형 또는 32비트 부호 없는 정수 또는 64비트 부호 없는 정수 또는 QI16 유형 또는 32비트 부동 소수점 요소를 가진 복소수 유형 또는 64비트 부동 소수점 요소를 가진 복소수 유형의 텐서

tfl.atan2 (TFL::Atan2Op)

Atan2 운영

"atan2" 연산은 인수의 부호를 유지하면서 y/x의 각 요소에 대해 역탄젠트를 계산합니다.

특성: AlwaysSpeculatableImplTrait , SameOperandsAndResultType

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

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
y	32비트 부동소수점 또는 64비트 부동소수점 값으로 이루어진 텐서
x	32비트 부동소수점 또는 64비트 부동소수점 값으로 이루어진 텐서

결과:

결과	설명
output	32비트 부동소수점 또는 64비트 부동소수점 값으로 이루어진 텐서

tfl.average_pool_2d (TFL::AveragePool2DOp)

_평균 풀 2d 연산자

입력에 대해 평균 풀링 연산을 수행합니다.

특성: AlwaysSpeculatableImplTrait , QuantizableResult

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

효과: MemoryEffects::Effect{}

속성:

기인하다	MLIR 유형	설명
filter_height	::mlir::IntegerAttr	32비트 부호 없는 정수 속성
filter_width	::mlir::IntegerAttr	32비트 부호 없는 정수 속성
padding	::mlir::StringAttr	값이 동일하거나 유효한 문자열 속성
stride_h	::mlir::IntegerAttr	32비트 부호 없는 정수 속성
stride_w	::mlir::IntegerAttr	32비트 부호 없는 정수 속성
fused_activation_function	::mlir::StringAttr	값이 NONE, RELU, RELU_N1_TO_1, RELU6, TANH 또는 SIGN_BIT인 문자열 속성

피연산자:

피연산자	설명
input	32비트 부동소수점 또는 QI8 타입 또는 QUI8 타입 또는 QI16 타입 값의 텐서

결과:

결과	설명
output	32비트 부동소수점 또는 QI8 타입 또는 QUI8 타입 또는 QI16 타입 값의 텐서

tfl.basic_lstm (TFL::BasicLSTMOp)

기본 lstm 연산자

기본 LSTM 셀 연산자.

특성: AlwaysSpeculatableImplTrait , QuantizableResult

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

속성:

기인하다	MLIR 유형	설명
fused_activation_function	::mlir::StringAttr	값이 NONE, RELU, RELU_N1_TO_1, RELU6, TANH 또는 SIGN_BIT인 문자열 속성
cell_clip	::mlir::플로트어트	값이 음수가 아닌 32비트 부동 소수점 속성
proj_clip	::mlir::플로트어트	값이 음수가 아닌 32비트 부동 소수점 속성
kernel_type	::mlir::TFL::LSTMKernelTypeAttr	lstm_kernel_type의 값은 mlir::TFL::LSTMKernelType::BASIC입니다.

피연산자:

피연산자	설명
data_input	32비트 부동소수점 또는 QUI8 타입 값으로 이루어진 텐서
prev_activ_input	32비트 부동소수점 또는 QUI8 타입 값으로 이루어진 텐서
weights_input	32비트 부동소수점 또는 QUI8 타입 값으로 이루어진 텐서
biases_input	32비트 부동소수점 또는 QI32 유형 값으로 이루어진 텐서
prev_state_input	32비트 부동소수점 또는 QI16 타입 값으로 이루어진 텐서

결과:

결과	설명
activ_output	토큰 유형이 아닌 모든 값으로 이루어진 2D 텐서
state_output	토큰 유형이 아닌 모든 값으로 이루어진 2D 텐서
concat_temp	토큰 유형이 아닌 모든 값으로 이루어진 2D 텐서
activ_temp	토큰 유형이 아닌 모든 값으로 이루어진 2D 텐서

tfl.batch_matmul (TFL::BatchMatMulOp)

배치 행렬 곱셈 연산자

입력값에 대해 일괄 행렬 곱셈을 수행합니다. TensorFlow BatchMatMulV2의 규칙을 따르며, 배치 차원의 알 수 없는 차원과 브로드캐스팅을 지원합니다.

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)

특성: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , QuantizableResult

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

효과: MemoryEffects::Effect{}

속성:

기인하다	MLIR 유형	설명
adj_x	::mlir::BoolAttr	부울 속성
adj_y	::mlir::BoolAttr	부울 속성
asymmetric_quantize_inputs	::mlir::BoolAttr	부울 속성

피연산자:

피연산자	설명
x	32비트 부동소수점, 16비트 부동소수점, QI8 타입, QI16 타입 또는 8비트 부호 없는 정수 값의 텐서
y	32비트 부동소수점 또는 16비트 부동소수점 또는 QI8 유형 또는 QI16 유형 또는 8비트 부호 없는 정수 또는 블록 단위 양자화된 유형 값의 텐서

결과:

결과	설명
output	32비트 부동소수점 또는 16비트 부동소수점 또는 QI8 유형 또는 QI16 유형 또는 32비트 부호 없는 정수 값의 텐서

tfl.batch_to_space_nd (TFL::BatchToSpaceNdOp)

배치ToSpaceNd 연산자

이 작업은 "배치" 차원 0을 공간 차원으로 재구성합니다.

특성: AlwaysSpeculatableImplTrait , QuantizableResult

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

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
input	32비트 부동 소수점 또는 8비트 부호 없는 정수 또는 32비트 부호 없는 정수 또는 64비트 부호 없는 정수 또는 8비트 부호 없는 정수 또는 QI8 유형 또는 QUI8 유형 또는 QI16 유형 값의 텐서
block_shape	32비트 부호 없는 정수 값의 텐서
indices	32비트 부호 없는 정수 값의 텐서

결과:

결과	설명
output	32비트 부동소수점 또는 16비트 부호 없는 정수 또는 32비트 부호 없는 정수 또는 64비트 부호 없는 정수 또는 8비트 부호 없는 정수 또는 QI8 유형 또는 QUI8 유형 또는 QI16 유형 값의 텐서

tfl.bidirectional_sequence_lstm (TFL::BidirectionalSequenceLSTMOp)

양방향 시퀀스 LSTM 연산자

양방향 LSTM은 기본적으로 두 개의 LSTM으로 구성되며, 하나는 순방향으로 실행되고 다른 하나는 역방향으로 실행됩니다. 출력은 이 두 LSTM의 연결입니다.

특성: QuantizableResult

인터페이스: DynamicRangeQuantizedOpInterface , TFL_StatefulOp , TflRuntimeVerifyOpInterface

속성:

기인하다	MLIR 유형	설명
fused_activation_function	::mlir::StringAttr	값이 NONE, RELU, RELU_N1_TO_1, RELU6, TANH 또는 SIGN_BIT인 문자열 속성
cell_clip	::mlir::플로트어트	값이 음수가 아닌 32비트 부동 소수점 속성
proj_clip	::mlir::플로트어트	값이 음수가 아닌 32비트 부동 소수점 속성
merge_outputs	::mlir::BoolAttr	부울 속성
time_major	::mlir::BoolAttr	부울 속성
asymmetric_quantize_inputs	::mlir::BoolAttr	부울 속성

피연산자:

피연산자	설명
input	32비트 부동 소수점 또는 8비트 부호 없는 정수 값으로 이루어진 텐서
fw_input_to_input_weights	토큰 유형이 아닌 값 또는 none 유형의 텐서
fw_input_to_forget_weights	32비트 부동 소수점 또는 8비트 부호 없는 정수 값으로 이루어진 텐서
fw_input_to_cell_weights	32비트 부동 소수점 또는 8비트 부호 없는 정수 값으로 이루어진 텐서
fw_input_to_output_weights	32비트 부동 소수점 또는 8비트 부호 없는 정수 값으로 이루어진 텐서
fw_recurrent_to_input_weights	토큰 유형이 아닌 값 또는 none 유형의 텐서
fw_recurrent_to_forget_weights	32비트 부동 소수점 또는 8비트 부호 없는 정수 값으로 이루어진 텐서
fw_recurrent_to_cell_weights	32비트 부동 소수점 또는 8비트 부호 없는 정수 값으로 이루어진 텐서
fw_recurrent_to_output_weights	32비트 부동 소수점 또는 8비트 부호 없는 정수 값으로 이루어진 텐서
fw_cell_to_input_weights	토큰 유형이 아닌 값 또는 none 유형의 텐서
fw_cell_to_forget_weights	토큰 유형이 아닌 값 또는 none 유형의 텐서
fw_cell_to_output_weights	토큰 유형이 아닌 값 또는 none 유형의 텐서
fw_input_gate_bias	토큰 유형이 아닌 값 또는 none 유형의 텐서
fw_forget_gate_bias	32비트 부동소수점 값으로 이루어진 텐서
fw_cell_bias	32비트 부동소수점 값으로 이루어진 텐서
fw_output_gate_bias	32비트 부동소수점 값으로 이루어진 텐서
fw_projection_weights	토큰 유형이 아닌 값 또는 none 유형의 텐서
fw_projection_bias	토큰 유형이 아닌 값 또는 none 유형의 텐서
bw_input_to_input_weights	토큰 유형이 아닌 값 또는 none 유형의 텐서
bw_input_to_forget_weights	32비트 부동 소수점 또는 8비트 부호 없는 정수 값으로 이루어진 텐서
bw_input_to_cell_weights	32비트 부동 소수점 또는 8비트 부호 없는 정수 값으로 이루어진 텐서
bw_input_to_output_weights	32비트 부동 소수점 또는 8비트 부호 없는 정수 값으로 이루어진 텐서
bw_recurrent_to_input_weights	토큰 유형이 아닌 값 또는 none 유형의 텐서
bw_recurrent_to_forget_weights	32비트 부동 소수점 또는 8비트 부호 없는 정수 값으로 이루어진 텐서
bw_recurrent_to_cell_weights	32비트 부동 소수점 또는 8비트 부호 없는 정수 값으로 이루어진 텐서
bw_recurrent_to_output_weights	32비트 부동 소수점 또는 8비트 부호 없는 정수 값으로 이루어진 텐서
bw_cell_to_input_weights	토큰 유형이 아닌 값 또는 none 유형의 텐서
bw_cell_to_forget_weights	토큰 유형이 아닌 값 또는 none 유형의 텐서
bw_cell_to_output_weights	토큰 유형이 아닌 값 또는 none 유형의 텐서
bw_input_gate_bias	토큰 유형이 아닌 값 또는 none 유형의 텐서
bw_forget_gate_bias	32비트 부동소수점 값으로 이루어진 텐서
bw_cell_bias	32비트 부동소수점 값으로 이루어진 텐서
bw_output_gate_bias	32비트 부동소수점 값으로 이루어진 텐서
bw_projection_weights	토큰 유형이 아닌 값 또는 none 유형의 텐서
bw_projection_bias	토큰 유형이 아닌 값 또는 none 유형의 텐서
fw_input_activation_state	상태 저장 텐서
fw_input_cell_state	상태 저장 텐서
bw_input_activation_state	상태 저장 텐서
bw_input_cell_state	상태 저장 텐서
aux_input	토큰 유형이 아닌 값 또는 none 유형의 텐서
fw_aux_input_to_input_weights	토큰 유형이 아닌 값 또는 none 유형의 텐서
fw_aux_input_to_forget_weights	토큰 유형이 아닌 값 또는 none 유형의 텐서
fw_aux_input_to_cell_weights	토큰 유형이 아닌 값 또는 none 유형의 텐서
fw_aux_input_to_output_weights	토큰 유형이 아닌 값 또는 none 유형의 텐서
bw_aux_input_to_input_weights	토큰 유형이 아닌 값 또는 none 유형의 텐서
bw_aux_input_to_forget_weights	토큰 유형이 아닌 값 또는 none 유형의 텐서
bw_aux_input_to_cell_weights	토큰 유형이 아닌 값 또는 none 유형의 텐서
bw_aux_input_to_output_weights	토큰 유형이 아닌 값 또는 none 유형의 텐서

결과:

결과	설명
fw_output	토큰 유형이 아닌 모든 값의 텐서
bw_output	토큰 유형이 아닌 모든 값의 텐서

tfl.bitcast (TFL::BitcastOp)

비트캐스트 운영자

텐서를 한 유형에서 다른 유형으로 비트캐스팅합니다.

특성: AlwaysSpeculatableImplTrait

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
input	토큰 유형이 아닌 모든 값의 텐서

결과:

결과	설명
output	토큰 유형이 아닌 모든 값의 텐서

tfl.bitwise_xor (TFL::BitwiseXorOp)

비트 단위 XOR 연산자

Elementwise는 lhs 와 rhs 의 비트 단위 XOR 연산을 수행합니다.

특성: AlwaysSpeculatableImplTrait , Commutative , ResultsBroadcastableShape , SameOperandsAndResultElementType

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
lhs	8비트 부호 없는 정수 또는 8비트 부호 없는 정수 또는 16비트 부호 없는 정수 또는 16비트 부호 없는 정수 또는 32비트 부호 없는 정수 값으로 이루어진 텐서
rhs	8비트 부호 없는 정수 또는 8비트 부호 없는 정수 또는 16비트 부호 없는 정수 또는 16비트 부호 없는 정수 또는 32비트 부호 없는 정수 값으로 이루어진 텐서

결과:

결과	설명
output	8비트 부호 없는 정수 또는 8비트 부호 없는 정수 또는 16비트 부호 없는 정수 또는 16비트 부호 없는 정수 또는 32비트 부호 없는 정수 값으로 이루어진 텐서

tfl.blockwise_dequantize (TFL::BlockwiseDequantizeOp)

블록 단위 양자화 해제 연산자

블록 단위로 양자화된 텐서에서 부동 소수점 값을 scale * (input - zero_point) 로 재구성합니다. zero_points 피연산자가 없으면 0이 기준점이 됩니다.

특성: AlwaysSpeculatableImplTrait

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface)

효과: MemoryEffects::Effect{}

속성:

기인하다	MLIR 유형	설명
block_shape	::mlir::ArrayAttr	64비트 정수 배열 속성
symmetric	::mlir::BoolAttr	부울 속성

피연산자:

피연산자	설명
input	2비트 부호 없는 정수, 4비트 부호 없는 정수, 8비트 부호 없는 정수 또는 16비트 부호 없는 정수 값으로 이루어진 텐서
scales	f8E8M0FNU 타입의 텐서 또는 16비트 부동소수점 또는 bfloat16 타입 또는 32비트 부동소수점 값
zero_points	토큰 유형이 아닌 값 또는 none 유형의 텐서

결과:

결과	설명
output	32비트 부동소수점 값으로 이루어진 텐서

tfl.blockwise_quantize (TFL::BlockwiseQuantizeOp)

블록 단위 동적 양자화 연산자

실행 시간에 입력으로부터 블록별 스케일(비대칭인 경우 영점)을 계산하고 이를 사용하여 입력을 양자화합니다. 계산된 매개변수는 양자화된 텐서와 함께 반환되므로, 해당 tfl.blockwise_dequantize 함수를 사용하여 변환을 되돌릴 수 있습니다.

블록의 크기는 max(abs(block)) / (q_max + range_dilation) 으로 계산됩니다. 여기서 q_max 출력 저장 유형의 표현 가능한 최대값입니다. range_dilation 분모를 넓혀 이상치가 전체 블록을 늘리는 대신 잘리도록 합니다. 기본값은 0입니다. scale_type 이 f8E8M0FNU 인 경우, 크기는 다음 제곱으로 반올림됩니다.

특성: AlwaysSpeculatableImplTrait

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface)

효과: MemoryEffects::Effect{}

속성:

기인하다	MLIR 유형	설명
block_shape	::mlir::ArrayAttr	64비트 정수 배열 속성
scale_type	::mlir::TypeAttr	스케일 요소 유형 속성
symmetric	::mlir::BoolAttr	부울 속성
range_dilation	::mlir::플로트어트	32비트 부동소수점 속성

피연산자:

피연산자	설명
input	32비트 부동소수점 값으로 이루어진 텐서

결과:

결과	설명
output	2비트 부호 없는 정수, 4비트 부호 없는 정수, 8비트 부호 없는 정수 또는 16비트 부호 없는 정수 값으로 이루어진 텐서
scale	f8E8M0FNU 타입의 텐서 또는 16비트 부동소수점 또는 bfloat16 타입 또는 32비트 부동소수점 값
zero_point	토큰 유형이 아닌 값 또는 none 유형의 텐서

tfl.broadcast_args (TFL::BroadcastArgsOp)

브로드캐스트를 사용하여 s0 op s1의 형태를 반환합니다.

주어진 텐서 s0 와 s1 (형태를 나타냄)에 대해 방송될 형태 r0 계산하세요. s0 , s1 , r0 는 모두 정수 벡터입니다.

특성: AlwaysSpeculatableImplTrait

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
s0	32/64비트 부호 없는 정수 값의 텐서
s1	32/64비트 부호 없는 정수 값의 텐서

결과:

결과	설명
r0	32/64비트 부호 없는 정수 값의 텐서

tfl.broadcast_to (TFL::BroadcastToOp)

호환 가능한 형태의 배열을 브로드캐스트합니다.

브로드캐스팅은 산술 연산에 적합한 형태로 배열을 만드는 과정입니다. 두 형태가 호환된다는 것은 각 차원 쌍에 대해 두 형태가 같거나 둘 중 하나가 1이라는 것을 의미합니다. 텐서를 특정 형태로 브로드캐스팅할 때는 후행 차원부터 시작하여 앞쪽으로 진행합니다.

예를 들어,

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)

위의 예에서 [1, 3] 형태의 입력 텐서는 [3, 3] 형태의 출력 텐서로 브로드캐스팅됩니다.

텐서와 스칼라를 곱하는 것과 같은 브로드캐스팅 연산을 수행할 때, 브로드캐스팅된 텐서는 실제로 생성되지 않으므로 (일반적으로) 시간이나 공간 측면에서 이점을 제공합니다.

하지만 broadcast_to 그러한 이점을 제공하지 않습니다. 새로 생성된 텐서는 브로드캐스트된 형태의 전체 메모리를 차지합니다. (그래프 컨텍스트에서는 broadcast_to 후속 연산에 통합된 후 최적화되어 제거될 수도 있습니다.)

특성: AlwaysSpeculatableImplTrait , QuantizableResult

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

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
input	32비트 부동소수점 또는 16비트 부동소수점 또는 f8E4M3FN 유형 또는 f8E5M2 유형 또는 32비트 부호 없는 정수 또는 1비트 부호 없는 정수 또는 4비트 부호 없는 정수 또는 8비트 부호 없는 정수 또는 QI8 유형 또는 8비트 부호 없는 정수 또는 32비트 부호 없는 정수 또는 QUI8 유형 또는 16비트 부호 없는 정수 또는 QI16 유형 또는 64비트 부호 없는 정수 또는 32비트 부동소수점 요소 값을 갖는 복소수 유형의 텐서
shape	32/64비트 부호 없는 정수 값의 텐서

결과:

결과	설명
output	32비트 부동소수점 또는 16비트 부동소수점 또는 f8E4M3FN 유형 또는 f8E5M2 유형 또는 32비트 부호 없는 정수 또는 1비트 부호 없는 정수 또는 4비트 부호 없는 정수 또는 8비트 부호 없는 정수 또는 QI8 유형 또는 8비트 부호 없는 정수 또는 32비트 부호 없는 정수 또는 QUI8 유형 또는 16비트 부호 없는 정수 또는 QI16 유형 또는 64비트 부호 없는 정수 또는 32비트 부동소수점 요소 값을 갖는 복소수 유형의 텐서

tfl.bucketize (TFL::BucketizeOp)

'경계'를 기준으로 '입력'을 그룹화합니다.

예:

입력이 boundaries = [0, 10, 100] 이고 input = [[-5, 10000][150, 10][5, 100]] 이면 출력은 output = [[0, 3][3, 2][1, 3]] 됩니다.

특성: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

속성:

기인하다	MLIR 유형	설명
boundaries	::mlir::ArrayAttr	32비트 부동소수점 배열 속성

피연산자:

피연산자	설명
input	32비트 부동 소수점 또는 64비트 부동 소수점 또는 32비트 부호 없는 정수 또는 64비트 부호 없는 정수 값으로 이루어진 텐서

결과:

결과	설명
output	32비트 부호 없는 정수 값의 텐서

tfl.call_once (TFL::CallOnceOp)

초기화 함수를 호출합니다.

이 작업은 tf 저장 모델 방언에서 세션 초기화자에 대해 지정된 초기화 함수를 호출합니다.

인터페이스: TflRuntimeVerifyOpInterface

속성:

기인하다	MLIR 유형	설명
session_init_function	::mlir::StringAttr	문자열 속성

tfl.cast (TFL::CastOp)

캐스팅 오퍼레이터

입력 유형을 출력 유형으로 캐스팅합니다.

특성: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
input	16비트 부동소수점 또는 bfloat16 타입 또는 f8E4M3FN 타입 또는 f8E5M2 타입 또는 32비트 부동소수점 또는 64비트 부동소수점 또는 1비트 부호 없는 정수 또는 2비트 부호 없는 정수 또는 4비트 부호 없는 정수 또는 4비트 부호 없는 정수 또는 16비트 부호 없는 정수 또는 16비트 부호 없는 정수 또는 32비트 부호 없는 정수 또는 32비트 부호 없는 정수 또는 64비트 부호 없는 정수 또는 TFLite quint8 타입 또는 8비트 부호 없는 정수 또는 8비트 부호 없는 정수 또는 32비트 부동소수점 요소 값을 갖는 복소수 타입의 텐서

결과:

결과	설명
output	16비트 부동소수점 또는 bfloat16 타입 또는 f8E4M3FN 타입 또는 f8E5M2 타입 또는 32비트 부동소수점 또는 64비트 부동소수점 또는 1비트 부호 없는 정수 또는 2비트 부호 없는 정수 또는 4비트 부호 없는 정수 또는 4비트 부호 없는 정수 또는 16비트 부호 없는 정수 또는 16비트 부호 없는 정수 또는 32비트 부호 없는 정수 또는 32비트 부호 없는 정수 또는 64비트 부호 없는 정수 또는 TFLite quint8 타입 또는 8비트 부호 없는 정수 또는 8비트 부호 없는 정수 또는 32비트 부동소수점 요소 값을 갖는 복소수 타입의 텐서

tfl.ceil (TFL::CeilOp)

천장 조작원

입력값의 각 요소별 올림값을 반환합니다.

특성: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
x	32비트 부동소수점 값으로 이루어진 텐서

결과:

결과	설명
y	32비트 부동소수점 값으로 이루어진 텐서

tfl.complex_abs (TFL::ComplexAbsOp)

텐서의 복소 절댓값을 계산합니다.

복소수로 이루어진 텐서 x 주어졌을 때, 이 연산은 x 의 각 요소의 절댓값을 갖는 float 또는 double 형 텐서를 반환합니다. x 의 모든 요소는 다음과 같은 형태의 복소수여야 합니다. \(a + bj\)절댓값은 다음과 같이 계산됩니다. \( \sqrt{a^2 + b^2}\).

특성: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
input	32비트 부동소수점 요소를 가진 복소수형 텐서 또는 64비트 부동소수점 요소를 가진 복소수형 텐서

결과:

결과	설명
output	32비트 부동소수점 또는 64비트 부동소수점 값으로 이루어진 텐서

tfl.concatenation (TFL::ConcatenationOp)

연결 연산자

텐서를 1차원 방향으로 연결합니다.

특성: AlwaysSpeculatableImplTrait , QuantizableResult

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

효과: MemoryEffects::Effect{}

속성:

기인하다	MLIR 유형	설명
axis	::mlir::IntegerAttr	32비트 부호 없는 정수 속성
fused_activation_function	::mlir::StringAttr	값이 NONE, RELU, RELU_N1_TO_1, RELU6, TANH 또는 SIGN_BIT인 문자열 속성

피연산자:

피연산자	설명
values	토큰 타입이 아닌 모든 값의 텐서의 가변 인자

결과:

결과	설명
output	32비트 부동소수점 또는 16비트 부동소수점 또는 f8E4M3FN 유형 또는 f8E5M2 유형 또는 64비트 부호 없는 정수 또는 32비트 부호 없는 정수 또는 16비트 부호 없는 정수 또는 QI4 유형 또는 8비트 부호 없는 정수 또는 QI8 유형 또는 QUI8 유형 또는 8비트 부호 없는 정수 또는 32비트 부호 없는 정수 또는 1비트 부호 없는 정수 값의 텐서

tfl.control_node (TFL::ControlNodeOp)

TFL.control_node 연산은 제어 에지를 연결하기 위해 단일 블록 연산을 래핑합니다.

이 기능은 영역을 래핑하고 제어 종속성을 연결하는 데 사용됩니다. 일반적으로 이 작업은 플랫버퍼 모델을 생성하기 직전의 마지막 단계 중 하나에서 수행되어, 고정된 작업 순서에 의존하는 최적화(예: 재물질화)를 가능하게 합니다. 플랫버퍼 익스포터는 래핑된 영역을 풀고 생성된 모델에 메타데이터를 추가하여 런타임 재정렬 시 제어 종속성에 지정된 순서를 유지하도록 합니다.

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

피연산자:

피연산자	설명
controlInputs	제어의 가변적

결과:

결과	설명
outputs	토큰 타입이 아닌 모든 값의 텐서의 가변 인자
control	제어

tfl.conv_2d (TFL::Conv2DOp)

합성곱 연산자

입력값에 대해 컨볼루션 연산을 수행합니다.

입력: inputs[0] : 필수: 입력 활성화 텐서 inputs[1] : 필수: 필터 가중치 텐서 inputs[2] : 선택 사항: 바이어스 텐서

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

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

효과: MemoryEffects::Effect{}

속성:

기인하다	MLIR 유형	설명
dilation_h_factor	::mlir::IntegerAttr	32비트 부호 없는 정수 속성
dilation_w_factor	::mlir::IntegerAttr	32비트 부호 없는 정수 속성
fused_activation_function	::mlir::StringAttr	값이 NONE, RELU, RELU_N1_TO_1, RELU6, TANH 또는 SIGN_BIT인 문자열 속성
padding	::mlir::StringAttr	값이 동일하거나 유효한 문자열 속성
stride_h	::mlir::IntegerAttr	32비트 부호 없는 정수 속성
stride_w	::mlir::IntegerAttr	32비트 부호 없는 정수 속성

피연산자:

피연산자	설명
input	32비트 부동소수점 또는 QI8 타입 또는 QUI8 타입 또는 QI16 타입 값의 텐서
filter	32비트 부동소수점 또는 QI4 유형 또는 QI8 유형 또는 QUI8 유형 값의 텐서
bias	토큰 유형이 아닌 값 또는 none 유형의 텐서

결과:

결과	설명
output	32비트 부동소수점 또는 QI8 타입 또는 QUI8 타입 또는 QI16 타입 값의 텐서

tfl.conv_3d (TFL::Conv3DOp)

컨볼루션 3D 연산자

3D 입력에 대한 컨볼루션 연산을 수행합니다. 입력: inputs[0] : 필수: 입력 활성화 텐서, inputs[1] : 필수: 필터 가중치 텐서, inputs[2] : 선택 사항: 바이어스 텐서

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

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

효과: MemoryEffects::Effect{}

속성:

기인하다	MLIR 유형	설명
dilation_d_factor	::mlir::IntegerAttr	32비트 부호 없는 정수 속성
dilation_h_factor	::mlir::IntegerAttr	32비트 부호 없는 정수 속성
dilation_w_factor	::mlir::IntegerAttr	32비트 부호 없는 정수 속성
fused_activation_function	::mlir::StringAttr	값이 NONE, RELU, RELU_N1_TO_1, RELU6, TANH 또는 SIGN_BIT인 문자열 속성
padding	::mlir::StringAttr	값이 동일하거나 유효한 문자열 속성
stride_d	::mlir::IntegerAttr	32비트 부호 없는 정수 속성
stride_h	::mlir::IntegerAttr	32비트 부호 없는 정수 속성
stride_w	::mlir::IntegerAttr	32비트 부호 없는 정수 속성

피연산자:

피연산자	설명
input	32비트 부동소수점 값으로 이루어진 텐서
filter	32비트 부동소수점 값으로 이루어진 텐서
bias	토큰 유형이 아닌 값 또는 none 유형의 텐서

결과:

결과	설명
output	32비트 부동소수점 값으로 이루어진 텐서

tfl.conv_3d_transpose (TFL::Conv3DTransposeOp)

전치 합성곱 3D 연산자

3D 입력에 대해 전치 컨볼루션 연산을 수행합니다. 입력: inputs[0] : 필수: 출력 텐서의 형태 inputs[1] : 필수: 필터 가중치 텐서, inputs[2] : 필수: 입력 활성화 텐서, inputs[3] : 선택 사항: 바이어스 텐서

특성: AlwaysSpeculatableImplTrait , TFL::AccumulatorUniformScale<3, 1, 2>

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

효과: MemoryEffects::Effect{}

속성:

기인하다	MLIR 유형	설명
dilation_d_factor	::mlir::IntegerAttr	32비트 부호 없는 정수 속성
dilation_h_factor	::mlir::IntegerAttr	32비트 부호 없는 정수 속성
dilation_w_factor	::mlir::IntegerAttr	32비트 부호 없는 정수 속성
fused_activation_function	::mlir::StringAttr	값이 NONE, RELU, RELU_N1_TO_1, RELU6, TANH 또는 SIGN_BIT인 문자열 속성
padding	::mlir::StringAttr	값이 동일하거나 유효한 문자열 속성
stride_d	::mlir::IntegerAttr	32비트 부호 없는 정수 속성
stride_h	::mlir::IntegerAttr	32비트 부호 없는 정수 속성
stride_w	::mlir::IntegerAttr	32비트 부호 없는 정수 속성

피연산자:

피연산자	설명
output_shape	32비트 부호 없는 정수 값의 텐서
filter	32비트 부동소수점 값으로 이루어진 텐서
input	32비트 부동소수점 값으로 이루어진 텐서
bias	토큰 유형이 아닌 값 또는 none 유형의 텐서

결과:

결과	설명
output	32비트 부동소수점 값으로 이루어진 텐서

tfl.cos (TFL::CosOp)

코사인 연산자

입력값의 요소별 코사인 값을 계산합니다.

특성: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
x	32비트 부동소수점 또는 16비트 부동소수점 값으로 이루어진 텐서

결과:

결과	설명
y	32비트 부동소수점 또는 16비트 부동소수점 값으로 이루어진 텐서

tfl.cumsum (TFL::CumsumOp)

누적 연산자

x축을 따라 텐서의 누적합을 계산합니다.

특성: AlwaysSpeculatableImplTrait

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

속성:

기인하다	MLIR 유형	설명
exclusive	::mlir::BoolAttr	부울 속성
reverse	::mlir::BoolAttr	부울 속성

피연산자:

피연산자	설명
input	32비트 부동 소수점 또는 32비트 부호 없는 정수 또는 64비트 부호 없는 정수 값으로 이루어진 텐서
axis	32비트 부호 없는 정수 값의 텐서

결과:

결과	설명
output	32비트 부동 소수점 또는 32비트 부호 없는 정수 또는 64비트 부호 없는 정수 값으로 이루어진 텐서

tfl.custom (TFL::CustomOp)

사용자 지정 작업

TFLite의 모든 사용자 지정 작업에 사용할 수 있는 일반적인 작업입니다.

input: 원래 연산의 입력 목록입니다. custom_code: 이 연산을 정확히 식별하는 데 사용되는 문자열로, flatbuffer의 operator_codes.custom_code에 해당합니다. custom_option: 연산 속성을 바이트 형식으로 저장하는 데 사용되는 변수입니다. output: 원래 연산의 출력 목록입니다.

인터페이스: TflRuntimeVerifyOpInterface

속성:

기인하다	MLIR 유형	설명
custom_code	::mlir::StringAttr	문자열 속성
custom_option	::mlir::TFL::ConstBytesAttr	컴파일된 바이트의 문자열 속성 표현

피연산자:

피연산자	설명
input	토큰 타입이 아닌 모든 값 또는 none 타입의 텐서의 가변 인자

결과:

결과	설명
output	토큰 타입이 아닌 모든 값의 텐서의 가변 인자

tfl.custom_tf (TFL::CustomTfOp)

TF 커스텀 오퍼레이터를 위한 래퍼 오퍼레이터입니다.

모든 사용자 정의 TF 연산을 감싸는 래퍼 연산입니다. 여기에는 custom_opdefs를 사용하여 정의되었거나 TF 방언으로 정의되지 않은 링크된 연산이 포함됩니다. 이 연산은 사용자 정의 연산을 영역으로 감싸는 역할을 합니다. 참고 #1: 이 연산은 CustomOp를 사용하여 정의된 TF Lite 사용자 정의 연산을 포함하지 않습니다. 참고 #2: 이 연산은 변환기 내부의 표현일 뿐이며 모델을 Flatbuffer로 내보낼 때 노출/내보내지지 않습니다.

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

인터페이스: InferTypeOpInterface , TflRuntimeVerifyOpInterface

피연산자:

피연산자	설명
input	토큰 타입이 아닌 모든 값 또는 none 타입의 텐서의 가변 인자

결과:

결과	설명
output	토큰 타입이 아닌 모든 값의 텐서의 가변 인자

tfl.densify (TFL::DensifyOp)

밀집화 연산자

희소 텐서를 밀집 텐서 형식으로 변환합니다.

특성: AlwaysSpeculatableImplTrait

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
input	32비트 부동 소수점 또는 8비트 부호 없는 정수 값으로 이루어진 텐서

결과:

결과	설명
output	32비트 부동 소수점 또는 8비트 부호 없는 정수 값으로 이루어진 텐서

tfl.depth_to_space (TFL::DepthToSpaceOp)

깊이에서 공간으로 연산자

깊이 차원의 데이터를 공간 데이터 블록으로 재배열합니다. 이는 SpaceToDepth 연산의 역변환입니다. 더 구체적으로 말하면, 이 연산은 입력 텐서의 복사본을 출력하는데, depth 차원의 값들이 공간 블록 단위로 height 및 width 차원으로 이동됩니다. block_size 속성은 입력 블록 크기와 데이터 이동 방식을 지정합니다.

특성: AlwaysSpeculatableImplTrait , QuantizableResult

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

효과: MemoryEffects::Effect{}

속성:

기인하다	MLIR 유형	설명
block_size	::mlir::IntegerAttr	값이 양수인 32비트 부호 없는 정수 속성

피연산자:

피연산자	설명
input	32비트 부동 소수점 또는 8비트 부호 없는 정수 또는 32비트 부호 없는 정수 또는 64비트 부호 없는 정수 또는 TFLite quint8 유형 또는 8비트 부호 없는 정수 또는 QI8 유형 또는 QUI8 유형 값의 텐서

결과:

결과	설명
output	32비트 부동 소수점 또는 8비트 부호 없는 정수 또는 32비트 부호 없는 정수 또는 64비트 부호 없는 정수 또는 TFLite quint8 유형 또는 8비트 부호 없는 정수 또는 QI8 유형 또는 QUI8 유형 값의 텐서

tfl.depthwise_conv_2d (TFL::DepthwiseConv2DOp)

깊이별 분리 가능 컨볼루션 연산자

입력값에 대해 컨볼루션 연산을 수행합니다.

입력: inputs[0] : 필수: 입력 활성화 텐서 inputs[1] : 필수: 필터 가중치 텐서 inputs[2] : 선택 사항: 바이어스 텐서

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

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

효과: MemoryEffects::Effect{}

속성:

기인하다	MLIR 유형	설명
dilation_h_factor	::mlir::IntegerAttr	32비트 부호 없는 정수 속성
dilation_w_factor	::mlir::IntegerAttr	32비트 부호 없는 정수 속성
fused_activation_function	::mlir::StringAttr	값이 NONE, RELU, RELU_N1_TO_1, RELU6, TANH 또는 SIGN_BIT인 문자열 속성
padding	::mlir::StringAttr	값이 동일하거나 유효한 문자열 속성
stride_h	::mlir::IntegerAttr	32비트 부호 없는 정수 속성
stride_w	::mlir::IntegerAttr	32비트 부호 없는 정수 속성
depth_multiplier	::mlir::IntegerAttr	32비트 부호 없는 정수 속성

피연산자:

피연산자	설명
input	32비트 부동소수점 또는 QI8 타입 또는 QUI8 타입 또는 QI16 타입 값의 텐서
filter	32비트 부동소수점 또는 QI4 유형 또는 QI8 유형 또는 QUI8 유형 값의 텐서
bias	토큰 유형이 아닌 값 또는 none 유형의 텐서

결과:

결과	설명
output	32비트 부동소수점 또는 QI8 타입 또는 QUI8 타입 또는 QI16 타입 값의 텐서

tfl.dequantize (TFL::DeQuantizeOp)

양자화 해제 연산자

양자화 매개변수에 따라 양자화된 정수 배열을 부동 소수점으로 변환합니다.

입력은 블록 단위로 양자화될 수도 있습니다( !tfl.blockwise_quant ). 이 경우 입력의 각 블록은 자체 스케일과 영점을 사용하여 역양자화됩니다.

인터페이스: NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
input	QI2 타입, QI4 타입, QUI4 타입, QI8 타입, QUI8 타입, QI16 타입, 16비트 부동소수점, f8E4M3FN 타입, f8E5M2 타입 또는 블록 단위 양자화된 타입 값의 텐서

결과:

결과	설명
output	32비트 부동소수점 또는 16비트 부동소수점 값으로 이루어진 텐서

tfl.dilate (TFL::DilateOp)

팽창 연산자

기존 요소들 사이에 새로운 요소를 추가하여 텐서를 확장합니다.

특성: AlwaysSpeculatableImplTrait

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
input	8비트 부호 없는 정수, 16비트 부호 없는 정수, 32비트 부호 없는 정수, 64비트 부호 없는 정수, 8비트 부호 없는 정수, 16비트 부호 없는 정수, 32비트 부호 없는 정수, 64비트 부호 없는 정수, 32비트 부동 소수점 또는 64비트 부동 소수점 값의 텐서
dilations	32비트 부호 없는 정수 값의 텐서
padding_value	토큰 유형이 아닌 모든 값의 0차원 텐서

결과:

결과	설명
output	8비트 부호 없는 정수, 16비트 부호 없는 정수, 32비트 부호 없는 정수, 64비트 부호 없는 정수, 8비트 부호 없는 정수, 16비트 부호 없는 정수, 32비트 부호 없는 정수, 64비트 부호 없는 정수, 32비트 부동 소수점 또는 64비트 부동 소수점 값의 텐서

tfl.div (TFL::DivOp)

부서 운영자

요소별 나눗셈 연산.

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

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

효과: MemoryEffects::Effect{}

속성:

기인하다	MLIR 유형	설명
fused_activation_function	::mlir::StringAttr	값이 NONE, RELU, RELU_N1_TO_1, RELU6, TANH 또는 SIGN_BIT인 문자열 속성

피연산자:

피연산자	설명
lhs	32비트 부동 소수점 또는 16비트 부동 소수점 또는 32비트 부호 없는 정수 또는 QUI8 유형 또는 QI8 유형 또는 QI16 유형 값으로 구성된 텐서
rhs	32비트 부동 소수점 또는 16비트 부동 소수점 또는 32비트 부호 없는 정수 또는 QUI8 유형 또는 QI8 유형 또는 QI16 유형 값으로 구성된 텐서

결과:

결과	설명
output	32비트 부동 소수점 또는 16비트 부동 소수점 또는 32비트 부호 없는 정수 또는 QUI8 유형 또는 QI8 유형 또는 QI16 유형 값으로 구성된 텐서

tfl.dynamic_update_slice (TFL::DynamicUpdateSliceOp)

다이내믹업데이트슬라이스.

XLA DynamicUpdateSlice와 동일한 의미를 갖는 DynamicUpdateSlice 연산입니다. 입력 배열 피연산자의 값에 start_indices 위치에서 슬라이스 업데이트가 덮어쓰여진 결과를 생성합니다.

자세한 내용은 https://www.tensorflow.org/xla/operation_semantics#dynamicupdateslice 를 참조하세요.

특성: AlwaysSpeculatableImplTrait , QuantizableResult

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

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
operand	1비트 부호 없는 정수, 4비트 부호 없는 정수, QI4 타입, QI8 타입, 8비트 부호 없는 정수, 16비트 부호 없는 정수, 32비트 부호 없는 정수, 64비트 부호 없는 정수, 32비트 부동 소수점, 16비트 부동 소수점 또는 bfloat16 타입 값의 텐서
update	1비트 부호 없는 정수, 4비트 부호 없는 정수, QI4 타입, QI8 타입, 8비트 부호 없는 정수, 16비트 부호 없는 정수, 32비트 부호 없는 정수, 64비트 부호 없는 정수, 32비트 부동 소수점, 16비트 부동 소수점 또는 bfloat16 타입 값의 텐서
start_indices	32/64비트 부호 없는 정수 값의 텐서

결과:

결과	설명
output	1비트 부호 없는 정수, 4비트 부호 없는 정수, QI4 타입, QI8 타입, 8비트 부호 없는 정수, 16비트 부호 없는 정수, 32비트 부호 없는 정수, 64비트 부호 없는 정수, 32비트 부동 소수점, 16비트 부동 소수점 또는 bfloat16 타입 값의 텐서

tfl.elu (TFL::EluOp)

지수 선형 단위 연산자

지수 선형 함수 f(x)를 x < 0일 때는 exp(x) - 1로, x >= 0일 때는 x로 계산합니다. 각 요소에 대해 계산합니다.

특성: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
x	32비트 부동 소수점 또는 8비트 부호 없는 정수 값으로 이루어진 텐서

결과:

결과	설명
y	32비트 부동 소수점 또는 8비트 부호 없는 정수 값으로 이루어진 텐서

tfl.embedding_lookup (TFL::EmbeddingLookupOp)

임베딩 조회 연산자

임베딩 텐서 목록에서 ID를 찾습니다.

특성: AlwaysSpeculatableImplTrait , QuantizableResult

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

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
lookup	32비트 부호 없는 정수 값의 텐서
value	32비트 부동소수점 또는 8비트 부호 없는 정수 또는 8비트 부호 없는 정수 또는 QI8 유형 또는 QUI8 유형 또는 QI4 유형 또는 QI2 유형 값의 텐서

결과:

결과	설명
output	32비트 부동 소수점 또는 8비트 부호 없는 정수 또는 8비트 부호 없는 정수 값으로 이루어진 텐서

tfl.equal (TFL::EqualOp)

동일 연산자

x == y의 참/거짓 요소를 요소별로 반환합니다.

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

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
x	1비트 부호 없는 정수, 32비트 부동 소수점, 16비트 부호 없는 정수, 32비트 부호 없는 정수, 64비트 부호 없는 정수, QI8 타입, QUI8 타입, QI16 타입, 8비트 부호 없는 정수 또는 TFLite 문자열 타입 값의 텐서
y	1비트 부호 없는 정수, 32비트 부동 소수점, 16비트 부호 없는 정수, 32비트 부호 없는 정수, 64비트 부호 없는 정수, QI8 타입, QUI8 타입, QI16 타입, 8비트 부호 없는 정수 또는 TFLite 문자열 타입 값의 텐서

결과:

결과	설명
output	1비트 부호 없는 정수 값의 텐서

tfl.exp (TFL::ExpOp)

자연 지수 연산자

입력에 대해 요소별 자연 지수 연산을 수행합니다.

특성: AlwaysSpeculatableImplTrait , QuantizableResult

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
x	32비트 부동소수점 또는 16비트 부동소수점 또는 QI8 타입 또는 QI16 타입 값의 텐서

결과:

결과	설명
y	32비트 부동소수점 또는 16비트 부동소수점 또는 QI8 타입 또는 QI16 타입 값으로 이루어진 텐서

tfl.expand_dims (TFL::ExpandDimsOp)

텐서의 형태에 1의 차원을 삽입합니다.

텐서 input 주어지면, 이 연산은 input 의 shape의 차원 인덱스 axis 에 1을 삽입합니다. 차원 인덱스 axis 0부터 시작하며, axis 에 음수를 지정하면 끝에서부터 역순으로 계산됩니다.

이 연산은 단일 요소에 배치 차원을 추가하려는 경우 유용합니다. 예를 들어 [height, width, channels] 형태의 단일 이미지가 있는 경우 expand_dims(image, 0) 사용하여 1개의 이미지로 구성된 배치로 만들 수 있으며, 이렇게 하면 [1, height, width, channels] 형태가 됩니다.

다른 예시:

# '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]

이 작업을 위해서는 다음이 필요합니다.

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

이 작업은 크기가 1인 차원을 제거하는 squeeze() 함수와 관련이 있습니다.

특성: AlwaysSpeculatableImplTrait , QuantizableResult

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

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
input	토큰 유형이 아닌 모든 값의 텐서
dim	32/64비트 부호 없는 정수 값의 텐서

결과:

결과	설명
output	토큰 유형이 아닌 모든 값의 텐서

tfl.external_const (TFL::ExternalConstOp)

외부 상수 연산.

다음과 같은 내용을 담을 수 있는 외부 상수 연산:

• buffer_index 는 플랫버퍼 내의 상수를 가리킵니다.
• flatbuffer 외부의 외부 버퍼에 대한 메타데이터를 포함하는 external_buffer 입니다.

특성: AlwaysSpeculatableImplTrait , QuantizableResult

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

속성:

기인하다	MLIR 유형	설명
buffer_index	::mlir::IntegerAttr	32비트 부호 없는 정수 속성
external_buffer	::mlir::TFL::ExternalBufferAttr	플랫버퍼 외부 버퍼 메타데이터.

결과:

결과	설명
output	토큰 유형이 아닌 모든 값의 텐서

tfl.fake_quant (TFL::FakeQuantOp)

FakeQuant 연산자

float 타입의 'inputs' 텐서를 float 스칼라 min과 max를 사용하여 가상 양자화하여 입력과 동일한 형태의 'outputs' 텐서로 변환합니다.

특성: AlwaysSpeculatableImplTrait , QuantizableResult

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

속성:

기인하다	MLIR 유형	설명
min	::mlir::플로트어트	32비트 부동소수점 속성
max	::mlir::플로트어트	32비트 부동소수점 속성
num_bits	::mlir::IntegerAttr	최솟값이 2이고 최댓값이 16인 32비트 부호 없는 정수 속성
narrow_range	::mlir::BoolAttr	값이 false인 bool 속성

피연산자:

피연산자	설명
input	32비트 부동소수점 값으로 이루어진 텐서

결과:

결과	설명
output	32비트 부동소수점 값으로 이루어진 텐서

tfl.fill (TFL::FillOp)

주어진 값으로 텐서를 채웁니다.

주어진 값으로 텐서를 채웁니다.

특성: AlwaysSpeculatableImplTrait , QuantizableResult

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

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
dims	32/64비트 부호 없는 정수 값의 텐서
input	32비트 부동 소수점 또는 16비트 부동 소수점 또는 f8E4M3FN 유형 또는 f8E5M2 유형 또는 32비트 부호 없는 정수 또는 64비트 부호 없는 정수 또는 1비트 부호 없는 정수 또는 QI8 유형 또는 QI16 유형 또는 TFLite 문자열 유형 값의 텐서

결과:

결과	설명
result	32비트 부동 소수점 또는 16비트 부동 소수점 또는 f8E4M3FN 유형 또는 f8E5M2 유형 또는 32비트 부호 없는 정수 또는 64비트 부호 없는 정수 또는 1비트 부호 없는 정수 또는 QI8 유형 또는 QI16 유형 또는 TFLite 문자열 유형 값의 텐서

tfl.floor (TFL::FloorOp)

플로어 오퍼레이터

입력값의 각 요소별 내림값을 반환합니다.

특성: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
x	32비트 부동소수점 값으로 이루어진 텐서

결과:

결과	설명
y	32비트 부동소수점 값으로 이루어진 텐서

tfl.floor_div (TFL::FloorDivOp)

바닥 나눗셈 연산자

요소별 내림 나눗셈 연산.

특성: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , ResultsBroadcastableShape

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
lhs	32비트 부동 소수점, 8비트 부호 없는 정수, 16비트 부호 없는 정수 또는 32비트 부호 없는 정수 값으로 이루어진 텐서
rhs	32비트 부동 소수점, 8비트 부호 없는 정수, 16비트 부호 없는 정수 또는 32비트 부호 없는 정수 값으로 이루어진 텐서

결과:

결과	설명
output	32비트 부동 소수점, 8비트 부호 없는 정수, 16비트 부호 없는 정수 또는 32비트 부호 없는 정수 값으로 이루어진 텐서

tfl.floor_mod (TFL::FloorModOp)

분할 알림

요소별 나눗셈 나머지 연산.

특성: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , ResultsBroadcastableShape

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
lhs	8비트 부호 없는 정수, 16비트 부호 없는 정수, 32비트 부호 없는 정수, 64비트 부호 없는 정수 또는 32비트 부동 소수점 값으로 이루어진 텐서
rhs	8비트 부호 없는 정수, 16비트 부호 없는 정수, 32비트 부호 없는 정수, 64비트 부호 없는 정수 또는 32비트 부동 소수점 값으로 이루어진 텐서

결과:

결과	설명
output	8비트 부호 없는 정수, 16비트 부호 없는 정수, 32비트 부호 없는 정수, 64비트 부호 없는 정수 또는 32비트 부동 소수점 값으로 이루어진 텐서

tfl.fully_connected (TFL::FullyConnectedOp)

완전 연결 운영

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

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

효과: MemoryEffects::Effect{}

속성:

기인하다	MLIR 유형	설명
fused_activation_function	::mlir::StringAttr	값이 NONE, RELU, RELU_N1_TO_1, RELU6, TANH 또는 SIGN_BIT인 문자열 속성
weights_format	::mlir::StringAttr	값이 DEFAULT이거나 SHUFFLED4x16INT8인 문자열 속성
keep_num_dims	::mlir::BoolAttr	부울 속성
asymmetric_quantize_inputs	::mlir::BoolAttr	부울 속성
quant_spec	::mlir::속성	파생 속성

피연산자:

피연산자	설명
input	32비트 부동소수점 또는 16비트 부동소수점 또는 QI8 타입 또는 QUI8 타입 또는 QI16 타입 또는 QUI16 타입 값의 텐서
filter	32비트 부동소수점 또는 16비트 부동소수점 또는 QI2 유형, QI4 유형, QI8 유형, QUI8 유형, QI16 유형 또는 블록 단위 양자화된 유형 값의 텐서
bias	토큰 유형이 아닌 값 또는 none 유형의 텐서

결과:

결과	설명
output	토큰 타입이 아닌 모든 값의 텐서의 가변 인자

tfl.gather (TFL::GatherOp)

연산자를 모으세요

indices 에 따라 params axis 에서 슬라이스를 수집합니다.

특성: AlwaysSpeculatableImplTrait , QuantizableResult

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

효과: MemoryEffects::Effect{}

속성:

기인하다	MLIR 유형	설명
axis	::mlir::IntegerAttr	32비트 부호 없는 정수 속성
batch_dims	::mlir::IntegerAttr	32비트 부호 없는 정수 속성

피연산자:

피연산자	설명
params	32비트 부동소수점 또는 f8E4M3FN 유형 또는 f8E5M2 유형 또는 1비트 부호 없는 정수 또는 4비트 부호 없는 정수 또는 8비트 부호 없는 정수 또는 16비트 부호 없는 정수 또는 32비트 부호 없는 정수 또는 64비트 부호 없는 정수 또는 TFLite 문자열 유형 또는 8비트 부호 없는 정수 또는 QI8 유형 또는 QUI8 유형 또는 QI16 유형 값의 텐서
indices	16비트 부호 없는 정수, 32비트 부호 없는 정수 또는 64비트 부호 없는 정수 값으로 이루어진 텐서

결과:

결과	설명
output	32비트 부동소수점 또는 f8E4M3FN 유형 또는 f8E5M2 유형 또는 1비트 부호 없는 정수 또는 4비트 부호 없는 정수 또는 8비트 부호 없는 정수 또는 16비트 부호 없는 정수 또는 32비트 부호 없는 정수 또는 64비트 부호 없는 정수 또는 TFLite 문자열 유형 또는 8비트 부호 없는 정수 또는 QI8 유형 또는 QUI8 유형 또는 QI16 유형 값의 텐서

tfl.gather_nd (TFL::GatherNdOp)

_수집 및 연산자

params 에서 슬라이스를 모아 indices 로 지정된 모양의 텐서로 만듭니다.

특성: AlwaysSpeculatableImplTrait , QuantizableResult

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

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
params	32비트 부동소수점 또는 f8E4M3FN 유형 또는 f8E5M2 유형 또는 1비트 부호 없는 정수 또는 8비트 부호 없는 정수 또는 16비트 부호 없는 정수 또는 64비트 부호 없는 정수 또는 32비트 부호 없는 정수 또는 8비트 부호 없는 정수 또는 QI8 유형 또는 TFLite 문자열 유형 값의 텐서
indices	16비트 부호 없는 정수, 32비트 부호 없는 정수 또는 64비트 부호 없는 정수 값으로 이루어진 텐서

결과:

결과	설명
output	32비트 부동소수점 또는 f8E4M3FN 유형 또는 f8E5M2 유형 또는 1비트 부호 없는 정수 또는 8비트 부호 없는 정수 또는 16비트 부호 없는 정수 또는 64비트 부호 없는 정수 또는 32비트 부호 없는 정수 또는 8비트 부호 없는 정수 또는 QI8 유형 또는 TFLite 문자열 유형 값의 텐서

tfl.gelu (TFL::GeluOp)

GELU 활성화 기능.

GELU 활성화 함수를 요소별로 계산합니다.

특성: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

속성:

기인하다	MLIR 유형	설명
approximate	::mlir::BoolAttr	부울 속성

피연산자:

피연산자	설명
input	32비트 부동소수점 또는 16비트 부동소수점 또는 QI8 유형 또는 QUI8 유형 값의 텐서

결과:

결과	설명
output	32비트 부동소수점 또는 16비트 부동소수점 또는 QI8 타입 또는 QUI8 타입 값의 텐서

tfl.greater (TFL::GreaterOp)

더 큰 운영자

요소별로 더 큰 작동 성능.

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

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
lhs	32비트 부동 소수점, 16비트 부동 소수점, 32비트 부호 없는 정수, 64비트 부호 없는 정수, QUI8 타입, QI8 타입 또는 TFLite quint8 타입 값의 텐서
rhs	32비트 부동 소수점, 16비트 부동 소수점, 32비트 부호 없는 정수, 64비트 부호 없는 정수, QUI8 타입, QI8 타입 또는 TFLite quint8 타입 값의 텐서

결과:

결과	설명
output	1비트 부호 없는 정수 값의 텐서

tfl.greater_equal (TFL::GreaterEqualOp)

_더 크고 같은 연산자

요소별 크기 같음 연산.

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

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
lhs	32비트 부동 소수점 또는 16비트 부호 없는 정수 또는 32비트 부호 없는 정수 또는 64비트 부호 없는 정수 또는 QUI8 유형 또는 QI8 유형 값의 텐서
rhs	32비트 부동 소수점 또는 16비트 부호 없는 정수 또는 32비트 부호 없는 정수 또는 64비트 부호 없는 정수 또는 QUI8 유형 또는 QI8 유형 값의 텐서

결과:

결과	설명
output	1비트 부호 없는 정수 값의 텐서

tfl.hard_swish (TFL::HardSwishOp)

하드스위시 활성화 기능.

요소별로 하드 스위시 활성화 함수 f(x) -> (x * relu6(x+3))/6을 계산합니다.

특성: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
input	32비트 부동소수점 또는 QUI8 타입 또는 QI8 타입 값으로 이루어진 텐서

결과:

결과	설명
output	32비트 부동소수점 또는 QUI8 타입 또는 QI8 타입 값의 텐서

tfl.hashtable (TFL::HashtableOp)

초기화되지 않은 해시 테이블을 생성합니다.

이 연산은 키와 값의 데이터 유형을 지정하여 해시 테이블을 생성합니다. 테이블을 사용하기 전에 초기화해야 합니다. 초기화 후 테이블은 변경 불가능하게 됩니다.

인터페이스: TflRuntimeVerifyOpInterface

속성:

기인하다	MLIR 유형	설명
table_id	::mlir::IntegerAttr	32비트 부호 없는 정수 속성
key_dtype	::mlir::TypeAttr	모든 유형의 속성
value_dtype	::mlir::TypeAttr	모든 유형의 속성

결과:

결과	설명
out	리소스 값 텐서

tfl.hashtable_find (TFL::HashtableFindOp)

테이블에서 키를 찾아 해당 값을 출력합니다.

텐서의 keys 테이블의 키와 동일한 데이터 유형이어야 합니다. 출력 values 은 테이블 값의 데이터 유형과 동일합니다.

스칼라 default_value 는 테이블에 없는 키에 대해 출력되는 값입니다. 또한 테이블 값과 동일한 유형이어야 합니다.

인터페이스: TflRuntimeVerifyOpInterface

피연산자:

피연산자	설명
hash_table	리소스 값 텐서
keys	32비트 부호 없는 정수 또는 TFLite 문자열 유형의 텐서 또는 64비트 부호 없는 정수 값
default_value	32비트 부동 소수점 또는 32비트 부호 없는 정수 또는 TFLite 문자열 유형 또는 64비트 부호 없는 정수 값의 텐서

결과:

결과	설명
out	32비트 부동 소수점 또는 32비트 부호 없는 정수 또는 TFLite 문자열 유형 또는 64비트 부호 없는 정수 값의 텐서

tfl.hashtable_import (TFL::HashtableImportOp)

테이블의 내용을 지정된 키와 값으로 바꿉니다.

텐서 keys 테이블 키와 동일한 데이터 유형이어야 합니다. 텐서 values 테이블 값의 데이터 유형이어야 합니다.

인터페이스: TflRuntimeVerifyOpInterface

피연산자:

피연산자	설명
hash_table	리소스 값 텐서
keys	32비트 부호 없는 정수 또는 TFLite 문자열 유형의 텐서 또는 64비트 부호 없는 정수 값
values	32비트 부동 소수점 또는 32비트 부호 없는 정수 또는 TFLite 문자열 유형 또는 64비트 부호 없는 정수 값의 텐서

tfl.hashtable_size (TFL::HashtableSizeOp)

주어진 표의 요소 개수를 계산합니다.

인터페이스: TflRuntimeVerifyOpInterface

피연산자:

피연산자	설명
hash_table	리소스 값 텐서

결과:

결과	설명
out	64비트 부호 없는 정수 값의 텐서

tfl.if (TFL::IfOp)

조건문-그렇지 않으면-그렇지 않음 연산

tfl.if 연산은 두 코드 영역을 조건부로 실행하기 위한 `if-then-else` 구문을 나타냅니다. `if` 연산의 피연산자는 부울 값입니다. 예를 들면 다음과 같습니다.

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

tfl.if 해당 영역에 정의된 결과를 반환할 수도 있습니다. 정의된 값은 실행 경로에 따라 결정됩니다.

예:

%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 영역은 항상 `tfl.yield`로 끝납니다. `tfl.if`에 값이 정의되어 있지 않으면 `tfl.yield`를 생략할 수 있으며, 자동으로 삽입됩니다. 그렇지 않은 경우에는 명시적으로 `tfl.yield`를 작성해야 합니다. 또한, `tfl.if`에 하나 이상의 값이 정의되어 있는 경우에는 `else` 블록을 생략할 수 없습니다.

예:

tfl.if %b  {
  ...
}

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

인터페이스: RegionBranchOpInterface , TflRuntimeVerifyOpInterface

피연산자:

피연산자	설명
cond	1비트 부호 없는 정수 값의 텐서

결과:

결과	설명
results	토큰 타입이 아닌 모든 값의 텐서의 가변 인자

tfl.imag (TFL::ImagOp)

복소수의 허수 부분을 반환합니다.

복소수로 이루어진 텐서가 input 되면, 이 연산은 input 텐서의 각 요소의 허수 부분을 float 형 텐서로 반환합니다. input 의 모든 요소는 다음과 같은 형태의 복소수여야 합니다. \(a + bj\)여기서 a 는 실수 부분이고 b 는 이 연산에서 반환되는 허수 부분입니다.

특성: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
input	32비트 부동소수점 요소를 가진 복소수형 텐서 또는 64비트 부동소수점 요소를 가진 복소수형 텐서

결과:

결과	설명
output	32비트 부동소수점 또는 64비트 부동소수점 값으로 이루어진 텐서

tfl.l2_normalization (TFL::L2NormalizationOp)

L2 정규화 연산자

L2정규화 Op

특성: AlwaysSpeculatableImplTrait , QuantizableResult

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

효과: MemoryEffects::Effect{}

속성:

기인하다	MLIR 유형	설명
fused_activation_function	::mlir::StringAttr	값이 NONE, RELU, RELU_N1_TO_1, RELU6, TANH 또는 SIGN_BIT인 문자열 속성

피연산자:

피연산자	설명
input	32비트 부동소수점 또는 QUI8 또는 QI8 또는 QUI16 또는 QI16 유형의 텐서 또는 8비트 부호 없는 정수 값

결과:

결과	설명
output	32비트 부동소수점 또는 QUI8 또는 QI8 또는 QUI16 또는 QI16 유형의 텐서 또는 8비트 부호 없는 정수 값

tfl.leaky_relu (TFL::LeakyReluOp)

누출 Relu 연산자

요소별 Leaky ReLU 연산자 x -> x >= 0 ? x : (alpha * x)

특성: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

속성:

기인하다	MLIR 유형	설명
alpha	::mlir::플로트어트	32비트 부동소수점 속성

피연산자:

피연산자	설명
input	32비트 부동소수점 또는 QUI8 타입 또는 QI8 타입 또는 TFLite quint8 타입 또는 QI16 타입 값의 텐서

결과:

결과	설명
output	32비트 부동소수점 또는 QUI8 타입 또는 QI8 타입 또는 TFLite quint8 타입 또는 QI16 타입 값의 텐서

tfl.less (TFL::LessOp)

운영자 감소

요소별로 조작이 더 적습니다.

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

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
lhs	32비트 부동 소수점 또는 16비트 부호 없는 정수 또는 32비트 부호 없는 정수 또는 64비트 부호 없는 정수 또는 QUI8 유형 또는 QI8 유형 또는 TFLite quint8 유형 값의 텐서
rhs	32비트 부동 소수점 또는 16비트 부호 없는 정수 또는 32비트 부호 없는 정수 또는 64비트 부호 없는 정수 또는 QUI8 유형 또는 QI8 유형 또는 TFLite quint8 유형 값의 텐서

결과:

결과	설명
output	1비트 부호 없는 정수 값의 텐서

tfl.less_equal (TFL::LessEqualOp)

_덜 같음 연산자

요소별 less_equal 연산.

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

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
lhs	32비트 부동 소수점 또는 32비트 부호 없는 정수 또는 64비트 부호 없는 정수 또는 QI8 유형 또는 QUI8 유형 값의 텐서
rhs	32비트 부동 소수점 또는 32비트 부호 없는 정수 또는 64비트 부호 없는 정수 또는 QI8 유형 또는 QUI8 유형 값의 텐서

결과:

결과	설명
output	1비트 부호 없는 정수 값의 텐서

tfl.local_response_normalization (TFL::LocalResponseNormalizationOp)

로컬 응답 정규화.

4차원 input 텐서는 (마지막 차원을 따라) 1차원 벡터들의 3차원 배열로 처리되며, 각 벡터는 독립적으로 정규화됩니다. 주어진 벡터 내에서 각 구성 요소는 depth_radius 내의 입력값들의 가중 제곱합으로 나뉩니다. 자세히 설명하면 다음과 같습니다.

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

자세한 내용은 Krizhevsky et al., ImageNet classification with deep convolutional neural networks (NIPS 2012)를 참조하십시오.

특성: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

효과: MemoryEffects::Effect{}

속성:

기인하다	MLIR 유형	설명
radius	::mlir::IntegerAttr	32비트 부호 없는 정수 속성
bias	::mlir::플로트어트	32비트 부동소수점 속성
alpha	::mlir::플로트어트	32비트 부동소수점 속성
beta	::mlir::플로트어트	32비트 부동소수점 속성

피연산자:

피연산자	설명
input	32비트 부동소수점 값으로 이루어진 텐서

결과:

결과	설명
output	32비트 부동소수점 값으로 이루어진 텐서

tfl.log (TFL::LogOp)

자연로그 연산자

입력값에 대해 요소별 자연로그 연산을 수행합니다.

특성: AlwaysSpeculatableImplTrait , QuantizableResult

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
x	32비트 부동소수점 또는 QI8 타입 값으로 이루어진 텐서

결과:

결과	설명
y	32비트 부동소수점 또는 QI8 타입 값으로 이루어진 텐서

tfl.log_softmax (TFL::LogSoftmaxOp)

로그 소프트맥스 연산자

다음 공식을 사용하여 요소별 로그 소프트맥스 활성화 값을 계산합니다.

입력 - log(reduce_sum(exp(input), dim))

특성: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

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

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
input	32비트 부동소수점 또는 QUI8 타입, QI8 타입 또는 TFLite quint8 타입 값의 텐서

결과:

결과	설명
output	32비트 부동소수점 또는 QUI8 타입, QI8 타입 또는 TFLite quint8 타입 값의 텐서

tfl.logical_and (TFL::LogicalAndOp)

논리 AND 연산자

요소별 논리 AND 연산.

특성: AlwaysSpeculatableImplTrait , ResultsBroadcastableShape

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
lhs	1비트 부호 없는 정수 값의 텐서
rhs	1비트 부호 없는 정수 값의 텐서

결과:

결과	설명
output	1비트 부호 없는 정수 값의 텐서

tfl.logical_not (TFL::LogicalNotOp)

논리 NOT 연산자

요소별 논리 NOT 연산.

특성: AlwaysSpeculatableImplTrait , SameOperandsAndResultType

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

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
lhs	1비트 부호 없는 정수 값의 텐서

결과:

결과	설명
output	1비트 부호 없는 정수 값의 텐서

tfl.logical_or (TFL::LogicalOrOp)

논리 OR 연산자

요소별 논리 OR 연산.

특성: AlwaysSpeculatableImplTrait , ResultsBroadcastableShape

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
lhs	1비트 부호 없는 정수 값의 텐서
rhs	1비트 부호 없는 정수 값의 텐서

결과:

결과	설명
output	1비트 부호 없는 정수 값의 텐서

tfl.logistic (TFL::LogisticOp)

물류 운영자

입력값에 대해 요소별 시그모이드 함수를 계산합니다.

특성: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

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

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
x	32비트 부동소수점 또는 QI8 유형 또는 QUI8 유형 또는 QI16 유형 또는 TFLite quint8 유형 값의 텐서

결과:

결과	설명
y	32비트 부동소수점 또는 QI8 유형 또는 QUI8 유형 또는 QI16 유형 또는 TFLite quint8 유형 값의 텐서

tfl.lstm (TFL::LSTMOp)

전체 lstm 연산자

장단기 메모리 유닛(LSTM) 순환 네트워크 레이어. 기본 비피프홀 구현은 다음을 기반으로 합니다: http://deeplearning.cs.cmu.edu/pdfs/Hochreiter97_lstm.pdf S. Hochreiter 및 J. Schmidhuber. '장단기 메모리'. Neural Computation, 9(8):1735-1780, 1997. 피프홀 구현은 다음을 기반으로 합니다: https://research.google.com/pubs/archive/43905.pdf Hasim Sak, Andrew Senior 및 Francoise Beaufays. '대규모 음향 모델링을 위한 장단기 메모리 순환 신경망 아키텍처'. INTERSPEECH, 2014. 입력 및 망각 게이트 결합(CIFG)은 다음을 기반으로 합니다: http://arxiv.org/pdf/1503.04069.pdf Greff et al. 'LSTM: 탐색 공간 오디세이' 레이어 정규화는 다음 자료를 기반으로 합니다: https://arxiv.org/pdf/1607.06450.pdf Ba et al. '레이어 정규화'

특성: QuantizableResult

인터페이스: DynamicRangeQuantizedOpInterface , TFL_StatefulOp , TflRuntimeVerifyOpInterface

속성:

기인하다	MLIR 유형	설명
fused_activation_function	::mlir::StringAttr	값이 NONE, RELU, RELU_N1_TO_1, RELU6, TANH 또는 SIGN_BIT인 문자열 속성
cell_clip	::mlir::플로트어트	값이 음수가 아닌 32비트 부동 소수점 속성
proj_clip	::mlir::플로트어트	값이 음수가 아닌 32비트 부동 소수점 속성
kernel_type	::mlir::TFL::LSTMKernelTypeAttr	lstm_kernel_type의 값은 mlir::TFL::LSTMKernelType::FULL입니다.
asymmetric_quantize_inputs	::mlir::BoolAttr	부울 속성
input_to_input_intermediate	::mlir::TypeAttr	모든 유형의 속성
input_to_forget_intermediate	::mlir::TypeAttr	모든 유형의 속성
input_to_cell_intermediate	::mlir::TypeAttr	모든 유형의 속성
input_to_output_intermediate	::mlir::TypeAttr	모든 유형의 속성
effective_hidden_scale_intermediate	::mlir::TypeAttr	모든 유형의 속성

피연산자:

피연산자	설명
input	32비트 부동소수점 또는 QI8 타입 또는 QI16 타입 값으로 이루어진 텐서
input_to_input_weights	토큰 유형이 아닌 값 또는 none 유형의 텐서
input_to_forget_weights	32비트 부동소수점 또는 QI8 타입 값으로 이루어진 텐서
input_to_cell_weights	32비트 부동소수점 또는 QI8 타입 값으로 이루어진 텐서
input_to_output_weights	32비트 부동소수점 또는 QI8 타입 값으로 이루어진 텐서
recurrent_to_input_weights	토큰 유형이 아닌 값 또는 none 유형의 텐서
recurrent_to_forget_weights	32비트 부동소수점 또는 QI8 타입 값으로 이루어진 텐서
recurrent_to_cell_weights	32비트 부동소수점 또는 QI8 타입 값으로 이루어진 텐서
recurrent_to_output_weights	32비트 부동소수점 또는 QI8 타입 값으로 이루어진 텐서
cell_to_input_weights	토큰 유형이 아닌 값 또는 none 유형의 텐서
cell_to_forget_weights	토큰 유형이 아닌 값 또는 none 유형의 텐서
cell_to_output_weights	토큰 유형이 아닌 값 또는 none 유형의 텐서
input_gate_bias	토큰 유형이 아닌 값 또는 none 유형의 텐서
forget_gate_bias	32비트 부동소수점 또는 QI32 유형 값으로 이루어진 텐서
cell_bias	32비트 부동소수점 또는 QI32 유형 값으로 이루어진 텐서
output_gate_bias	32비트 부동소수점 또는 QI32 유형 값으로 이루어진 텐서
projection_weights	토큰 유형이 아닌 값 또는 none 유형의 텐서
projection_bias	토큰 유형이 아닌 값 또는 none 유형의 텐서
input_activation_state	상태 저장 텐서
input_cell_state	상태 저장 텐서
input_layer_norm_coefficients	토큰 유형이 아닌 값 또는 none 유형의 텐서
forget_layer_norm_coefficients	토큰 유형이 아닌 값 또는 none 유형의 텐서
cell_layer_norm_coefficients	토큰 유형이 아닌 값 또는 none 유형의 텐서
output_layer_norm_coefficients	토큰 유형이 아닌 값 또는 none 유형의 텐서

결과:

결과	설명
output	토큰 유형이 아닌 모든 값의 텐서

tfl.matrix_diag (TFL::MatrixDiagOp)

제공된 대각선 요소와 나머지 모든 요소를 ​​0으로 채운 텐서를 반환합니다.

대각선 요소가 주어지면, 해당 대각선 요소와 나머지 모든 요소에 0을 채워 넣은 텐서를 반환합니다. 대각선 요소의 차원이 k개 [I, J, K, ..., N] 라고 가정하면, 출력은 차원이 [I, J, K, ..., N, N] 인 k+1 텐서가 됩니다. 여기서 output[i, j, k, ..., m, n] = 1{m=n} * diagonal[i, j, k, ..., n].

특성: AlwaysSpeculatableImplTrait , QuantizableResult

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
diagonal	32비트 부동 소수점, 8비트 부호 없는 정수, 16비트 부호 없는 정수, 32비트 부호 없는 정수, 64비트 부호 없는 정수, 8비트 부호 없는 정수 또는 QUI8 타입, QI8 타입 또는 TFLite quint8 타입 값의 텐서

결과:

결과	설명
output	32비트 부동 소수점, 8비트 부호 없는 정수, 16비트 부호 없는 정수, 32비트 부호 없는 정수, 64비트 부호 없는 정수, 8비트 부호 없는 정수 또는 QUI8 타입, QI8 타입 또는 TFLite quint8 타입 값의 텐서

tfl.matrix_set_diag (TFL::MatrixSetDiagOp)

새로운 대각선 값을 포함하는 배치 행렬 텐서를 반환합니다.

input 과 diagonal 주어졌을 때, 이 연산은 가장 안쪽 행렬의 주대각선을 제외하고 input 과 동일한 모양과 값을 가진 텐서를 반환합니다. 가장 안쪽 행렬의 주대각선은 diagonal 요소의 값으로 덮어쓰여집니다.

특성: AlwaysSpeculatableImplTrait , QuantizableResult

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
input	32비트 부동 소수점, 8비트 부호 없는 정수, 16비트 부호 없는 정수, 32비트 부호 없는 정수, 64비트 부호 없는 정수, 8비트 부호 없는 정수 또는 QI8 유형, QI16 유형, QUI8 유형 또는 TFLite quint8 유형 값의 텐서
diagonal	32비트 부동 소수점, 8비트 부호 없는 정수, 16비트 부호 없는 정수, 32비트 부호 없는 정수, 64비트 부호 없는 정수, 8비트 부호 없는 정수 또는 QI8 유형, QI16 유형, QUI8 유형 또는 TFLite quint8 유형 값의 텐서

결과:

결과	설명
result	32비트 부동 소수점, 8비트 부호 없는 정수, 16비트 부호 없는 정수, 32비트 부호 없는 정수, 64비트 부호 없는 정수, 8비트 부호 없는 정수 또는 QI8 유형, QI16 유형, QUI8 유형 또는 TFLite quint8 유형 값의 텐서

tfl.max_pool_2d (TFL::MaxPool2DOp)

맥스 풀 2D op

입력에 대해 2D 맥스 풀링을 수행합니다.

입력: inputs[0] : 필수: 입력 텐서

특성: AlwaysSpeculatableImplTrait , QuantizableResult

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

효과: MemoryEffects::Effect{}

속성:

기인하다	MLIR 유형	설명
padding	::mlir::StringAttr	값이 동일하거나 유효한 문자열 속성
stride_w	::mlir::IntegerAttr	32비트 부호 없는 정수 속성
stride_h	::mlir::IntegerAttr	32비트 부호 없는 정수 속성
filter_width	::mlir::IntegerAttr	32비트 부호 없는 정수 속성
filter_height	::mlir::IntegerAttr	32비트 부호 없는 정수 속성
fused_activation_function	::mlir::StringAttr	값이 NONE, RELU, RELU_N1_TO_1, RELU6, TANH 또는 SIGN_BIT인 문자열 속성

피연산자:

피연산자	설명
input	32비트 부동소수점 또는 QUI8 타입, QI8 타입, QI16 타입 또는 TFLite quint8 타입 값의 텐서

결과:

결과	설명
output	32비트 부동소수점 또는 QUI8 타입, QI8 타입, QI16 타입 또는 TFLite quint8 타입 값의 텐서

tfl.maximum (TFL::MaximumOp)

최대 운영자

요소별 최대 작동 횟수.

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

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

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
lhs	32비트 부동 소수점 또는 16비트 부동 소수점 또는 32/64비트 부호 없는 정수 또는 QI8 유형 또는 QUI8 유형 또는 QI16 유형 값의 텐서
rhs	32비트 부동 소수점 또는 16비트 부동 소수점 또는 32/64비트 부호 없는 정수 또는 QI8 유형 또는 QUI8 유형 또는 QI16 유형 값의 텐서

결과:

결과	설명
max	32비트 부동 소수점 또는 16비트 부동 소수점 또는 32/64비트 부호 없는 정수 또는 QI8 유형 또는 QUI8 유형 또는 QI16 유형 값의 텐서

tfl.mean (TFL::MeanOp)

평균 연산자

텐서의 차원에 걸쳐 요소들의 평균을 계산합니다. 입력 텐서를 axis에 지정된 차원을 따라 축소합니다. keepdims가 true가 아닌 경우, axis의 각 항목에 대해 텐서의 랭크가 1씩 감소합니다. keepdims가 true인 경우, 축소된 차원은 길이가 1인 상태로 유지됩니다.

특성: AlwaysSpeculatableImplTrait , QuantizableResult

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

속성:

기인하다	MLIR 유형	설명
keep_dims	::mlir::BoolAttr	부울 속성

피연산자:

피연산자	설명
input	32비트 부동 소수점, 16비트 부동 소수점, 32비트 부호 없는 정수, 64비트 부호 없는 정수, QI8 타입, QUI8 타입, 8비트 부호 없는 정수 또는 QI16 타입 값의 텐서
axis	32비트 부호 없는 정수 값의 텐서

결과:

결과	설명
output	32비트 부동 소수점, 16비트 부동 소수점, 32비트 부호 없는 정수, 64비트 부호 없는 정수, QI8 타입, QUI8 타입, 8비트 부호 없는 정수 또는 QI16 타입 값의 텐서

tfl.minimum (TFL::MinimumOp)

최소 연산자

요소별 최소 연산.

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

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

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
lhs	32비트 부동 소수점 또는 32/64비트 부호 없는 정수 또는 QI8 유형 또는 QUI8 유형 또는 QI16 유형 값의 텐서
rhs	32비트 부동 소수점 또는 32/64비트 부호 없는 정수 또는 QI8 유형 또는 QUI8 유형 또는 QI16 유형 값의 텐서

결과:

결과	설명
min	32비트 부동 소수점 또는 32/64비트 부호 없는 정수 또는 QI8 유형 또는 QUI8 유형 또는 QI16 유형 값의 텐서

tfl.mirror_pad (TFL::MirrorPadOp)

MirrorPad 연산자. 텐서에 대칭 값을 채워 넣습니다.

이 연산은 지정한 패딩 값에 따라 입력에 대칭되는 값을 추가합니다. `paddings`는 입력의 랭크(rank)가 n인 [n, 2] 형태의 정수 텐서입니다. 입력의 각 차원 D에 대해 `paddings[D, 0]`은 해당 차원의 입력 내용 앞에 추가할 값의 개수를 나타내고, `paddings[D, 1]`은 해당 차원의 입력 내용 뒤에 추가할 값의 개수를 나타냅니다.

copy_border가 true인 경우 paddings[D, 0]과 paddings[D, 1]은 모두 input.dim_size(D) (또는 input.dim_size(D) - 1)보다 크지 않아야 합니다(false인 경우 각각).

출력의 각 차원 D의 패딩된 크기는 다음과 같습니다.

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

특성: AlwaysSpeculatableImplTrait , QuantizableResult

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

효과: MemoryEffects::Effect{}

속성:

기인하다	MLIR 유형	설명
mode	::mlir::TFL::MirrorPaddingTypeAttr	미러패드_enum

피연산자:

피연산자	설명
input	32비트 부동 소수점 또는 32비트 부호 없는 정수 또는 64비트 부호 없는 정수 또는 8비트 부호 없는 정수 또는 8비트 부호 없는 정수 또는 QI8 유형 또는 QUI8 유형 또는 QI16 유형 값의 텐서
pad	32비트 부호 없는 정수 또는 64비트 부호 없는 정수 값으로 이루어진 텐서

결과:

결과	설명
output	32비트 부동 소수점 또는 32비트 부호 없는 정수 또는 64비트 부호 없는 정수 또는 8비트 부호 없는 정수 또는 8비트 부호 없는 정수 또는 QI8 유형 또는 QUI8 유형 또는 QI16 유형 값의 텐서

tfl.mul (TFL::MulOp)

곱셈 연산자

요소별 곱셈 연산.

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

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

효과: MemoryEffects::Effect{}

속성:

기인하다	MLIR 유형	설명
fused_activation_function	::mlir::StringAttr	값이 NONE, RELU, RELU_N1_TO_1, RELU6, TANH 또는 SIGN_BIT인 문자열 속성

피연산자:

피연산자	설명
lhs	32비트 부동 소수점, 16비트 부동 소수점, 32비트 부호 없는 정수, 32비트 부호 없는 정수, 64비트 부호 없는 정수, QI8 타입, QUI8 타입, QI16 타입, 16비트 부호 없는 정수 또는 32비트 부동 소수점 요소 값을 갖는 복소수 타입의 텐서
rhs	32비트 부동 소수점, 16비트 부동 소수점, 32비트 부호 없는 정수, 32비트 부호 없는 정수, 64비트 부호 없는 정수, QI8 타입, QUI8 타입, QI16 타입, 16비트 부호 없는 정수 또는 32비트 부동 소수점 요소 값을 갖는 복소수 타입의 텐서

결과:

결과	설명
output	32비트 부동 소수점, 16비트 부동 소수점, 32비트 부호 없는 정수, 32비트 부호 없는 정수, 64비트 부호 없는 정수, QI8 타입, QUI8 타입, QI16 타입, 16비트 부호 없는 정수 또는 32비트 부동 소수점 요소 값을 갖는 복소수 타입의 텐서

tfl.multinomial (TFL::다항식Op)

범주형 분포에서 샘플을 추출합니다.

생성된 값은 모든 클래스에 대해 제공된 logits 또는 정규화되지 않은 로그 확률을 기반으로 범주형 분포를 갖습니다.

인터페이스: TflRuntimeVerifyOpInterface

속성:

기인하다	MLIR 유형	설명
seed	::mlir::IntegerAttr	64비트 부호 없는 정수 속성
seed2	::mlir::IntegerAttr	64비트 부호 없는 정수 속성

피연산자:

피연산자	설명
logits	32비트 부동소수점 값으로 이루어진 텐서
num_samples	32비트 부호 없는 정수 값의 텐서

결과:

결과	설명
out	32비트 부호 없는 정수 또는 64비트 부호 없는 정수 값으로 이루어진 텐서

tfl.neg (TFL::NegOp)

부정 연산자

입력값의 요소별 부정을 계산합니다.

특성: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
x	32비트 부동 소수점, 16비트 부동 소수점, 32비트 부호 없는 정수 또는 64비트 부호 없는 정수 값으로 이루어진 텐서

결과:

결과	설명
y	32비트 부동 소수점, 16비트 부동 소수점, 32비트 부호 없는 정수 또는 64비트 부호 없는 정수 값으로 이루어진 텐서

tfl.no_value (TFL::NoValueOp)

값이 없는 상수입니다.

값이 없는 상수 연산.

특성: AlwaysSpeculatableImplTrait 암시적 특성, ConstantLike

인터페이스: ConditionallySpeculatable , InferTypeOpInterface , NoMemoryEffect (MemoryEffectOpInterface)

효과: MemoryEffects::Effect{}

속성:

기인하다	MLIR 유형	설명
value	::mlir::UnitAttr	단위 속성

결과:

결과	설명
none_val	없음 유형

tfl.non_max_suppression_v4 (TFL::NonMaxSuppressionV4Op)

점수가 높은 순서대로 경계 상자의 부분 집합을 탐욕적으로 선택합니다.

이 알고리즘은 이전에 선택된 박스들과 IOU(Intersection-over-Union) 값이 크게 겹치는 박스들을 제거합니다. score_threshold 보다 낮은 점수를 받은 박스들은 제거됩니다. 바운딩 박스는 [y1, x1, y2, x2] 형식으로 제공되며, (y1, x1)과 (y2, x2)는 박스 모서리의 대각선 쌍의 좌표입니다. 좌표는 정규화된 값(즉, [0, 1] 범위) 또는 절대값으로 제공될 수 있습니다. 이 알고리즘은 좌표계의 원점 위치에 관계없이 작동하며, 직교 변환이나 좌표계 이동에도 영향을 받지 않습니다. 따라서 좌표계를 이동하거나 대칭 이동하더라도 알고리즘은 동일한 박스를 선택합니다. 이 연산의 출력은 선택된 박스들을 나타내는 입력 바운딩 박스 컬렉션의 인덱스 정수 집합입니다. 선택된 인덱스에 해당하는 바운딩 박스 좌표는 tf.gather operation 사용하여 얻을 수 있습니다. 예시: selected_indices = tf.image.non_max_suppression_v2( boxes, scores, max_output_size, iou_threshold, score_threshold) selected_boxes = tf.gather(boxes, selected_indices)

특성: AlwaysSpeculatableImplTrait

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
boxes	32비트 부동소수점 값으로 이루어진 텐서
scores	32비트 부동소수점 값으로 이루어진 텐서
max_output_size	32비트 부호 없는 정수 값의 텐서
iou_threshold	32비트 부동소수점 값으로 이루어진 텐서
score_threshold	32비트 부동소수점 값으로 이루어진 텐서

결과:

결과	설명
selected_indices	32비트 부호 없는 정수 값의 텐서
valid_outputs	32비트 부호 없는 정수 값의 텐서

tfl.non_max_suppression_v5 (TFL::NonMaxSuppressionV5Op)

점수가 높은 순서대로 경계 상자의 부분 집합을 탐욕적으로 선택합니다.

이 알고리즘은 이전에 선택된 박스들과 IOU(Intersection-over-Union) 값이 크게 겹치는 박스들을 제거합니다. score_threshold 보다 낮은 점수를 받은 박스들은 제거됩니다. 바운딩 박스는 [y1, x1, y2, x2] 형식으로 제공되며, (y1, x1)과 (y2, x2)는 박스 모서리의 대각선 쌍의 좌표입니다. 좌표는 정규화된 값(즉, [0, 1] 범위) 또는 절대값으로 제공될 수 있습니다. 이 알고리즘은 좌표계의 원점 위치에 관계없이 작동하며, 직교 변환이나 좌표계 이동에도 영향을 받지 않습니다. 따라서 좌표계를 이동하거나 대칭 이동하더라도 알고리즘은 동일한 박스를 선택합니다. 이 연산의 출력은 선택된 박스들을 나타내는 입력 바운딩 박스 컬렉션의 인덱스 정수 집합입니다. 선택된 인덱스에 해당하는 바운딩 박스 좌표는 tf.gather operation 사용하여 얻을 수 있습니다. 예를 들어: selected_indices = tf.image.non_max_suppression_v2( boxes, scores, max_output_size, iou_threshold, score_threshold) selected_boxes = tf.gather(boxes, selected_indices) 이 연산은 Soft-NMS(가우시안 가중치 사용) 모드도 지원합니다(Bodla et al., https://arxiv.org/abs/1704.04503 참조). 이 모드에서는 박스가 직접 가지치기를 하는 대신 겹치는 다른 박스의 점수를 감소시킵니다. Soft-NMS 모드를 활성화하려면 soft_nms_sigma 매개변수를 0보다 크게 설정하십시오.

특성: AlwaysSpeculatableImplTrait

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
boxes	32비트 부동소수점 값으로 이루어진 텐서
scores	32비트 부동소수점 값으로 이루어진 텐서
max_output_size	32비트 부호 없는 정수 값의 텐서
iou_threshold	32비트 부동소수점 값으로 이루어진 텐서
score_threshold	32비트 부동소수점 값으로 이루어진 텐서
soft_nms_sigma	32비트 부동소수점 값으로 이루어진 텐서

결과:

결과	설명
selected_indices	32비트 부호 없는 정수 값의 텐서
selected_scores	32비트 부동소수점 값으로 이루어진 텐서
valid_outputs	32비트 부호 없는 정수 값의 텐서

tfl.not_equal (TFL::NotEqualOp)

같지 않음 연산자

요소별 같지 않음 연산.

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

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

피연산자:

피연산자	설명
lhs	1비트 부호 없는 정수, 32비트 부동 소수점, 32비트 부호 없는 정수, 64비트 부호 없는 정수, QUI8 타입, QI8 타입, QI16 타입, TFLite quint8 타입 또는 TFLite 문자열 타입 값의 텐서
rhs	1비트 부호 없는 정수, 32비트 부동 소수점, 32비트 부호 없는 정수, 64비트 부호 없는 정수, QUI8 타입, QI8 타입, QI16 타입, TFLite quint8 타입 또는 TFLite 문자열 타입 값의 텐서

결과:

결과	설명
output	1비트 부호 없는 정수 값의 텐서

tfl.NumericVerify (TFL::NumericVerifyOp)

두 피연산자의 수치를 검증합니다.

NumericVerify 연산은 두 활성화 값의 수치적 정확성을 검증하는 디버깅 연산입니다. 이는 TFLite의 사용자 정의 연산입니다. log_if_failed가 true로 설정되면 NumericVerify 연산은 부동 소수점 값과 양자화된 값 사이의 차이에 대한 통계를 계산하고, 로그를 출력하며, 차이를 출력 텐서에 설정하고, 허용 오차를 초과하는 오류가 발생하면 오류를 발생시킵니다. log_if_failed가 false로 설정되면 오류를 처리하지 않습니다.

특성: QuantizableResult , SameOperandsShape

인터페이스: TflRuntimeVerifyOpInterface

속성:

기인하다	MLIR 유형	설명
tolerance	::mlir::플로트어트	32비트 부동소수점 속성
log_if_failed	::mlir::BoolAttr	부울 속성

피연산자:

피연산자	설명
input	QI8 타입 또는 QUI8 타입 또는 QI16 타입 또는 16비트 부동 소수점 또는 TFLite quint8 타입 값의 텐서
ref	32비트 부동소수점 값으로 이루어진 텐서

결과:

결과	설명
output	32비트 부동소수점 값으로 이루어진 텐서

tfl.one_hot (TFL::OneHotOp)

원핫 오퍼레이터

원핫 텐서를 반환합니다. indices 에 표시된 위치는 on_value 값을 갖고, 나머지 모든 위치는 off_value 값을 갖습니다.

입력 indices 순위가 N 이면 출력은 N+1 의 순위를 갖게 됩니다. 새 축은 차원 axis 에 생성됩니다(기본값: 새 축은 끝에 추가됩니다).

특성: AlwaysSpeculatableImplTrait , QuantizableResult

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

효과: MemoryEffects::Effect{}

속성:

기인하다	MLIR 유형	설명
axis	::mlir::IntegerAttr	32비트 부호 없는 정수 속성

피연산자:

피연산자	설명
indices	32비트 부호 없는 정수 또는 64비트 부호 없는 정수 값으로 이루어진 텐서
depth	32비트 부호 없는 정수 값의 텐서
on_value	32비트 부동 소수점, 32비트 부호 없는 정수, 64비트 부호 없는 정수, 1비트 부호 없는 정수, 8비트 부호 없는 정수 또는 8비트 부호 없는 정수 값으로 이루어진 텐서
off_value	32비트 부동 소수점, 32비트 부호 없는 정수, 64비트 부호 없는 정수, 1비트 부호 없는 정수, 8비트 부호 없는 정수 또는 8비트 부호 없는 정수 값으로 이루어진 텐서

결과:

결과	설명
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.

예를 들어:

# '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 .

특성: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

속성:

기인하다	MLIR Type	설명
values_count	::mlir::IntegerAttr	값이 양수인 32비트 부호 없는 정수 속성
axis	::mlir::IntegerAttr	32비트 부호 없는 정수 속성

피연산자:

피연산자	설명
values	토큰 타입이 아닌 모든 값의 텐서의 가변 인자

결과:

결과	설명
output	tensor of 32-bit float or f8E4M3FN type or f8E5M2 type 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

이 연산은 지정한 paddings 에 따라 input 0을 추가합니다. paddings 는 [Dn, 2] 형태의 정수 텐서이며, 여기서 `n`은 input 의 랭크입니다. input 의 각 차원 `D`에 대해 paddings[D, 0] 은 해당 차원의 input 내용 앞에 추가할 0의 개수를 나타내고, paddings[D, 1] 해당 차원의 input 내용 뒤에 추가할 0의 개수를 나타냅니다.

출력의 각 차원 D의 패딩된 크기는 다음과 같습니다.

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

예를 들어:

# '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]]

특성: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

피연산자:

피연산자	설명
input	tensor of 32-bit float or f8E4M3FN type or f8E5M2 type 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	32/64비트 부호 없는 정수 값의 텐서

결과:

결과	설명
output	tensor of 32-bit float or f8E4M3FN type or f8E5M2 type 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 .

출력의 각 차원 D의 패딩된 크기는 다음과 같습니다.

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

예를 들어:

# '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]]

특성: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

피연산자:

피연산자	설명
input	tensor of 32-bit float or f8E4M3FN type or f8E5M2 type 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	32/64비트 부호 없는 정수 값의 텐서
constant_values	tensor of 32-bit float or f8E4M3FN type or f8E5M2 type 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

결과:

결과	설명
output	tensor of 32-bit float or f8E4M3FN type or f8E5M2 type 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

피연산자:

피연산자	설명
input	토큰 타입이 아닌 모든 값의 텐서의 가변 인자

결과:

결과	설명
output	토큰 타입이 아닌 모든 값의 텐서의 가변 인자

tfl.pow (TFL::PowOp)

Power operator

Element-wise power operation.

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

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

피연산자:

피연산자	설명
lhs	32비트 부동 소수점 또는 32비트 부호 없는 정수 값으로 이루어진 텐서
rhs	32비트 부동 소수점 또는 32비트 부호 없는 정수 값으로 이루어진 텐서

결과:

결과	설명
output	32비트 부동 소수점 또는 32비트 부호 없는 정수 값으로 이루어진 텐서

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{}

피연산자:

피연산자	설명
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

결과:

결과	설명
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

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

속성:

기인하다	MLIR Type	설명
value	::mlir::ElementsAttr	constant vector/tensor attribute

결과:

결과	설명
output	토큰 유형이 아닌 모든 값의 텐서

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{}

속성:

기인하다	MLIR Type	설명
qtype	::mlir::TypeAttr	Tensor type attribute
value	::mlir::ElementsAttr	constant vector/tensor attribute

결과:

결과	설명
output	tensor of QUI8 type or QI8 type or QUI4 type or QI4 type or QI16 type or QUI16 type or TFLite quint8 type or blockwise quantized 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

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

속성:

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

결과:

결과	설명
output	토큰 유형이 아닌 모든 값의 텐서

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

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

속성:

기인하다	MLIR Type	설명
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

결과:

결과	설명
output	tensor of QUI8 type or QI8 type or QUI4 type or QI4 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

인터페이스: NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

속성:

기인하다	MLIR Type	설명
qtype	::mlir::TypeAttr	Tensor type attribute

피연산자:

피연산자	설명
input	tensor of 32-bit float or 16-bit float or QI4 type or QUI4 type or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

결과:

결과	설명
output	tensor of QI4 type or QUI4 type or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

tfl.random_standard_normal (TFL::RandomStandardNormalOp)

정규 분포에서 무작위 값을 출력합니다.

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

인터페이스: TflRuntimeVerifyOpInterface

속성:

기인하다	MLIR Type	설명
seed	::mlir::IntegerAttr	64-bit signless integer attribute
seed2	::mlir::IntegerAttr	64-bit signless integer attribute

피연산자:

피연산자	설명
shape	32비트 부호 없는 정수 값의 텐서

결과:

결과	설명
out	32비트 부동소수점 값으로 이루어진 텐서

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.

인터페이스: TflRuntimeVerifyOpInterface

속성:

기인하다	MLIR Type	설명
seed	::mlir::IntegerAttr	64-bit signless integer attribute
seed2	::mlir::IntegerAttr	64-bit signless integer attribute

피연산자:

피연산자	설명
shape	32비트 부호 없는 정수 값의 텐서

결과:

결과	설명
out	32비트 부동소수점 값으로 이루어진 텐서

tfl.range (TFL::RangeOp)

Range operator

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

Traits: AlwaysSpeculatableImplTrait

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

피연산자:

피연산자	설명
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

결과:

결과	설명
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.

특성: AlwaysSpeculatableImplTrait , QuantizableResult

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

피연산자:

피연산자	설명
input	토큰 유형이 아닌 모든 값의 텐서

결과:

결과	설명
output	tensor of any integer type

tfl.read_variable (TFL::ReadVariableOp)

Reads variable value.

Read variable data identified by 'resource_id'.

인터페이스: TflRuntimeVerifyOpInterface

피연산자:

피연산자	설명
resource_id	리소스 값 텐서

결과:

결과	설명
result	32비트 부동 소수점 또는 64비트 부동 소수점 또는 1비트 부호 없는 정수 또는 8비트 부호 없는 정수 또는 8비트 부호 없는 정수 또는 QI8 유형 또는 QUI8 유형 또는 32비트 부호 없는 정수 또는 64비트 부호 없는 정수 또는 QI16 유형 또는 32비트 부동 소수점 요소를 가진 복소수 유형 또는 64비트 부동 소수점 요소를 가진 복소수 유형의 텐서

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.

특성: AlwaysSpeculatableImplTrait , SameOperandsAndResultShape

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

피연산자:

피연산자	설명
input	32비트 부동소수점 요소를 가진 복소수형 텐서 또는 64비트 부동소수점 요소를 가진 복소수형 텐서

결과:

결과	설명
output	32비트 부동소수점 또는 64비트 부동소수점 값으로 이루어진 텐서

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

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

속성:

기인하다	MLIR Type	설명
keep_dims	::mlir::BoolAttr	bool attribute

피연산자:

피연산자	설명
input	tensor of 1-bit signless integer values
reduction_indices	32비트 부호 없는 정수 값의 텐서

결과:

결과	설명
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

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

속성:

기인하다	MLIR Type	설명
keep_dims	::mlir::BoolAttr	bool attribute

피연산자:

피연산자	설명
input	tensor of 1-bit signless integer values
reduction_indices	32비트 부호 없는 정수 값의 텐서

결과:

결과	설명
output	tensor of 1-bit signless integer values

tfl.reduce_max (TFL::ReduceMaxOp)

Max-reduction operator

Computes the max reduction along the specified axes

특성: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

속성:

기인하다	MLIR Type	설명
keep_dims	::mlir::BoolAttr	bool attribute

피연산자:

피연산자	설명
input	tensor of 32-bit float or 16-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	32비트 부호 없는 정수 값의 텐서

결과:

결과	설명
output	tensor of 32-bit float or 16-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

특성: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

속성:

기인하다	MLIR Type	설명
keep_dims	::mlir::BoolAttr	bool attribute

피연산자:

피연산자	설명
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	32비트 부호 없는 정수 값의 텐서

결과:

결과	설명
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

특성: AlwaysSpeculatableImplTrait , QuantizableResult

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

속성:

기인하다	MLIR Type	설명
keep_dims	::mlir::BoolAttr	bool attribute

피연산자:

피연산자	설명
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	32비트 부호 없는 정수 값의 텐서

결과:

결과	설명
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)

특성: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

피연산자:

피연산자	설명
x	tensor of 32-bit float or QUI8 type or QI8 type or QI16 type values

결과:

결과	설명
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))

특성: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

피연산자:

피연산자	설명
x	tensor of 32-bit float or QUI8 type or QI8 type values

결과:

결과	설명
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))

특성: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

피연산자:

피연산자	설명
x	tensor of 32-bit float or QUI8 type or QI8 type values

결과:

결과	설명
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))

특성: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

피연산자:

피연산자	설명
x	tensor of 32-bit float or QUI8 type or QI8 type values

결과:

결과	설명
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.

특성: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

피연산자:

피연산자	설명
input	토큰 유형이 아닌 모든 값의 텐서
shape	32비트 부호 없는 정수 값의 텐서

결과:

결과	설명
output	토큰 유형이 아닌 모든 값의 텐서

tfl.resize_bilinear (TFL::ResizeBilinearOp)

ResizeBilinear Op

Resize images to size using bilinear interpolation.

특성: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

속성:

기인하다	MLIR Type	설명
align_corners	::mlir::BoolAttr	bool attribute
half_pixel_centers	::mlir::BoolAttr	bool attribute

Operands:

피연산자	설명
input	tensor of 32-bit float or TFLite quint8 type or QUI8 type or QI8 type or QI16 type values
size	32비트 부호 없는 정수 값의 텐서

결과:

결과	설명
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.

특성: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

속성:

기인하다	MLIR Type	설명
align_corners	::mlir::BoolAttr	bool attribute
half_pixel_centers	::mlir::BoolAttr	bool attribute

Operands:

피연산자	설명
input	tensor of 32-bit float or TFLite quint8 type or QUI8 type or QI8 type or QI16 type values
size	32비트 부호 없는 정수 값의 텐서

결과:

결과	설명
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.

특성: AlwaysSpeculatableImplTrait , QuantizableResult

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

속성:

기인하다	MLIR Type	설명
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:

피연산자	설명
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	32/64비트 부호 없는 정수 값의 텐서

결과:

결과	설명
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.

특성: AlwaysSpeculatableImplTrait , QuantizableResult

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

피연산자	설명
input	tensor of 32-bit float or f8E4M3FN type or f8E5M2 type 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	32비트 부호 없는 정수 값의 텐서

결과:

결과	설명
output	tensor of 32-bit float or f8E4M3FN type or f8E5M2 type 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

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

피연산자	설명
input	32비트 부동소수점 값으로 이루어진 텐서
fft_length	32비트 부호 없는 정수 값의 텐서

결과:

결과	설명
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

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

피연산자	설명
lhs	8비트 부호 없는 정수 또는 8비트 부호 없는 정수 또는 16비트 부호 없는 정수 또는 16비트 부호 없는 정수 또는 32비트 부호 없는 정수 값으로 이루어진 텐서
rhs	8비트 부호 없는 정수 또는 8비트 부호 없는 정수 또는 16비트 부호 없는 정수 또는 16비트 부호 없는 정수 또는 32비트 부호 없는 정수 값으로 이루어진 텐서

결과:

결과	설명
output	8비트 부호 없는 정수 또는 8비트 부호 없는 정수 또는 16비트 부호 없는 정수 또는 16비트 부호 없는 정수 또는 32비트 부호 없는 정수 값으로 이루어진 텐서

tfl.round (TFL::RoundOp)

Round operator

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

특성: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

Effects: MemoryEffects::Effect{}

Operands:

피연산자	설명
x	32비트 부동소수점 값으로 이루어진 텐서

결과:

결과	설명
y	32비트 부동소수점 값으로 이루어진 텐서

tfl.rsqrt (TFL::RsqrtOp)

Reciprocal of square root operator

Computes element-wise reverse square root of input

특성: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

피연산자	설명
x	tensor of 32-bit float or QI8 type or QI16 type values

결과:

결과	설명
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

특성: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

피연산자	설명
indices	32비트 부호 없는 정수 값의 텐서
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 non-token type values

결과:

결과	설명
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

텐서의 각 구간을 따라 합을 계산합니다.

Traits: AlwaysSpeculatableImplTrait

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

피연산자	설명
input	32비트 부동 소수점 또는 32비트 부호 없는 정수 값으로 이루어진 텐서
segment_ids	32비트 부호 없는 정수 값의 텐서

결과:

결과	설명
output	32비트 부동 소수점 또는 32비트 부호 없는 정수 값으로 이루어진 텐서

tfl.select (TFL::SelectOp)

연산자를 선택하세요

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.

특성: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

피연산자	설명
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

결과:

결과	설명
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'.

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

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

Effects: MemoryEffects::Effect{}

Operands:

피연산자	설명
condition	tensor of 1-bit signless integer values
x	tensor of 32-bit float or 16-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 16-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

결과:

결과	설명
output	tensor of 32-bit float or 16-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.

특성: AlwaysSpeculatableImplTrait , QuantizableResult

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

속성:

기인하다	MLIR Type	설명
out_type	::mlir::속성	파생 속성

Operands:

피연산자	설명
input	토큰 유형이 아닌 모든 값의 텐서

결과:

결과	설명
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.

특성: AlwaysSpeculatableImplTrait , SameOperandsAndResultType

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

Effects: MemoryEffects::Effect{}

Operands:

피연산자	설명
x	tensor of 32-bit float or 64-bit float or 32-bit signless integer values

결과:

결과	설명
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

특성: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

Effects: MemoryEffects::Effect{}

Operands:

피연산자	설명
x	32비트 부동소수점 또는 16비트 부동소수점 값으로 이루어진 텐서

결과:

결과	설명
y	32비트 부동소수점 또는 16비트 부동소수점 값으로 이루어진 텐서

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)

특성: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

피연산자	설명
input	tensor of 32-bit float or 16-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	32/64비트 부호 없는 정수 값의 텐서
size	32/64비트 부호 없는 정수 값의 텐서

결과:

결과	설명
output	tensor of 32-bit float or 16-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)

특성: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

속성:

기인하다	MLIR Type	설명
beta	::mlir::플로트어트	32비트 부동소수점 속성

Operands:

피연산자	설명
input	tensor of 32-bit float or 16-bit float or QI8 type or QUI8 type or TFLite quint8 type or QI16 type values

결과:

결과	설명
output	tensor of 32-bit float or 16-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

특성: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

피연산자	설명
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	32비트 부호 없는 정수 값의 텐서
paddings	32비트 부호 없는 정수 값의 텐서

결과:

결과	설명
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.

특성: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

속성:

기인하다	MLIR Type	설명
block_size	::mlir::IntegerAttr	값이 양수인 32비트 부호 없는 정수 속성

Operands:

피연산자	설명
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

결과:

결과	설명
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.

특성: AlwaysSpeculatableImplTrait , QuantizableResult

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

피연산자	설명
sparse_indices	32/64비트 부호 없는 정수 값의 텐서
output_shape	32/64비트 부호 없는 정수 값의 텐서
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

결과:

결과	설명
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.

특성: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

속성:

기인하다	MLIR Type	설명
num_splits	::mlir::IntegerAttr	값이 양수인 32비트 부호 없는 정수 속성

Operands:

피연산자	설명
split_dim	32비트 부호 없는 정수 값의 텐서
value	tensor of 32-bit float or f8E4M3FN type or f8E5M2 type 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

결과:

결과	설명
outputs	토큰 타입이 아닌 모든 값의 텐서의 가변 인자

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.

특성: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

속성:

기인하다	MLIR Type	설명
num_splits	::mlir::IntegerAttr	값이 양수인 32비트 부호 없는 정수 속성

Operands:

피연산자	설명
value	tensor of 32-bit float or f8E4M3FN type or f8E5M2 type 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

결과:

결과	설명
outputs	토큰 타입이 아닌 모든 값의 텐서의 가변 인자

tfl.sqrt (TFL::SqrtOp)

Square root operator

Computes element-wise Square root of input

특성: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

피연산자	설명
x	tensor of 32-bit float or QI8 type or QI16 type values

결과:

결과	설명
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

특성: AlwaysSpeculatableImplTrait , InferTensorType , TF::SameOperandsAndResultTypeResolveRef

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

Effects: MemoryEffects::Effect{}

Operands:

피연산자	설명
x	32비트 부동소수점 값으로 이루어진 텐서

결과:

결과	설명
y	32비트 부동소수점 값으로 이루어진 텐서

tfl.squared_difference (TFL::SquaredDifferenceOp)

Squared difference operator

Element-wise squared difference operation.

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

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

피연산자	설명
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

결과:

결과	설명
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 .

예를 들어:

# '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]

특성: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

속성:

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

Operands:

피연산자	설명
input	토큰 유형이 아닌 모든 값의 텐서

결과:

결과	설명
output	토큰 유형이 아닌 모든 값의 텐서

tfl.strided_slice (TFL::StridedSliceOp)

StridedSlice Op

Return a strided slice from input .

특성: ::mlir::OpTrait::TFLRuntimeOpTrait , AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

속성:

기인하다	MLIR Type	설명
begin_mask	::mlir::IntegerAttr	32비트 부호 없는 정수 속성
end_mask	::mlir::IntegerAttr	32비트 부호 없는 정수 속성
ellipsis_mask	::mlir::IntegerAttr	32비트 부호 없는 정수 속성
new_axis_mask	::mlir::IntegerAttr	32비트 부호 없는 정수 속성
shrink_axis_mask	::mlir::IntegerAttr	32비트 부호 없는 정수 속성
offset	::mlir::BoolAttr	bool attribute

Operands:

피연산자	설명
input	tensor of 32-bit float or 16-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	32비트 부호 없는 정수 값의 텐서
end	32비트 부호 없는 정수 값의 텐서
strides	32비트 부호 없는 정수 값의 텐서

결과:

결과	설명
output	tensor of 32-bit float or 16-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.

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

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

Effects: MemoryEffects::Effect{}

속성:

기인하다	MLIR Type	설명
fused_activation_function	::mlir::StringAttr	값이 NONE, RELU, RELU_N1_TO_1, RELU6, TANH 또는 SIGN_BIT인 문자열 속성

Operands:

피연산자	설명
lhs	tensor of 32-bit float or 16-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 16-bit float or 32-bit signless integer or 64-bit signless integer or QI8 type or QUI8 type or QI16 type values

결과:

결과	설명
output	tensor of 32-bit float or 16-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

특성: AlwaysSpeculatableImplTrait , QuantizableResult

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

속성:

기인하다	MLIR Type	설명
keep_dims	::mlir::BoolAttr	bool attribute

Operands:

피연산자	설명
input	tensor of 32-bit float or 16-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	32비트 부호 없는 정수 값의 텐서

결과:

결과	설명
output	tensor of 32-bit float or 16-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

속성:

기인하다	MLIR Type	설명
rank	::mlir::IntegerAttr	값이 양수인 32비트 부호 없는 정수 속성
fused_activation_function	::mlir::StringAttr	값이 NONE, RELU, RELU_N1_TO_1, RELU6, TANH 또는 SIGN_BIT인 문자열 속성
asymmetric_quantize_inputs	::mlir::BoolAttr	bool attribute

Operands:

피연산자	설명
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	32비트 부동소수점 또는 QI16 타입 값으로 이루어진 텐서
input_gate_bias	토큰 유형이 아닌 값 또는 none 유형의 텐서
activation_state	상태 저장 텐서

결과:

결과	설명
output	tensor of 32-bit float or QI8 type values

tfl.tanh (TFL::TanhOp)

Hyperbolic tangent operator

Computes element-wise Hyperbolic tangent of input

특성: AlwaysSpeculatableImplTrait , QuantizableResult , SameOperandsAndResultShape

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

Effects: MemoryEffects::Effect{}

Operands:

피연산자	설명
input	tensor of 32-bit float or 16-bit float or QI8 type or QUI8 type or QI16 type or TFLite quint8 type values

결과:

결과	설명
output	tensor of 32-bit float or 16-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].

특성: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

피연산자	설명
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	32/64비트 부호 없는 정수 값의 텐서

결과:

결과	설명
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.

특성: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

피연산자	설명
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

결과:

결과	설명
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

특성: AlwaysSpeculatableImplTrait , QuantizableResult

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

Effects: MemoryEffects::Effect{}

Operands:

피연산자	설명
input	tensor of 32-bit signless integer or 32-bit float or 16-bit float or bfloat16 type 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	32비트 부호 없는 정수 값의 텐서

결과:

결과	설명
output	tensor of 32-bit signless integer or 32-bit float or 16-bit float or bfloat16 type 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>

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

Effects: MemoryEffects::Effect{}

속성:

기인하다	MLIR Type	설명
padding	::mlir::StringAttr	값이 동일하거나 유효한 문자열 속성
stride_h	::mlir::IntegerAttr	값이 양수인 32비트 부호 없는 정수 속성
stride_w	::mlir::IntegerAttr	값이 양수인 32비트 부호 없는 정수 속성
fused_activation_function	::mlir::StringAttr	값이 NONE, RELU, RELU_N1_TO_1, RELU6, TANH 또는 SIGN_BIT인 문자열 속성

Operands:

피연산자	설명
output_shape	32비트 부호 없는 정수 값의 텐서
weights	32비트 부동소수점 또는 QI8 타입 또는 QUI8 타입 또는 QI16 타입 값의 텐서
input	32비트 부동소수점 또는 QI8 타입 또는 QUI8 타입 또는 QI16 타입 값의 텐서
bias	토큰 유형이 아닌 값 또는 none 유형의 텐서

결과:

결과	설명
output	32비트 부동소수점 또는 QI8 타입 또는 QUI8 타입 또는 QI16 타입 값의 텐서

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”).

특성: QuantizableResult

Interfaces: DynamicRangeQuantizedOpInterface , InferTypeOpInterface , TFL_StatefulOp , TflRuntimeVerifyOpInterface

속성:

기인하다	MLIR Type	설명
fused_activation_function	::mlir::StringAttr	값이 NONE, RELU, RELU_N1_TO_1, RELU6, TANH 또는 SIGN_BIT인 문자열 속성
cell_clip	::mlir::플로트어트	값이 음수가 아닌 32비트 부동 소수점 속성
proj_clip	::mlir::플로트어트	값이 음수가 아닌 32비트 부동 소수점 속성
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:

피연산자	설명
input	32비트 부동소수점 값으로 이루어진 텐서
input_to_input_weights	토큰 유형이 아닌 값 또는 none 유형의 텐서
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	토큰 유형이 아닌 값 또는 none 유형의 텐서
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	토큰 유형이 아닌 값 또는 none 유형의 텐서
cell_to_forget_weights	토큰 유형이 아닌 값 또는 none 유형의 텐서
cell_to_output_weights	토큰 유형이 아닌 값 또는 none 유형의 텐서
input_gate_bias	토큰 유형이 아닌 값 또는 none 유형의 텐서
forget_gate_bias	32비트 부동소수점 값으로 이루어진 텐서
cell_bias	32비트 부동소수점 값으로 이루어진 텐서
output_gate_bias	32비트 부동소수점 값으로 이루어진 텐서
projection_weights	토큰 유형이 아닌 값 또는 none 유형의 텐서
projection_bias	토큰 유형이 아닌 값 또는 none 유형의 텐서
input_activation_state	상태 저장 텐서
input_cell_state	상태 저장 텐서
input_layer_norm_coefficients	토큰 유형이 아닌 값 또는 none 유형의 텐서
forget_layer_norm_coefficients	토큰 유형이 아닌 값 또는 none 유형의 텐서
cell_layer_norm_coefficients	토큰 유형이 아닌 값 또는 none 유형의 텐서
output_layer_norm_coefficients	토큰 유형이 아닌 값 또는 none 유형의 텐서

결과:

결과	설명
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”).

특성: QuantizableResult

인터페이스: DynamicRangeQuantizedOpInterface , TFL_StatefulOp , TflRuntimeVerifyOpInterface

속성:

기인하다	MLIR Type	설명
time_major	::mlir::BoolAttr	bool attribute
fused_activation_function	::mlir::StringAttr	값이 NONE, RELU, RELU_N1_TO_1, RELU6, TANH 또는 SIGN_BIT인 문자열 속성
asymmetric_quantize_inputs	::mlir::BoolAttr	bool attribute

Operands:

피연산자	설명
input	32비트 부동소수점 값으로 이루어진 텐서
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	32비트 부동소수점 값으로 이루어진 텐서
hidden_state	상태 저장 텐서

결과:

결과	설명
output	32비트 부동소수점 값으로 이루어진 텐서

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:

특성: AlwaysSpeculatableImplTrait , QuantizableResult

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

속성:

기인하다	MLIR Type	설명
idx_out_type	::mlir::속성	파생 속성

Operands:

피연산자	설명
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

결과:

결과	설명
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	32/64비트 부호 없는 정수 값의 텐서

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{}

속성:

기인하다	MLIR Type	설명
num	::mlir::IntegerAttr	32-bit signless integer attribute whose value is non-negative
axis	::mlir::IntegerAttr	32비트 부호 없는 정수 속성

Operands:

피연산자	설명
input	tensor of 32-bit float or 16-bit float or bfloat16 type or f8E4M3FN type or f8E5M2 type 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

결과:

결과	설명
outputs	토큰 타입이 아닌 모든 값의 텐서의 가변 인자

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

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

피연산자	설명
input	32비트 부동 소수점 또는 32비트 부호 없는 정수 값으로 이루어진 텐서
segment_ids	32비트 부호 없는 정수 값의 텐서
num_segments	32비트 부호 없는 정수 값의 텐서

결과:

결과	설명
output	32비트 부동 소수점 또는 32비트 부호 없는 정수 값으로 이루어진 텐서

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

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

피연산자	설명
input	32비트 부동 소수점 또는 32비트 부호 없는 정수 값으로 이루어진 텐서
segment_ids	32비트 부호 없는 정수 값의 텐서
num_segments	32비트 부호 없는 정수 값의 텐서

결과:

결과	설명
output	32비트 부동 소수점 또는 32비트 부호 없는 정수 값으로 이루어진 텐서

tfl.unsorted_segment_prod (TFL::UnsortedSegmentProdOp)

UnsortedSegmentProd operator

Computes the product along segments of a tensor.

Traits: AlwaysSpeculatableImplTrait

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

피연산자	설명
input	32비트 부동 소수점 또는 32비트 부호 없는 정수 값으로 이루어진 텐서
segment_ids	32비트 부호 없는 정수 값의 텐서
num_segments	32비트 부호 없는 정수 값의 텐서

결과:

결과	설명
output	32비트 부동 소수점 또는 32비트 부호 없는 정수 값으로 이루어진 텐서

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

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

피연산자	설명
input	32비트 부동 소수점 또는 32비트 부호 없는 정수 값으로 이루어진 텐서
segment_ids	32비트 부호 없는 정수 값의 텐서
num_segments	32비트 부호 없는 정수 값의 텐서

결과:

결과	설명
output	32비트 부동 소수점 또는 32비트 부호 없는 정수 값으로 이루어진 텐서

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

속성:

기인하다	MLIR Type	설명
container	::mlir::StringAttr	문자열 속성
shared_name	::mlir::StringAttr	문자열 속성

결과:

결과	설명
resource_handle	리소스 값 텐서

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

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

피연산자	설명
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

결과:

결과	설명
index	tensor of 64-bit signless integer values

tfl.while (TFL::WhileOp)

while 루프

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

속성:

기인하다	MLIR Type	설명
is_stateless	::mlir::BoolAttr	bool attribute

Operands:

피연산자	설명
input	토큰 타입이 아닌 모든 값의 텐서의 가변 인자

결과:

결과	설명
output	토큰 타입이 아닌 모든 값의 텐서의 가변 인자

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

인터페이스: ConditionallySpeculatable , NoMemoryEffect (MemoryEffectOpInterface) , TflRuntimeVerifyOpInterface

Effects: MemoryEffects::Effect{}

Operands:

피연산자	설명
«unnamed»	variadic of any non-token type

tfl.zeros_like (TFL::ZerosLikeOp)

ZerosLike operator

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

특성: AlwaysSpeculatableImplTrait , SameOperandsAndResultType

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

Effects: MemoryEffects::Effect{}

Operands:

피연산자	설명
input	tensor of 64-bit signless integer or 32-bit signless integer or 32-bit float values

결과:

결과	설명
output	tensor of 64-bit signless integer or 32-bit signless integer or 32-bit float values

속성

DimensionMetadataAttr

Dimension metadata.

통사론:

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

매개변수:

매개변수	C++ type	설명
체재	::mlir::TFL::DimensionTypeAttr	차원 유형
dense_size	int32_t
세그먼트	::llvm::ArrayRef<int32_t>
지수	::llvm::ArrayRef<int32_t>

SparsityParameterAttr

Sparsity parameter.

통사론:

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

매개변수:

매개변수	C++ type	설명
traversal_order	::llvm::ArrayRef<int32_t>
block_map	::llvm::ArrayRef<int32_t>
dim_metadata	::llvm::ArrayRef<DimensionMetadataAttr>

ConstBytesAttr

컴파일된 바이트의 문자열 속성 표현

구문 예시:

#tfl<const_bytes : "0xDEADBEEF">

매개변수:

매개변수	C++ type	설명
값	::llvm::StringRef

DimensionTypeAttr

_Dimension type

통사론:

#tfl.dimension_type_attr<
  `DENSE` | `SPARSE_CSR`   # value
>

매개변수:

매개변수	C++ type	설명
값	::mlir::TFL::DimensionType	an enum of type DimensionType

ExternalBufferAttr

Flatbuffer external buffer metadata.

통사론:

#tfl.external_buffer<
  ::mlir::StringAttr,   # group_name
  uint64_t,   # offset
  uint64_t,   # length
  ::mlir::StringAttr   # packing
>

매개변수:

매개변수	C++ type	설명
그룹 이름	::mlir::StringAttr
오프셋	uint64_t
길이	uint64_t
포장	::mlir::StringAttr

LSTMKernelTypeAttr

_Lstm_kernel type

통사론:

#tfl.lstm_kernel_type_attr<
  `FULL` | `BASIC`   # value
>

매개변수:

매개변수	C++ type	설명
값	::mlir::TFL::LSTMKernelType	an enum of type LSTMKernelType

MirrorPaddingTypeAttr

_Mirror_pad enum

통사론:

#tfl.mirror_pad_attr<
  `REFLECT` | `SYMMETRIC`   # value
>

매개변수:

매개변수	C++ type	설명
값	::mlir::TFL::MirrorPaddingType	an enum of type MirrorPaddingType

열거형

DimensionType

_Dimension type

사례:

상징	값	끈
밀집한	0	밀집한
SPARSE_CSR	1	SPARSE_CSR

LSTMKernelType

_Lstm_kernel type

사례:

상징	값	끈
가득한	0	가득한
기초적인	1	기초적인

MirrorPaddingType

_Mirror_pad enum

사례:

상징	값	끈
반영하다	0	반영하다
대칭	1	대칭