- api : add args : (Tensor x, Tensor y) output : Tensor infer_meta : func : ElementwiseInferMeta kernel : func : add - api : cast args : (Tensor x, DataType out_dtype) output : Tensor infer_meta : func : CastInferMeta kernel : func : cast param : [x, out_dtype] data_type : x - api : concat args : (Tensor[] x, Scalar axis) output : Tensor infer_meta : func : ConcatInferMeta param : [x, axis] kernel : func : concat - api : conj args : (Tensor x) output : Tensor infer_meta : func : UnchangedInferMeta kernel : func : conj - api : copy_to args : (Tensor x, Backend backend, bool blocking) output : Tensor invoke : copy_to_impl(x, backend, blocking) - api : divide args : (Tensor x, Tensor y) output : Tensor infer_meta : func : ElementwiseInferMeta kernel : func : divide - api : dot args : (Tensor x, Tensor y) output : Tensor infer_meta : func : DotInferMeta kernel : func : dot - api : empty args : (ScalarArray shape, DataType dtype=DataType::FLOAT32, Backend place=Backend::CPU) output: Tensor infer_meta : func : CreateInferMeta param : [shape, dtype] kernel : func : empty param : [shape, dtype] data_type : dtype backend : place - api : empty_like args : (Tensor x, DataType dtype = DataType::UNDEFINED, Backend place = Backend::UNDEFINED) output: Tensor infer_meta : func : CreateLikeInferMeta param : [x, dtype] kernel : func : empty_like param : [x, dtype] data_type : dtype > x backend : place > x - api : flatten args : (Tensor x, int start_axis, int stop_axis) output : Tensor infer_meta : func : FlattenInferMeta kernel : func : flatten - api : full args : (ScalarArray shape, Scalar value, DataType dtype=DataType::FLOAT32, Backend place=Backend::CPU) output: Tensor infer_meta : func : CreateInferMeta param : [shape, dtype] kernel : func : full param : [shape, value, dtype] data_type : dtype backend : place - api : full_like args : (Tensor x, Scalar value, DataType dtype = DataType::UNDEFINED, Backend place = Backend::UNDEFINED) output: Tensor infer_meta : func : CreateLikeInferMeta param : [x, dtype] kernel : func : full_like param : [x, value, dtype] data_type : dtype > x backend : place > x - api : matmul args : (Tensor x, Tensor y, bool transpose_x = false, bool transpose_y = false) output : Tensor infer_meta : func : MatmulInferMeta kernel : func : matmul backward : matmul_grad - api : mean args : (Tensor x, int64[] axis={}, bool keep_dim=false) output : Tensor infer_meta : func : ReduceInferMeta kernel : func : mean - api : multiply args : (Tensor x, Tensor y) output : Tensor infer_meta : func : ElementwiseInferMeta kernel : func : multiply - api : ones_like args : (Tensor x, DataType dtype=DataType::UNDEFINED, Backend place=Backend::UNDEFINED) output : Tensor invoke : full_like(x, 1, dtype, place) - api : pool2d args : (Tensor x, int[] kernel_size, int[] strides, int[] paddings, bool ceil_mode, bool exclusive, str data_format, str pooling_type, bool global_pooling, bool adaptive, str padding_algorithm) output : Tensor(out) infer_meta : func : PoolInferMeta kernel: func : pool2d - api : reshape args : (Tensor x, ScalarArray shape) output : Tensor(out) infer_meta : func : ReshapeInferMeta kernel : func : reshape inplace : (x -> out) - api : relu args : (Tensor x) output : Tensor infer_meta : func : UnchangedInferMeta kernel : func : relu inplace : (x -> out) backward : relu_grad - api : scale args : (Tensor x, Scalar scale, float bias, bool bias_after_scale) output : Tensor infer_meta : func : UnchangedInferMeta param : [x] kernel : func : scale, scale_sr inplace : (x -> out) - api : sign args : (Tensor x) output : Tensor infer_meta : func : UnchangedInferMeta kernel : func : sign - api : softmax args : (Tensor x, int axis) output : Tensor infer_meta : func : SoftmaxInferMeta kernel : func : softmax backward : softmax_grad - api : split args : (Tensor x, ScalarArray num_or_sections, Scalar axis) output : Tensor[] invoke : split_impl(x, num_or_sections, axis) - api : subtract args : (Tensor x, Tensor y) output : Tensor infer_meta : func : ElementwiseInferMeta kernel : func : subtract - api : sum args : (Tensor x, int64[] axis={}, DataType dtype=DataType::UNDEFINED, bool keep_dim=false) output : Tensor infer_meta : func : SumInferMeta kernel : func : sum data_type : x - api : zeros_like args : (Tensor x, DataType dtype=DataType::UNDEFINED, Backend place=Backend::UNDEFINED) output : Tensor invoke : full_like(x, 0, dtype, place) - api : one_hot args : (Tensor x, Scalar num_classes) output : Tensor infer_meta : func : OneHotInferMeta kernel : func : one_hot - api : digamma args : (Tensor x) output : Tensor infer_meta : func : UnchangedInferMeta kernel : func : digamma backward : digamma_grad - api : abs args : (Tensor x) output : Tensor infer_meta : func : UnchangedInferMeta kernel : func : abs backward : abs_grad - api : trunc args : (Tensor x) output : Tensor infer_meta : func : UnchangedInferMeta kernel : func : trunc backward : trunc_grad # - api : norm # args : (Tensor x, int axis, float epsilon, bool is_test) # output : Tensor(out), Tensor(norm) # infer_meta : # func : NormInferMeta # kernel : # func : norm # intermediate : norm # backward : norm_grad - api : diagonal args : (Tensor x, int offset, int axis1, int axis2) output : Tensor infer_meta : func : DiagonalInferMeta kernel : func : diagonal backward : diagonal_grad # # maxout # - api : maxout # args : (Tensor x, int groups, int axis) # output : Tensor # infer_meta : # func : MaxoutInferMeta # kernel : # func : maxout # backward : maxout_grad # put_along_axis - api : put_along_axis args : (Tensor x, Tensor index, Tensor value, int axis, str reduce) output : Tensor infer_meta : func : UnchangedInferMeta param : [index] kernel : func : put_along_axis dtype : x backward : put_along_axis_grad # take_along_axis - api : take_along_axis args : (Tensor x, Tensor index, int axis) output : Tensor infer_meta : func : UnchangedInferMeta param : [index] kernel : func : take_along_axis dtype : x backward : take_along_axis_grad # matrix_power - api : matrix_power args : (Tensor x, int n) output : Tensor infer_meta : func : UnchangedInferMeta param : [x] kernel : func : matrix_power backward : matrix_power_grad # eigh - api : eigh args : (Tensor x, str uplo) output : Tensor(out_w), Tensor(out_v) infer_meta : func : EighInferMeta kernel : func : eigh backward : eigh_grad # segment_pool - api : segment_pool args : (Tensor x, Tensor segment_ids, str pooltype) output : Tensor(out), Tensor(summed_ids) infer_meta : func : SegmentPoolInferMeta kernel : func : segment_pool backward : segment_pool_grad # # accuracy # - api : accuracy # args : (Tensor x, Tensor indices, Tensor label) # output : Tensor(accuracy), Tensor(correct), Tensor(total) # infer_meta : # func : AccuracyInferMeta # kernel : # func : accuracy # dtype : x # sin - api : sin args : (Tensor x) output : Tensor infer_meta : func : UnchangedInferMeta kernel : func : sin backward : sin_grad # cos - api : cos args : (Tensor x) output : Tensor infer_meta : func : UnchangedInferMeta kernel : func : cos backward : cos_grad # tanh - api : tanh args : (Tensor x) output : Tensor infer_meta : func : UnchangedInferMeta kernel : func : tanh backward : tanh_grad # acos - api : acos args : (Tensor x) output : Tensor infer_meta : func : UnchangedInferMeta kernel : func : acos backward : acos_grad # asin - api : asin args : (Tensor x) output : Tensor infer_meta : func : UnchangedInferMeta kernel : func : asin backward : asin_grad # atan - api : atan args : (Tensor x) output : Tensor infer_meta : func : UnchangedInferMeta kernel : func : atan backward : atan_grad # sinh - api : sinh args : (Tensor x) output : Tensor infer_meta : func : UnchangedInferMeta kernel : func : sinh backward : sinh_grad # cosh - api : cosh args : (Tensor x) output : Tensor infer_meta : func : UnchangedInferMeta kernel : func : cosh backward : cosh_grad # asinh - api : asinh args : (Tensor x) output : Tensor infer_meta : func : UnchangedInferMeta kernel : func : asinh backward : asinh_grad # acosh - api : acosh args : (Tensor x) output : Tensor infer_meta : func : UnchangedInferMeta kernel : func : acosh backward : acosh_grad # atanh - api : atanh args : (Tensor x) output : Tensor infer_meta : func : UnchangedInferMeta kernel : func : atanh backward : atanh_grad # sigmoid - api : sigmoid args : (Tensor x) output : Tensor infer_meta : func : UnchangedInferMeta kernel : func : sigmoid backward : sigmoid_grad # tan - api : tan args : (Tensor x) output : Tensor infer_meta : func : UnchangedInferMeta kernel : func : tan backward : tan_grad # tanh_shrink - api : tanh_shrink args : (Tensor x) output : Tensor infer_meta : func : UnchangedInferMeta kernel : func : tanh_shrink backward : tanh_shrink_grad # silu - api : silu args : (Tensor x) output : Tensor infer_meta : func : UnchangedInferMeta kernel : func : silu backward : silu_grad # logsigmoid - api : logsigmoid args : (Tensor x) output : Tensor infer_meta : func : UnchangedInferMeta kernel : func : logsigmoid backward : logsigmoid_grad # leaky_relu - api : leaky_relu args : (Tensor x, float alpha) output : Tensor infer_meta : func : UnchangedInferMeta param : [x] kernel : func : leaky_relu backward : leaky_relu_grad # thresholded_relu - api : thresholded_relu args : (Tensor x, float threshold) output : Tensor infer_meta : func : UnchangedInferMeta param : [x] kernel : func : thresholded_relu backward : thresholded_relu_grad # soft_shrink - api : soft_shrink args : (Tensor x, float lambda) output : Tensor infer_meta : func : UnchangedInferMeta param : [x] kernel : func : soft_shrink backward : soft_shrink_grad # hard_shrink - api : hard_shrink args : (Tensor x, float threshold) output : Tensor infer_meta : func : UnchangedInferMeta param : [x] kernel : func : hard_shrink backward : hard_shrink_grad # elu - api : elu args : (Tensor x, float alpha) output : Tensor infer_meta : func : UnchangedInferMeta param : [x] kernel : func : elu backward : elu_grad # brelu - api : brelu args : (Tensor x, float t_min, float t_max) output : Tensor infer_meta : func : UnchangedInferMeta param : [x] kernel : func : brelu backward : brelu_grad # hard_sigmoid - api : hard_sigmoid args : (Tensor x, float slope, float offset) output : Tensor infer_meta : func : UnchangedInferMeta param : [x] kernel : func : hard_sigmoid backward : hard_sigmoid_grad # arg_min # int64 ???? dtype - api : argmin args : (Tensor x, int64 axis, bool keepdims, bool flatten, int dtype) output : Tensor infer_meta : func : ArgMinMaxInferMeta kernel : func : arg_min # arg_max # int64 ???? dtype - api : argmax args : (Tensor x, int64 axis, bool keepdims, bool flatten, int dtype) output : Tensor infer_meta : func : ArgMinMaxInferMeta kernel : func : arg_max # argsort - api : argsort args : (Tensor x, int axis, bool descending) output : Tensor(out), Tensor(indices) infer_meta : func : ArgsortInferMeta kernel : func : argsort backward : argsort_grad # auc - api : auc args : (Tensor x, Tensor label, Tensor stat_pos, Tensor stat_neg, str curve, int num_thresholds, int slide_steps) output : Tensor(auc), Tensor(stat_pos_out), Tensor(stat_neg_out) infer_meta : func : AucInferMeta kernel : func : auc # # batch_norm # - api : batch_norm # args : (Tensor x, Tensor scale, Tensor bias, Tensor mean, Tensor variance, float momentum, float epsilon, str data_layout, bool is_test, bool use_global_stats, bool trainable_statistics, bool fuse_with_relu) # output : Tensor(out), Tensor(mean_out), Tensor(variance_out), Tensor(saved_mean), Tensor(saved_variance), Tensor(reserve_space) # infer_meta : # func : XXXXInferMeta # kernel : # func : batch_norm # backward: batch_norm_grad # bernoulli - api : bernoulli args : (Tensor x) output : Tensor infer_meta : func : UnchangedInferMeta kernel : func : bernoulli # # bilinear_tensor_product ?? optional # - api : bilinear_tensor_product # args : (Tensor x, Tensor y, Tensor weight, Tensor bias) # output : Tensor # infer_meta : # func : BilinearTensorProductInferMeta # kernel : # func : bilinear_tensor_product # backward : bilinear_tensor_product_grad # optional : bias # bincount - api : bincount args : (Tensor x, Tensor weight, int minlength) output : Tensor infer_meta : func : BincountInferMeta kernel : func : bincount optional : weight # bitwise_and - api : bitwise_and args : (Tensor x, Tensor y) output : Tensor infer_meta : func : ElementwiseInferMeta kernel : func : bitwise_and # bitwise_or - api : bitwise_or args : (Tensor x, Tensor y) output : Tensor infer_meta : func : ElementwiseInferMeta kernel : func : bitwise_or # bitwise_xor - api : bitwise_xor args : (Tensor x, Tensor y) output : Tensor infer_meta : func : ElementwiseInferMeta kernel : func : bitwise_xor # bitwise_not - api : bitwise_not args : (Tensor x) output : Tensor infer_meta : func : UnchangedInferMeta kernel : func : bitwise_not # broadcast_tensors # - api : broadcast_tensors # args : (Tensor[] x) # output : Tensor[] # infer_meta : # func : BroadcastTensorsInferMeta # kernel : # func : broadcast_tensors # backward : broadcast_tensors_grad # cholesky - api : cholesky args : (Tensor x, bool upper) output : Tensor infer_meta : func : CholeskyInferMeta kernel : func : cholesky backward : cholesky_grad # cholesky_solve - api : cholesky_solve args : (Tensor x, Tensor y, bool upper) output : Tensor infer_meta : func : CholeskySolveInferMeta kernel : func : cholesky_solve backward : cholesky_solve_grad # # conv2d # # copy # cumsum - api : cumsum args : (Tensor x, int axis, bool flatten, bool exclusive, bool reverse) output : Tensor infer_meta : func : CumsumInferMeta kernel : func : cumsum # # depthwise_conv2d # # dropout ?? optional, intermediate # - api : dropout # args : (Tensor x, Tensor seed_tensor, float p, bool is_test, str mode, int seed, bool fix_seed) # output : Tensor(out), Tensor(mask) # infer_meta : # func : DropoutInferMeta # kernel : # func : dropout # # embedding # erf - api : erf args : (Tensor x) output : Tensor infer_meta : func : UnchangedInferMeta kernel : func : erf backward : erf_grad # erfinv - api : erfinv args : (Tensor x) output : Tensor infer_meta : func : UnchangedInferMeta kernel : func : erfinv backward : erfinv_grad # expand_as # - api : expand_as # args : (Tensor x, Tensor y, int[] shape) # output : Tensor # infer_meta : # func : ExpandAsInferMeta # kernel : # func : expand_as # backward : expand_as_grad # optional : y # # expand # - api : expand # args : (Tensor x, ScalarArray shape) # output : Tensor # infer_meta : # func : ExpandInferMeta # kernel : # func : expand # backward : expand_grad # eye # - api : eye # args : (int64 num_rows, int64 num_colums, DataType dtype = DataType::FLOAT32) # output : Tensor # infer_meta : # func : EyeInferMeta # kernel : # func : eye # # flip # - api : flip # args : (Tensor x, int[] axis) # output : Tensor # infer_meta : # func : FlipInferMeta # kernel : # func : flip # gaussian_random # - api : gaussian_random # args : (ScalarArray shape, float mean, float std, int seed, DataType dtype=DataType::FLOAT32) # output : Tensor # infer_meta : # func : CreateInferMeta # param : [shape, dtype] # kernel : # func : gaussian_random # data_type : dtype # # graph_send_recv # - api : graph_send_recv # args : (Tensor x, Tensor src_index, Tensor dst_index, str pool_type) # output : Tensor(out), Tensor(dst_count) # infer_meta : # func : GraphSendRecvInferMeta # kernel : # func : graph_send_recv # backward : graph_send_recv_grad # # histogram int64 ??? # - api : histogram # args : (Tensor x, int64 bins, int min, int max) # output : Tensor # infer_meta : # func : HistogramInferMeta # kernel : # func : histogram # increment - api : increment args : (Tensor x, float value) output : Tensor infer_meta : func : IncrementInferMeta kernel : func : increment # is_empty - api : is_empty args : (Tensor x) output : Tensor infer_meta : func : IsEmptyInferMeta kernel : func : is_empty # # isinf selected rows??? involk # - api : isinf # args : (Tensor x) # output : Tensor # infer_meta : # func : IsfiniteInferMeta # kernel : # func : isinf # # isnan selected rows??? involk # - api : isnan # args : (Tensor x) # output : Tensor # infer_meta : # func : IsfiniteInferMeta # kernel : # func : isnan # # isfinite selected rows??? involk # - api : isfinite # args : (Tensor x) # output : Tensor # infer_meta : # func : IsfiniteInferMeta # kernel : # func : isfinite # label_smooth ?? optional # - api : label_smooth # args : (Tensor label, Tensor prior_dist, float epsilon) # output : Tensor # infer_meta : # func : UnchangedInferMeta # param : [label] # kernel : # func : label_smooth # backward : label_smooth_grad # optional : prior_dist # linspace ???? start stop number # - api : linspace # args : (Tensor start, Tensor stop, Tensor number, DataType dtype=DataType::FLOAT32) # output : Tensor # infer_meta : # func : LinspaceInferMeta # kernel : # func : linspace # log_loss - api : log_loss args : (Tensor input, Tensor label, float epsilon) output : Tensor infer_meta : func : LogLossInferMeta kernel : func : log_loss backward : log_loss_grad # # logical_and # - api : logical_and # args : (Tensor x, Tensor y) # output : Tensor # infer_meta : # func : LogicalInferMeta # kernel : # func : logical_and # # logical_or # - api : logical_or # args : (Tensor x, Tensor y) # output : Tensor # infer_meta : # func : LogicalInferMeta # kernel : # func : logical_or # # logical_xor # - api : logical_xor # args : (Tensor x, Tensor y) # output : Tensor # infer_meta : # func : LogicalInferMeta # kernel : # func : logical_xor # logical_not - api : logical_not args : (Tensor x) output : Tensor infer_meta : func : UnchangedInferMeta kernel : func : logical_not # # masked_select # - api : masked_select # args : (Tensor x, Tensor mask) # output : Tensor # infer_meta : # func : MaksedSelectInferMeta # kernel : # func : masked_select # backward : masked_select_grad # # multi_dot # - api : multi_dot # args : (Tensor[] x) # output : Tensor # infer_meta : # func : MultiDotInferMeta # kernel : # func : multi_dot # backward : multi_dot_grad # multinomial - api : multinomial args : (Tensor x, int num_samples, bool replacement) output : Tensor infer_meta : func : MultinomialInferMeta kernel : func : multinomial # nll_loss ?? optional # - api : nll_loss # args : (Tensor x, Tensor label, Tensor weight, int64 ignore_index, str reduction) # output : Tensor(out), Tensor(total_weight) # infer_meta : # func : NllLossRawInferMeta # kernel : # func : nll_loss # backward : nll_loss_grad # optional : weight # # pad # - api : pad # args : (Tensor x, int[] paddings, float pad_value) # output : Tensor # infer_meta : # func : PadInferMeta # kernel : # func : pad # backward : pad_grad # # pixel_shuffle # - api : pixel_shuffle # args : (Tensor x, int upscale_factor, str data_format) # output : Tensor # infer_meta : # func : PixelShuffleInferMeta # kernel : # func : pixel_shuffle # backward : pixel_shuffle_grad # # poisson # - api : poisson # args : (Tensor x) # output : Tensor # infer_meta : # func : PoissonInferMeta # kernel : # func : poisson # backward : poisson_grad # psroi_pool ?? optional # - api : psroi_pool # args : (Tensor x, Tensor rois, Tensor rois_num, int pooled_weight, int pooled_width, int output_channels, float spatial_scale ) # output : Tensor # infer_meta : # func : PsroiPoolInferMeta # kernel : # func : psroi_pool # backward : psroi_pool_grad # optional : rois_num # # randint_raw # - api : randint # args : (int low, int high, ScalarArray shape, DataType dtype) # output : Tensor # infer_meta : # func : RandintInferMeta # kernel : # func : randint # # randperm_raw # - api : randperm # args : (int n, DataType dtype) # output : Tensor # infer_meta : # func : RandpermInferMeta # kernel : # func : randperm # # max # - api : max # args : (Tensor x, int64_t[] dims, bool keep_dim) # output : Tensor # infer_meta : # func : MaxInferMeta # kernel : # func : max # # reduce_prod # - api : reduce_prod # args : (Tensor x, int64_t[] dims, bool keep_dim, bool reduce_all) # output : Tensor # infer_meta : # func : ReduceProdInferMeta # kernel : # func : reduce_prod # selu - api : selu args : (Tensor x, float scale, float alpha) output : Tensor infer_meta : func : UnchangedInferMeta param : [x] kernel : func : selu backward : selu_grad # # set_value None api # # sgd # need invoke # # shape ??? selcted rows # shard_index - api : shard_index args : (Tensor in, int index_num, int nshards, int shard_id, int ignore_value) output : Tensor infer_meta : func : ShardIndexInferMeta kernel : func : shard_index # sigmoid_cross_entropy_with_logits - api : sigmoid_cross_entropy_with_logits args : (Tensor x, Tensor label, bool normalize, int ignore_index) output : Tensor infer_meta : func : SigmoidCrossEntropyWithLogitsInferMeta kernel : func : sigmoid_cross_entropy_with_logits backward : sigmoid_cross_entropy_with_logits_grad # size - api : size args : (Tensor x) output : Tensor infer_meta : func : SizeInferMeta kernel : func : size # tile - api : tile args : (Tensor x, ScalarArray repeat_times) output : Tensor infer_meta : func : TileInferMeta kernel : func : tile backward : tile_grad # # top_k # - api : top_k # args : (Tensor x, Scalar k, int axis, bool largest, bool sorted) # output : Tensor(out), Tensor(indices) # infer_meta : # func : TopkInferMeta # kernel : # func : top_k # backward : top_k_grad # trace - api : trace args : (Tensor x, int offset, int axis1, int axis2) output : Tensor infer_meta : func : TraceInferMeta kernel : func : trace backward : trace_grad # # phi_transfer_layout | not have python api # # truncated_gaussian_random # - api : truncated_gaussian_random # args : (int[] shape, float mean, float std, int seed, DataType dtype) # output : Tensor # infer_meta : # func : TruncatedGaussianRandomInferMeta # kernel : # func : truncated_gaussian_random # # unbind # - api : unbind # args : (Tensor x, int axis) # output : Tensor[] # infer_meta : # func : UnbindInferMeta # kernel : # func : unbind # unfold - api : unfold args : (Tensor x, int[] kernel_sizes, int[] strides, int[] paddings, int[] dilations) output : Tensor infer_meta : func : UnfoldInferMeta kernel : func : unfold backward : unfold_grad # # uniform_random_raw selected rows ?? # viterbi_decode # - api : viterbi_decode # args : (Tensor input, Tensor transition, Tensor length, bool include_bos_eos_tag) # output : Tensor(scores), Tensor(path) # infer_meta : # func : ViterbiDecodeInferMeta # kernel : # func : viterbi_decode # where_index - api : where_index args : (Tensor condition) output : Tensor infer_meta : func : WhereIndexInferMeta kernel : func : where_index # # yolo_box # - api : yolo_box # args : (Tensor x, Tensor img_size, int[] anchors, int class_num, float conf_thresh, int downsample_ratio, bool clip_bbox, float scale_x_y, bool iou_aware, float iou_aware_factor) # output : Tensor(boxes), Tensor(scores) # infer_meta : # func : YoloBoxInferMeta # kernel : # func : yolo_box