# All the configuration in this file are only for existing operators, # which cannot be modified in principle. There's no need to configure # this file for new operator. # # This file is used for two purposes: # 1. Configure the mapping relationship of parameter names of operator # between the operators in ops.yaml and the old operators defined # in fluid. # 2. Save the extra parameters in the OpMaker of operators temporarily, # which will be removed in the future. # - op : rnn # backward : rnn_grad # extra : # attrs : [bool is_test = false] - op : abs backward : abs_grad inputs : x : X outputs : out : Out extra : attrs : [bool use_mkldnn = false] - op : acos inputs : x : X outputs : out : Out - op : acosh inputs : x : X outputs : out : Out backward : acosh_grad extra : attrs : [bool use_mkldnn = false, bool use_cudnn = false] - op : add (elementwise_add) backward : add_grad (elementwise_add_grad) extra : attrs : [bool use_mkldnn = false, str x_data_format = "", str y_data_format = "", str mkldnn_data_type = "float32", bool use_quantizer = false, float Scale_x = 1.0f, float Scale_y = 1.0f, float Scale_out = 1.0f] - op : addmm backward : addmm_grad extra : attrs : [bool use_mkldnn = false] - op : affine_grid backward : affine_grid_grad extra : attrs : [bool use_cudnn = true] - op : angle backward : angle_grad inputs : x : X outputs : out : Out extra : attrs : [bool use_mkldnn = false] - op : argsort inputs : x : X outputs : out : Out indices : Indices - op : as_complex inputs : x : X outputs : out : Out - op : as_real inputs : x : X outputs : out : Out - op : asin inputs : x : X outputs : out : Out - op : asinh backward : asinh_grad inputs : x : X outputs : out : Out extra : attrs : [bool use_mkldnn = false, bool use_cudnn = false] - op : atan inputs : x : X outputs : out : Out - op : atan2 inputs : {x : X1, y : X2} outputs : out : Out - op : atanh backward : atanh_grad inputs : x : X outputs : out : Out extra : attrs : [bool use_mkldnn = false, bool use_cudnn = false] - op : batch_norm backward : batch_norm_grad extra : attrs : [bool use_mkldnn = false, bool fuse_with_relu = false] - op : bernoulli inputs : x : X outputs : out : Out - op : bicubic_interp (bicubic_interp_v2) backward : bicubic_interp_grad (bicubic_interp_v2_grad) extra : attrs : [bool use_mkldnn = false] - op : bilinear_interp (bilinear_interp_v2) backward : bilinear_interp_grad (bilinear_interp_v2_grad) extra : attrs : [bool use_mkldnn = false] - op : bmm inputs : {x : X, y : Y} outputs : out : Out - op : ceil backward : ceil_grad inputs : x : X outputs : out : Out extra : attrs : [bool use_mkldnn = false, bool use_cudnn = false] - op : celu backward : celu_grad, celu_double_grad(celu_grad_grad) inputs : x : X outputs : out : Out - op : cholesky inputs : x : X outputs : out : Out - op : cholesky_solve inputs : {x : X, y : Y} outputs : out : Out - op : clip backward : clip_grad extra : attrs : [bool use_mkldnn = false, str mkldnn_data_type = "float32"] - op : concat backward : concat_grad extra : attrs : [bool use_mkldnn = false, bool use_quantizer = false, str mkldnn_data_type = "float32"] - op : conditional_block backward : conditional_block_grad extra : attrs : ['str[] skip_eager_deletion_vars = {}'] - op : conj inputs : x : X outputs : out : Out - op : conv2d backward : conv2d_grad extra : attrs : [bool is_test = false, bool use_cudnn = true, bool fuse_relu_before_depthwise_conv = false, bool use_mkldnn = false, bool use_quantizer = false, str mkldnn_data_type = "float32", bool fuse_relu = false, str fuse_activation = "", float fuse_alpha = 0.0f, float fuse_beta = 0.0f, bool use_addto = false, bool fuse_residual_connection = false, float Scale_in = 1.0f, float Scale_out = 1.0f, float Scale_in_eltwise = 1.0f, 'float[] Scale_weights = {1.0f}', bool force_fp32_output = false, int workspace_size_MB = phi::backends::gpu::GetDefaultConvWorkspaceSizeLimitMB(), bool exhaustive_search = false] - op : conv2d_fusion extra : attrs : [bool is_test = false, bool use_cudnn = false, bool fuse_relu_before_depthwise_conv = false, bool use_mkldnn = false, bool use_quantizer = false, str mkldnn_data_type = "float32", bool fuse_relu = false, str fuse_activation = "", float fuse_alpha = 0.0f, float fuse_beta = 0.0f, bool use_addto = false, bool fuse_residual_connection = false, float Scale_in = 1.0f, float Scale_out = 1.0f, float Scale_in_eltwise = 1.0f, 'float[] Scale_weights = {1.0f}', bool force_fp32_output = false, int workspace_size_MB = phi::backends::gpu::GetDefaultConvWorkspaceSizeLimitMB(), bool exhaustive_search = false] - op : conv2d_transpose backward : conv2d_transpose_grad extra : attrs : [bool is_test = false, bool use_cudnn = true, bool use_mkldnn = false, bool force_fp32_output = false, str mkldnn_data_type = "float32", bool fuse_relu = false, str fuse_activation = "", float fuse_alpha = 0.0f, float fuse_beta = 0.0f, int workspace_size_MB = phi::backends::gpu::GetDefaultConvWorkspaceSizeLimitMB()] - op : conv3d backward : conv3d_grad extra : attrs : [bool is_test = false, bool use_cudnn = true, bool use_mkldnn = false, str mkldnn_data_type = "float32", bool fuse_relu = false, str fuse_activation = "", float fuse_alpha = 0.0f, float fuse_beta = 0.0f, bool use_addto = false, bool fuse_residual_connection = false, bool force_fp32_output = false, int workspace_size_MB = phi::backends::gpu::GetDefaultConvWorkspaceSizeLimitMB(), bool exhaustive_search = false] - op : conv3d_transpose backward : conv3d_transpose_grad extra : attrs : [bool use_cudnn = true, bool use_mkldnn = false, int workspace_size_MB = phi::backends::gpu::GetDefaultConvWorkspaceSizeLimitMB()] - op : cos backward : cos_grad, cos_double_grad, cos_triple_grad inputs : x : X outputs : out : Out extra : attrs : [bool use_mkldnn = false, bool use_cudnn = false] - op : cosh backward : cosh_grad inputs : x : X outputs : out : Out extra : attrs : [bool use_mkldnn = false, bool use_cudnn = false] - op : crop (crop_tensor) backward : crop_grad (crop_tensor_grad) inputs : x : X outputs : out : Out int_array: shape : data_type : int tensor_name : Shape tensors_name : ShapeTensor offsets : data_type : int tensor_name : Offsets tensors_name : OffsetsTensor - op : cross inputs : {x : X, y : Y} attrs : axis : dim outputs : out : Out - op : data_norm backward : data_norm_grad extra : attrs : [bool use_mkldnn = false] - op : depthwise_conv2d backward : depthwise_conv2d_grad extra : attrs : [bool is_test = false, bool fuse_relu_before_depthwise_conv = false, bool use_mkldnn = false, bool use_quantizer = false, str mkldnn_data_type = "float32", bool fuse_relu = false, str fuse_activation = "", float fuse_alpha = 0.0f, float fuse_beta = 0.0f, bool use_addto = false, bool fuse_residual_connection = false, float Scale_in = 1.0f, float Scale_out = 1.0f, float Scale_in_eltwise = 1.0f, 'float[] Scale_weights = {1.0f}', bool force_fp32_output = false, int workspace_size_MB = phi::backends::gpu::GetDefaultConvWorkspaceSizeLimitMB(), bool exhaustive_search = false] - op : depthwise_conv2d_transpose backward : depthwise_conv2d_transpose_grad extra : attrs : [bool is_test = false, bool use_cudnn = false, bool use_mkldnn = false, bool force_fp32_output = false, str mkldnn_data_type = "float32", bool fuse_relu = false, str fuse_activation = "", float fuse_alpha = 0.0f, float fuse_beta = 0.0f, int workspace_size_MB = phi::backends::gpu::GetDefaultConvWorkspaceSizeLimitMB()] - op : dequantize_linear extra : attrs : [float moving_rate = 0.9] - op : det (determinant) backward : det_grad (determinant_grad) inputs : x : Input outputs : out : Out - op : diag (diag_v2) backward : diag_grad (diag_v2_grad) inputs : x : X outputs : out : Out - op : diag_embed inputs : input : Input outputs : out : Out - op : diagonal inputs : x : Input outputs : out : Out - op : digamma inputs : x : X outputs : out : Out - op : dist inputs : {x : X, y : Y} outputs : out : Out - op : distributed_push_sparse extra : attrs : ['int[] slots = {}'] - op : divide (elementwise_div) backward : divide_grad (elementwise_div) extra : attrs : [bool use_mkldnn = false, str x_data_format = "", str y_data_format = "", str mkldnn_data_type = "float32", bool use_quantizer = false, float Scale_x = 1.0f, float Scale_y = 1.0f, float Scale_out = 1.0f] - op : dot inputs : {x : X, y : Y} outputs : out : Out - op : dropout backward : dropout_grad extra : attrs : [bool fix_seed = false, int seed = 0] - op : dropout_nd backward : dropout_nd_grad extra : attrs : [bool fix_seed = false, int seed = 0] - op : eig inputs : x : X outputs : out_w : Eigenvalues out_v : Eigenvectors - op : eigh inputs : x : X outputs : out_w : Eigenvalues out_v : Eigenvectors - op : eigvals inputs : x : X outputs : out : Out - op : elementwise_pow backward : elementwise_pow_grad extra : attrs : [bool use_mkldnn = false, str x_data_format = "", str y_data_format = "", str mkldnn_data_type = "float32", bool use_quantizer = false, float Scale_x = 1.0f, float Scale_y = 1.0f, float Scale_out = 1.0f] - op : elu backward : elu_grad, elu_double_grad (elu_grad_grad) inputs : x : X outputs : out : Out extra : attrs : [bool use_mkldnn = false] - op : embedding (lookup_table_v2) backward : embedding_grad (lookup_table_v2_grad) extra : attrs : [bool is_sparse = false, bool is_distributed = false, bool remote_prefetch = false, int trainer_id = 0, int slot = 0, 'int64_t[] height_sections = {}', 'str[] epmap = {}', 'str[] table_names = {}'] - op : equal_all inputs : {x : X, y : Y} outputs : out : Out - op : erf inputs : x : X outputs : out : Out - op : erfinv inputs : x : X outputs : out : Out - op : exp backward : exp_grad inputs : x : X outputs : out : Out extra : attrs : [bool use_mkldnn = false, bool use_cudnn = false] - op : expand (expand_v2) backward : expand_grad (expand_v2_grad) extra : attrs : [bool use_mkldnn = false, str mkldnn_data_type = "float32"] - op : expm1 backward : expm1_grad inputs : x : X outputs : out : Out extra : attrs : [bool use_mkldnn = false, bool use_cudnn = false] - op : fake_channel_wise_quantize_abs_max extra : attrs : [int round_type = 1] - op : fake_channel_wise_quantize_dequantize_abs_max extra : attrs : [int round_type = 1] - op : fake_quantize_abs_max extra : attrs : [int round_type = 1] - op : fake_quantize_dequantize_abs_max extra : attrs : [int round_type = 1] - op : fake_quantize_dequantize_moving_average_abs_max extra : attrs : [int round_type = 1] - op : fake_quantize_moving_average_abs_max extra : attrs : [int round_type = 1] - op : fake_quantize_range_abs_max extra : attrs : [int round_type = 1] - op : fft_c2c inputs: {x: X} outputs: {out: Out} - op : fft_c2r inputs: {x: X} outputs: {out: Out} - op : fft_r2c inputs: {x: X} outputs: {out: Out} - op : fill_diagonal_tensor inputs : {x : X, y : Y} outputs : out : Out - op : flip inputs : x : X outputs : out : Out - op : floor backward : floor_grad inputs : x : X outputs : out : Out extra : attrs : [bool use_mkldnn = false, bool use_cudnn = false] - op : floor_divide (elementwise_floordiv) extra : attrs : [bool use_mkldnn = false, str x_data_format = "", str y_data_format = "", str mkldnn_data_type = "float32", bool use_quantizer = false, float Scale_x = 1.0f, float Scale_y = 1.0f, float Scale_out = 1.0f] - op : fmax (elementwise_fmax) backward : fmax_grad (elementwise_fmax_grad) extra : attrs : [bool use_mkldnn = false, str x_data_format = "", str y_data_format = "", str mkldnn_data_type = "float32", bool use_quantizer = false, float Scale_x = 1.0f, float Scale_y = 1.0f, float Scale_out = 1.0f] - op : fmin (elementwise_fmin) backward : fmin_grad (elementwise_fmin_grad) extra : attrs : [bool use_mkldnn = false, str x_data_format = "", str y_data_format = "", str mkldnn_data_type = "float32", bool use_quantizer = false, float Scale_x = 1.0f, float Scale_y = 1.0f, float Scale_out = 1.0f] - op : fold inputs : x : X outputs : out : Y - op : frobenius_norm backward : frobenius_norm_grad extra : attrs : [bool use_mkldnn = false] - op : full (fill_constant) extra : attrs : [bool use_mkldnn = false] - op : gather backward : gather_grad extra : attrs : [bool overwrite = true] - op : gather_tree inputs : {ids : Ids, parents : Parents} outputs : out : Out - op : gelu backward : gelu_grad inputs : x : X outputs : out : Out extra : attrs : [bool use_mkldnn = false, str mkldnn_data_type = "float32"] - op : grad_add extra : attrs : [bool use_mkldnn = false, str x_data_format = "", str y_data_format = "", str mkldnn_data_type = "float32", bool use_quantizer = false, float Scale_x = 1.0f, float Scale_y = 1.0f, float Scale_out = 1.0f] - op : grid_sample(grid_sampler) backward : grid_sample_grad (grid_sampler_grad) inputs : {x : X, grid : Grid} outputs : out : Output extra : attrs : [bool use_cudnn = true] - op : gru backward : gru_grad extra : attrs : [bool is_test = false] - op : gumbel_softmax inputs : x : X outputs : out : Out - op : hard_swish backward : hard_swish_grad extra : attrs : [bool use_mkldnn = false] - op : hardshrink (hard_shrink) backward : hardshrink_grad (hard_shrink_grad) inputs : x : X outputs : out : Out - op : hardsigmoid (hard_sigmoid) backward : hardsigmoid_grad (hard_sigmoid_grad) inputs : x : X outputs : out : Out - op : heaviside (elementwise_heaviside) backward : heaviside_grad (elementwise_heaviside_grad) extra : attrs : [bool use_mkldnn = false, str x_data_format = "", str y_data_format = "", str mkldnn_data_type = "float32", bool use_quantizer = false, float Scale_x = 1.0f, float Scale_y = 1.0f, float Scale_out = 1.0f] - op : histogram inputs : input : X outputs : out : Out - op : index_sample inputs : {x : X, index : Index} outputs : out : Out - op : index_select inputs : {x : X, index : Index} outputs : out : Out attrs : axis : dim - op : inplace_abn backward : inplace_abn_grad extra : attrs : [bool use_mkldnn = false, bool fuse_with_relu = false] - op : inverse inputs : x : Input outputs : out : Output - op : is_empty inputs : x : X outputs : out : Out - op : isfinite (isfinite_v2) inputs : x : X outputs : out : Out - op : isinf (isinf_v2) inputs : x : X outputs : out : Out - op : isnan (isnan_v2) inputs : x : X outputs : out : Out - op : kthvalue inputs : x : X outputs : {out : Out, indices : Indices} - op : label_smooth inputs : {label : X, prior_dist : PriorDist} outputs : out : Out - op : layer_norm backward : layer_norm_grad extra : attrs : [bool use_mkldnn = false, str mkldnn_data_type = "float32", bool is_test = false] - op : leaky_relu backward : leaky_relu_grad, leaky_relu_double_grad (leaky_relu_grad_grad) inputs : x : X outputs : out : Out attrs: negative_slope : alpha extra : attrs : [bool use_mkldnn = false] - op : lerp backward : lerp_grad inputs : {x : X, y : Y, weight : Weight} outputs : out : Out - op : lgamma inputs : x : X outputs : out : Out - op : linear_interp (linear_interp_v2) backward : linear_interp_grad (linear_interp_v2_grad) extra : attrs : [bool use_mkldnn = false] - op : log backward : log_grad, log_double_grad (log_grad_grad) inputs : x : X outputs : out : Out extra : attrs : [bool use_mkldnn = false, bool use_cudnn = false] - op : log10 backward : log10_grad inputs : x : X outputs : out : Out extra : attrs : [bool use_mkldnn = false, bool use_cudnn = false] - op : log1p backward : log1p_grad inputs : x : X outputs : out : Out extra : attrs : [bool use_mkldnn = false, bool use_cudnn = false] - op : log2 backward : log2_grad inputs : x : X outputs : out : Out extra : attrs : [bool use_mkldnn = false, bool use_cudnn = false] - op : log_loss backward : log_loss_grad inputs : {input : Predicted, label : Labels} outputs : out : Loss - op : log_softmax backward : log_softmax_grad extra : attrs : [bool use_mkldnn = false] - op : logit inputs : x : X outputs : out : Out - op : logsigmoid inputs : x : X outputs : out : Out - op : logsigmoid backward : logsigmoid_grad extra : attrs : [bool use_mkldnn = false, bool use_cudnn = false] - op : lrn backward : lrn_grad extra : attrs : [bool use_mkldnn = false, bool is_test = false] - op : lu_unpack backward : lu_unpack_grad inputs : {x : X, y : Pivots} outputs : {pmat : Pmat, l : L, u : U} - op : masked_select inputs : {x : X, mask : Mask} outputs : out : Y - op : matmul (matmul_v2) backward : matmul_grad (matmul_v2_grad) extra : attrs : [bool use_mkldnn = false, 'int[] fused_reshape_Out = {}', 'int[] fused_transpose_Out = {}', str mkldnn_data_type = "float32", 'int[] fused_reshape_X = {}', 'int[] fused_reshape_Y = {}', 'int[] fused_transpose_X = {}', 'int[] fused_transpose_Y = {}'] - op : matmul_with_flatten (mul) backward : matmul_with_flatten_grad (mul_grad) extra : attrs : [bool use_mkldnn = false, float scale_x = 1.0f, 'float[] scale_y = {1.0f}', float scale_out = 1.0f, bool force_fp32_output = false] - op : matrix_power inputs : x : X outputs : out : Out - op : maximum (elementwise_max) backward : maximum_grad (elementwise_max_grad) extra : attrs : [bool use_mkldnn = false, str x_data_format = "", str y_data_format = "", str mkldnn_data_type = "float32", bool use_quantizer = false, float Scale_x = 1.0f, float Scale_y = 1.0f, float Scale_out = 1.0f] - op : maximum (elementwise_min) backward : maximum_grad (elementwise_min_grad) extra : attrs : [bool use_mkldnn = false, str x_data_format = "", str y_data_format = "", str mkldnn_data_type = "float32", bool use_quantizer = false, float Scale_x = 1.0f, float Scale_y = 1.0f, float Scale_out = 1.0f] - op : maxout inputs : x : X outputs : out : Out - op : mish backward : mish_grad extra : attrs : [bool use_mkldnn = false] - op : mode backward : mode_grad inputs : x : X outputs : {out : Out, indices : Indices} - op : multinomial inputs : {x : X} outputs : out : Out scalar : num_samples : data_type : int support_tensor : true - op : multiply (elementwise_mul) backward : multiply_grad (elementwise_mul_grad) extra : attrs : [bool use_mkldnn = false, str x_data_format = "", str y_data_format = "", str mkldnn_data_type = "float32", bool use_quantizer = false, float Scale_x = 1.0f, float Scale_y = 1.0f, float Scale_out = 1.0f] - op : mv inputs : {x : X, vec : Vec} outputs : out : Out - op : nce backward : nce_grad extra : attrs : [int trainer_id = 0, 'int64_t[] height_sections = {}', 'str[] epmap = {}', 'str[] table_names = {}', 'int[] custom_neg_classes = {}'] - op : nearest_interp (nearest_interp_v2) backward : nearest_interp_grad (nearest_interp_v2_grad) extra : attrs : [bool use_mkldnn = false] - op : nll_loss backward : nll_loss_grad inputs : {input : X, label : Label, weight : Weight} outputs : {out : Out, total_weight : Total_weight} - op : pad2d backward : pad2d_grad extra : attrs : [bool use_mkldnn = false] - op : pad3d backward : pad3d_grad extra : attrs : [bool use_mkldnn = false] - op : partial_sum backward : partial_sum_grad extra : attrs : [bool use_mkldnn = false] - op : poisson inputs : x : X outputs : out : Out - op : pool2d backward : pool2d_grad extra : attrs : [bool use_mkldnn = false, bool use_quantizer = false, str mkldnn_data_type = "float32", bool is_test = false] - op : pool3d backward : pool3d_grad extra : attrs : [bool use_mkldnn = false] - op : prelu backward : prelu_grad extra : attrs : [bool use_mkldnn = false, str mkldnn_data_type = "float32", bool is_test = false] - op : put_along_axis backward : put_along_axis_grad inputs : {arr : Input, indices : Index, values : Value} outputs : out : Result attrs : {axis : Axis, reduce : Reduce} - op : qr backward : qr_grad inputs : x : X outputs : {q : Q, r : R} - op : quantize_linear extra : attrs : [float moving_rate = 0.9] - op : reciprocal backward : reciprocal_grad inputs : x : X outputs : out : Out extra : attrs : [bool use_mkldnn = false, bool use_cudnn = false] - op : reduce_all extra : attrs : [bool use_mkldnn = false] - op : reduce_amax backward : reduce_amax_grad extra : attrs : [bool use_mkldnn = false] - op : reduce_amin backward : reduce_amin_grad extra : attrs : [bool use_mkldnn = false] - op : reduce_any extra : attrs : [bool use_mkldnn = false] - op : reduce_max backward : reduce_max_grad extra : attrs : [bool use_mkldnn = false] - op : reduce_mean backward : reduce_mean_grad extra : attrs : [bool use_mkldnn = false] - op : reduce_min backward : reduce_min_grad extra : attrs : [bool use_mkldnn = false] - op : reduce_prod backward : reduce_prod_grad extra : attrs : [bool use_mkldnn = false] - op : reduce_sum backward : reduce_sum_grad extra : attrs : [bool use_mkldnn = false] - op : relu backward : relu_grad, relu_double_grad (relu_grad_grad) inputs : x : X outputs : out : Out extra : attrs : [bool use_mkldnn = false, bool use_cudnn = false] - op : relu6 backward : relu6_grad extra : attrs : [bool use_mkldnn = false] - op : remainder (elementwise_mod) extra : attrs : [bool use_mkldnn = false, str x_data_format = "", str y_data_format = "", str mkldnn_data_type = "float32", bool use_quantizer = false, float Scale_x = 1.0f, float Scale_y = 1.0f, float Scale_out = 1.0f] - op : renorm backward : renorm_grad inputs : x : X outputs : out : Out extra : attrs : [bool use_mkldnn = false, bool use_cudnn = false] - op : round backward : round_grad inputs : x : X outputs : out : Out extra : attrs : [bool use_mkldnn = false, bool use_cudnn = false] - op : rsqrt backward : rsqrt_grad, rsqrt_double_grad (rsqrt_grad_grad) inputs : x : X outputs : out : Out extra : attrs : [bool use_mkldnn = false, bool use_cudnn = false] - op : scale extra : attrs : [bool use_mkldnn = false] - op : scatter backward : scatter_grad inputs : {x : X, index : Ids, updates : Updates} outputs : out : Out - op : scatter_nd_add backward : scatter_nd_add_grad inputs : {x : X, index : Index, updates : Updates} outputs : out : Out - op : searchsorted inputs : {sorted_sequence : SortedSequence, values : Values} outputs : out : Out - op : seed extra : attrs : [bool deterministic = false, str rng_name = "", bool force_cpu = false] - op : selu backward : selu_grad inputs : x : X outputs : out : Out - op : send_uv (graph_send_uv) backward : send_uv_grad (graph_send_uv_grad) - op : sequence_softmax backward : sequence_softmax_grad extra : attrs : [str data_format = "AnyLayout"] - op : shape extra : attrs : [bool use_mkldnn = false, str mkldnn_data_type = "float32"] - op : shard_index inputs : input : X outputs : out : Out - op : share_buffer inputs : x : X outputs : out : Out xout : XOut - op : shuffle_channel backward : shuffle_channel_grad extra : attrs : [bool use_mkldnn = false] - op : sigmoid backward : sigmoid_grad, sigmoid_double_grad (sigmoid_grad_grad), sigmoid_triple_grad inputs : x : X outputs : out : Out extra : attrs : [bool use_mkldnn = false, bool use_cudnn = false] - op : silu backward : silu_grad inputs : x : X outputs : out : Out extra : attrs : [bool use_mkldnn = false, bool use_cudnn = false] - op : sin backward : sin_grad, sin_double_grad, sin_triple_grad inputs : x : X outputs : out : Out extra : attrs : [bool use_mkldnn = false, bool use_cudnn = false] - op : sinh backward : sinh_grad inputs : x : X outputs : out : Out extra : attrs : [bool use_mkldnn = false, bool use_cudnn = false] - op : slice backward : slice_grad extra : attrs : [bool use_mkldnn = false, str mkldnn_data_type = "float32"] - op : softmax backward : softmax_grad extra : attrs : [bool use_mkldnn = false, str mkldnn_data_type = "float32", bool is_test = false] - op : softplus backward : softplus_grad inputs : x : X outputs : out : Out extra : attrs : [bool use_mkldnn = false, bool use_cudnn = false, str fuse_activation_type = "", float fuse_activation_alpha = 0.0f, float fuse_activation_beta = 0.0f, float fuse_activation_scale = 1.0f] - op : softshrink backward : softshrink_grad inputs : x : X outputs : out : Out attrs : threshold : lambda - op : softsign backward : softsign_grad inputs : x : X outputs : out : Out extra : attrs : [bool use_mkldnn = false, bool use_cudnn = false] - op : solve inputs : {x : X, y : Y} outputs : out : Out - op : sqrt backward : sqrt_grad, sqrt_double_grad (sqrt_grad_grad) inputs : x : X outputs : out : Out extra : attrs : [bool use_mkldnn = false, bool use_cudnn = false] - op : square backward : square_grad, square_double_grad (square_grad_grad) inputs : x : X outputs : out : Out extra : attrs : [bool use_mkldnn = false, bool use_cudnn = false] - op : squeeze (squeeze2) backward : squeeze_grad (squeeze2_grad) extra : attrs : [bool use_mkldnn = false, str mkldnn_data_type = "float32"] - op : stack backward : stack_grad extra : attrs : [bool use_mkldnn = false] - op : stack backward : stack_grad extra : attrs : [bool use_mkldnn = false] - op : subtract (elementwise_sub) backward : subtract_grad (elementwise_sub_grad) extra : attrs : [bool use_mkldnn = false, str x_data_format = "", str y_data_format = "", str mkldnn_data_type = "float32", bool use_quantizer = false, float Scale_x = 1.0f, float Scale_y = 1.0f, float Scale_out = 1.0f] - op : svd backward : svd_grad inputs : x : X outputs : {u : U, s : S, vh : VH} - op : swish backward : swish_grad extra : attrs : [bool use_mkldnn = false] - op : sync_batch_norm backward : sync_batch_norm_grad extra : attrs : [bool use_mkldnn = false, bool fuse_with_relu = false] - op : take_along_axis backward : take_along_axis_grad inputs : {arr : Input, indices : Index} outputs : out : Result attrs : axis : Axis - op : tan backward : tan_grad inputs : x : X outputs : out : Out extra : attrs : [bool use_mkldnn = false, bool use_cudnn = false] - op : tanh backward : tanh_grad, tanh_double_grad (tanh_grad_grad), tanh_triple_grad inputs : x : X outputs : out : Out extra : attrs : [bool use_mkldnn = false, bool use_cudnn = false] - op : tanh_shrink backward : tanh_shrink_grad inputs : x : X outputs : out : Out extra : attrs : [bool use_mkldnn = false, bool use_cudnn = false] - op : thresholded_relu inputs : x : X outputs : out : Out - op : topk (top_k_v2) backward : topk_grad (top_k_v2_grad) inputs : x : X outputs : {out : Out, indices : Indices} scalar : k : data_type : int tensor_name : K - op : trace inputs : x : Input outputs : out : Out - op : transpose (transpose2) backward : transpose_grad (transpose2_grad) extra : attrs : [bool use_mkldnn = false, str data_format = "AnyLayout", bool use_quantizer = false, str mkldnn_data_type = "float32"] - op : trilinear_interp (trilinear_interp_v2) backward : trilinear_interp_grad (trilinear_interp_v2_grad) extra : attrs : [bool use_mkldnn = false] - op : trunc inputs : input : X outputs : out : Out - op : unfold inputs : x : X outputs : out : Y - op : viterbi_decode inputs : {potentials : Input, transition_params : Transition, lengths : Length} outputs : {scores : Scores, path : Path} - op : where backward : where_grad inputs : {condition : Condition, x : X, y : Y} outputs : out : Out - op : while backward : while_grad extra : attrs : ['str[] skip_eager_deletion_vars = {}']