op_compat.yaml 31.0 KB
Newer Older
1 2 3 4 5 6 7 8 9 10 11
# 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.

12 13 14 15 16
# - op : rnn
#   backward : rnn_grad
#   extra :
#     attrs : [bool is_test = false]

17
- op : abs
18
  backward : abs_grad
19 20 21 22
  inputs :
    x : X
  outputs :
    out : Out
23
  extra :
H
HongyuJia 已提交
24
    attrs : [bool use_mkldnn = false]
25

26 27 28 29 30 31
- op : acos
  inputs :
    x : X
  outputs :
    out : Out

32
- op : acosh
33 34 35 36
  inputs :
    x : X
  outputs :
    out : Out
37 38 39 40
  backward : acosh_grad
  extra :
    attrs : [bool use_mkldnn = false, bool use_cudnn = false]

41 42 43 44 45 46
- 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]

47
- op : addmm
48
  backward : addmm_grad
49 50 51 52 53 54
  inputs :
    {input : Input, x : X, y : Y}
  outputs :
    out : Out
  attrs :
    {alpha : Alpha, beta : Beta}
55 56 57
  extra :
    attrs : [bool use_mkldnn = false]

58
- op : affine_grid
59 60 61 62
  backward : affine_grid_grad
  extra :
    attrs : [bool use_cudnn = true]

63
- op : angle
64
  backward : angle_grad
65 66 67 68
  inputs :
    x : X
  outputs :
    out : Out
69
  extra :
H
HongyuJia 已提交
70
    attrs : [bool use_mkldnn = false]
71

72 73 74 75 76 77 78
- op : argsort
  inputs :
    x : X
  outputs :
    out : Out
    indices : Indices

79 80 81 82 83 84 85 86 87 88 89 90
- op : as_complex
  inputs :
    x : X
  outputs :
    out : Out

- op : as_real
  inputs :
    x : X
  outputs :
    out : Out

91 92 93 94 95 96
- op : asin
  inputs :
    x : X
  outputs :
    out : Out

97
- op : asinh
98
  backward : asinh_grad
99 100 101 102
  inputs :
    x : X
  outputs :
    out : Out
103 104 105
  extra :
    attrs : [bool use_mkldnn = false, bool use_cudnn = false]

106 107 108 109 110 111
- op : atan
  inputs :
    x : X
  outputs :
    out : Out

112
- op : atan2
113
  inputs :
114
    {x : X1, y : X2}
115 116 117
  outputs :
    out : Out

118
- op : atanh
119
  backward : atanh_grad
120 121 122 123
  inputs :
    x : X
  outputs :
    out : Out
124 125 126
  extra :
    attrs : [bool use_mkldnn = false, bool use_cudnn = false]

127
- op : batch_norm
128 129 130 131
  backward : batch_norm_grad
  extra :
    attrs : [bool use_mkldnn = false, bool fuse_with_relu = false]

132
- op : bernoulli
133 134 135 136 137
  inputs :
    x : X
  outputs :
    out : Out

138
- op : bicubic_interp (bicubic_interp_v2)
139 140 141 142
  backward : bicubic_interp_grad (bicubic_interp_v2_grad)
  extra :
    attrs : [bool use_mkldnn = false]

143
- op : bilinear_interp (bilinear_interp_v2)
144 145 146 147
  backward : bilinear_interp_grad (bilinear_interp_v2_grad)
  extra :
    attrs : [bool use_mkldnn = false]

148 149 150 151 152 153
- op : bmm
  inputs :
    {x : X, y : Y}
  outputs :
    out : Out

154
- op : ceil
155
  backward : ceil_grad
156 157 158 159
  inputs :
    x : X
  outputs :
    out : Out
160 161 162
  extra :
    attrs : [bool use_mkldnn = false, bool use_cudnn = false]

163 164 165 166 167 168 169
- op : celu
  backward : celu_grad, celu_double_grad(celu_grad_grad)
  inputs :
    x : X
  outputs :
    out : Out

170
- op : cholesky
171 172 173 174 175
  inputs :
    x : X
  outputs :
    out : Out

176
- op : cholesky_solve
177 178 179 180 181
  inputs :
    {x : X, y : Y}
  outputs :
    out : Out

182
- op : clip
183 184 185 186
  backward : clip_grad
  extra :
    attrs : [bool use_mkldnn = false, str mkldnn_data_type = "float32"]

187 188 189 190 191 192 193
- op : complex
  backward : complex_grad
  inputs :
    {real : X, imag : Y}
  outputs :
    out : Out

194
- op : concat
195 196 197 198
  backward : concat_grad
  extra :
    attrs : [bool use_mkldnn = false, bool use_quantizer = false, str mkldnn_data_type = "float32"]

199 200 201 202 203
- op : conditional_block
  backward : conditional_block_grad
  extra :
    attrs : ['str[] skip_eager_deletion_vars = {}']

204 205 206 207 208 209
- op : conj
  inputs :
    x : X
  outputs :
    out : Out

210
- op : conv2d
211
  backward : conv2d_grad
212
  extra :
213
    attrs : [bool is_test = false, bool use_cudnn = true, bool fuse_relu_before_depthwise_conv = false, bool use_mkldnn = false,
214
             bool use_quantizer = false, str mkldnn_data_type = "float32", bool fuse_relu = false,
215
             str fuse_activation = "", float fuse_alpha = 0.0f, float fuse_beta = 0.0f, bool use_addto = false,
216 217
             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,
218
             int workspace_size_MB = phi::backends::gpu::GetDefaultConvWorkspaceSizeLimitMB(), bool exhaustive_search = false]
219

220
- op : conv2d_fusion
F
Feiyu Chan 已提交
221
  extra :
222
    attrs : [bool is_test = false, bool use_cudnn = false, bool fuse_relu_before_depthwise_conv = false, bool use_mkldnn = false,
F
Feiyu Chan 已提交
223
             bool use_quantizer = false, str mkldnn_data_type = "float32", bool fuse_relu = false,
224
             str fuse_activation = "", float fuse_alpha = 0.0f, float fuse_beta = 0.0f, bool use_addto = false,
F
Feiyu Chan 已提交
225 226
             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,
227
             int workspace_size_MB = phi::backends::gpu::GetDefaultConvWorkspaceSizeLimitMB(), bool exhaustive_search = false]
228

229
- op : conv2d_transpose
230 231 232 233 234
  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,
235
             int workspace_size_MB = phi::backends::gpu::GetDefaultConvWorkspaceSizeLimitMB()]
236

237
- op : conv3d
238 239 240 241 242
  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,
243
             int workspace_size_MB = phi::backends::gpu::GetDefaultConvWorkspaceSizeLimitMB(), bool exhaustive_search = false]
244

245
- op : conv3d_transpose
246 247
  backward : conv3d_transpose_grad
  extra :
248
    attrs : [bool use_cudnn = true, bool use_mkldnn = false, int workspace_size_MB = phi::backends::gpu::GetDefaultConvWorkspaceSizeLimitMB()]
F
Feiyu Chan 已提交
249

250
- op : cos
251
  backward : cos_grad, cos_double_grad, cos_triple_grad
252 253 254 255
  inputs :
    x : X
  outputs :
    out : Out
256 257 258
  extra :
    attrs : [bool use_mkldnn = false, bool use_cudnn = false]

259
- op : cosh
260
  backward : cosh_grad
261 262 263 264
  inputs :
    x : X
  outputs :
    out : Out
265 266 267
  extra :
    attrs : [bool use_mkldnn = false, bool use_cudnn = false]

268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283
- 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

284
- op : cross
285 286
  inputs :
    {x : X, y : Y}
287 288 289 290 291
  attrs :
    axis : dim
  outputs :
    out : Out

292
- op : data_norm
293 294 295 296
  backward : data_norm_grad
  extra :
    attrs : [bool use_mkldnn = false]

297
- op : depthwise_conv2d
298 299
  backward : depthwise_conv2d_grad
  extra :
300
    attrs : [bool is_test = false, bool fuse_relu_before_depthwise_conv = false, bool use_mkldnn = false,
301 302 303 304
             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,
305
             int workspace_size_MB = phi::backends::gpu::GetDefaultConvWorkspaceSizeLimitMB(), bool exhaustive_search = false]
306

307
- op : depthwise_conv2d_transpose
308 309 310 311 312
  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,
313
             int workspace_size_MB = phi::backends::gpu::GetDefaultConvWorkspaceSizeLimitMB()]
314

315 316 317 318
- op : dequantize_linear
  extra :
    attrs : [float moving_rate = 0.9]

319 320 321 322 323 324 325
- op : det (determinant)
  backward : det_grad (determinant_grad)
  inputs :
    x : Input
  outputs :
    out : Out

326
- op : diag (diag_v2)
327
  backward : diag_grad (diag_v2_grad)
328 329 330 331 332
  inputs :
    x : X
  outputs :
    out : Out

333 334 335 336 337 338
- op : diag_embed
  inputs :
    input : Input
  outputs :
    out : Out

339
- op : diagonal
340 341 342 343 344
  inputs :
    x : Input
  outputs :
    out : Out

345
- op : digamma
346 347 348 349 350
  inputs :
    x : X
  outputs :
    out : Out

351
- op : dist
352 353 354 355 356
  inputs :
    {x : X, y : Y}
  outputs :
    out : Out

357 358 359 360
- op : distributed_push_sparse
  extra :
    attrs : ['int[] slots = {}']

361 362 363 364 365 366
- 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]

367
- op : dot
368 369 370 371 372
  inputs :
    {x : X, y : Y}
  outputs :
    out : Out

373
- op : dropout
374 375 376 377
  backward : dropout_grad
  extra :
    attrs : [bool fix_seed = false, int seed = 0]

378
- op : dropout_nd
379 380 381 382
  backward : dropout_nd_grad
  extra :
    attrs : [bool fix_seed = false, int seed = 0]

383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402
- 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

403 404 405 406 407 408
- 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]

409
- op : elu
410 411 412 413 414
  backward : elu_grad, elu_double_grad (elu_grad_grad)
  inputs :
    x : X
  outputs :
    out : Out
415 416 417
  extra :
    attrs : [bool use_mkldnn = false]

418 419 420 421 422 423 424
- 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 = {}']

425 426 427 428 429 430
- op : equal_all
  inputs :
    {x : X, y : Y}
  outputs :
    out : Out

431
- op : erf
432 433 434 435 436
  inputs :
    x : X
  outputs :
    out : Out

437
- op : erfinv
438 439 440 441 442
  inputs :
    x : X
  outputs :
    out : Out

443
- op : exp
444
  backward : exp_grad
445 446 447 448
  inputs :
    x : X
  outputs :
    out : Out
449 450
  extra :
    attrs : [bool use_mkldnn = false, bool use_cudnn = false]
451

452 453 454 455 456
- op : expand (expand_v2)
  backward : expand_grad (expand_v2_grad)
  extra :
    attrs : [bool use_mkldnn = false, str mkldnn_data_type = "float32"]

457
- op : expm1
458
  backward : expm1_grad
459 460 461 462
  inputs :
    x : X
  outputs :
    out : Out
463 464 465
  extra :
    attrs : [bool use_mkldnn = false, bool use_cudnn = false]

466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493
- 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]

494
- op : fft_c2c
495 496 497
  inputs: {x: X}
  outputs: {out: Out}

498
- op : fft_c2r
499 500 501
  inputs: {x: X}
  outputs: {out: Out}

502
- op : fft_r2c
503 504 505
  inputs: {x: X}
  outputs: {out: Out}

506 507 508 509 510 511
- op : fill_diagonal_tensor
  inputs :
    {x : X, y : Y}
  outputs :
    out : Out

512 513 514 515 516 517
- op : flip
  inputs :
    x : X
  outputs :
    out : Out

518 519
- op : floor
  backward : floor_grad
520 521 522 523
  inputs :
    x : X
  outputs :
    out : Out
524 525 526
  extra :
    attrs : [bool use_mkldnn = false, bool use_cudnn = false]

527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543
- 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]

544 545 546 547 548 549
- op : fold
  inputs :
    x : X
  outputs :
    out : Y

550 551 552 553 554 555 556
- op : frame
  backward : frame_grad
  inputs :
    x : X
  outputs :
    out : Out

557
- op : frobenius_norm
558 559 560 561
  backward : frobenius_norm_grad
  extra :
    attrs : [bool use_mkldnn = false]

562 563 564 565 566 567 568 569 570
- op : full (fill_constant)
  extra :
    attrs : [bool use_mkldnn = false]

- op : gather
  backward : gather_grad
  extra :
    attrs : [bool overwrite = true]

571 572 573 574 575 576 577
- op : gather_nd
  backward : gather_nd_grad
  inputs :
    {x : X, index : Index}
  outputs :
    out : Out

578 579 580 581 582 583
- op : gather_tree
  inputs :
    {ids : Ids, parents : Parents}
  outputs :
    out : Out

584
- op : gelu
585
  backward : gelu_grad
586 587 588 589
  inputs :
    x : X
  outputs :
    out : Out
590
  extra :
H
HongyuJia 已提交
591
    attrs : [bool use_mkldnn = false, str mkldnn_data_type = "float32"]
592

593 594 595 596 597
- 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]

598 599 600 601 602 603
- op : grid_sample(grid_sampler)
  backward : grid_sample_grad (grid_sampler_grad)
  inputs :
    {x : X, grid : Grid}
  outputs :
    out : Output
604 605 606
  extra :
    attrs : [bool use_cudnn = true]

607
- op : gru
608 609 610 611
  backward : gru_grad
  extra :
    attrs : [bool is_test = false]

612 613 614 615 616 617
- op : gumbel_softmax
  inputs :
    x : X
  outputs :
    out : Out

618 619 620 621 622
- op : hard_swish
  backward : hard_swish_grad
  extra :
    attrs : [bool use_mkldnn = false]

623 624 625 626 627 628 629 630 631 632 633 634 635 636
- 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

637 638 639 640 641 642
- 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]

643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662
- 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

663
- op : inplace_abn
664 665 666 667
  backward : inplace_abn_grad
  extra :
    attrs : [bool use_mkldnn = false, bool fuse_with_relu = false]

668 669 670 671 672 673
- op : inverse
  inputs :
    x : Input
  outputs :
    out : Output

674 675 676 677 678 679
- op : is_empty
  inputs :
    x : X
  outputs :
    out : Out

680 681 682 683 684 685 686 687 688 689 690 691 692
- op : isclose
  inputs :
    {x : Input, y : Other}
  outputs :
    out : Out
  scalar :
    rtol :
      data_type : std::string
      tensor_name : Rtol
    atol :
      data_type : std::string
      tensor_name : Atol

693 694 695 696 697 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722
- 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

723
- op : layer_norm
724 725 726 727
  backward : layer_norm_grad
  extra :
    attrs : [bool use_mkldnn = false, str mkldnn_data_type = "float32", bool is_test = false]

728
- op : leaky_relu
729 730 731 732 733 734 735
  backward : leaky_relu_grad, leaky_relu_double_grad (leaky_relu_grad_grad)
  inputs :
    x : X
  outputs :
    out : Out
  attrs:
    negative_slope : alpha
736 737 738
  extra :
    attrs : [bool use_mkldnn = false]

739 740 741 742 743 744 745
- op : lerp
  backward : lerp_grad
  inputs :
    {x : X, y : Y, weight : Weight}
  outputs :
    out : Out

746
- op : lgamma
747 748 749 750 751
  inputs :
    x : X
  outputs :
    out : Out

752
- op : linear_interp (linear_interp_v2)
753 754 755 756
  backward : linear_interp_grad (linear_interp_v2_grad)
  extra :
    attrs : [bool use_mkldnn = false]

757
- op : log
758 759 760 761 762
  backward : log_grad, log_double_grad (log_grad_grad)
  inputs :
    x : X
  outputs :
    out : Out
763 764 765
  extra :
    attrs : [bool use_mkldnn = false, bool use_cudnn = false]

766
- op : log10
767
  backward : log10_grad
768 769 770 771
  inputs :
    x : X
  outputs :
    out : Out
772 773 774
  extra :
    attrs : [bool use_mkldnn = false, bool use_cudnn = false]

775
- op : log1p
776
  backward : log1p_grad
777 778 779 780
  inputs :
    x : X
  outputs :
    out : Out
781 782 783
  extra :
    attrs : [bool use_mkldnn = false, bool use_cudnn = false]

784
- op : log2
785
  backward : log2_grad
786 787 788 789
  inputs :
    x : X
  outputs :
    out : Out
790 791 792
  extra :
    attrs : [bool use_mkldnn = false, bool use_cudnn = false]

793 794 795 796 797 798 799
- op : log_loss
  backward : log_loss_grad
  inputs :
    {input : Predicted, label : Labels}
  outputs :
    out : Loss

800
- op : log_softmax
801 802 803 804
  backward : log_softmax_grad
  extra :
    attrs : [bool use_mkldnn = false]

805 806 807 808 809 810 811 812 813 814 815 816
- op : logit
  inputs :
    x : X
  outputs :
    out : Out

- op : logsigmoid
  inputs :
    x : X
  outputs :
    out : Out

817
- op : logsigmoid
818 819 820 821
  backward : logsigmoid_grad
  extra :
    attrs : [bool use_mkldnn = false, bool use_cudnn = false]

822
- op : lrn
823 824 825 826
  backward : lrn_grad
  extra :
    attrs : [bool use_mkldnn = false, bool is_test = false]

827 828 829 830 831 832 833
- op : lu_unpack
  backward : lu_unpack_grad
  inputs :
    {x : X, y : Pivots}
  outputs :
    {pmat : Pmat, l : L, u : U}

834 835 836 837 838 839
- op : masked_select
  inputs :
    {x : X, mask : Mask}
  outputs :
    out : Y

840
- op : matmul (matmul_v2)
841 842 843 844
  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 = {}',
845
             'int[] fused_transpose_X = {}', 'int[] fused_transpose_Y = {}']
846

847 848 849 850 851 852
- 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]

853 854 855 856 857 858
- op : matrix_power
  inputs :
    x : X
  outputs :
    out : Out

859 860 861 862 863 864 865 866 867 868 869 870
- 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]

871 872 873 874 875 876
- op : maxout
  inputs :
    x : X
  outputs :
    out : Out

877 878 879 880 881
- op : mish
  backward : mish_grad
  extra :
    attrs : [bool use_mkldnn = false]

882 883 884 885 886 887 888
- op : mode
  backward : mode_grad
  inputs :
    x : X
  outputs :
    {out : Out, indices : Indices}

889 890 891 892 893 894 895 896 897 898
- op : multinomial
  inputs :
    {x : X}
  outputs :
    out : Out
  scalar :
    num_samples :
      data_type : int
      support_tensor : true

899 900 901 902 903 904
- 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]

905
- op : mv
906 907 908 909 910
  inputs :
    {x : X, vec : Vec}
  outputs :
    out : Out

911 912 913 914 915 916
- op : nce
  backward : nce_grad
  extra :
    attrs : [int trainer_id = 0, 'int64_t[] height_sections = {}', 'str[] epmap = {}',
             'str[] table_names = {}', 'int[] custom_neg_classes = {}']

917
- op : nearest_interp (nearest_interp_v2)
918 919 920 921
  backward : nearest_interp_grad (nearest_interp_v2_grad)
  extra :
    attrs : [bool use_mkldnn = false]

922 923 924 925 926 927 928
- op : nll_loss
  backward : nll_loss_grad
  inputs :
    {input : X, label : Label, weight : Weight}
  outputs :
    {out : Out, total_weight : Total_weight}

929 930 931 932 933 934 935
- op : overlap_add
  backward : overlap_add_grad
  inputs :
    x : X
  outputs :
    out : Out

936
- op : pad2d
937 938 939 940
  backward : pad2d_grad
  extra :
    attrs : [bool use_mkldnn = false]

941
- op : pad3d
942 943 944 945
  backward : pad3d_grad
  extra :
    attrs : [bool use_mkldnn = false]

946
- op : partial_sum
947 948 949 950
  backward : partial_sum_grad
  extra :
    attrs : [bool use_mkldnn = false]

951 952 953 954 955 956 957
- op : pixel_shuffle
  backward : pixel_shuffle_grad
  inputs :
    x : X
  outputs :
    out : Out

958
- op : poisson
959 960 961 962 963
  inputs :
    x : X
  outputs :
    out : Out

964 965 966 967 968 969 970 971 972 973 974
- 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]

975
- op : prelu
976 977 978 979
  backward : prelu_grad
  extra :
    attrs : [bool use_mkldnn = false, str mkldnn_data_type = "float32", bool is_test = false]

980 981 982 983 984 985 986 987 988
- op : put_along_axis
  backward : put_along_axis_grad
  inputs :
    {arr : Input, indices : Index, values : Value}
  outputs :
    out : Result
  attrs :
    {axis : Axis, reduce : Reduce}

989 990 991 992 993 994 995
- op : qr
  backward : qr_grad
  inputs :
    x : X
  outputs :
    {q : Q, r : R}

996 997 998 999
- op : quantize_linear
  extra :
    attrs : [float moving_rate = 0.9]

1000
- op : reciprocal
1001
  backward : reciprocal_grad
1002 1003 1004 1005
  inputs :
    x : X
  outputs :
    out : Out
1006 1007 1008
  extra :
    attrs : [bool use_mkldnn = false, bool use_cudnn = false]

1009
- op : reduce_all
1010 1011 1012
  extra :
    attrs : [bool use_mkldnn = false]

1013
- op : reduce_amax
1014 1015 1016 1017
  backward : reduce_amax_grad
  extra :
    attrs : [bool use_mkldnn = false]

1018
- op : reduce_amin
1019 1020 1021 1022
  backward : reduce_amin_grad
  extra :
    attrs : [bool use_mkldnn = false]

1023
- op : reduce_any
1024 1025 1026
  extra :
    attrs : [bool use_mkldnn = false]

1027
- op : reduce_max
1028 1029 1030 1031
  backward : reduce_max_grad
  extra :
    attrs : [bool use_mkldnn = false]

1032
- op : reduce_mean
1033 1034 1035 1036
  backward : reduce_mean_grad
  extra :
    attrs : [bool use_mkldnn = false]

1037
- op : reduce_min
1038 1039 1040 1041
  backward : reduce_min_grad
  extra :
    attrs : [bool use_mkldnn = false]

1042
- op : reduce_prod
1043 1044 1045 1046
  backward : reduce_prod_grad
  extra :
    attrs : [bool use_mkldnn = false]

1047
- op : reduce_sum
1048 1049 1050 1051
  backward : reduce_sum_grad
  extra :
    attrs : [bool use_mkldnn = false]

1052
- op : relu
1053 1054 1055 1056 1057
  backward : relu_grad, relu_double_grad (relu_grad_grad)
  inputs :
    x : X
  outputs :
    out : Out
1058 1059 1060
  extra :
    attrs : [bool use_mkldnn = false, bool use_cudnn = false]

1061
- op : relu6
1062 1063 1064 1065
  backward : relu6_grad
  extra :
    attrs : [bool use_mkldnn = false]

1066 1067 1068 1069 1070
- 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]

1071
- op : renorm
1072
  backward : renorm_grad
1073 1074 1075 1076
  inputs :
    x : X
  outputs :
    out : Out
1077 1078 1079
  extra :
    attrs : [bool use_mkldnn = false, bool use_cudnn = false]

1080 1081 1082 1083 1084 1085 1086 1087 1088 1089 1090
- op : roll
  backward : roll_grad
  inputs :
    x : X
  outputs :
    out : Out
  int_array :
    shifts :
      data_type : int64_t
      tensor_name : ShiftsTensor

1091
- op : round
1092
  backward : round_grad
1093 1094 1095 1096
  inputs :
    x : X
  outputs :
    out : Out
1097
  extra :
1098 1099
    attrs : [bool use_mkldnn = false, bool use_cudnn = false]

1100
- op : rsqrt
1101 1102 1103 1104 1105
  backward : rsqrt_grad, rsqrt_double_grad (rsqrt_grad_grad)
  inputs :
    x : X
  outputs :
    out : Out
1106 1107
  extra :
    attrs : [bool use_mkldnn = false, bool use_cudnn = false]
1108

1109 1110 1111 1112
- op : scale
  extra :
    attrs : [bool use_mkldnn = false]

1113 1114 1115 1116 1117 1118 1119 1120 1121 1122 1123 1124 1125 1126
- 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

1127 1128 1129 1130 1131 1132
- op : searchsorted
  inputs :
    {sorted_sequence : SortedSequence, values : Values}
  outputs :
    out : Out

1133
- op : seed
1134 1135 1136
  extra :
    attrs : [bool deterministic = false, str rng_name = "", bool force_cpu = false]

1137 1138 1139 1140 1141 1142 1143
- op : selu
  backward : selu_grad
  inputs :
    x : X
  outputs :
    out : Out

1144 1145 1146
- op : send_uv (graph_send_uv)
  backward : send_uv_grad (graph_send_uv_grad)

1147 1148 1149 1150 1151
- op : sequence_softmax
  backward : sequence_softmax_grad
  extra :
    attrs : [str data_format = "AnyLayout"]

1152
- op : shape
1153 1154 1155
  extra :
    attrs : [bool use_mkldnn = false, str mkldnn_data_type = "float32"]

1156 1157 1158 1159 1160 1161
- op : shard_index
  inputs :
    input : X
  outputs :
    out : Out

1162 1163 1164 1165 1166 1167 1168
- op : share_buffer
  inputs :
    x : X
  outputs :
    out : Out
    xout : XOut

1169
- op : shuffle_channel
1170 1171 1172 1173
  backward : shuffle_channel_grad
  extra :
    attrs : [bool use_mkldnn = false]

1174
- op : sigmoid
1175 1176 1177 1178 1179
  backward : sigmoid_grad, sigmoid_double_grad (sigmoid_grad_grad), sigmoid_triple_grad
  inputs :
    x : X
  outputs :
    out : Out
1180 1181 1182
  extra :
    attrs : [bool use_mkldnn = false, bool use_cudnn = false]

1183
- op : silu
1184
  backward : silu_grad
1185 1186 1187 1188
  inputs :
    x : X
  outputs :
    out : Out
1189 1190 1191
  extra :
    attrs : [bool use_mkldnn = false, bool use_cudnn = false]

1192
- op : sin
1193
  backward : sin_grad, sin_double_grad, sin_triple_grad
1194 1195 1196 1197
  inputs :
    x : X
  outputs :
    out : Out
1198 1199 1200
  extra :
    attrs : [bool use_mkldnn = false, bool use_cudnn = false]

1201
- op : sinh
1202
  backward : sinh_grad
1203 1204 1205 1206
  inputs :
    x : X
  outputs :
    out : Out
1207 1208 1209
  extra :
    attrs : [bool use_mkldnn = false, bool use_cudnn = false]

1210
- op : slice
1211 1212 1213 1214
  backward : slice_grad
  extra :
    attrs : [bool use_mkldnn = false, str mkldnn_data_type = "float32"]

1215
- op : softmax
1216 1217
  backward : softmax_grad
  extra :
1218
    attrs : [bool use_mkldnn = false, str mkldnn_data_type = "float32", bool is_test = false]
1219

1220
- op : softplus
1221
  backward : softplus_grad
1222 1223 1224 1225
  inputs :
    x : X
  outputs :
    out : Out
1226
  extra :
1227 1228 1229
    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]

1230 1231 1232 1233 1234 1235 1236 1237 1238
- op : softshrink
  backward : softshrink_grad
  inputs :
    x : X
  outputs :
    out : Out
  attrs :
    threshold : lambda

1239
- op : softsign
1240
  backward : softsign_grad
1241 1242 1243 1244
  inputs :
    x : X
  outputs :
    out : Out
1245 1246
  extra :
    attrs : [bool use_mkldnn = false, bool use_cudnn = false]
1247

1248
- op : solve
1249 1250 1251 1252 1253
  inputs :
    {x : X, y : Y}
  outputs :
    out : Out

1254
- op : sqrt
1255 1256 1257 1258 1259
  backward : sqrt_grad, sqrt_double_grad (sqrt_grad_grad)
  inputs :
    x : X
  outputs :
    out : Out
1260 1261 1262
  extra :
    attrs : [bool use_mkldnn = false, bool use_cudnn = false]

1263
- op : square
1264 1265 1266 1267 1268
  backward : square_grad, square_double_grad (square_grad_grad)
  inputs :
    x : X
  outputs :
    out : Out
1269 1270 1271
  extra :
    attrs : [bool use_mkldnn = false, bool use_cudnn = false]

1272
- op : squeeze (squeeze2)
1273 1274 1275 1276 1277 1278 1279 1280 1281 1282 1283
  backward : squeeze_grad (squeeze2_grad), squeeze_double_grad(squeeze2_double_grad)
  inputs :
    x : X
  attrs :
   axis : axes
  outputs :
    {out : Out, xshape : XShape}
  int_array:
    axis :
      data_type : int
      support_tensor : true
1284 1285
  extra :
    attrs : [bool use_mkldnn = false, str mkldnn_data_type = "float32"]
1286
    outputs : [xshape]
1287

1288
- op : stack
1289 1290 1291 1292
  backward : stack_grad
  extra :
    attrs : [bool use_mkldnn = false]

1293 1294 1295 1296 1297
- op : stack
  backward : stack_grad
  extra :
    attrs : [bool use_mkldnn = false]

1298 1299 1300 1301 1302 1303
- 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]

1304 1305 1306 1307 1308 1309 1310
- op : svd
  backward : svd_grad
  inputs :
    x : X
  outputs :
    {u : U, s : S, vh : VH}

1311
- op : swish
1312 1313 1314 1315
  backward : swish_grad
  extra :
    attrs : [bool use_mkldnn = false]

1316
- op : sync_batch_norm
1317 1318 1319 1320
  backward : sync_batch_norm_grad
  extra :
    attrs : [bool use_mkldnn = false, bool fuse_with_relu = false]

1321 1322 1323 1324 1325 1326 1327 1328 1329
- op : take_along_axis
  backward : take_along_axis_grad
  inputs :
    {arr : Input, indices : Index}
  outputs :
    out : Result
  attrs :
    axis : Axis

1330
- op : tan
1331
  backward : tan_grad
1332 1333 1334 1335
  inputs :
    x : X
  outputs :
    out : Out
1336 1337 1338
  extra :
    attrs : [bool use_mkldnn = false, bool use_cudnn = false]

1339
- op : tanh
1340 1341 1342 1343 1344
  backward : tanh_grad, tanh_double_grad (tanh_grad_grad), tanh_triple_grad
  inputs :
    x : X
  outputs :
    out : Out
1345 1346 1347
  extra :
    attrs : [bool use_mkldnn = false, bool use_cudnn = false]

1348
- op : tanh_shrink
1349
  backward : tanh_shrink_grad
1350 1351 1352 1353
  inputs :
    x : X
  outputs :
    out : Out
1354 1355 1356
  extra :
    attrs : [bool use_mkldnn = false, bool use_cudnn = false]

1357 1358 1359 1360 1361 1362
- op : thresholded_relu
  inputs :
    x : X
  outputs :
    out : Out

1363 1364 1365 1366 1367 1368 1369 1370 1371 1372 1373
- 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

1374
- op : trace
1375 1376 1377 1378
  inputs :
    x : Input
  outputs :
    out : Out
1379

1380 1381 1382 1383 1384 1385
- 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"]

1386
- op : trilinear_interp (trilinear_interp_v2)
1387 1388 1389 1390
  backward : trilinear_interp_grad (trilinear_interp_v2_grad)
  extra :
    attrs : [bool use_mkldnn = false]

1391
- op : trunc
1392
  inputs :
1393
    input : X
1394 1395
  outputs :
    out : Out
1396

1397 1398 1399 1400 1401 1402
- op : unfold
  inputs :
    x : X
  outputs :
    out : Y

1403 1404 1405 1406 1407 1408 1409 1410 1411 1412 1413 1414 1415 1416 1417 1418
- op : unsqueeze (unsqueeze2)
  backward : unsqueeze_grad (unsqueeze2_grad), unsqueeze_double_grad(unsqueeze2_double_grad)
  inputs :
    x : X
  attrs :
   axis : axes
  outputs :
    {out : Out, xshape : XShape}
  int_array:
    axis :
      data_type : int
      tensor_name : AxesTensor
      tensors_name : AxesTensorList
  extra :
    outputs : [xshape]

1419 1420 1421 1422 1423 1424 1425
- op : unstack
  backward : unstack_grad
  inputs :
    x : X
  outputs :
    out : Y

1426 1427 1428 1429 1430 1431 1432 1433 1434 1435 1436 1437 1438
- 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

1439 1440
- op : while
  backward : while_grad
1441
  extra :
1442
    attrs : ['str[] skip_eager_deletion_vars = {}']