模型算子支持列表
使用限制说明
本章节主要介绍D-Robotics 处理器支持的 Caffe 和 ONNX 算子情况，其他未列出的算子因D-Robotics 处理器 bpu硬件限制，暂不支持。
术语概念：
-
BPU加速 ：D-Robotics 处理器可以进行加速的算子（一定约束条件下），如果不满足约束条件，则会在CPU进行计算
-
CPU计算 ：当前已经在D-Robotics ARM CPU上进行优化的算子，支持onnx opset10与opset11。
-
CPU计算※ ：暂时未集成的CPU算子。
其他注意事项：
-
RDK X3所有BPU上运行的算子均遵守一般限制：input_batch ≤ 128。
-
RDK Ultra 和 RDK X5所有BPU上运行的算子均遵守一般限制：1. 输入输出维度均为4，对于支持非四维情况的op，会在约束中显性标识； 2. shape：H,W,C ∈ [1, 65536]，
N <= 4096；3. N x C x H x W <= 1G bytes。 -
支持
Caffe 1.0基础算子以及常用扩展算子，支持onnxopset10和opset11算子，对于无法满足BPU加速约束条件的算子将会退化到ARM CPU进行计算。 -
Cast,Constant,Dropout,Reshape,Squeeze,Unsqueeze,Shape这些算子(OP)无法直接运行在BPU上，但在一些情况下（常量折叠）算法工具链会将其优化掉进而实现支持的效果。 -
标记为PyTorch的算子(OP)为官方的opset11不包含的算子，D-Robotics 算法工具链提供了导出脚本可以将其从PyTorch导出到D-Robotics 自定义的onnx OP中。
-
基于tensorlfow-onnx（https://github.com/onnx/tensorflow-onnx）转换工具，支持将
tensorlfow1.*版本的算子稳定的转换到opset6-opset11版本的ONNX模型格式，但是Tensroflow2.*当前支持还属于实 验版本。 -
关于OP主动量化被动量化的说明：一个符合本章节约束条件的OP仍然运行在CPU的主要原因是该OP属于被动量化OP，算法工具链会根据OP的计算特性和BPU底层逻辑等多方面考虑设计量化逻辑，当前量化逻辑分为：主动量化，被动量化，手动量化。量化逻辑更多信息请阅读：算法工具链中的主动量化和被动量化逻辑 章节。
RDK X3支持的Caffe算子列表
| caffe算子名称 | CPU计算/BPU加速 | X3 BPU支持约束 | CPU支持约束 |
|---|---|---|---|
| Convolution | BPU加速 | Kernel宽高取值范围：HxW=[1,7]x[1,7] 输入输出Channel取值范围 (one group) <= 2048（对于非dilated、group、depthwise conv等普通卷积，可以放宽至 <=4096）。stride无限制。 Dilation取值范围：只支持设置为2的幂次方，且必须能够被stride整除。 h_dilated 和 w_dilated 可以不同但要求 h_diated <= w_dilated。单个 Kernel 总体大小限制： HxWxC <= 32768。不支持配置axis，默认为1 | 仅支持4维Conv计算。 auto_pad 属性不支持。 type约束支持：float, int32, int8。 pads 属性约束``[Hstart, Wstart, Hend, Wend]`（pads长度等于4）并且 Hstart == Hend，Wstart == Wend。 |
| Deconvolution | BPU加速 | Kernel 宽高取值范围：HxW=[2,14]x[2,14]。 输入输出Channel数值取值范围： C <= 2048。 Padding宽高取值范围： HxW=[0,(Kernel_H-1)/2]x[0,(Kernel_W-1)/2] 。 Stride取值范围：Stride ∈ 4 。 stride_h ≦ stride_w 。 Dilation ∈ 1。 不支持配置axis属性。 | 不支持output_shape和output_padding参数； auto_pad参数只支持NOTSET模式； 不支持axis |
| MaxUnpool | CPU计算 | --- | from_type支持： - X：type约束：仅支持float类型。 - I：Tensor（int64）。 to_type支持：type约束：仅支持float类型。 |
| Pooling | BPU加速 | 共有四种Pooling算子即MaxPooling，AveragePooling，GlobalMaxPooling，GlobalAveragePooling。 对四种Pooling的约束分别为： MaxPooling： Kernel宽高的取值范围为：[1,64]x[1,64] 。 Stride取值范围为：[1,185]。 Padding值需要大于等于零。 AveragePooling： Kernel HxW=[1, 7]x[1, 7], Stride ∈185。 GlobalAveragePooling： 假设输入shape为NCHW， 则输入宽高需满足 HxW <= 8192 。 GlobalMaxPooling： 假设输入shape为NCHW，则输入宽高取值范围为HxW=[1,1024]x[1,1024]。 | 无 |
| SPP | CPU计算 | 不支持 | 支持pyramid_height，2^n 次pooling, n<7 ; pooling kernel 小于等于 255； 支持pool，配置可选值为 {0，1} |
| InnerProduct | BPU加速 | InnerProduct将被转化为Conv实现。 假设InnerProduct的输入feature map的shape为NCHW ： 1. 如果HW均小于等于7，则Gemm的限制等同于Conv。 2. 如果H和W均为1，那么C的限制为 <= 16384；否则 C的大小限制为 <= 2048。 3. 如果Gemm后是一个BPU支持的节点，Gemm会进行低精度int8输出，此时的输入宽高限制为: H x W/8 x C/4 <= 1024。 4. 如果Gemm后是一个非BPU支持的节点，Gemm会进行高精度int32输出，此时的输入宽高限制为: H x W/8 x C/4 < 2048 。 不支持配置axis属性 | 无 |
| LRN | CPU计算 | 不支持 | local_size 支持、 alpha支持、 beta 支持、 norm_region 支持，配置可选值 {ACROSS_CHANNELS, WITHIN_CHANNEL }、 k 支持 |
| MVN | CPU计算 | 不支持 | normalize_variance支持，配置可选值为1、 across_channels支持，配置可选值为1、 仅支持Float32类型的计算。 |
| BatchNorm | BPU加速 | 无限制 | 无 |
| ELU | CPU计算 | 不支持 | 无 |
| BNLL | CPU计算 | 不支持 | 无 |
| PReLU | BPU加速 | 无限制 | 无 |
| ReLU/LeakyRelu | BPU加速 | 无限制 | 无 |
| Sigmoid | BPU加速 | 对于一个输入维度为1CHW的tensor，仅支持min(8W4C对齐后的shape，32C对齐后的shape) <=8192的情况。 8W4C：实际运行时tensor的W维度padding至8的整数倍，C维度padding至4的整数倍。 32C：实际运行时tensor的C维度padding至32的整数倍。 在两个对齐方式中取对齐后shape最小值，判断是否 <=8192。 | 无 |
| TanH | BPU加速 | 无限制 | 无 |
| Eltwise | BPU加速 | operation目前支持Add和Mul，暂不支持减。 Add： 输入channel大小 M<= 2048 支持以下几种情况： 1. Add的两个输入shape为NCHW和NCHW； 2. Add的两个输入shape为NCHW和NC11（Add的两个输入 都需要是其它op的输出） Mul： Mul的两个输入都需要是四维并且C的大小需要 <= 2048。 同时仅支持如下shape的相乘： 1. (1xCxHxW vs 1xCxHxW)。 2. (1xCxHxW vs 1xCx1x1)。 3. (1xCxHxW vs 1x1x1x1)。 | 无 |
| Bias | BPU加速 | 参考Eltwise等于Add的情况 | 无 |
| Scale | BPU加速 | 参考Eltwise等于Mul的情况 | 无 |
| AbsVal | CPU计算 | 不支持 | 无 |
| Exp | BPU加速 | 无限制 | 无 |
| Log | CPU计算 | 不支持 | 无 |
| Power | BPU加速 | 无限制 | 无 |
| Threshold | CPU计算 | 不支持 | 无 |
| Reduction | CPU计算 | 不支持 | operation 支持 SUM、ASUM、 SUMSQ、MEAN ； axis 支持； 仅支持Float32类型的计算。 |
| Softmax | CPU计算 | 不支持 | 无 |
| ArgMax | BPU加速 | 仅支持 axis=1，c<=64 。 不支持配置top_k != 1 | 无 |
| Concat | BPU加速 | 输入输出Channel：C<=2048 | 无 |
| Split | BPU加速 | 无限制 | 无 |
| Slice | BPU加速 | 无限制 | 无 |
| Reshape | CPU计算 | 不支持（一些场景下可以融合） | shape 支持[1,4]个 shape_dim 配置 ； axis 支持[-4,3]范围内可配，不支 持 N 维度，默认值 0，遵循 caffe 规则 ； num_axes 支持[-1,3]范围内可配，默认 值-1 表示对 axis 起始的所有 轴进行变换 |
| Flatten | CPU计算 | 不支持（一些场景下可以融合） | axis 取值范围[-4,3]，默认值 为 1，-4 与 0 含义相同。 只支持End_axis == -1。 |
| Crop | CPU计算 | 不支持 | 无 |
| Dropout | BPU加速 | 无限制 | 无 |
| LSTM | BPU加速 | 仅支持batch=1 | -- |
| Normalize | CPU计算 | 不支持 | type约束：仅支持float类型。 |
| PassThrough | BPU加速 | 支持mode=DCR 和 mode=CRD。 仅支持H和W方向的重新排列，并且仅支持blocksize=2的重排列。 举例：NxCxHxW -> Nx(4C)x(H/2)x(W/2)。 | type约束：仅支持float类型。 |
| CReLU | CPU计算 | 不支持 | type约束：仅支持float类型。 |
| RReLU | CPU计算 | 不支持 | 无 |
| Permute | CPU计算 | 不支持 | - 支持nhwc2nchw，perm：[0, 3, 1, 2]。 - 支持nchw2nhwc，perm：[0, 2, 3, 1]。 - 支持指定perm维度转换，数据类型仅支持float，int8，int32。 |
| MatMul | BPU加速 | 对于两个输入分别为featuremap和weight的场景（即featuremap与常量相乘） 其中第一个输入是featuremap，第二个输入是weight，以下几种场景均可优化到BPU上运行： - K vs KxN、K vs 1xKxN、K vs 1x1xKxN - MxK vs K、MxK vs KxN、MxK vs 1x1xKxN - 1xMxK vs K、1xMxK vs 1xKxN - 1x1xMxK vs K、1x1xMxK vs 1xKxN、1x1xMxK vs 1x1xKxN - BxMxK vs KxN （B>=1） - 1xBxMxK vs KxN （B>=1） - AxBxMxK vs KxN (A>1，B>1) - 其中第一个输入是weight，第二个输入是featuremap，以下场景可优化到BPU上运行： - 1xBxMxK vs 1x1xKxN (B>1) 对于两个输入均为featuremap的场景（即两个featuremap相乘），以下场景可优化到BPU上运行： - 1xBxMxK vs 1x1xKxN （B>=1） | type约束：仅支持float类型。 |
| Upsample | BPU加速 | 输入featuremap需为四维NCHW，并且只支持在H和W维度上进行resize； 放大系数factor支持2的幂数倍如2，4，8，16，32等； 支持H维度和W维度的放大系数不同但需要满足 H_factor <= W_factor | 无 |
| ROIPooling | CPU计算 | 不支持 | 无 |
| PSROIPooling | CPU计算 | 不支持 | 无 |
RDK X3支持的ONNX算子列表
| ONNX算子名称 | CPU计算/BPU加速 | X3 BPU支持约束 | CPU支持约束 |
|---|---|---|---|
| Abs | CPU计算 | -- | type约束：仅支持float类型。 |
| Acos | CPU计算 | -- | type约束：仅支持float类型。 |
| Acosh | CPU计算 | -- | type约束：仅支持float类型。 |
| Add | BPU加速 | 输入channel大小 M<= 2048 支持以下几种情况： 1. Add的两个输入shape为NCHW和NCHW； 2. Add的两个输入shape为NCHW和NC11（Add的两个输入都需要是其它op的输出）； 3.作为resnet中的short-cut子结构的Add，会被融合到上一个conv中加速计算。 | - 支持相同输入shape计算。 - 支持输入1是标量或者输入2是标量的计算。 - 支持broadcast计算，最大维度是5。 |
| And | CPU计算 | -- | - 支持相同输入shape计算。 - 支持输入1是标量或者输入2是标量的计算。 - 支持broadcast计算，最大维度是5。 |
| ArgMax | BPU加速 | 1. 输入维度为四维输入NCHW。 2. 仅支持沿C维度进行argmax，即axis=1。 3. C <= 64 | type约束：仅支持float类型。 |
| ArgMin | CPU计算 | -- | type约束：仅支持float类型。 |
| Asin | CPU计算 | -- | type约束：仅支持float类型。 |
| Asinh | CPU计算 | -- | type约束：仅支持float类型。 |
| Atan | CPU计算 | -- | type约束：仅支持float类型。 |
| Atanh | CPU计算 | -- | type约束：仅支持float类型。 |
| AveragePool | BPU加速 | Kernel HxW=[1, 7]x[1, 7], Stride ∈185 | auto_pad 属性不支持。 仅支持四维Tensor计算。 |
| BatchNormalization | BPU加速 | 优化阶段会被融合到上一个conv中支持 | type约束：仅支持float类型。 支持第1个维度是channel的数据排布方式计算。 |
| BitShift | CPU计算※ | -- | -- |
| Cast | CPU计算 | -- | from_type支持double, float, bool, int64, uint32, int32, uint16, int16, uint8, int8。 to_type支持double, float, bool, int64, uint32, int32, uint16, int16, uint8, int8。 |
| Ceil | CPU计算 | -- | type约束：仅支持float类型。 |
| Clip | BPU加速 | 无限制。 | type约束：仅支持float类型。 仅有2个输入时，默认为min参数。 |
| Compress | CPU计算※ | -- | -- |
| Concat | BPU加速 | 输入输出Channel：C<=2048。 | -- |
| ConcatFromSequence | CPU计算※ | -- | -- |
| Constant | BPU加速 | 会通过常量折叠将其优化为数值存储 | 目前不支持sparse_tensor属性。 type约束：仅支持float类型。 |
| ConstantOfShape | BPU加速 | 会通过常量折叠将其优化为数值存储 | type约束支持：float,int32,int8。 |
| Conv | BPU加速 | Kernel宽高取值范围：HxW=[1,7]x[1,7]。 输入输出Channel取值范围 (one group) <= 2048（对于非dilated、group、depthwise conv等普通卷积，可以放宽至<=4096）。 stride无限制，，但对于Conv后接Add(resnet shortcut-connecting) Stride取值范围为：2。 Dilation取值范围：只支持设置为2的幂次方，且必须能够被stride整除。 h_dilated和w_dilated可以不同但要求 h_diated<=w_dilated 。 单个Kernel总体大小限制: HxWxC <= 32768 | 仅支持4维Conv计算。 auto_pad 属性不支持。 type约束支持：float,int32,int8。 pads属性约束：[Hstart, Wstart, Hend, Wend]（pads长度等于4）并且Hstart==Hend，Wstart==Wend。 |
| ConvInteger | CPU计算※ | -- | -- |
| ConvTranspose | BPU加速 | Kernel 宽高取值范围：HxW=[2,14]x[2,14]。 输入输出Channel数值取值范围： C <= 2048 。 Padding宽高取值范围：HxW=[0,(Kernel_H-1)/2]x[0,(Kernel_W-1)/2]。 Stride取值范围： Stride ∈ {2, 4}。 stride_h ≦ stride_w。 Dilation ∈ {(1, 1)} | auto_pad属性不支持。 type约束支持：float,int32,int8。 |
| Cos | BPU加速 | 对于一个输入维度为1CHW的tensor，仅支持 CxHxW <= 8192的情况 | type约束：仅支持float类型。 |
| Cosh | CPU计算 | -- | type约束：仅支持float类型。 |
| CumSum | CPU计算 | -- | from_type： x：type约束仅支持float类型。 axis：type约束仅支持int32类型。 to_type：type约束仅支持float类型。 |
| DepthToSpace | BPU加速 | 支持mode=DCR 和 mode=CRD。 仅支持H和W方向的重新排列，并且仅支持blocksize=2的重排列。 举例：NxCxHxW -> Nx(C/4)x(2H)x(2W) | from_type支持： - type约束仅支持float类型。 - 仅支持4维度Tensor计算。 to_type支持： - type约束仅支持float类型。 - 仅支持4维度Tensor计算。 |
| DequantizeLinear | CPU计算 | -- | -- |
| Det | CPU计算※ | -- | -- |
| Div | BPU加速 | 1. 只支持两个输入均为featuremap（不支持输入来自于常量）； 2. 对input shape的约束请参考Mul算子 | - 支持相同输入shape计算。 - 支持输入1是标量或者输入2是标量的计算。 - 支持broadcast计算，最大维度是5。 |
| Dropout | BPU加速 | 该算子推理阶段不参加计算， 会被移除优化 | -- |
| Einsum | CPU计算※ | -- | -- |
| Elu | CPU计算 | -- | type约束：仅支持float类型。 |
| Equal | CPU计算 | -- | - 支持相同输入shape计算。 - 支持输入1是标量或者输入2是标量的计算。 - 支持broadcast计算，最大维度是5。 |
| Erf | CPU计算 | -- | type约束：支持float、double数据类型。 |
| Exp | BPU加速 | -- | type约束：仅支持float类型。 |
| Expand | CPU计算 | -- | -- |
| EyeLike | CPU计算 | -- | -- |
| Flatten | CPU计算 | -- | -- |
| Floor | CPU计算 | -- | type约束：仅支持float类型。 |
| GRU | CPU计算 | -- | - direction属性仅支持forward类型。 - type约束：仅支持float类型。 - 仅支持输入个数是3、4、6。 - 输出个数是2。 |
| Gather | CPU计算 | -- | from_type支持： - input：type约束支持： float,int64,int32,int8,uint64,uint32,uint8。 - indices：type约束支持int32, int64。 to_type支持：type约束支持： float,int64,int32,int8,uint64,uint32,uint8。 |
| GatherElements | CPU计算 | -- | -- |
| GatherND | CPU计算 | -- | from_type支持： - input：type约束支持float,int32,int8。 - indices：tensor(int64)。 to_type支持：type约束支持float,int32,int8。 |
| Gemm | BPU加速 | Gemm将被转化为Conv实现。 假设Gemm的输入feature map的shape为NCHW： 1. 如果HW均小于等于7，则Gemm的限制等同于Conv。 2. 如果H和W均为1，那么C的限制为 <= 16384；否则 C的大小限制为 <= 2048。 3. 如果Gemm后是一个BPU支持的节点，Gemm会进行低精度int8输出，此时的输入宽高限制为: H x W/8 x C/4 <= 1024。 4. 如果Gemm后是一个非BPU支持的节点，Gemm会进行高精度int32输出，此时的输入宽高限制为: H x W/8 x C/4 < 2048。 | type约束：仅支持float类型。 |
| GlobalAveragePool | BPU加速 | 假设输入shape为NCHW， 则输入宽高需满足 HxW <= 8192 | 无 |
| GlobalLpPool | CPU计算 | -- | - type约束：支持float和double类型。 - 仅支持四维Tensor计算。 |
| GlobalMaxPool | BPU加速 | 假设输入shape为NCHW， 则输入宽高取值范围为HxW=[1,1024]x[1,1024] | - type约束仅支持float类型。 - 仅支持四维Tensor。 |
| Greater | CPU计算 | -- | - 支持相同输入shape计算。 - 支持输入1是标量或者输入2 是标量的计算。 - 支持broadcast计算，最大维度是5。 |
| HardSigmoid | CPU计算 | -- | type约束仅支持float类型。 |
| Hardmax | CPU计算※ | -- | -- |
| Identity | CPU计算 | -- | -- |
| If | CPU计算※ | -- | -- |
| InstanceNormalization | CPU计算 | -- | - type约束仅支持float类型。 - 支持第1个维度是channel的数据排布方式计算。 |
| IsInf | CPU计算※ | -- | -- |
| IsNaN | CPU计算※ | -- | -- |
| LRN | CPU计算 | -- | - type约束仅支持float类型。 - 仅支持四维Tensor。 |
| LSTM | BPU加速 | 仅支持batch_size=1 | - 不支持属性设置。 - type约束仅支持float类型。 - 仅支持输入个数是3、4、8。 - 输出个数是2。 |
| LeakyRelu | BPU加速 | 无 | 无 |
| Less | CPU计算 | -- | - 支持相同输入shape计算。 - 支持输入1是标量或者输入2是标量的计算。 - 支持broadcast计算，最大维度是5。 |
| LessOrEqual | CPU计算 | - 支持相同输入shape计算。 - 支持输入1是标量或者输入2是标量的计算。 - 支持broadcast计算，最大维度是5。 | |
| Log | CPU计算 | -- | type约束：仅支持float类型。 |
| LogSoftmax | CPU计算 | -- | type约束：仅支持float类型。 |
| Loop | CPU计算※ | -- | -- |
| LpNormalization | CPU计算 | -- | - p范数仅支持1或者2。 - type约束支持double类型和float类型。 |
| LpPool | CPU计算 | -- | - auto_pad属性不支持。 - type约束支持double类型和float类型。 - 仅支持4维计算。 |
| MatMulInteger | CPU计算※ | -- | -- |
| MatMul | BPU加速 | 对于两个输入分别为featuremap和weight的场景（即featuremap与常量相乘） 其中第一个输入是featuremap，第二个输入是weight，以下几种场景均可优化到BPU上运行： - K vs KxN、K vs 1xKxN、K vs 1x1xKxN - MxK vs K、MxK vs KxN、MxK vs 1x1xKxN - 1xMxK vs K、1xMxK vs 1xKxN - 1x1xMxK vs K、1x1xMxK vs 1xKxN、1x1xMxK vs 1x1xKxN - BxMxK vs KxN （B>=1） - 1xBxMxK vs KxN （B>=1） - AxBxMxK vs KxN (A>1，B>1) - 其中第一个输入是weight，第二个输入是featuremap，以下场景可优化到BPU上运行： - 1xBxMxK vs 1x1xKxN (B>1) 对于两个输入均为featuremap的场景（即两个featuremap相乘），以下场景可优化到BPU上运行： - 1xBxMxK vs 1x1xKxN （B>=1） | type约束：仅支持float类型。 |
| Max | CPU计算 | -- | - 支持1-∞个输入。 - 支持相同输入shape计算。 - 支持输入1是标量或者输入2是标量的计算。 - 支持broadcast计算，最大维度是5。 |
| MaxPool | BPU加速 | Kernel宽高的取值范围为：[1, 64]x[1, 64]。 Stride取值范围为：[1,185]。 Padding值需要大于等于零。 MaxPool不支持dilation。 | 1. dilation只支持1x1。 2. 只支持数据行优先存储。 3. auto_pad属性不支持。 4. storage_order属性不支持。 5. 仅支持四维Tensor计算。 |
| MaxRoiPool | CPU计算 | -- | 无 |
| Mean | CPU计算※ | -- | -- |
| Min | CPU计算 | -- | - 支持1-∞个输入。 - 支持相同输入shape计算。 - 支持输入1是标量或者输入2是标量的计算。 - 支持broadcast计算，最 大维度是5。 |
| Mod | CPU计算※ | -- | -- |
| Mul | BPU加速 | Mul的两个输入都需要是四维并且C的大小需要 <= 2048。 同时仅支持如下shape的相乘： 1. (1xCxHxW vs 1xCxHxW)。 2. (1xCxHxW vs 1xCx1x1)。 3. (1xCxHxW vs 1x1x1x1) 。 注意：输入的取值不能为0。 | - 支持相同输入shape计算。 - 支持输入1是标量或者输入2是标量的计算。 - 支持broadcast计算，最大维度是5。 |
| Multinomial | CPU计算※ | -- | -- |
| Neg | CPU计算 | -- | -- |
| NonZero | CPU计算 | -- | - type约束支持：float,int32,int8。 - 支持1维计算。 - 支持4维计算。 |
| Not | CPU计算 | -- | -- |
| OneHot | CPU计算 | -- | -- |
| Or | CPU计算 | -- | - 支持相同输入shape计算。 - 支持输入1是标量或者输入2是标量的计算。 - 支持broadcast计算，最大维度是5。 |
| PRelu | BPU加速 | -- | - type约束支持：仅支持float类型。 - from_type：X和slope。 - to_type：Y。 - X的shape为data_shape，slope的为slope_shape ，shape约束如下： - data_shape == slope_shape。 - slope_shape.ProdSize() == 1。 - X和slope仅支持NCHW排布的4维度计算，并且N、C维度值相等。 - HxW 与1x1（ slope_shape ）。 - HxW与Hx1（ slope_shape ）。 - HxW与1xW（ slope_shape ）。 - X是4维度 && slope是3维度 && data_shape[1] == slope_shape [0] && slope_shape [1] == 1 && slope_shape [2] == 1。 |
| Pad | BPU加速 | 支持mode = Constant。 仅支持H，W维度的pad。 | Pad-10： - type约束仅支持float类型。 - 仅支持NCHW排布的4维Tensor。 - 属性pads的约束如下： - len(pads) == 8 && pads[i] >=0 && pads[0] == 0 && pads[1] == 0 && pads[4] == 0 && pads[5] == 0。 Pad-11： - from_type支持： - data：type约束仅支持float类型。 - pads : tensor(int64)。 - constant_value (optional)：type约束仅支持float类型。 - to_type支持：type约束仅支持float类型。 - 仅支持4维Tensor。 - 仅支持2/3维度填充。 |
| Pow | BPU加速 | 只支持第二个输入（exponent）为单个值。 | - type约束支持：double, float，int64, int32。 - 支持相同输入shape的计算。 - 支持输入1是标量或者输入2是标量的计算。 - 支持broadcast计算，最大维度是5。 - 仅支持X和Y相同type。 |
| QLinearConv | CPU计算※ | -- | -- |
| QLinearMatMul | CPU计算※ | -- | -- |
| QuantizeLinear | CPU计算 | -- | -- |
| RNN | CPU计算 | -- | - type约束：仅支持float类型。 - 属性约束：direction属性仅支持forward。 - 输入约束：仅支持X、W、R输入，不支持可选输入B、sequence_lens、initial_h设置。 - 输出约束：仅支持Y_h的输出，shape [num_directions, batch_size, hidden_size]。 |
| RandomNormal | CPU计算※ | -- | -- |
| RandomNormalLike | CPU计算※ | -- | -- |
| RandomUniform | CPU计算 | -- | -- |
| RandomUniformLike | CPU计算 | -- | -- |
| Range | CPU计算 | -- | type约束支持：float,int64,int32,int16。 |
| Reciprocal | BPU加速 | -- | -- |
| ReduceL1 | CPU计算 | -- | -- |
| ReduceL2 | CPU计算 | -- | -- |
| ReduceLogSum | CPU计算 | -- | 仅支持float、double数据类型 |
| ReduceLogSumExp | CPU计算 | -- | type约束支持float、double数据类型。 |
| ReduceMax | CPU计算 | -- | axes支持0, 1或者等于输入数据的维数 |
| ReduceMean | BPU加速 | input featuremap需为四维，并且axes=[2, 3] | axes支持0, 1或者等于输入数据的维数 |
| ReduceMin | CPU计算 | -- | -- |
| ReduceProd | CPU计算 | -- | -- |
| ReduceSum | CPU计算 | -- | axes支持0, 1或者等于输入数据的维数 |
| ReduceSumSquare | CPU计算 | -- | axes支持0, 1或者等于输入数据的维数 |
| Relu | BPU加速 | 会被融合到前一个conv中 | type约束：仅支持float类型。 |
| Reshape | CPU计算 | -- | -- |
| Resize | BPU加速 | 1. 输入featuremap需为四维NCHW，并且只支持在H和W维度上进行resize，onnx opset=11时支持roi输入（pytorch转换的模型需手动修改算子添加roi输入，roi只支持常量输入），roi输入只支持H和W维度，roi输入只在tf_crop_and_resize模式下起作用。 2. 属性mode支持nearest和linear两种模式。 3. 支持放大和缩小。 4. 对于mode=nearest，放大系数factor支持2的幂数倍如2，4，8，16，32等；支持H维度和W维度的放大系数不同但需要满足 H_factor <= W_factor。 5. 对于onnx opset=11，属性coordinate_transformation_mode支持half_pixel，pytorch_half_pixel, asymmetric，align_corners和tf_crop_and_resize，当coordinate_transformation_mode=tf_crop_and_resize时，需要保证roi输入转换得到的边界坐标为整数。 | resize-10 - 输入等于2时，使用opset10。 - 输入数据是4维Tensor。 resize-11 - 输入大于2时，使用opset11。 - 输入数据是4维Tensor。 - coordinate_transformation_mode在nearest, linear模式下支持half_pixel, asymmetric, align_corners和pytorch_half_pixel四种，在cubic模式下只支持half_pixel。 - extrapolation_value属性不支持。 |
| ReverseSequence | CPU计算 | -- | -- |
| RoiAlign | CPU计算 | -- | -- |
| Round | CPU计算 | -- | -- |
| Scan | CPU计算※ | -- | -- |
| Scatter (deprecated) | CPU计算※ | -- | -- |
| ScatterElements | CPU计算 | -- | from_type支持： - data：type约束支持：float,int32,int8。 - indices：type约束仅支持int32类型。 - updates：type约束支持：float,int32,int8。 to_type支持：type约束支持：float,int32,int8。 |
| ScatterND | CPU计算 | -- | from_type支持： - data：type约束支持：float,int32,int8。 - updates : type约束支持：float,int32,int8。 to_type支持：type约束支持：float,int32,int8。 |
| Selu | CPU计算 | -- | type约束：仅支持float类型。 |
| SequenceAt | CPU计算※ | -- | -- |
| SequenceConstruct | CPU计算※ | -- | -- |
| SequenceEmpty | CPU计算※ | -- | -- |
| SequenceErase | CPU计算※ | -- | -- |
| SequenceInsert | CPU计算※ | -- | -- |
| SequenceLength | CPU计算※ | -- | -- |
| Shape | BPU加速 | 会通过常量折叠将其优化为数值存储 | -- |
| Shrink | CPU计算※ | -- | -- |
| Sigmoid | BPU加速 | 对于一个输入维度为1CHW的tensor，仅支持min(8W4C对齐后的shape，32C对齐后的shape) <=8192的情况。 8W4C：实际运行时tensor的W维度padding至8的整数倍，C维度padding至4的整数倍。 32C：实际运行时tensor的C维度padding至32的整数倍。 在两个对齐方式中取对齐后shape最小值，判断是否 <=8192。 | type约束：仅支持float类型。 |
| Sign | CPU计算 | -- | 无 |
| Sin | BPU加速 | 对于一个输入维度为1CHW的tensor，仅支持CxHxW <= 8192的情况 | type约束：仅支持float类型。 |
| Sinh | CPU计算 | -- | type约束：仅支持float类型。 |
| Size | BPU加速 | 会通过常量折叠将其优化为数值存储 | -- |
| Slice | BPU加速 | 无限制 | 无 |
| Softmax | BPU加速 | 默认运行在CPU上，当该op输入为四维且axis=1，并且作为模型输出节点时，可以通过run_on_bpu指定该节点将其运行在BPU上。 | type约束：仅支持float类型。 |
| Softplus | BPU加速 | 对于一个输入维度为1CHW的tensor，仅支持CxHxW <= 8192的情况 | type约束：仅支持float类型。 |
| Softsign | CPU计算 | -- | type约束：仅支持float类型。 |
| SpaceToDepth | BPU加速 | 支持mode=DCR 和 mode=CRD。 仅支持H和W方向的重新排列，并且仅支持blocksize=2的重排列。 举例：NxCxHxW -> Nx(4C)x(H/2)x(W/2) | type约束：仅支持float类型。 |
| Split | BPU加速 | 1. 只支持输入大小为NCHW； 2. 原始输入的长度必须是每个被切分的tensor长度的倍数； 3. 只支持沿着C，H，W维度的切分，也就是axis支持等于1，2，3； 4. split数应可以整除 | type约束：仅支持float类型。 |
| SplitToSequence | CPU计算※ | -- | -- |
| Sqrt | BPU加速 | 对于一个输入维度为1CHW的tensor，仅支持CxHxW <= 8192的情况 | type约束：仅支持float类型。 |
| Squeeze | CPU计算 | 如果该op出现在模型中的常量计算子结构中，会被常量折叠优化删除掉，不参与推理 | -- |
| StringNormalizer | CPU计算※ | -- | -- |
| Sub | CPU计算 | -- | - 支持相同输入shape计算。 - 支持输入1是标量或者输入2是标量的计算。 - 支持broadcast计算，最大维度是5。 |
| Sum | BPU加速 | 限制条件等同于Add | type约束：仅支持float类型。 |
| Tan | CPU计算 | -- | type约束：仅支持float类型。 |
| Tanh | BPU加速 | 对于一个输入维度为1CHW的tensor，仅支持CxHxW <= 8192的情况 | type约束：仅支持float类型。 |
| TfIdfVectorizer | CPU计算※ | -- | -- |
| ThresholdedRelu | CPU计算 | -- | type约束：仅支持float类型。 |
| Tile | CPU计算 | -- | type约束：仅支持float,int64,int32,uint64,uint32类型。 |
| TopK | CPU计算 | -- | - type约束：仅支持float类型。 - 仅支持opset-10。 |
| Transpose | CPU计算 | -- | - 支持nhwc2nchw，perm：[0, 3, 1, 2]。 - 支持nchw2nhwc，perm：[0, 2, 3, 1]。 - 支持指定perm维度转换，数据类型仅支持float，int8，int32。 |
| Unique | CPU计算※ | -- | -- |
| Unsqueeze | CPU计算 | 如果该op出现在模型中的常量计算子结构中，会被常量折叠优化删除掉，不参与推理 | -- |
| Upsample (resize替代) | BPU加速 | -- | Upsample-(resize-10) - 输入等于2时，使用opset10。 - 输入数据是4维Tensor。 Upsample-(resize-11) - 输入大于2时，使用opset11。 - 输入数据是4维Tensor。 - coordinate_transformation_mode在nearest, linear模式下支持half_pixel, asymmetric, align_corners和pytorch_half_pixel四种，在cubic模式下只支持half_pixel。 - extrapolation_value属性不支持。 |
| Where | CPU计算 | -- | type约束支持float和int64类型。 condition的shape为cond_shape，X的shape为x_shape，Y的shape为y_shape ，output的shape为o_shape，shape约束如下： - 仅支持cond_shape == o_shape情况下： - x_shape == o_shape的broadcast。 - y_shape == o_shape的broadcast。 - 仅支持cond_shape.NDim() == 4 && o_shape.NDim() == 4 && N维度值相同 && C维度值相同： - 1x1（cond_shape）与HxW （o_shape）。 - Hx1（cond_shape）与HxW（o_shape）。 - 1xW（cond_shape）与HxW（o_shape）。 |
| Xor | CPU计算※ | -- | -- |
| Function | CPU计算※ | -- | -- |
| Celu | CPU计算※ | -- | -- |
| DynamicQuantizeLinear | CPU计算※ | -- | -- |
| GreaterOrEqual | CPU计算 | -- | - 支持相同输入shape计算。 - 支持输入1是标量或者输入2是标量的计算。 - 支持broadcast计算，最大维度是5。 |
| MeanVarianceNormalization | CPU计算※ | -- | -- |
| GridSample（PyTorch） | CPU计算※ | -- |
RDK X5支持的Caffe算子列表
| caffe算子名称 | CPU计算/BPU加速 | X5 BPU支持约束 | CPU支持约束 |
|---|---|---|---|
| Convolution | BPU加速 | 限制条件等同于 ONNX Conv | 支持conv1d、conv2d、conv3d。 type约束支持：float，int32，int8。 auto_pad属性不支持。 pads属性约束： - conv1d： [Dstart，Dend]，pads长度等于2，并且Dstart = Dend。 - conv2d：[Hstart，Wstart，Hend，Wend]，pads长度等于4 ，并且Hstart==Hend，Wstart==Wend。 - conv3d：[Dstart，Hstart，Wstart，Dend，Hend，Wend]，pads长度等于6 ，并且Dstart = Dend，Hstart==Hend，Wstart==Wend。 |
| Deconvolution | BPU加速 | 限制条件等同于 ONNX ConvTranspose | shape约束：仅支持4维Tensor计算。 type约束：仅支持float类型。 attribute约束： - 仅支持dilations、group、output_padding、 pads 、strides 属性。 - pads属性约束：[hstart, wstart, hend, wend]必须满足(hstart==hend and wstart==wend)。 |
| MaxUnpool | CPU计算 | --- | from_type支持： - X：type约束：仅支持float类型。 - I：Tensor（int64）。 to_type支持：type约束：仅支持float类型。 |
| Pooling | BPU加速 | 共有四种Pooling算子即MaxPooling，AveragePooling，GlobalMaxPooling，GlobalAveragePooling。对四种Pooling的约束分别为： - MaxPooling： 该算子支持int16输入输出。 kernel <= 256；stride <= 256；padding <= 256。MaxPooling不支持dilation。 - AveragePooling： 限制条件等同于 ONNX AveragePool - GlobalAveragePooling： 无限制。 - GlobalMaxPooling： H, W ∈ [1, 256]。 | 无 |
| SPP | CPU计算 | 不支持 | 支持pyramid_height，2^n 次pooling, n < 7;pooling kernel 小于等于 255； 支持pool，配置可选值为 {0，1} |
| InnerProduct | BPU加速 | InnerProduct将被转化为Conv实现，边界约束参考Conv。 不支持配置axis属性。 | 无 |
| LRN | CPU计算 | 不支持 | local_size 支持。 alpha支持。 beta 支持。 norm_region 支持，配置可选值 {ACROSS_CHANNELS, WITHIN_CHANNEL }。k 支持。 |
| MVN | CPU计算 | 不支持 | normalize_variance支持，配置可选值为1。 across_channels支持，配置可选值为1。 仅支持Float32类型的计算。 |
| BatchNorm | BPU加速 | 无限制 | 无 |
| ELU | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维，最高维 ∈ [1, 4096]，其它维 ∈ [1, 65536]。 | 无 |
| BNLL | CPU计算 | 不支持 | 无 |
| PReLU | BPU计算 | 1. 该算子仅支持int8输入输出。 2. 输入输出仅支持4维。 | - type约束支持：仅支持float类型。 - from_type：X和slope。 - to_type：Y。 - X的shape为data_shape，slope的为slope_shape ，shape约束如下： - data_shape == slope_shape 。 - slope_shape.ProdSize() == 1 。 - X和slope仅支持NCHW排布的4维度计算，并且N、C维度值相等。 - HxW 与1x1（ slope_shape ）。 - HxW与Hx1（ slope_shape ）。 - HxW与1xW（ slope_shape ） 。 - X是4维度 && slope是3维度 && data_shape[1] == slope_shape [0] && slope_shape [1] == 1 && slope_shape [2] == 1。 |
| ReLU/LeakyRelu | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维 | 无 |
| Sigmoid | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维 | 无 |
| TanH | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维 | 无 |
| Eltwise | BPU加速 | 目前支持的operation包括Add、Sub、Mul。 1. 该算子支持int16输入输出。 2. 输入类型支持featurmap和常量，且最多支持一个常量输入。 3. 支持所有维度的广播，支持两个输入之间的互相广播，例如NH1C和N1WC。 4. 输入输出维度支持1-10维，大小为一般限制（见备注）。支持两个输入维度不同，输入大于4维时可通过合并相邻维度降维到4维（包括N），合并规则是： (1)将输出dim为1的维度去除，例如[1, 2, 3, 4] [1, 2, 1, 4]->[1, 2, 3, 4]可看为[2, 3, 4],[2, 1, 4]->[2, 3,4]。 (2)相邻的非广播维度可以合并，如[2, 5, 4, 5, 3] [2, 5, 1, 5, 3], 2, 5可以合并。 (3)相邻的同一Tensor的广播维度可以合并: 如[2, 5, 4, 5, 2] [1, 1, 1, 5, 2] 2，5，4可以合并。 (4)广播维度不能和相邻非广播维度合并，如[2, 5, 4, 5, 2] [2, 1, 4, 1, 2]不能合并；非同一Tensor的广播维度不能合并 [2, 1, 4, 1, 2] [1, 5, 1, 5, 1]。 | 无 |
| Bias | BPU加速 | 参考Eltwise等于Add的情况 | 无 |
| Scale | BPU加速 | 参考Eltwise等于Mul的情况 | 无 |
| AbsVal | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维 | 无 |
| Exp | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维 | 无 |
| Log | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维 | 无 |
| Power | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维 3. 第二个输入只支持标量。 | 无 |
| Threshold | CPU计算 | 不支持 | 无 |
| Reduction | CPU计算 | 不支持 | operation 支持 SUM、ASUM、 SUMSQ、MEAN、Max、LogSum、Min、Prod； axis 支持； 仅支持Float32类型的计算。 |
| Softmax | BPU加速 | 1. 该算子支持int16输入输出。 2. 默认运行在CPU上，当该op输入为四维并且axis=1,2,3时，可以通过run_on_bpu指定该节点将其运行在BPU上。 | 无 |
| ArgMax | BPU加速 | 1. 仅支持 axis=1，c<=64。2. 不支持配置top_k != 1。 3. 该算子支持int16输入输出。 | 无 |
| Concat | BPU加速 | 1. 该算子支持int16输入输出。 2. 不支持N维度concat。 | 无 |
| Split | BPU加速 | 1. 该算子支持int16输入输出。 2. 原始输入的长度必须是每个被切分的tensor长度的倍数。 3. 支持除N维度以外的任意维度。 4. split数应可以整除。 5. 支持非四维输入输出。 | 无 |
| Slice | BPU加速 | 1. 该算子支持int16输入输出。 2. 无限制，支持非四维输入输出。 | 无 |
| Reshape | BPU加速 | 1. 该算子支持int16输入输出。 2. 支持1-10维输入输出。 | shape 支持[1,4]个 shape_dim 配置 ；axis 支持 [-4,3]范围内可配，不支 持 N 维度，默认值 0，遵循 caffe 规则 ；num_axes 支持 [-1,3]范围内可配，默认 值 -1 表示对 axis 起始的所有 轴进行变换 |
| Flatten | CPU计算 | 不支持（一些场景下可以融合） | axis 取值范围[-4,3]，默认值 为 1，-4 与 0 含义相同。 只支持End_axis == -1。 |
| Crop | CPU计算 | 不支持 | 无 |
| Dropout | BPU加速 | 无限制 | 无 |
| LSTM | BPU加速 | 仅支持batch=1 | -- |
| Normalize | CPU计算 | 不支持 | type约束：仅支持float类型。 |
| PassThrough | BPU加速 | 支持mode=DCR 和 mode=CRD。 仅支持H和W方向的重新排列，并且仅支持blocksize=2的重排列。 举例：NxCxHxW -> Nx(4C)x(H/2)x(W/2)。 | type约束：仅支持float类型。 |
| CReLU | CPU计算 | 不支持 | type约束：仅支持float类型。 |
| RReLU | CPU计算 | 不支持 | 无 |
| Permute | BPU加速 | 1. 支持任意输入维度。 2. 除batch维度（第一维）以外，支持任意其它维度的转换。 | - 支持nhwc2nchw，perm：[0, 3, 1, 2]。 - 支持nchw2nhwc，perm：[0, 2, 3, 1]。 - 支持指定perm维度转换，数据类型仅支持float，int8，int32。 |
| MatMul | BPU加速 | C = MatMul(A，B)，对输入A和输入B有以下维度限制： - A和B均支持非四维输入但需满足约束： - A和B的维度必须相同。 - A和B的最低两个维度M, K ∈ [1, 8192]，其他更高维度∈[1, 4096]。 注：HDMK vs HDKN，MK/KN即为最低两个维度。 - 支持的broadcast需满足以下条件： - A 跟B两个输入，除开最低两维的其他维度全是1或者全是不需要广播的值。 - 此场景支持的例子：HDMK vs H1KN - 此场景不支持反例：H1MK vs 1DKN - A除了最低两个维度，其他维度不能即有需要广播的值也有不需要广播的值。 - 此场景支持的例子：11MK vs HDKN - 此场景不支持反例：H1MK vs HDKN - B除了最低两个维度，如果其他维度即有需要广播的值也有不需要广播的值，那么不需要广播的值只能在连续的高维度上。 - 此场景支持的例子：BHDMK vs B11KN - 此场景不支持反例：BHDMK vs B1DKN 注：需要广播的值和不需要广播的值： - 如果A和B在对应维度轴上的两个值，一个为1，另一个为非1，那么1就是需要广播的值，非1就是不需要广播的值； - 如果A和B在对应维度轴上的两个值相等，那么这两个值都是不需要广播的值（如HDMK vs H1KN，1是需要广播的值，H是不需要广播的值）。 | type约束：仅支持float类型。 |
| Upsample | BPU加速 | 输入featuremap需为四维NCHW，并且只支持在H和W维度上进行resize； 放大系数factor不能同时小于2。 | 无 |
| ROIPooling | CPU计算 | 不支持 | 无 |
| PSROIPooling | CPU计算 | 不支持 | 无 |
RDK X5支持的ONNX算子列表
| ONNX算子名称 | CPU计算/BPU加速 | X5 BPU支持约束 | CPU支持约束 |
|---|---|---|---|
| Abs | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维 | type约束：仅支持float类型。 |
| Acos | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维 | type约束支持float和double类型。 |
| Acosh | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维 | type约束支持float和double类型。 |
| Add | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入类型支持featurmap和常量，且最多支持一个常量输入。 3. 支持所有维度的广播，支持两个输入之间的互相广播，例如NH1C和N1WC。 4. 输入输出维度支持1-10维，大小为一般限制（见备注）。支持两个输入维度不同，输入大于4维时可通过合并相邻维度降维到4维（包括N），合并规则是： (1)将输出dim为1的维度去除，例如[1, 2, 3, 4] [1, 2, 1, 4]->[1, 2, 3, 4]可看为[2, 3, 4],[2, 1, 4]->[2, 3,4]。 (2)相邻的非广播维度可以合并，如[2, 5, 4, 5, 3] [2, 5, 1, 5, 3], 2, 5可以合并。 (3)相邻的同一Tensor的广播维度可以合并: 如[2, 5, 4, 5, 2] [1, 1, 1, 5, 2] 2，5，4可以合并。 (4)广播维度不能和相邻非广播维度合并：如[2, 5, 4, 5, 2] [2, 1, 4, 1, 2]不能合并；非同一Tensor的广播维度不能合并 [2, 1, 4, 1, 2] [1, 5, 1, 5, 1]。 5. 作为resnet中的short-cut子结构的Add，会被融合到上一个conv中加速计算。 | - 支持相同输入shape计算。 - 支持输入1是标量或者输入2是标量的计算。 - 支持broadcast计算，最大维度是8。 |
| And | CPU计算 | -- | - 支持相同输入shape计算。 - 支持输入1是标量或者输入2是标量的计算。 - 支持broadcast计算，最大维度是8。 |
| ArgMax | BPU加速 | 1. 输入维度为四维输入NCHW。 2. N ∈ [1, 4096]，H,W ∈ [1, 65536] ，C ∈ [1, 8191]。 3. 该算子支持int16输入输出。 4. 仅支持沿C维度进行argmax/argmin，即axis=1。 | type约束：仅支持float类型。 |
| ArgMin | BPU加速 | 1. 输入维度为四维输入NCHW。 2. N ∈ [1, 4096]，H,W ∈ [1, 65536] ，C ∈ [1, 8191]。 3. 该算子支持int16输入输出。 4. 仅支持沿C维度进行argmax/argmin，即axis=1。 | type约束：仅支持float类型。 |
| Asin | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维。 | type约束支持float和double类型。 |
| Asinh | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维。 | type约束支持float和double类型。 |
| Atan | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维。 | type约束支持float和double类型。 |
| Atanh | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维。 | type约束支持float和double类型。 |
| AveragePool | BPU加速 | kernel: H,W ∈ [1, 256] H * W <= 8192 ，H * W > 1 stride: H,W ∈ [1, 256]< br/>padding: H,W ∈ [0, 255] | 输入和输出支持4维和5维。 |
| BatchNormalization | BPU加速 | 无限制。 | type约束：仅支持float类型。 支持第1个维度是channel的数据排布方式计算。 |
| BitShift | CPU计算※ | -- | -- |
| Cast | CPU计算 | -- | from_type支持double, float, bool, int64, uint32, int32, uint16, int16, uint8, int8。 to_type支持double, float, bool, int64, uint32, int32, uint16, int16, uint8, int8。 |
| Ceil | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维 | type约束支持double类型和float类型。 |
| Clip | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维 | opset6: min, max作为属性值，dtype仅支持float类型; opset11: min, max作为输入，仅有两个输入时，第二个为min；dtype支持float, double类型。 |
| Compress | CPU计算※ | -- | -- |
| Concat | BPU加速 | 1. 该算子支持int16输入输出。 2. 不支持N维度concat。 | -- |
| ConcatFromSequence | CPU计算※ | -- | -- |
| Constant | BPU加速 | 会通过常量折叠将其优化为数值存储 | 目前不支持sparse_tensor属性。 |
| ConstantOfShape | BPU加速 | 会通过常量折叠将其优化为数值存储 | type约束支持：float,int32,int8。 |
| Conv | BPU加速 | 支持四维输入（conv2d）和五维输入（conv3d）。 四维输入（conv2d）： Kernel shape范围：N,C ∈ [1, 8192]; H,W ∈ [1, 31]。C * H * W < = 32767。 输入输出Channel取值范围(one group) <= 8192，如果Conv是量化子图的最后一个算子，取值范围<= 65536。stride取值范围：H,W ∈ [1, 256]，但对于Conv后接Add(resnet shortcut-connecting) Stride取值范围为：2，对dilated>1的conv，stride只支持=1。 Dilation取值范围：H,W∈ [1, 16]，H或W大于1时，只支持输出int8，且输入Tensor的H必须能被dilation的H整除，输入Tensor的W必须能被dilation的W整除。 padding取值范围：H,W ∈ [0, 256]。 五维输入（conv3d）： 输入大小NCDHW：N ∈ [1, 128]; H,W,D,C ∈ [1, 65536]。 kernel大小NCDHW：N,C ∈ [1, 65536]; H,W ∈ [1, 31], D ∈ [1, 8191]。 padding大小DHW：H,W ∈ [0, 256], D ∈ [0, kernel_d/2]。 stride取值范围：H, W同为1或H, W同为2。 group，dilation暂不支持。 Size: 1G bytes；当D * C > 4096时, H * alignCeil(W, 256) * D * C < 1G。 weight的D * 输入的C <= 8192。 | 支持conv1d、conv2d、conv3d。 type约束支持：float，int32，int8。 auto_pad属性不支持。 pads属性约束： - conv1d： [Dstart，Dend]，pads长度等于2，并且Dstart = Dend。 - conv2d：[Hstart，Wstart，Hend，Wend]，pads长度等于4 ，并且Hstart==Hend，Wstart==Wend。 - conv3d：[Dstart，Hstart，Wstart，Dend，Hend，Wend]，pads长度等于6 ，并且Dstart = Dend，Hstart==Hend，Wstart==Wend。 |
| ConvInteger | CPU计算※ | -- | -- |
| ConvTranspose | BPU加速 | 输入输出featuremap大小限制： N ∈ [1, 128]。 H,W ∈ [1, 65536]。 C ∈ [1, 2048] 。 Size: 1G bytes。 weight大小限制： N,C ∈ [1, 2048]。 H,W ∈ [1, 14]且HW不同时为1。 Size: psh = padding.h % stride.h; psw = padding.w % stride.w; ksh = (kernel.h - 1 + psh) / stride.h +1 ksw = (kernel.w - 1 + psw) / stride.w + 1 group_num = fout.c / kernel.c ksc = fin.c / group_num kernel_size = ksh * ksw * ksc kernel_size ∈ [1, 32767] padding取值范围： stride为奇数时，H,W ∈ [0, kernel / stride)。 stride为偶数，H,W ∈ [0, kernel / stride]。 out_pad取值范围：H,W ∈ 1。 stride >= 1 && stride <=14 但不支持stride_h和stride_w同时等于1。Dilation ∈ 1。 | shape约束：仅支持4维Tensor计算。 type约束：仅支持float类型。 attribute约束： - 仅支持dilations、group、output_padding、 pads 、strides 属性。 - pads属性约束：[hstart, wstart, hend, wend]必须满足(hstart==hend and wstart==wend)。 |
| Cos | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维 | type约束支持float类型。 |
| Cosh | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维 | type约束支持float类型。 |
| CumSum | CPU计算 | -- | axis：type约束仅支持int32类型。 |
| DepthToSpace | BPU加速 | 该算子支持int16输入输出。 支持mode=DCR 和 mode=CRD。 仅支持H和W方向的重新排列，并且仅支持blocksize=2的重排列。 举例：NxCxHxW -> Nx(C/4)x(2H)x(2W) 输出的channel必须是4的倍数。 | from_type支持： - type约束仅支持float类型。 - 仅支持4维度Tensor计算。 to_type支持： - type约束仅支持float类型。 - 仅支持4维度Tensor计算。 |
| DequantizeLinear | CPU计算 | -- | -- |
| Det | CPU计算※ | -- | -- |
| Div | BPU加速 | 对input shape的约束请参考Mul算子。 | - 支持相同输入shape计算。 - 支持输入1是标量或者输入2是标量的计算。 - 支持broadcast计算，最大维度是8。 |
| Dropout | BPU加速 | 该算子推理阶段不参加计算， 会被移除优化 | -- |
| Einsum | CPU计算※ | -- | -- |
| Elu | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维 | type约束：仅支持float类型。 |
| Equal | BPU加速 | 1. 该算子支持int16输入。 2. 支持所有维度的广播，支持fin0或fin1其中一个输入的广播，不能支持互相广播。 3. 输入输出维度支持1-10维，大小为一般限制（见备注）。输入大于4维时可通过合并相邻维度降维到4维（包括N），合并规则是： (1)将输出dim为1的维度去除，例如[1, 2, 3, 4] [1, 2, 1, 4]->[1, 2, 3, 4]可看为[2, 3, 4],[2, 1, 4]->[2, 3,4]。 (2)相邻的非广播维度可以合并，如[2, 5, 4, 5, 3] [2, 5, 1, 5, 3], 2, 5可以合并。 (3)相邻的同一Tensor的广播维度可以合并: 如[2, 5, 4, 5, 2] [1, 1, 1, 5, 2] 2，5，4可以合并。 (4)广播维度不能和相邻非广播维度合并：如[2, 5, 4, 5, 2] [2, 1, 4, 1, 2]不能合并。 4. 默认运行在CPU上，可以通过run_on_bpu指定该节点将其运行在BPU上。 | - 支持相同输入shape计算。 - 支持输入1是标量或者输入2是标量的计算。 - 支持broadcast计算，最大维度是8。 |
| Erf | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维 | type约束：支持float数据类型。 |
| Exp | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维 | type约束：仅支持float类型。 |
| Expand | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维，输入与输出仅支持有一个维度上的数值不同。 3. 输入与输出仅允许有一个维度上数值不同。 | -- |
| EyeLike | CPU计算 | -- | -- |
| Flatten | BPU加速 | 限制条件等同于Reshape。 | -- |
| Floor | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维 | type约束：仅支持float类型。 |
| GRU | CPU计算 | -- | - direction属性仅支持forward类型。 - type约束：仅支持float类型。 |
| Gather | BPU加速 | 1. input/output/indices 的rank都要小于等于4。 2. indices支持： - indices是feature（其他op输出）时，type约束仅支持int32类型。 - indices是weight（模型保存的常量）时，type约束支持int32和int64类型。 | from_type支持： - input：type约束支持： float,int64,int32,int8,uint64,uint32,uint8。 - indices：type约束支持int32, int64。 to_type支持：type约束支持： float,int64,int32,int8,uint64,uint32,uint8。 |
| GatherElements | BPU加速 | 1. 该算子支持int16输入输出。 2. input/indices/output维度支持1-10维。 3. 当输入维度 i != axis 时，要求indices.shape[i] <= input.shape[i]。 | -- |
| GatherND | CPU计算 | -- | from_type支持： - input：type约束支持float,int32,int8。 - indices：tensor(int64)。 to_type支持：type约束支持float,int32,int8。 |
| Gemm | BPU加速 | Gemm将被转化为Conv实现，边界约束参考Conv。 | type约束：仅支持float类型。 |
| GlobalAveragePool | BPU加速 | 无限制。 | - type约束：仅支持float类型。 - 仅支持四维Tensor。 |
| GlobalLpPool | CPU计算 | -- | - type约束：支持float和double类型。 - 仅支持四维Tensor计算。 |
| GlobalMaxPool | BPU加速 | H, W ∈ [1, 256]。 | - type约束仅支持float类型。 - 仅支持四维Tensor。 |
| Greater | BPU加速 | 1. 该算子支持int16输入。 2. 支持所有维度的广播，支持fin0或fin1其中一个输入的广播，不能支持互相广播。 3. 输入输出维度支持1-10维，大小为一般限制（见备注）。输入大于4维时可通过合并相邻维度降维到4维（包括N），合并规则是： (1)将输出dim为1的维度去除，例如[1, 2, 3, 4] [1, 2, 1, 4]->[1, 2, 3, 4]可看为[2, 3, 4],[2, 1, 4]->[2, 3,4]。 (2)相邻的非广播维度可以合并，如[2, 5, 4, 5, 3] [2, 5, 1, 5, 3], 2, 5可以合并。 (3)相邻的同一Tensor的广播维度可以合并：如[2, 5, 4, 5, 2] [1, 1, 1, 5, 2] 2，5，4可以合并。 (4)广播维度不能和相邻非广播维度合并：如[2, 5, 4, 5, 2] [2, 1, 4, 1, 2]不能合并。 4. 默认运行在CPU上，可以通过run_on_bpu指定该节点将其运行在BPU上。 | - 支持相同输入shape计算。 - 支持输入1是标量或者输入2是标量的计算。 - 支持broadcast计算，最大维度是8。 |
| HardSigmoid | BPU加速 | 1. 该 算子支持int16输入输出。 2. 输入输出支持1-10维 | type约束仅支持float类型。 |
| Hardmax | CPU计算※ | -- | -- |
| Identity | CPU计算 | -- | -- |
| If | CPU计算※ | -- | -- |
| InstanceNormalization | CPU计算 | -- | - type约束仅支持float类型。 - 支持第1个维度是channel的数据排布方式计算。 |
| IsInf | CPU计算※ | -- | -- |
| IsNaN | CPU计算※ | -- | -- |
| LRN | CPU计算 | -- | - type约束仅支持float类型。 - 仅支持四维Tensor。 |
| LSTM | BPU加速 | 仅支持batch_size=1，如果需要配置多batch，需要在导出onnx时保证LSTM的batch为1并在yaml中配置参数input_batch=1。 | - type约束仅支持float类型。 - 属性约束：direction属性仅支持forward。 - 输入约束： - 支持X、W、R输入配置； - 支持X、W、R、B输入配置（sequence_lens为空或默认值）； - 支持X、W、R、B、sequence_lens、initial_h、initial_c、P输入配置（sequence_lens为空或者默认值）。 |
| LeakyRelu | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维 | type约束：仅支持float类型。 |
| Less | BPU加速 | 1. 该算子支持int16输入。 2. 支持所有维度的广播，支持fin0或fin1其中一个输入的广播，不能支持互相广播。 3. 输入输出维度支持1-10维，大小为一般限制（见备注）。输入大于4维时可通过合并相邻维度降维到4维（包括N），合并规则是： (1)将输出dim为1的维度去除，例如[1, 2, 3, 4] [1, 2, 1, 4]->[1, 2, 3, 4]可看为[2, 3, 4],[2, 1, 4]->[2, 3,4]。 (2)相邻的非广播维度可以合并，如[2, 5, 4, 5, 3] [2, 5, 1, 5, 3], 2, 5可以合并。 (3)相邻的同一Tensor的广播维度可以合并：如[2, 5, 4, 5, 2] [1, 1, 1, 5, 2] 2，5，4可以合并。 (4)广播维度不能和相邻非广播维度合并：如[2, 5, 4, 5, 2] [2, 1, 4, 1, 2]不能合并。 4. 默认运行在CPU上，可以通过run_on_bpu指定该节点将其运行在BPU上。 | - 支持相同输入shape计算。 - 支持输入1是标量或者输入2是标量的计算。 - 支持broadcast计算，最大维度是8。 |
| LessOrEqual | BPU加速 | opset11 不支持单个LessOrEqual算子，支持拆分后的算子Greater+Not运行在BPU上，限制条件与Greater相同。 | - 支持相同输入shape计算。 - 支持输入1是标量或者输入2是标量的计算。 - 支持broadcast计算，最大维度是8。 |
| Log | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维 | type约束：仅支持float类型。 |
| LogSoftmax | CPU计算 | -- | type约束：仅支持float类型。 |
| Loop | CPU计算※ | -- | -- |
| LpNormalization | CPU计算 | -- | - p范数仅支持1或者2。 - type约束支持float类型。 |
| LpPool | CPU计算 | -- | - auto_pad属性不支持。 - type约束支持float类型。 - 仅支持4维计算。 |
| MatMulInteger | CPU计算※ | -- | -- |
| MatMul | BPU加速 | C = MatMul(A，B)，对输入A和输入B有以下维度限制： - A和B均支持非四维输入但需满足约束： - A和B的维度必须相同。 - A和B的最低两个维度M, K∈[1, 8192]，其他更高维度∈[1, 4096]。 注：HDMK vs HDKN，MK/KN即为最低两个维度。 - 支持的broadcast需满足以下条件： - A跟B两个输入，除开最低两维的其他维度全是1或者全是不需要广播的值 。 - 此场景支持的例子：HDMK vs H1KN - 此场景不支持反例：H1MK vs 1DKN - A除了最低两个维度，其他维度不能即有需要广播的值也有不需要广播的值。 - 此场景支持的例子：11MK vs HDKN - 此场景不支持反例：H1MK vs HDKN - B除了最低两个维度，如果其他维度即有需要广播的值也有不需要广播的值，那么不需要广播的值只能在连续的高维度上。 - 此场景支持的例子：BHDMK vs B11KN - 此场景不支持反例：BHDMK vs B1DKN 注：需要广播的值和不需要广播的值： - 如果A和B在对应维度轴上的两个值，一个为1，另一个为非1，那么1就是需要广播的值，非1就是不需要广播的值； - 如果A和B在对应维度轴上的两个值相等，那么这两个值都是不需要广播的值（如HDMK vs H1KN，1是需要广播的值，H是不需要广播的值） | type约束：仅支持float类型。 |
| Max | BPU加速 | 1.该算子支持int16输入输出。 2.支持所有维度的广播，支持两个输入之间的互相广播，例如NH1C和N1WC。 3.输入输出维度支持1-10维，大小为一般限制（见备注）。支持两个输入维度不同，输入大于4维时可通过合并相邻维度降维到4维（包括N），合并规则是： (1)将输出dim为1的维度去除，例如[1, 2, 3, 4] [1, 2, 1, 4]->[1, 2, 3, 4]可看为[2, 3, 4],[2, 1, 4]->[2, 3,4]。 (2)相邻的非广播维度可以合并，如[2, 5, 4, 5, 3] [2, 5, 1, 5, 3], 2, 5可以合并。 (3)相邻的同一Tensor的广播维度可以合并：如[2, 5, 4, 5, 2] [1, 1, 1, 5, 2] 2，5，4可以合并。 (4)广播维度不能和相邻非广播维度合并：如[2, 5, 4, 5, 2] [2, 1, 4, 1, 2]不能合并；非同一Tensor的广播维度不能合并 [2, 1, 4, 1, 2] [1, 5, 1, 5, 1]。 | - 支持1-∞个输入。 - 支持相同输入shape计算。 - 支持 输入1是标量或者输入2是标量的计算。 - 支持broadcast计算，最大维度是8。 |
| MaxPool | BPU加速 | 该算子支持int16输入输出。 kernel <= 256。stride <= 256。padding <= 256。MaxPool不支持dilation。 | 1. dilation只支持1x1。 2. 只支持数据行优先存储。 3. auto_pad属性不支持。 4. storage_order属性不支持。 5. 输入和输出支持4维和5维。 |
| MaxRoiPool | CPU计算 | -- | 无 |
| Mean | CPU计算※ | -- | -- |
| Min | BPU加速 | 1.该算子支持int16输入输出。 2.支持所有维度的广播，支持两个输入之间的互相广播，例如NH1C和N1WC。 3.输入输出维度支持1-10维，大小为一般限制（见备注）。支持两个输入维度不同，输入大于4维时可通过合并相邻维度降维到4维（包括N），合并规则是： (1)将输出dim为1的维度去除，例如[1, 2, 3, 4] [1, 2, 1, 4]->[1, 2, 3, 4]可看为[2, 3, 4],[2, 1, 4]->[2, 3,4]。 (2)相邻的非广播维度可以合并，如[2, 5, 4, 5, 3] [2, 5, 1, 5, 3], 2, 5可以合并。 (3)相邻的同一Tensor的广播维度可以合并：如[2, 5, 4, 5, 2] [1, 1, 1, 5, 2] 2，5，4可以合并。 (4)广播维度不能和相邻非广播维度合并：如[2, 5, 4, 5, 2] [2, 1, 4, 1, 2]不能合并；非同一Tensor的广播维度不能合并 [2, 1, 4, 1, 2] [1, 5, 1, 5, 1]。 4. 默认运行在CPU上，可以通过run_on_bpu指定该节点将其运行在BPU上。 | - 支持1-∞个输入。 - 支持相同输入shape计算。 - 支持输入1是标量或者输入2是标量的计算。 - 支持broadcast计算，最大维度是8。 |
| Mod | CPU计算 | -- | -- |
| Mul | BPU加速 | 1. 该算子支持int16输入输出。 2.输入类型支持featurmap 和常量，且最多支持一个常量输入。 3. 支持所有维度的广播，支持两个输入之间的互相广播，例如NH1C和N1WC。 4. 输入输出维度支持1-10维，大小为一般限制（见备注）。支持两个输入维度不同，输入大于4维时可通过合并相邻维度降维到4维（包括N），合并规则是： (1)将输出dim为1的维度去除，例如[1, 2, 3, 4] [1, 2, 1, 4]->[1, 2, 3, 4]可看为[2, 3, 4],[2, 1, 4]->[2, 3,4]。 (2)相邻的非广播维度可以合并，如[2, 5, 4, 5, 3] [2, 5, 1, 5, 3], 2, 5可以合并。 (3)相邻的同一Tensor的广播维度可以合并: 如[2, 5, 4, 5, 2] [1, 1, 1, 5, 2] 2，5，4可以合并。 (4)广播维度不能和相邻非广播维度合并：如[2, 5, 4, 5, 2] [2, 1, 4, 1, 2]不能合并；非同一Tensor的广播维度不能合并 [2, 1, 4, 1, 2] [1, 5, 1, 5, 1]。 | - 支持相同输入shape计算。 - 支持输入1是标量或者输入2是标量的计算。 - 支持broadcast计算，最大维度是8。 |
| Multinomial | CPU计算※ | -- | -- |
| Neg | CPU计算 | -- | -- |
| Not | CPU计算 | -- | -- |
| OneHot | CPU计算 | -- | -- |
| Or | CPU计算 | -- | - 支持相同输入shape计算。 - 支持输入1是标量或者输入2是标量的计算。 - 支持broadcast计算，最大维度是8。 |
| PRelu | BPU加速 | 1. 该算子仅支持int8输入输出。 2. 输入输出仅支持4维。 | - type约束支持：仅支持float类型。 - from_type：X和slope。 - to_type：Y。 - X的shape为data_shape，slope的为slope_shape ，shape约束如下： - data_shape == slope_shape。 - slope_shape.ProdSize() == 1。 - X和slope仅支持NCHW排布的4维度计算，并且N、C维度值相等。 - HxW 与1x1（ slope_shape ）。 - HxW与Hx1（ slope_shape ）。 - HxW与1xW（ slope_shape ）。 - X是4维度 && slope是3维度 && data_shape[1] == slope_shape [0] && slope_shape [1] == 1 && slope_shape [2] == 1。 |
| Pad | BPU加速 | 1. 该算子支持int16输入输出。 2. 支持mode = Constant。 3. 支持所有维度的Pad。 | Pad-10： - type约束仅支持float类型。 - 仅支持NCHW排布的4维Tensor。 - 属性pads的约束如下： - len(pads) == 8 && pads[i] >=0 && pads[0] == 0 && pads[1] == 0 && pads[4] == 0 && pads[5] == 0。 Pad-11： - from_type支持： - data：type约束仅支持float类型。 - pads : tensor(int64)。 - constant_value (optional)：type约束仅支持float类型。 - to_type支持：type约束仅支持float类型。 - 输入和输出支持4维，仅支持2/3维度填充。 - 输入和输出支持5维，仅支持2/3/4维度填充。 |
| Pow | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维 3. 第二个输入只支持标量。 | - type约束支持：double, float，int64, int32。 - 支持相同输入shape的计算。 - 支持输入1是标量或者输入2是标量的计算。 - 支持broadcast计算，最大维度是5。 - 仅支持X和Y相同type。 |
| QLinearConv | CPU计算※ | -- | -- |
| QLinearMatMul | CPU计算※ | -- | -- |
| QuantizeLinear | CPU计算 | -- | -- |
| RNN | CPU计算 | -- | - type约束：仅支持float类型。 - 属性约束：direction属性仅支持forward。 - 输入约束：仅支持X、W、R输入，不支持可选输入B、sequence_lens、initial_h设置。 - 输出约束：仅支持Y_h的输出，shape [num_directions, batch_size, hidden_size]。 |
| RandomNormal | CPU计算※ | -- | -- |
| RandomNormalLike | CPU计算※ | -- | -- |
| RandomUniform | CPU计算 | -- | -- |
| RandomUniformLike | CPU计算 | -- | -- |
| Range | CPU计算 | -- | type约束支持：float,int64,int32,int16。 |
| Reciprocal | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维 | -- |
| ReduceL1 | CPU计算 | -- | -- |
| ReduceL2 | CPU计算 | -- | -- |
| ReduceLogSum | CPU计算 | -- | -- |
| ReduceLogSumExp | CPU计算 | -- | type约束支持float、double数据类型。 |
| ReduceMax | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入支持2-5维，需要指定axes属性，指定的axes数量为1，不支持沿大于1个维度进行reduce操作。 3. reduce维度对应的轴的size ∈ [1, 8192]。 4. 仅支持keepdims == 1。 | axes支持0, 1或者等于输入数据的维数 |
| ReduceMean | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入支持2-5维，需要指定axes属性，指定的axes数量为1，不支持沿大于1个维度进行reduce操作。 3. 当reduce维度=2时，支持同时沿HW维度进行reduce。 4. 仅支持keepdims == 1。 | axes支持0, 1或者等于输入数据的维数 |
| ReduceMin | CPU计算 | -- | -- |
| ReduceProd | CPU计算 | -- | -- |
| ReduceSum | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入支持2-5维，需要指定axes属性，指定的axes数量为1，不支持沿大于1个维度进行reduce操作。 | axes支持0, 1或者等于输入数据的维数 |
| ReduceSumSquare | CPU计算 | -- | axes支持0, 1或者等于输入数据的维数 |
| Relu | BPU加速 | 无限制 | type约束：仅支持float类型。 |
| Reshape | BPU加速 | 1. 该算子支持int16输入输出。 2. 支持1-10维输入输出。 | -- |
| Resize | BPU加速 | 1. 输入featuremap需为四维NCHW，并且只支持在H和W维度上进行resize，onnx opset=11时支持roi输入（pytorch转换的模型需手动修改算子添加roi输入，roi只支持常量输入），roi输入只支持H和W维度，roi输入只在tf_crop_and_resize模式下起作用。 2. 属性mode支持nearest和linear两种模式。 3. 支持放大和缩小。 4. 对于mode=nearest，放大系数factor支持2的幂数倍如2，4，8，16，32等；支持H维度和W维度的放大系数不同但需要满足H_factor <= W_factor。5. 对于onnx opset=11，属性coordinate_transformation_mode支持half_pixel，pytorch_half_pixel, asymmetric，align_corners和tf_crop_and_resize，当coordinate_transformation_mode=tf_crop_and_resize时，需要保证roi输入转换得到的边界坐标为整数。 | resize-10 - 输入等于2时，使用opset10。 - 输入数据是4维Tensor。 resize-11 - 输入大于2时，使用opset11。 - 输入数据是4维Tensor。 - coordinate_transformation_mode在nearest, linear模式下支持half_pixel, asymmetric, align_corners和pytorch_half_pixel四种，在cubic模式下只支持half_pixel。 - extrapolation_value属性不支持。 |
| ReverseSequence | CPU计算 | -- | -- |
| RoiAlign | CPU计算 | -- | -- |
| Round | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维。 | -- |
| Scan | CPU计算※ | -- | -- |
| Scatter (deprecated) | CPU计算※ | -- | -- |
| ScatterElements | CPU计算 | -- | from_type支持： - data：type约束支持：float,int32,int8。 - indices：type约束仅支持int32类型。 - updates：type约束支持：float,int32,int8。 to_type支持：type约束支持：float,int32,int8。 |
| ScatterND | CPU计算 | -- | from_type支持： - data：type约束支持：float,int32,int8。 - updates : type约束支持：float,int32,int8。 to_type支持：type约束支持：float,int32,int8。 |
| Selu | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维。 | type约束：仅支持float类型。 |
| SequenceAt | CPU计算※ | -- | -- |
| SequenceConstruct | CPU计算※ | -- | -- |
| SequenceEmpty | CPU计算※ | -- | -- |
| SequenceErase | CPU计算※ | -- | -- |
| SequenceInsert | CPU计算※ | -- | -- |
| SequenceLength | CPU计算※ | -- | -- |
| Shape | BPU加速 | 会通过常量折叠将其优化为数值存储 | -- |
| Shrink | CPU计算※ | -- | -- |
| Sigmoid | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维 | type约束：仅支持float类型。 |
| Sign | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维 | type约束：仅支持float类型。 |
| Sin | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维 | type约束支持float和double类型。 |
| Sinh | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维 | type约束支持float类型。 |
| Size | BPU加速 | 会通过常量 折叠将其优化为数值存储 | -- |
| Slice | BPU加速 | 1. 该算子支持int16输入输出。 2. 无限制，支持非四维输入输出。 | 无 |
| Softmax | BPU加速 | - 该算子支持int16输入输出。 - 默认运行在CPU上，由于onnx::softmax和pytorch::softmax计算存在区别，分以下两种情况： 1. 对于onnx::softmax，当该op输入为四维并且axis=3时，可以通过run_on_bpu指定该节点将其运行在BPU上。 2. 对于pytorch::softmax, 当该op输入为四维并且axis=1,2,3时，可以通过run_on_bpu指定该节点将其运行在BPU上。 | type约束：仅支持float类型。 |
| Softplus | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维 | type约束：仅支持float类型。 |
| Softsign | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维 | type约束：仅支持float类型。 |
| SpaceToDepth | BPU加速 | 1. 该算子支持int16输入输出。 2. 支持mode=DCR 和 mode=CRD。 仅支持H和W方向的重新排列，并且仅支持blocksize=2的重排列。 举例：NxCxHxW -> Nx(4C)x(H/2)x(W/2) | type约束：仅支持float类型。 |
| Split | BPU加速 | 1. 该算子支持int16输入输出。 2. 原始输入的长度必须是每个被切分的tensor长度的倍数。 3. 支持除N维度以外的任意维度。 4. split数应可以整除。 5. 支持非四维输入输出。 | type约束：仅支持float类型。 |
| SplitToSequence | CPU计算※ | -- | -- |
| Sqrt | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维 | type约束：仅支持float类型。 |
| Squeeze | BPU加速 | 该op会被转换成Reshape，BPU约束详见Reshape op。 | -- |
| StringNormalizer | CPU计算※ | -- | -- |
| Sub | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入类型支持featurmap和常量，且最多支持一个常量输入。 3. 支持所有维度的广播，支持两个输入之间的互相广播，例如NH1C和N1WC。 4. 输入输出维度支持1-10维，大小为一般限制（见备注）。支持两个输入维度不同，输入大于4维时可通过合并相邻维度降维到4维（包括N），合并规则是： (1)将输出dim为1的维度去除，例如[1, 2, 3, 4] [1, 2, 1, 4]->[1, 2, 3, 4]可看为[2, 3, 4],[2, 1, 4]->[2, 3,4]。 (2)相邻的非广播维度可以合并，如[2, 5, 4, 5, 3] [2, 5, 1, 5, 3], 2, 5可以合并。 (3)相邻的同一Tensor的广播维度可以合并: 如[2, 5, 4, 5, 2] [1, 1, 1, 5, 2] 2，5，4可以合并。 (4)广播维度不能和相邻非广播维度合并：如[2, 5, 4, 5, 2] [2, 1, 4, 1, 2]不能合并；非同一Tensor的广播维度不能合并 [2, 1, 4, 1, 2] [1, 5, 1, 5, 1]。 | - 支持相同输入shape计算。 - 支持输入1是标量或者输入2是标量的计算。 - 支持broadcast计算，最大维度是8。 |
| Sum | BPU加速 | 限制条件等同于Add | type约束：仅支持float类型。 |
| Tan | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维 | type约束：支持float类型。 |
| Tanh | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维 | type约束：仅支持float类型。 |
| TfIdfVectorizer | CPU计算※ | -- | -- |
| ThresholdedRelu | CPU计算 | -- | type约束：仅支持float类型。 |
| Tile | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入与输出仅允许有一个维度上数值不同。 | type约束：仅支持float,int64,int32,uint64,uint32类型。 |
| TopK | BPU加速 | 1. 该算子支持int16输入输出。 2. input/indices/output维度支持1-10维。 3. indices type约束支持int16/int32/int64。 4. 参数sorted只支持true。 | - type约束：仅支持float类型。 |
| Transpose | BPU加速 | 1. 该算子支持int16输入输出。 2. 支持任意输入维度。 | - 支持nhwc2nchw，perm：[0, 3, 1, 2]。 - 支持nchw2nhwc，perm：[0, 2, 3, 1]。 - 支持指定perm维度转换，数据类型仅支持float，int8，int32。 |
| Unique | CPU计算※ | -- | -- |
| Unsqueeze | BPU加速 | 该op会被转换成Reshape，BPU约束详见Reshape op。 | -- |
| Upsample (resize替代) | BPU加速 | -- | Upsample-(resize-10) - 输入等于2时，使用opset10。 - 输入数据是4维Tensor。 Upsample-(resize-11) - 输入大于2时，使用opset11。 - 输入数据是4维Tensor。 - coordinate_transformation_mode在nearest, linear模式下支持half_pixel, asymmetric, align_corners和pytorch_half_pixel四种，在cubic模式下只支持half_pixel。 - extrapolation_value属性不支持。 |
| Where | CPU计算 | -- | type约束支持float和int64类型。 condition的shape为cond_shape，X的shape为x_shape，Y的shape为y_shape ，output的shape为o_shape，shape约束如下： - 仅支持cond_shape == o_shape情况下： - x_shape == o_shape的broadcast。 - y_shape == o_shape的broadcast。 - 仅支持cond_shape.NDim() == 4 && o_shape.NDim() == 4 && N维度值相同 && C维度值相同： - 1x1（cond_shape）与HxW （o_shape）。 - Hx1（cond_shape）与HxW（o_shape）。 - 1xW（cond_shape）与HxW（o_shape）。 |
| Xor | CPU计算※ | -- | -- |
| Function | CPU计算※ | -- | -- |
| Celu | CPU计算※ | -- | -- |
| DynamicQuantizeLinear | CPU计算※ | -- | -- |
| GreaterOrEqual | BPU加速 | opset11 不支持单个GreaterOrEqual算子，支持拆分后的算子Less+Not运行在BPU上，限制条件与Less相同。 | - 支持相同输入shape计算。 - 支持输入1是标量或者输入2是标量的计算。 - 支持broadcast计算，最大维度是5。 |
| MeanVarianceNormalization | CPU计算※ | -- | -- |
| GridSample（PyTorch） | BPU加速 | 1. 输入维度仅支持四维，第一个输入需满足N ∈ [1, 4096]； C ∈ [1, 65536]； H,W ∈ [1, 1024] 且 H * W <= 512 * 512。2. mode只支持'bilinear'、'nearest'。 3. padding_mode只支持'zeros'、'border'。 4. 该算子为opset16的onnx算子，为在opset11支持，工具链以自定义算子的方式提供导出，导出包含该算子的onnx模型请使用horizon_nn.torch.export_onnx接口替换torch.onnx.export，接口传参相同，示例代码如下： from horizon_nn.torch import export_onnx ... export_onnx(...) |
RDK Ultra支持的Caffe算子列表
| caffe算子名称 | CPU计算/BPU加速 | RDK Ultra BPU支持约束 | CPU支持约束 |
|---|---|---|---|
| Convolution | BPU加速 | Kernel宽高限制：<=32。 输入输出Channel取值范围 (one group) <= 8192，如果Conv是量化子图的最后一个算子，取值范围<= 65536。 stride无限制，但对于Conv后接Add(resnet shortcut-connecting) Stride取值范围为：2。 Dilation取值限制： <=16。当dilation != 1时，stride只支持为1。 不支持配置axis，默认为1。 | 仅支持4维Conv计算。 auto_pad 属性不支持。 type约束支持：float,int32,int8。 pads属性约束：[Hstart, Wstart, Hend, Wend]（pads长度等于4）并且Hstart==Hend，Wstart==Wend。 |
| Deconvolution | BPU加速 | kernel >= stride。 输入输出 featuremap大小 <= 2048。 pad <= kernel / stride。out_pad < 2 。stride >= 1 && stride <=14 但不支持stride_h和stride_w同时等于1。 不支持配置axis属性。 | shape约束：仅支持4维Tensor计算。 type约束：仅支持float类型。 attribute约束： - 仅支持dilations、group、output_padding、 pads 、strides 属性。 - pads属性约束：[hstart, wstart, hend, wend]必须满足(hstart==hend and wstart==wend)。 |
| MaxUnpool | CPU计算 | --- | from_type支持： - X：type约束：仅支持float类型。 - I：Tensor（int64）。 to_type支持：type约束：仅支持float类型。 |
| Pooling | BPU加速 | 共有四种Pooling算子即MaxPooling，AveragePooling，GlobalMaxPooling，GlobalAveragePooling。 对四种Pooling的约束分别为： MaxPooling： 该算子支持int16输入输出。 kernel <= 256；stride <= 256；padding <= 256。 MaxPooling不支持dilation。 AveragePooling： kernel <= 256; stride <= 256；padding <= 256。 GlobalAveragePooling： 无限制。 GlobalMaxPooling： H, W ∈ [1, 256]。 | 无 |
| SPP | CPU计算 | 不支持 | 支持pyramid_height，2^n 次pooling, n<7;pooling kernel 小于等于 255； 支持pool，配置可选值为 {0，1} |
| InnerProduct | BPU加速 | InnerProduct将被转化为Conv实现，边界约束参考Conv。 假不支持配置axis属性。 | 无 |
| LRN | CPU计算 | 不支持 | local_size 支持。 alpha支持。 beta 支持。 norm_region 支持，配置可选值 {ACROSS_CHANNELS, WITHIN_CHANNEL }。k 支持。 |
| MVN | CPU计算 | 不支持 | normalize_variance支持，配置可选值为1。 across_channels支持，配置可选值为1。 仅支持Float32类型的计算。 |
| BatchNorm | BPU加速 | 无限制 | 无 |
| ELU | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维，最高维 ∈ [1, 4096]，其它维 ∈ [1, 65536]。 | 无 |
| BNLL | CPU计算 | 不支持 | 无 |
| PReLU | CPU计算 | 不支持 | - type约束支持：仅支持float类型。 - from_type：X和slope。 - to_type：Y。 - X的shape为data_shape，slope的为slope_shape ，shape约束如下： - data_shape == slope_shape 。 - slope_shape.ProdSize() == 1 。 - X和slope仅支持NCHW排布的4维度计算，并且N、C维度值相等。 - HxW 与1x1（ slope_shape ）。 - HxW与Hx1（ slope_shape ）。 - HxW与1xW（ slope_shape ） 。 - X是4维度 && slope是3维度 && data_shape[1] == slope_shape [0] && slope_shape [1] == 1 && slope_shape [2] == 1。 |
| ReLU/LeakyRelu | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维，最高维 ∈ [1, 4096]，其它维 ∈ [1, 65536]。 | 无 |
| Sigmoid | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维，最高维 ∈ [1, 4096]，其它维 ∈ [1, 65536]。 | 无 |
| TanH | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维，最高维 ∈ [1, 4096]，其它维 ∈ [1, 65536]。 | 无 |
| Eltwise | BPU加速 | 目前支持的operation包括Add、Sub、Mul。 1. 该算子支持int16输入输出。 2. 输入类型支持featurmap和常量，且最多支持一个常量输入； 3. 支持除第一维外的广播，支持两个输入之间的互相广播，例如NH1C和N1WC； 4. 输入输出维度支持2维、3维、4维和5维，大小为一般限制（见备注）。支持两个输入维度不同，输入为5维时需要满足以下限制： (1)首先可以通过合并相邻维度降维到4维，例如NHWD1和N1WDC可以合并W维和D维来降维； (2)其次广播的维度不能和相邻维度合并，例如NHWD1和N11DC因为H维、W维和C维都是广播的维度，无法通过合并相邻维度降维，所以无法支持。 | 无 |
| Bias | BPU加速 | 参考Eltwise等于Add的情况 | 无 |
| Scale | BPU加速 | 参考Eltwise等于Mul的情况 | 无 |
| AbsVal | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维，最高维 ∈ [1, 4096]，其它维 ∈ [1, 65536]。 | 无 |
| Exp | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维，最高维 ∈ [1, 4096]，其它维 ∈ [1, 65536]。 | 无 |
| Log | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维，最高维 ∈ [1, 4096]，其它维 ∈ [1, 65536]。 | 无 |
| Power | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维，最高维 ∈ [1, 4096]，其它维 ∈ [1, 65536]。 3. 第二个输入只支持标量。 | 无 |
| Threshold | CPU计算 | 不支持 | 无 |
| Reduction | CPU计算 | 不支持 | operation 支持 SUM、ASUM、 SUMSQ、MEAN、Max、LogSum、Min、Prod； axis 支持； 仅支持Float32类型的计算。 |
| Softmax | BPU加速 | 1. 该算子支持int16输入输出。 2. 默认运行在CPU上，当该op输入为四维并且axis=1,2,3时，可以通过run_on_bpu指定该节点将其运行在BPU上。 | 无 |
| ArgMax | BPU加速 | 1. 仅支持 axis=1，c<=64。2. 不支持配置top_k != 1。 3. 该算子支持int16输入输出。 | 无 |
| Concat | BPU加速 | 1. 该算子支持int16输入输出。 2. 不支持N维度concat。 | 无 |
| Split | BPU加速 | 1. 该算子支持int16输入输出。 2. 原始输入的长度必须是每个被切分的tensor长度的倍数。 3. 支持除N维度以外的任意维度。 4. split数应可以整除。 5. 支持非四维输入输出。 | 无 |
| Slice | BPU加速 | 1. 该算子支持int16输入输出。 2. 无限制，支持非四维输入输出。 | 无 |
| Reshape | BPU加速 | 1. 该算子支持int16输入输出。 2. 支持1-10维输入输出。 | shape 支持[1,4]个 shape_dim 配置 ； axis 支持[-4,3]范围内可配，不支 持 N 维度，默认值 0，遵循 caffe 规则 ； num_axes 支持[-1,3]范围内可配，默认 值-1 表示对 axis 起始的所有 轴进行变换 |
| Flatten | CPU计算 | 不支持（一些场景下可以融合） | axis 取值范 围[-4,3]，默认值 为 1，-4 与 0 含义相同。 只支持End_axis == -1。 |
| Crop | CPU计算 | 不支持 | 无 |
| Dropout | BPU加速 | 无限制 | 无 |
| LSTM | BPU加速 | 仅支持batch=1 | -- |
| Normalize | CPU计算 | 不支持 | type约束：仅支持float类型。 |
| PassThrough | BPU加速 | 支持mode=DCR 和 mode=CRD。 仅支持H和W方向的重新排列，并且仅支持blocksize=2的重排列。 举例：NxCxHxW -> Nx(4C)x(H/2)x(W/2)。 | type约束：仅支持float类型。 |
| CReLU | CPU计算 | 不支持 | type约束：仅支持float类型。 |
| RReLU | CPU计算 | 不支持 | 无 |
| Permute | BPU加速 | 1. 支持任意输入维度。 2. 除batch维度（第一维）以外，支持任意其它维度的转换。 | - 支持nhwc2nchw，perm：[0, 3, 1, 2]。 - 支持nchw2nhwc，perm：[0, 2, 3, 1]。 - 支持指定perm维度转换，数据类型仅支持float，int8，int32。 |
| MatMul | BPU加速 | C = MatMul(A，B)，对输入A和输入B有以下维度限制： - A和B均支持非四维输入但需满足约束： - A和B的维度必须相同。 - A和B的最低两个维度M, K ∈ [1, 8192]，其他更高维度∈[1, 4096]。 注：HDMK vs HDKN，MK/KN即为最低两个维度。 - 支持的broadcast需满足以下条件： - A 跟B两个输入，除开最低两维的其他维度全是1或者全是不需要广播的值。 - 此场景支持的例子：HDMK vs H1KN - 此场景不支持反例：H1MK vs 1DKN - A除了最低两个维度，其他维度不能即有需要广播的值也有不需要广播的值。 - 此场景支持的例子：11MK vs HDKN - 此场景不支持反例：H1MK vs HDKN - B除了最低两个维度，如果其他维度即有需要广播的值也有不需要广播的值，那么不需要广播的值只能在连续的高维度上。 - 此场景支持的例子：BHDMK vs B11KN - 此场景不支持反例：BHDMK vs B1DKN 注：需要广播的值和不需要广播的值： - 如果A和B在对应维度轴上的两个值，一个为1，另一个为非1，那么1就是需要广播的值，非1就是不需要广播的值； - 如果A和B在对应维度轴上的两个值相等，那么这两个值都是不需要广播的值（如HDMK vs H1KN，1是需要广播的值，H是不需要广播的值）。 | type约束：仅支持float类型。 |
| Upsample | BPU加速 | 输入featuremap需为四维NCHW，并且只支持在H和W维度上进行resize； 放大系数factor不能同时小于2。 | 无 |
| ROIPooling | CPU计算 | 不支持 | 无 |
| PSROIPooling | CPU计算 | 不支持 | 无 |
RDK Ultra支持的ONNX算子列表
| ONNX算子名称 | CPU计算/BPU加速 | RDK Ultra BPU支持约束 | CPU支持约束 |
|---|---|---|---|
| Abs | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维，最高维 ∈ [1, 4096]，其它维 ∈ [1, 65536]。 | type约束：仅支持float类型。 |
| Acos | CPU计算 | -- | type约束：仅支持float类型。 |
| Acosh | CPU计算 | -- | type约束：仅支持float类型。 |
| Add | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入类型支持featurmap和常量，且最多支持一个常量输入。 3. 支持除第一维外的广播，支持两个输入之间的互相广播，例如NH1C和N1WC。 4. 输入输出维度支持2维、3维、4维和5维，大小为一般限制（见备注）。支持两个输入维度不同，输入为5维时需要满足以下限制： (1)首先可以通过合并相邻维度降维到4维，例如NHWD1和N1WDC可以合并W维和D维来降维； (2)其次广播的维度不能和相邻维度合并，例如NHWD1和N11DC因为H维、W维和C维都是广播的维度，无法通过合并相邻维度降维，所以无法支持。 5. 作为resnet中的short-cut子结构的Add，会被融合到上一个conv中加速计算。 | - 支持相同输入shape计算。 - 支持输入1是标量或者输入2是标量的计算。 - 支持broadcast计算，最大维度是5。 |
| And | CPU计算 | -- | - 支持相同输入shape计算。 - 支持输入1是标量或者输入2是标量的计算。 - 支持broadcast计算，最大维度是5。 |
| ArgMax | BPU加速 | 1. 输入维度为四维输入NCHW。 2. 仅支持沿C维度进行argmax，即axis=1。 3. C <= 64 。 4. 该算子支持int16输入输出。 | type约束：仅支持float类型。 |
| ArgMin | BPU加速 | 1. 输入维度为四维输入NCHW。 2. 仅支持沿C维度进行argmax，即axis=1。 3. C <= 64 。 4. 该算子支持int16输入输出。 | type约束：仅支持float类型。 |
| Asin | CPU计算 | -- | type约束：仅支持float类型。 |
| Asinh | CPU计算 | -- | type约束：仅支持float类型。 |
| Atan | BPU加速 | 1. 该算 子支持int16输入输出。 2. 输入输出支持1-10维，最高维 ∈ [1, 4096]，其它维 ∈ [1, 65536]。 | type约束：仅支持float类型。 |
| Atanh | CPU计算 | -- | type约束：仅支持float类型。 |
| AveragePool | BPU加速 | kernel <= 256。stride <= 256。padding <= 256。 | auto_pad 属性不支持。 仅支持四维Tensor计算。 |
| BatchNormalization | BPU加速 | 无限制。 | type约束：仅支持float类型。 支持第1个维度是channel的数据排布方式计算。 |
| BitShift | CPU计算※ | -- | -- |
| Cast | CPU计算 | -- | from_type支持double, float, bool, int64, uint32, int32, uint16, int16, uint8, int8。 to_type支持double, float, bool, int64, uint32, int32, uint16, int16, uint8, int8。 |
| Ceil | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维，最高维 ∈ [1, 4096]，其它维 ∈ [1, 65536]。 | type约束：仅支持float类型。 |
| Clip | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维，最高维 ∈ [1, 4096]，其它维 ∈ [1, 65536]。 | opset6: min, max作为属性值，dtype仅支持float类型; opset11: min, max作为输入，仅有两个输入时，第二个为min；dtype支持float, double类型。 |
| Compress | CPU计算※ | -- | -- |
| Concat | BPU加速 | 1. 该算子支持int16输入输出。 2. 不支持N维度concat。 | -- |
| ConcatFromSequence | CPU计算※ | -- | -- |
| Constant | BPU加速 | 会通过常量折叠将其优化为数值存储 | 目前不支持sparse_tensor属性。 |
| ConstantOfShape | BPU 加速 | 会通过常量折叠将其优化为数值存储 | type约束支持：float,int32,int8。 |
| Conv | BPU加速 | 支持四维输入（conv2d）和五维输入（conv3d）。 四维输入（conv2d）： Kernel shape范围： N,C ∈ [1, 8192]; H,W ∈ [1, 31]。C*H*W < = 65535。输入输出Channel取值范围 (one group) <= 8192，如果Conv是量化子图的最后一个算子，取值范围 <= 65536。stride取值范围： H,W ∈ [1, 256]，但对于Conv后接Add(resnet shortcut-connecting) Stride取值范围为：{1, 2}，对dilated>1的conv，stride只支持=1。Dilation取值范围： H,W∈ [1, 16]，H或W大于1时，只支持输出int8，且输入Tensor的H必须能被dilation的H整除，输入Tensor的W必须能被dilation的W整除。padding取值范围： H,W ∈ [0, 256]。五维输入（conv3d）： 输入大小NCDHW： N ∈ [1, 128]; H,W,D,C ∈ [1, 65536]。kernel大小NCDHW： N,C ∈ [1, 65536]; H,W ∈ [1, 31], D ∈ [1, 8191]。padding大小DHW： H,W ∈ [0, 256], D ∈ [0, kernel_d/2]。stride取值范围：H, W同为1或H, W同为2。 group，dilation暂不支持。 Size: 1G bytes；当 D * C > 4096时, H * alignCeil(W, 256) * D * C < 1G。weight的D * 输入的 C <= 8192。 | 仅支持4维Conv计算。 auto_pad 属性不支持。 type约束支持：float,int32,int8。 pads属性约束：[Hstart, Wstart, Hend, Wend]（pads长度等于4）并且Hstart==Hend，Wstart==Wend。 |
| ConvInteger | CPU计算※ | -- | -- |
| ConvTranspose | BPU加速 | 输入输出featuremap大小限制： N ∈ [1, 128]。 H,W ∈ [1, 65536]。 C ∈ [1, 2048] 。 Size: 1G bytes。 weight大小限制： N,C ∈ [1, 2048]。 H,W ∈ [1, 14]且HW不同时为1。 Size: [1, 65535]。 padding取值范围： stride为奇数时， H,W ∈ [0, kernel / stride)。stride为偶数，H,W ∈ [0, kernel / stride]。 out_pad取值范围：H,W ∈ 1。 stride >= 1 && stride <=14 但不支持stride_h和stride_w同时等于1。Dilation ∈ {(1, 1)}。 | shape约束：仅支持4维Tensor计算。 type约束：仅支持float类型。 attribute约束： - 仅支持dilations、group、output_padding、 pads 、strides 属性。 - pads属性约束：[hstart, wstart, hend, wend]必须满足(hstart==hend and wstart==wend)。 |
| Cos | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维，最高维 ∈ [1, 4096]，其它维 ∈ [1, 65536]。 | type约束：仅支持float类型。 |
| Cosh | CPU计算 | -- | type约束：仅支持float类型。 |
| CumSum | CPU计算 | -- | axis：type约束仅支持int32类型。 |
| DepthToSpace | BPU加速 | 支持mode=DCR 和 mode=CRD。 仅支持H和W方向的重新排列，并且仅支持blocksize=2的重排列。 举例：NxCxHxW -> Nx(C/4)x(2H)x(2W) 输出的channel必须是4的倍数。 | from_type支持： - type约束仅支持float类型。 - 仅支持4维度Tensor计算。 to_type支持： - type约束仅支持float类型。 - 仅支持4维度Tensor计算。 |
| DequantizeLinear | CPU计算 | -- | -- |
| Det | CPU计算※ | -- | -- |
| Div | BPU加速 | 1. 只支持两个输入均为featuremap（不支持输入来自于常量）； 2. 对input shape的约束请参考Mul算子 | - 支持相同输入shape计算。 - 支持输入1是标量或者输入2是标量的计算。 - 支持broadcast计算，最大维度是5。 |
| Dropout | BPU加速 | 该算子推理阶段不参加计算， 会被移除优化 | -- |
| Einsum | CPU计算※ | -- | -- |
| Elu | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维，最高维 ∈ [1, 4096]，其它维 ∈ [1, 65536]。 | type约束：仅支持float类型。 |
| Equal | BPU加速 | 1. 该算子支持int16输入。 2. 输入输出维度支持2-5维。 3. 支持所有维度的广播，支持fin0或fin1其中一个输入的广播，不能支持互相广播，5维广播时有以下限制： （1）需要能够合并相邻维度降到4维（包括维度N），例如NHWDC和NH1D1可以合并NH维来降维。 （2）广播的维度不能和相邻维度合并，例如NHWDC和N1W1C因为无法合并相邻维度，所以无法支持。 4. 默认运行在CPU上，可以通过run_on_bpu指定该节点将其运行在BPU上。 | - 支持相同输入shape计算。 - 支持输入1是标量或者输入2是标量的计算。 - 支持broadcast计算，最大维度是5。 |
| Erf | CPU计算 | -- | type约束：支持float、double数据类型。 |
| Exp | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维，最高维 ∈ [1, 4096]，其它维 ∈ [1, 65536]。 | type约束：仅支持float类型。 |
| Expand | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维，输入与输出仅支持有一个维度上的数值不同。 3. 输入与输出仅允许有一个维度上数值不同。 | -- |
| EyeLike | CPU计算 | -- | -- |
| Flatten | BPU加速 | 限制条件等同于Reshape。 | -- |
| Floor | BPU加速 | 1. 该算 子支持int16输入输出。 2. 输入输出支持1-10维，最高维 ∈ [1, 4096]，其它维 ∈ [1, 65536]。 | type约束：仅支持float类型。 |
| GRU | CPU计算 | -- | - direction属性仅支持forward类型。 - type约束：仅支持float类型。 |
| Gather | BPU加速 | 1. input/output/indices 的rank都要小于等于4。 2. indices支持： - indices是feature（其他op输出）时，type约束仅支持int32类型。 - indices是weight（模型保存的常量）时，type约束支持int32和int64类型。 | from_type支持： - input：type约束支持： float,int64,int32,int8,uint64,uint32,uint8。 - indices：type约束支持int32, int64。 to_type支持：type约束支持： float,int64,int32,int8,uint64,uint32,uint8。 |
| GatherElements | BPU加速 | 1. 该算子支持int16输入输出。 2. input/indices/output维度支持1-10维。 3. indices type约束支持int16/int32/int64。 | -- |
| GatherND | CPU计算 | -- | from_type支持： - input：type约束支持float,int32,int8。 - indices：tensor(int64)。 to_type支持：type约束支持float,int32,int8。 |
| Gemm | BPU加速 | Gemm将被转化为Conv实现，边界约束参考Conv。 | type约束：仅支持float类型。 |
| GlobalAveragePool | BPU加速 | 无限制。 | - type约束：仅支持float类型。 - 仅支持四维Tensor。 |
| GlobalLpPool | CPU计算 | -- | - type约束：支持float和double类型。 - 仅支持四维Tensor计算。 |
| GlobalMaxPool | BPU加速 | H, W ∈ [1, 256]。 | - type约束仅支持float类型。 - 仅支持四维Tensor。 |
| Greater | BPU加速 | 1. 该算子支持int16输入。 2. 输入输出维度支持2-5维。 3. 支持 所有维度的广播，支持fin0或fin1其中一个输入的广播，不能支持互相广播，5维广播时有以下限制： （1）需要能够合并相邻维度降到4维（包括维度N），例如NHWDC和NH1D1可以合并NH维来降维。 （2）广播的维度不能和相邻维度合并，例如NHWDC和N1W1C因为无法合并相邻维度，所以无法支持。 4. 默认运行在CPU上，可以通过run_on_bpu指定该节点将其运行在BPU上。 | - 支持相同输入shape计算。 - 支持输入1是标量或者输入2是标量的计算。 - 支持broadcast计算，最大维度是5。 |
| HardSigmoid | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维，最高维 ∈ [1, 4096]，其它维 ∈ [1, 65536]。 | type约束仅支持float类型。 |
| Hardmax | CPU计算※ | -- | -- |
| Identity | CPU计算 | -- | -- |
| If | CPU计算※ | -- | -- |
| InstanceNormalization | CPU计算 | -- | - type约束仅支持float类型。 - 支持第1个维度是channel的数据排布方式计算。 |
| IsInf | CPU计算※ | -- | -- |
| IsNaN | CPU计算※ | -- | -- |
| LRN | CPU计算 | -- | - type约束仅支持float类型。 - 仅支持四维Tensor。 |
| LSTM | BPU加速 | 仅支持batch_size=1，如果需要配置多batch，需要在导出onnx时保证LSTM的batch为1并在yaml中配置参数input_batch=1。 | - type约束仅支持float类型。 - 属性约束：direction属性仅支持forward。 - 输入约束： - 支持X、W、R输入配置； - 支持X、W、R、B输入配置（sequence_lens为空或默认值）； - 支持X、W、R、B、sequence_lens、initial_h、initial_c、P输入配置（sequence_lens为空或者默认值）。 |
| LeakyRelu | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维，最高维 ∈ [1, 4096]，其它维 ∈ [1, 65536]。 | type约束：仅支持float类型。 |
| Less | BPU加速 | 1. 该算子支持int16输入。 2. 输入输出维度支持2-5维。 3. 默认运行在CPU上，可以通过run_on_bpu指定该节点将其运行在BPU上。 | - 支持相同输入shape计算。 - 支持输入1是标量或者输入2是标量的计算。 - 支持broadcast计算，最大维度是5。 |
| LessOrEqual | BPU加速 | opset11 不支持单个LessOrEqual算子，支持拆分后的算子Greater+Not运行在BPU上，限制条件与Greater相同。 | - 支持相同输入shape计算。 - 支持输入1是标量或者输入2是标量的计算。 - 支持broadcast计算，最大维度是5。 |
| Log | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维，最高维 ∈ [1, 4096]，其它维 ∈ [1, 65536]。 | type约束：仅支持float类型。 |
| LogSoftmax | CPU计算 | -- | type约束：仅支持float类型。 |
| Loop | CPU计算※ | -- | -- |
| LpNormalization | CPU计算 | -- | - p范数仅支持1或者2。 - type约束支持double类型和float类型。 |
| LpPool | CPU计算 | -- | - auto_pad属性不支持。 - type约束支持double类型和float类型。 - 仅支持4维计算。 |
| MatMulInteger | CPU计算※ | -- | -- |
| MatMul | BPU加速 | C = MatMul(A，B)，对输入A和输入B有以下维度限制： - A和B均支持非四维输入但需满足约束： - A和B的维度必须相同。 - A和B的最低两个维度M, K∈[1, 8192]，其他更高维度∈[1, 4096]。 注：HDMK vs HDKN，MK/KN即为最低两个维度。 - 支持的broadcast需满足以下条件： - A跟B两个输入，除开最低两维的其他维度全是1或者全是不需要广播的值。 - 此场景支持的例子：HDMK vs H1KN - 此场景不支持反例：H1MK vs 1DKN - A除了最低两个维度，其他维度不能即有需要广播的值也有不需要广播的值。 - 此场景支持的例子：11MK vs HDKN - 此场景不支持反例：H1MK vs HDKN - B除了最低两个维度，如果其他维度即有需要广播的值也有不需要广播的值，那么不需要广播的值只能在连续的高维度上。 - 此场景支持的例子：BHDMK vs B11KN - 此场景不支持反例：BHDMK vs B1DKN 注：需要广播的值和不需要广播的值： - 如果A和B在对应维度轴上的两个值，一个为1，另一个为非1，那么1就是需要广播的值，非1就是不需要广播的值； - 如果A和B在对应维度轴上的两个值相等，那么这两个值都是不需要广播的值（如HDMK vs H1KN，1是需要广播的值，H是不需要广播的值） | type约束：仅支持float类型。 |
| Max | BPU加速 | 1.该算子支持int16输入输出。 2.输入输出维度支持2-5维。 3.支持所有维度的广播，支持fin0或fin1其中一个输入的广播，不能支持互相广播，5维广播时有以下限制： （1）需要能够合并相邻维度降到4维（包括维度N），例如NHWDC和NH1D1可以合并NH维来降维。 （2）广播的维度不能和相邻维度合并，例如NHWDC和N1W1C因为无法合并相邻维度，所以无法支持。 | - 支持1-∞个输入。 - 支持相同输入shape计算。 - 支持输入1是标量或者输入2是标量的计算。 - 支持broadcast计算，最大维度是5。 |
| MaxPool | BPU加速 | 该算子支持int16输入输出。kernel <= 256。stride <= 256。padding <= 256。MaxPool不支持dilation。 | 1. dilation只支持1x1。 2. 只支持数据行优先存储。 3. auto_pad属性不支持。 4. storage_order属性不支持。 5.仅支持四维Tensor计算。 |
| MaxRoiPool | CPU计算 | -- | 无 |
| Mean | CPU计算※ | -- | -- |
| Min | BPU加速 | 1.该算子支持int16输入输出。 2.输入输出维度支持2-5维。 3.支持所有维度的广播，支持fin0或fin1其中一个输入的广播，不能支持互相广播，5维广播时有以下限制： （1）需要能够合并相邻维度降到4维（包括维度N），例如NHWDC和NH1D1可以合并NH维来降维。 （2）广播的维度不能和相邻维度合并，例如NHWDC和N1W1C因为无法合并相邻维度，所以无法支持。 4. 默认运行在CPU上，可以通过run_on_bpu指定该节点将其运行在BPU上。 | - 支持1-∞个输入。 - 支持相同输入shape计算。 - 支持输入1是标量或者输入2是标量的计算。 - 支持broadcast计算，最大维度是5。 |
| Mod | CPU计算※ | -- | -- |
| Mul | BPU加速 | 1. 该算子支持int16输入输出。 2.输入类型支持featurmap和常量，且最多支持一个常量输入。 3.支持除第一维外的广播，支持两个输入之间的互相广播，例如NH1C和N1WC。 4.输入输出维度支持2维、3维、4维和5维，大小为一般限制（见备注）。支持两个输入维度不同，输入为5维时需要满足以下限制： (1)首先可以通过合并相邻维度降维到4维，例如NHWD1和N1WDC可以合并W维和D维来降维； (2)其次广播的维度不能和相邻维度合并，例如NHWD1和N11DC因为H维、W维和C维都是广播的维度，无法通过合并相邻维度降维，所以无法支持。 | - 支持相 同输入shape计算。 - 支持输入1是标量或者输入2是标量的计算。 - 支持broadcast计算，最大维度是5。 |
| Multinomial | CPU计算※ | -- | -- |
| Neg | CPU计算 | -- | -- |
| Not | CPU计算 | -- | -- |
| OneHot | CPU计算 | -- | -- |
| Or | CPU计算 | -- | - 支持相同输入shape计算。 - 支持输入1是标量或者输入2是标量的计算。 - 支持broadcast计算，最大维度是5。 |
| PRelu | CPU计算 | -- | - type约束支持：仅支持float类型。 - from_type：X和slope。 - to_type：Y。 - X的shape为data_shape，slope的为slope_shape ，shape约束如下： - data_shape == slope_shape。 - slope_shape.ProdSize() == 1。 - X和slope仅支持NCHW排布的4维度计算，并且N、C维度值相等。 - HxW 与1x1（ slope_shape ）。 - HxW与Hx1（ slope_shape ）。 - HxW与1xW（ slope_shape ）。 - X是4维度 && slope是3维度 && data_shape[1] == slope_shape [0] && slope_shape [1] == 1 && slope_shape [2] == 1。 |
| Pad | BPU加速 | 1. 该算子支持int16输入输出。 2. 支持mode = Constant。 3. 支持所有维度的Pad。 | Pad-10： - type约束仅支持float类型。 - 仅支持NCHW排布的4维Tensor。 - 属性pads的约束如下： - len(pads) == 8 && pads[i] >=0 && pads[0] == 0 && pads[1] == 0 && pads[4] == 0 && pads[5] == 0。 Pad-11： - from_type支持： - data：type约束仅支持float类型。 - pads : tensor(int64)。 - constant_value (optional)：type约束仅支持float类型。 - to_type支持：type约束仅支持float类型。 - 仅支持4维Tensor。 - 仅支持2/3维度填充。 |
| Pow | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维，最高维 ∈ [1, 4096]，其它维 ∈ [1, 65536]。 3. 第二个输入只支持标量。 | - type约束支持：double, float，int64, int32。 - 支持相同输入shape的计算。 - 支持输入1是标量或者输入2是标量的计算。 - 支持broadcast计算，最大维度是5。 - 仅支持X和Y相同type。 |
| QLinearConv | CPU计算※ | -- | -- |
| QLinearMatMul | CPU计算※ | -- | -- |
| QuantizeLinear | CPU计算 | -- | -- |
| RNN | CPU计算 | -- | - type约束：仅支持float类型。 - 属性约束：direction属性仅支持forward。 - 输入约束：仅支持X、W、R输入，不支持可选输入B、sequence_lens、initial_h设置。 - 输出约束：仅支持Y_h的输出，shape [num_directions, batch_size, hidden_size]。 |
| RandomNormal | CPU计算※ | -- | -- |
| RandomNormalLike | CPU计算※ | -- | -- |
| RandomUniform | CPU计算 | -- | -- |
| RandomUniformLike | CPU计算 | -- | -- |
| Range | CPU计算 | -- | type约束支持：float,int64,int32,int16。 |
| Reciprocal | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维，最高维 ∈ [1, 4096]，其它维 ∈ [1, 65536]。 | -- |
| ReduceL1 | CPU计算 | -- | -- |
| ReduceL2 | CPU计算 | -- | -- |
| ReduceLogSum | CPU计算 | -- | -- |
| ReduceLogSumExp | CPU计算 | -- | type约束支持float、double数据类型。 |
| ReduceMax | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入支 持2-5维，需要指定axes属性，指定的axes数量为1，不支持沿大于1个维度进行reduce操作。 3. reduce维度对应的轴的size ∈ [1, 8192]。 4. 仅支持keepdims == 1。 | axes支持0, 1或者等于输入数据的维数 |
| ReduceMean | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入支持2-5维，需要指定axes属性，指定的axes数量为1，不支持沿大于1个维度进行reduce操作。 3. 当reduce维度=2时，支持同时沿HW维度进行reduce。 4. 仅支持keepdims == 1。 | axes支持0, 1或者等于输入数据的维数 |
| ReduceMin | CPU计算 | -- | -- |
| ReduceProd | CPU计算 | -- | -- |
| ReduceSum | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入支持2-5维，需要指定axes属性，指定的axes数量为1，不支持沿大于1个维度进行reduce操作。 | axes支持0, 1或者等于输入数据的维数 |
| ReduceSumSquare | CPU计算 | -- | axes支持0, 1或者等于输入数据的维数 |
| Relu | BPU加速 | 无限制 | type约束：仅支持float类型。 |
| Reshape | BPU加速 | 1. 该算子支持int16输入输出。 2. 支持1-10维输入输出。 | -- |
| Resize | BPU加速 | 1. 输入featuremap需为四维NCHW，并且只支持在H和W维度上进行resize，onnx opset=11时支持roi输入（pytorch转换的模型需手动修改算子添加roi输入，roi只支持常量输入），roi输入只支持H和W维度，roi输入只在tf_crop_and_resize模式下起作用。 2. 属性mode支持nearest和linear两种模式。 3. 支持放大和缩小。 4. 对于mode=nearest，放大系数factor支持2的幂数倍如2，4，8，16，32等；支持H维度和W维度的放大系数不同但需要满足 H_factor <= W_factor。5. 对于onnx opset=11，属性coordinate_transformation_mode支持half_pixel，pytorch_half_pixel, asymmetric，align_corners和tf_crop_and_resize，当coordinate_transformation_mode=tf_crop_and_resize时，需要保证roi输入转换得到的边界坐标为整数。 | resize-10 - 输入等于2时，使用opset10。 - 输入数据是4维Tensor。 resize-11 - 输入大于2时，使用opset11。 - 输入数据是4维Tensor。 - coordinate_transformation_mode在nearest, linear模式下支持half_pixel, asymmetric, align_corners和pytorch_half_pixel四种，在cubic模式下只支持half_pixel。 - extrapolation_value属性不支持。 |
| ReverseSequence | CPU计算 | -- | -- |
| RoiAlign | CPU计算 | -- | -- |
| Round | CPU计算 | -- | -- |
| Scan | CPU计算※ | -- | -- |
| Scatter (deprecated) | CPU计算※ | -- | -- |
| ScatterElements | CPU计算 | -- | from_type支持： - data：type约束支持：float,int32,int8。 - indices：type约束仅支持int32类型。 - updates：type约束支持：float,int32,int8。 to_type支持：type约束支持：float,int32,int8。 |
| ScatterND | CPU计算 | -- | from_type支持： - data：type约束支持：float,int32,int8。 - updates : type约束支持：float,int32,int8。 to_type支持：type约束支持：float,int32,int8。 |
| Selu | CPU计算 | -- | type约束：仅支持float类型。 |
| SequenceAt | CPU计算※ | -- | -- |
| SequenceConstruct | CPU计算※ | -- | -- |
| SequenceEmpty | CPU计算※ | -- | -- |
| SequenceErase | CPU计算※ | -- | -- |
| SequenceInsert | CPU计算※ | -- | -- |
| SequenceLength | CPU计算※ | -- | -- |
| Shape | BPU加速 | 会通过常量折叠将其优化为数值存储 | -- |
| Shrink | CPU计算※ | -- | -- |
| Sigmoid | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维，最高维 ∈ [1, 4096]，其它维 ∈ [1, 65536]。 | type约束：仅支持float类型。 |
| Sign | CPU计算 | -- | type约束：仅支持float类型。 |
| Sin | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维，最高维 ∈ [1, 4096]，其它维 ∈ [1, 65536]。 | type约束：仅支持float类型。 |
| Sinh | CPU计算 | -- | type约束：仅支持float类型。 |
| Size | BPU加速 | 会通过常量折叠将其优化为数值存储 | -- |
| Slice | BPU加速 | 1. 该算子支持int16输入输出。 2. 无限制，支持非四维输入输出。 | 无 |
| Softmax | BPU加速 | - 该算子支持int16输入输出。 - 默认运行在CPU上，由于onnx::softmax和pytorch::softmax计算存在区别，分以下两种情况： 1. 对于onnx::softmax，当该op输入为四维并且axis=3时，可以通过run_on_bpu指定该节点将其运行在BPU上。 2. 对于pytorch::softmax, 当该op输入为四维并且axis=1,2,3时，可以通过run_on_bpu指定该节点将其运行在BPU上。 | type约束：仅支持float类型。 |
| Softplus | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维，最高维 ∈ [1, 4096]，其它维 ∈ [1, 65536]。 | type约束：仅支持float类型。 |
| Softsign | CPU计算 | -- | type约束：仅支持float类型。 |
| SpaceToDepth | BPU加速 | 支持mode=DCR 和 mode=CRD。 仅支持H和W方向的重新排列，并且仅支持blocksize=2的重排列。 举例：NxCxHxW -> Nx(4C)x(H/2)x(W/2) | type约束：仅支持float类型。 |
| Split | BPU加速 | 1. 该算子支持int16输入输出。 2. 原始输入的长度必须是每个被切分的tensor长度的倍数。 3. 支持除N维度以外的任意维度。 4. split数应可以整除。 5. 支持非四维输入输出。 | type约束：仅支持float类型。 |
| SplitToSequence | CPU计算※ | -- | -- |
| Sqrt | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维，最高维 ∈ [1, 4096]，其它维 ∈ [1, 65536]。 | type约束：仅支持float类型。 |
| Squeeze | BPU加速 | 该op会被转换成Reshape，BPU约束详见Reshape op。 | -- |
| StringNormalizer | CPU计算※ | -- | -- |
| Sub | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入类型支持featurmap和常量，且最多支持一个常量输入。 3. 支持除第一维外的广播，支持两个输入之间的互相广播，例如NH1C和N1WC。 4. 输入输出维度支持2维、3维、4维和5维，大小为一般限制（见备注）。支持两个输入维度不同，输入为5维时需要满足以下限制： (1)首先可以通过合并相邻维度降维到4维，例如NHWD1和N1WDC可以合并W维和D维来降维； (2)其次广播的维度不能和相邻维度合并，例如NHWD1和N11DC因为H维、W维和C维都是广播的维度，无法通过合并相邻维度降维，所以无法支持。 | - 支持相同输入shape计算。 - 支持输入1是标量或者输入2是标量的计算。 - 支持broadcast计算，最大维度是5。 |
| Sum | BPU加速 | 限制条件等同于Add | type约束：仅支持float类型。 |
| Tan | CPU计算 | -- | type约束：仅支持float类型。 |
| Tanh | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入输出支持1-10维，最高维 ∈ [1, 4096]，其它维 ∈ [1, 65536]。 | type约束：仅支持float类型。 |
| TfIdfVectorizer | CPU计算※ | -- | -- |
| ThresholdedRelu | CPU计算 | -- | type约束：仅支持float类型。 |
| Tile | BPU加速 | 1. 该算子支持int16输入输出。 2. 输入与输出仅允许有一个维度上数值不同。 | type约束：仅支持float,int64,int32,uint64,uint32类型。 |
| TopK | BPU加速 | 1. 该算子支持int16输入输出。 2. input/indices/output维度支持1-10维。 3. indices type约束支持int16/int32/int64。 4. 参数sorted只支持true。 | - type约束：仅支持float类型。 |
| Transpose | BPU加速 | 1. 该算子支持int16输入输出。 2. 支持任意输入维度。 | - 支持nhwc2nchw，perm：[0, 3, 1, 2]。 - 支持nchw2nhwc，perm：[0, 2, 3, 1]。 - 支持指定perm维度转换，数据类型仅支持float，int8，int32。 |
| Unique | CPU计算※ | -- | -- |
| Unsqueeze | BPU加速 | 该op会被转换成Reshape，BPU约束详见Reshape op。 | -- |
| Upsample (resize替代) | BPU加速 | -- | Upsample-(resize-10) - 输入等于2时，使用opset10。 - 输入数据是4维Tensor。 Upsample-(resize-11) - 输入大于2时，使用opset11。 - 输入数据是4维Tensor。 - coordinate_transformation_mode在nearest, linear模式下支持half_pixel, asymmetric, align_corners和pytorch_half_pixel四种，在cubic模式下只支持half_pixel。 - extrapolation_value属性不支持。 |
| Where | CPU计算 | -- | type约束支持float和int64类型。 condition的shape为cond_shape，X的shape为x_shape，Y的shape为y_shape ，output的shape为o_shape，shape约束如下： - 仅支持cond_shape == o_shape情况下： - x_shape == o_shape的broadcast。 - y_shape == o_shape的broadcast。 - 仅支持cond_shape.NDim() == 4 && o_shape.NDim() == 4 && N维度值相同 && C维度值相同： - 1x1（cond_shape）与HxW （o_shape）。 - Hx1（cond_shape）与HxW（o_shape）。 - 1xW（cond_shape）与HxW（o_shape）。 |
| Xor | CPU计算※ | -- | -- |
| Function | CPU计算※ | -- | -- |
| Celu | CPU计算※ | -- | -- |
| DynamicQuantizeLinear | CPU计算※ | -- | -- |
| GreaterOrEqual | BPU加速 | opset11 不支持单个GreaterOrEqual算子，支持拆分后的算子Less+Not运行在BPU上，限制条件与Less相同。 | - 支持相同输入shape计算。 - 支持输入1是标量或者输入2是标量的计算。 - 支持broadcast计算，最大维度是5。 |
| MeanVarianceNormalization | CPU计算※ | -- | -- |
| GridSample（PyTorch） | BPU加速 | 1. 输入维度仅支持四维，第一个输入需满足N ∈ [1, 4096]； C ∈ [1, 65536]； H,W ∈ [1, 1024] 且 H*W <= 720*1024。2. mode只支持'bilinear'、'nearest'。 3. padding_mode只支持'zeros'、'border'。 4. 该算子为opset16的onnx算子，为在opset11支持，工具链以自定义算子的方式提供导出，导出包含该算子的onnx模型请使用horizon_nn.torch.export_onnx接口替换torch.onnx.export，接口传参相同，示例代码如下： from horizon_nn.torch import export_onnx ... export_onnx(...) |