ONNX算子简介
详细英文介绍见ONNX算子
（算子较多，善用Ctrl+F查找）
| 序号 | 算子 | 含义 | 参数 |
|---|---|---|---|
| 1 | Abs | 求绝对值 | 【输入】input：输入Tensor，float32 【约束】无限制 【输出】**output：输出Tensor |
| 2 | Acos | 反余弦 | 【输入】input：输入Tensor，数值范围[-1, 1]，类型：float32 【约束】无限制 【输出】**output：输出Tensor，数值范围[0, pi]，类型与x输入相同 |
| 3 | Add | 二元点加 | 【输入】 - A：输入Tensor，类型：float32，第1个操作数 - B：输入Tensor，类型：float32，第2个操作数 【约束】支持两组输入的维度不一致，进行广播操作（广播即维度补齐），目前支持以下几种广播场景： - NCHW+NCHW(备注, 两个维度相同tensor) - NCHW+scalar - NCHW+W, CHW+W, HW+W(备注, W维度做broadcast) - NCHW + NCH1, CHW + CH1, HW + H1 - CHW + C1W(备注，H维度做broadcast) 对于两个输入维度个数不相同的场景，需要将维度补齐到四维。例如，x.shape=(1, 5, 6, 7) 和 y.shape=(6, 7)需要将y的维度补齐到4维，即y.shape=(1, 1, 6, 7)。说明：两个Tensor的输入顺序可以互换。 【输出】C：输出Tensor，类型同B |
| 4 | And | 取与运算 | 【输入】 - A：输入Tensor，类型：bool - B：输入Tensor，类型：bool 【约束】input输入不支持NCHW格式数据 【输出】output：输出Tensor，类型：bool |
| 5 | ArgMax | 在指定轴上找到最大值索引 | 【输入】data：输入Tensor，类型：float32 【参数】 - axis：int，default值为0，取值范围[-r, r-1]，r = rank(data) - keepdims：int，default值为1 【输出】**output：输出Tensor，类型：int64 |
| 6 | Asin | 反正弦 | 【输入】input：输入Tensor，数值范围[-1, 1]，类型：float32 【约束】无限制 【输出】output：输出Tensor，数值范围[-pi/2, pi/2]，类型与input输入相同 |
| 7 | Atan | 反正切 | 【输入】input：输入Tensor，类型：float32 【约束】无限制 【输出】output：输出Tensor，类型与input输入相同 |
| 8 | AveragePool | 平均池化 | 【输入】X：输入Tensor，类型：float32【参数】 - auto_pad：optional, string，pad的计算模式，默认是NOTSET - ceil_mode：optional, int，使用ceil（向上取整）还是floor（向下取整）计算输出维度，默认是0（ceil） - count_include_pad：optional，int，计算边缘时是否包含pad，默认是0，不包含pad - kernel_shape：list of ints，每个值对应相应维度的窗口大小 - pads：list of ints，每个值对应相应维度的pad值，默认值为0 - strides：list of ints，其中每个值对应相应维度的滑动步长，默认值为1 【约束】 - auto_pad参数不支持SAME_UPPER，SAME_LOWER - count_include_pad参数只支持默认值 【输出】Y：输出Tensor，类型与X输入相同 |
| 9 | BatchNormalization | 对输入做标准化 | 【输入】 - X：输入Tensor，类型：float32 - scale：输入Tensor，类型：float32，用于缩放 - B：输入Tensor，类型：float32，偏差 - mean：输入Tensor，类型：float32，用于推理总体均值 - var：输入Tensor，类型：float32，用于推理总体方差 - training_mode：输入Tensor，optional，训练模式 【参数】 - epsilon：float32，在X的方差中添加的一个小的浮点数，默认值是1e-05 - momentum：float32，计算mean和var的因子，默认值为0.9 - spatial：int，计算mean和var的方式，默认值1 【约束】 - 不支持训练场景 - 不支持training_mode输入 - 不支持output_mean、output_var、saved_mean、saved_var输出 - opset7中不支持spatial设置 【输出】 - Y：输出Tensor，和X输入有相同的维度 - output_mean：训练模式下是滑动均值，非训练模式下是估计均值 - output_var：训练模式下是滑动方差，非训练模式下是估计方差 - saved_mean：已保存的均值 - saved_var：已保存的均值 |
| 10 | Cast | 数据类型转换 | 【输入】input：输入Tensor，类型：float32，bool，int32，uint8【参数】to：数据类型int - FLOAT = 1 - UINT8 = 2 - INT8 = 3 - UINT16 = 4 - INT16 = 5 - INT32 = 6 - INT64 = 7 - STRING = 8 - BOOL = 9 - FLOAT16 = 10 - DOUBLE = 11 - UINT32 = 12 【约束】支持下面类型转换： - fp16 -> fp32 - fp32 -> fp16 - u8 -> fp16 - fp16 -> u8 - int32 -> fp32 - fp32->int32 - fp16 -> int8 - int8 -> fp16 - in32 -> fp16 - fp16 -> int32 - bool -> fp16 - fp16 -> bool 【输出】output：输出Tensor |
| 11 | Ceil | 向上取值 | 【输入】X：输入Tensor，类型：float32 【约束】无 【输出】output：输出Tensor，类型与input输入相同 |
| 12 | Clip | 将输入限制在一个区间中 | 【输入】 - input：输入Tensor，类型：float32 - min：Scalar Tensor，optional，类型：float32，区间最小值 - max：Scalar Tensor，optional，类型：float32，区间最大值 【参数】在opset 7~10中min和max是参数【约束】 - min输入必须是常量 - max输入必须是常量 【输出】output：输出Tensor，类型与input输入相同 |
| 13 | Concat | 数据按维度拼接 | 【输入】 - inputs：List of tensors，类型：float32，int32 【参数】 - axis：int，轴参数，控制需要拼接的数据轴，负值表示从维度最后一位往前数 【约束】无 【输出】concat_result：拼接之后的Tensor，类型：float32，int32 |
| 14 | Constant | 输出1个常量Tensor | 【输入】无【参数】 - sparse_value：稀疏类型的输出值 - value：Tensor，输出Tensor的值 - value_float：float32类型的标量输出Tensor的值 - value_floats：list of floats，float32类型的1D输出Tensor的值 - value_int：int，int32类型的标量输出Tensor的值 - value_ints：list of ints，int32类型的1D输出Tensor的值 - value_string：string，string类型的标量UTF-8输出Tensor的值 - value_strings：list of strings，string类型的1D UTF-8输出Tensor的值 【约束】 - 不支持sparse_value参数 - 不支持value_string参数 - 不支持value_strings参数 【输出】output：输出Tensor，和提供的Tensor具有相同的值 |
| 15 | ConstantOfShape | 根据给定的值和维度，生成1个Tensor | 【输入】input：1-D Tensor，类型：int32，uint8 【参数】value：optional，0-D Tensor，需要填充的值，默认为0，默认类型float32 【约束】无 【输出】output：输出Tensor，类型同value |
| 16 | Conv | 卷积 | 【输入】 - X：输入Tensor，类型：float32 - W：输入Tensor，具有维度(M C/group kH kW)，其中C是channels的数量，kH和kW是卷积核的高和宽，M是feature maps的数量 - B：optional，1D 常量Tensor，卷积计算时添加的偏置 【参数】 - auto_pad：optional, string，pad的计算模式，默认是NOTSET - dilations：optional，list of ints，每个值对应卷积核对应空间轴上的扩张值，默认值1 - group：optional，int，组的数量 - kernel_shape：list of ints，卷积核的维度 - pads：list of ints，每个值对应相应维度的pad值 - list of ints，每个值对应相应维度的滑动步长，默认值为1 【约束】auto_pad参数不支持SAME_UPPER, SAME_LOWER*【输出】Y：输出Tensor，类型同X |
| 17 | ConvTranspose | 反卷积 | 【输入】 - X：输入Tensor，类型：float32 - W：输入Tensor，具有维度(M C/group kH kW)，其中C是channels的数量，kH和kW是卷积核的高和宽，M是feature maps的数量 - B：optional，1D 常量Tensor，卷积计算时添加的偏置 【参数】 - auto_pad：optional, string，pad的计算模式，默认是NOTSET - dilations：optional，list of ints，每个值对应卷积核对应空间轴上的扩张值，默认值1 - group：optional，int，组的数量 - kernel_shape：list of ints，卷积核的维度 - output_padding：为输出坐标指数较高的边添加的额外值 - output_shape：输出的shape - pads：list of ints，每个值对应相应维度的pad值 - list of ints，每个值对应相应维度的滑动步长，默认值为1 【约束】 - auto_pad参数不支持SAME_UPPER, SAME_LOWER - output_padding参数不支持 - W输入必须为常量 *【输出】Y：输出Tensor，类型同X输入 |
| 18 | Cos | 计算余弦 | 【输入】input：输入Tensor，类型：float32【约束】无限制【输出】output：输出Tensor，类型与x输入相同 |
| 19 | DepthToSpace | 重组数据，根据blocksize | 【输入】input：输入Tensor，类型：float32【参数】 - blocksize：数据类型：int - mode: 数据类型 string 【约束】mode仅支持DCR CRD两种模式【输出】output：输出Tensor，类型与x输入相同 |
| 20 | Div | 做除法运算 | 【输入】 - A：输入Tensor，类型：float32，int32 - B：输入Tensor，类型：float32，int32 【约束】对于两个输入维度个数不相同的场景，需要将维度补齐到四维。例如，x.shape=(1, 5, 6, 7) 和 y.shape=(6, 7)需要将y的维度补齐到4维，即y.shape=(1, 1, 6, 7)。 【输出】C：输出Tensor，类型与x输入相同 |
| 21 | Elu | 根据f(x) = alpha * (exp(x) - 1.) 该公式做计算 | 【输入】X：输入Tensor，类型：float32 【参数】alpha：float32，缺省值为1.0 【约束】无 【输出】Y：输出Tensor，类型与x输入相同 |
| 22 | Equal | 判断输入是否相等 | 【输入】 - A：输入Tensor，类型：uint8,float32,bool,int32（int32只支持标量） - B：输入Tensor，类型：uint8,float32,bool,int32（int32只支持标量） 【约束】暂不支持广播场景【输出】C：输出Tensor，类型 bool |
| 23 | Erf | 对输入数据逐个元素做error function计算 | 【输入】x：输入Tensor，类型：float32 【约束】无限制 【输出】y：输出Tensor，类型与x输入相同 |
| 24 | Exp | 指数函数，output = e^input | 【输入】input：输入Tensor，类型：float32，double 【约束】无限制 【输出】output：输出Tensor，类型与x输入相同 |
| 25 | Expand | 根据指定的shape做广播 | 【输入】 - input：输入Tensor，类型：float32，int8, uint8, bool - shape：输入Tensor，类型：int32，1D的tensor，指定输出的shape 【约束】 - 支持任意满足broadcast条件的Broadcast场景 - 对于需要插broadcastTo算子的Add、Sub、Mul、Div、Max，不支持量化功能 - 支持在Kirin 9000及以后的芯片上运行 【输出】output：输出Tensor，类型与x输入相同 |
| 26 | Flatten | 数据按维度展开 | 【输入】input：输入 Tensor，类型float32 【参数】axis：int，标识数据在哪个维度上展开，值的范围[-r, r]，r是输入Tensor的维度个数，负值表示从最后1个维度往回计算 【约束】axis参数必须为1 【输出】output：2-D Tensor，类型float32 |
| 27 | Floor | 对输入进行向下取整 | 【输入】X：输入Tensor，类型：float32 【约束】无 【输出】Y：输出Tensor，类型同X输入 |
| 28 | Gather | 根据输入的indices，从data中获取entry组成输出tensor | 【输入】 - data：输入Tensor，类型：float32, int32 - indices：输入Tensor，数据类型int32 【参数】axis：int, [-r, r-1] ,r = rank(data)【约束】无【输出】output：输出Tensor，类型同data输入 |
| 29 | Gemm | 通用矩阵乘法，Y = alpha A’ B’ + beta * C | 【输入】 - A：输入Tensor，类型：float32 - B：输入Tensor，类型：float32 - C：输入Tensor，类型：float32 【参数】 - alpha：float32，A B的标量乘数，默认值1.0 - beta：float32，C的标量乘数，默认值1.0 - transA：int，A输入是否需要转置，默认值0 - transB：int，B输入是否需要转置，默认值0 【约束】 - transA参数不支持true - 输入B和C只支持常量 - 如果A是MK，B是KN，C可以是N或1N或不指定 【输出】Y：输出Tensor，维度是（M, N） |
| 30 | GlobalAveragePool | 对输入进行全局平均池化 | 【输入】X：输入Tensor，类型：float32，维度是（N C H W） 【约束】无* 【输出】Y：输出Tensor，类型同X输入 |
| 31 | GlobalMaxPool | 对输入进行全局最大池化 | 【输入】X：输入Tensor，类型float32，维度是（N C H W） 【约束】无* 【输出】Y：输出Tensor，类型同X输入 |
| 32 | Greater | 逐个元素比较哪个大 | 【输入】 - A：输入Tensor，类型float32， - B：输入Tensor，类型float32， 【约束】无 【输出】C：输出Tensor，类型 bool |
| 33 | InstanceNormalization | 按照下面公式做归一化运算y = scale * (x - mean) / sqrt(variance + epsilon) + B | 【输入】 - input：输入4D Tensor，类型float32， - scale：输入Tensor，类型float32， - B：输入Tensor，类型float32， 【参数】alpha：float32，避免除零错误，默认值1e-05 【约束】无 【输出】output：输出Tensor，类型同input输入 |
| 34 | LeakyRelu | 对输入进行LeakyRelu激活函数计算f(x) = alpha * x for x < 0, f(x) = x for x >= 0 | 【输入】X：输入Tensor，类型：float32 【参数】alpha：float32，泄漏系数，默认值0.01 【约束】无 【输出】Y：输出Tensor，类型同X输入 |
| 35 | Less | 对输入A和B进行逐元素Less逻辑运算 | 【输入】 - A：输入Tensor，类型：float32 - B：输入Tensor，类型：float32 【约束】无限制 【输出】C：输出Tensor，类型：bool |
| 36 | Log | 取自然对数运算 | 【输入】input：输入Tensor，类型： float32 【约束】无 【输出】output：输出Tensor，类型同input输入 |
| 37 | LogSoftmax | 对输入进行logsoftmax（log of softmax）计算 | 【输入】input：输入Tensor，类型：float32 【参数】axis：int，输入变为2D维度时的轴，默认值1 【约束】axis参数仅支持最后一维 【输出】output：输出Tensor，维度和输入相同 |
| 38 | MatMul | 矩阵乘 | 【输入】 - A：输入Tensor，类型：float32 - B：输入Tensor，类型：float32 【约束】 - A: 输入tensor，2<=rank<=4 - B: 输入tensor，类型与rank同A 【输出】Y：输出Tensor，类型：float32 |
| 39 | Max | 逐个元素取最大值 | 【输入】 - X1：输入Tensor，类型：float32 - X2：输入Tensor，类型：float32 【约束】 - 对于两个输入维度个数不相同的场景，需要将维度补齐到四维。例如，x.shape=(1, 5, 6, 7) 和 y.shape=(6, 7)需要将y的维度补齐到4维，即y.shape=(1, 1, 6, 7)；Kirin 9000平台下，已经支持broadcast；1<=N <= 65535 - 只支持2个输入 【输出】y：输出Tensor，类型：float32 |
| 40 | MaxPool | 最大池化 | 【输入】X：输入Tensor，类型：float32【参数】 - auto_pad：optional, string，pad的计算模式，默认是NOTSET - ceil_mode：optional, int，使用ceil（向上取整）还是floor（向下取整）计算输出维度，默认值0（ceil） - dilations：optional，list of ints，每个值对应池化核对应空间轴上的扩张值，默认值1 - kernel_shape：list of ints，每个值对应相应维度的窗口大小 - pads：list of ints，每个值对应相应维度的pad值，默认值为0 - storage_order：int，Tensor的存储顺序，默认值0，按行存储 - strides：list of ints，其中每个值对应相应维度的滑动步长，默认值为1 【约束】 - auto_pad参数只支持默认值 - storage_order参数只支持默认值 - dilations参数只支持默认值 - Indices可选输出不支持 【输出】 - Y：输出Tensor，类型与X输入相同 - Indices：optional，输出Tensor |
| 41 | Min | 逐个元素取最小 | 【输入】 - X1：输入Tensor，类型：float32, int32 - X2：输入Tensor，类型：float32,int32 【约束】 - 5D输入不支持常量广播 - 只支持2个输入 【输出】y：输出Tensor，类型与Xn输入相同 |
| 42 | Mul | 二元点乘 | 【输入】 - A：输入Tensor，类型：float32，第1个操作数 - B：输入Tensor，类型：float32，第2个操作数 【约束】支持两组输入的维度不一致，进行广播操作（广播即维度补齐），目前支持以下几种广播场景： - NCHW+NCHW(备注, 两个维度相同tensor) - NCHW+scalar - NCHW+W, CHW+W, HW+W(备注, W维度做broadcast) - NCHW + NCH1, CHW + CH1, HW + H1 - CHW + C1W(备注，H维度做broadcast) 对于两个输入维度个数不相同的场景，需要将维度补齐到四维。例如，x.shape=(1, 5, 6, 7) 和 y.shape=(6, 7)需要将y的维度补齐到4维，即y.shape=(1, 1, 6, 7)。说明：两个Tensor的输入顺序可以互换。【输出】C：输出Tensor，类型同B |
| 43 | Neg | 对Tensor的每个元素取反，y=-x | 【输入】X：输入Tensor，类型：float32 【约束】无 【输出】Y：输出Tensor，类型：float32 |
| 44 | NonMaxSuppression | 进行非最大值压缩在指定框中 | 【输入】 - boxes：输入Tensor，类型：float32 - scores：输入Tensor，类型：float32 - max_output_boxes_per_class（可选）：输入Tensor，类型：int32 - iou_threshold（可选）：输入Tensor，类型：float32 - score_threshold（可选）：输入Tensor，类型：float32 【约束】 - max_output_boxes_per_class、iou_threshold、score_threshold仅支持权值输入 - max_output_boxes_per_class不支持取0 - iou_threshold不支持取0和1 【输出】selected_indices：输出Tensor，类型：float32 |
| 45 | Or | 对输入Tensor的每个元素取逻辑或 | 【输入】 - A：输入Tensor，类型：bool - B：输入Tensor，类型：bool 【约束】input输入不支持NCHW格式数据【输出】C：输出Tensor，类型：bool |
| 46 | PRelu | 根据下面公式做运算f(x) = slope * x for x < 0, f(x) = x for x >= 0 | 【输入】 - X：输入Tensor，类型：float32 - slope：输入Tensor，类型：float32 【约束】 - slope输入必须是常量 - slope必须是标量或者1C11或C11的形式，其中C是X输入的channel - X输入必须是4D 【输出】Y：输出Tensor，类型同X输入 |
| 47 | Pad | 对输入Tensor做补pad处理 | 【输入】 - data：输入Tensor，类型：float32 - pads：输入Tensor，类型：int64 - constant_value：optional，输入Tensor，标量，类型同data输入，默认值0 【参数】 - mode：string，支持的模式 - 在opset 7~10中pads输入是参数 - 在opset 7~10中存在value参数，表示要被填充的值 【约束】 - mode仅支持constant模式 - pads输入必须是常量 【输出】output：输出Tensor，类型：float32 |
| 48 | Pow | 逐个元素做指数运算 | 【输入】 - X：输入Tensor，类型：float32, int32 - Y：输入Tensor，类型：float32, int32 【约束】无限制【输出】Z：输出Tensor，类型：float32, int32 |
| 49 | Range | 创建一个Tensor，Tensor的数据以start开始，以delta作为步长扩展直到limit | 【输入】 - start：输入Tensor，标量，类型：float32，int32，输出数据的起始值 - limit：输入Tensor，标量，类型：float32，int32，输出数据的上限值 - delta：输入Tensor，标量，类型：float32，int32，步长 【约束】 - 输入start必须是常量 - 输入limit必须是常量 - 输入delta必须是常量 【输出】output：输出Tensor，标量，类型float32，int32 |
| 50 | ReduceLogSumExp | 计算输入Tensor沿着指定轴上的对数和的指数 | 【输入】data：输入Tensor，类型：float32【参数】 - axes：list of ints，指定的轴 - keepdims：ints，是否保留指定轴上的维度，默认值是1 【约束】无【输出】reduced：输出Tensor |
| 51 | ReduceMax | 计算输入Tensor沿着指定轴上的最大值 | 【输入】data：输入Tensor，类型：float32【参数】 - axes：list of ints，指定的轴 - keepdims：ints，是否保留指定轴上的维度，如果是1，保留，如果是0，则不保留，默认值是1 【约束】axes参数为必选参数【输出】reduced：输出Tensor |
| 52 | ReduceMean | 计算输入Tensor沿着指定轴上的平均值 | 【输入】data：输入Tensor，类型：float32【参数】 - axes：list of ints，指定的轴 - keepdims：ints，是否保留指定轴上的维度，如果是1，保留，如果是0，则不保留，默认值是1 【约束】axes参数为必选参数【输出】reduced：输出Tensor |
| 53 | ReduceMin | 计算输入Tensor沿着指定轴上的最小值 | 【输入】data：输入Tensor，类型：float32【参数】 - axes：list of ints，指定的轴 - keepdims：int，是否保留维度，默认值1 【约束】 - axes参数为必选参数 - keepdims参数仅支持设置为1 【输出】reduced：输出Tensor |
| 54 | ReduceSum | 计算输入Tensor沿着指定轴上的和 | 【输入】data：输入Tensor，类型：float32【参数】 - axes：list of ints，指定的轴 - keepdims：int，是否保留维度，默认值1 【约束】axes参数为必选参数【输出】reduced：输出Tensor |
| 55 | Relu | 整流线性单位函数 | 【输入】X：输入Tensor，类型：float32 【约束】无 【输出】Y：输出Tensor，类型同X输入 |
| 56 | Reshape | 改变输入Tensor的维度 | 【输入】 - data：输入Tensor，类型：float32，int32，int64，bool - shape：输入Tensor，类型：int32，int64 【约束】shape输入必须是常量【输出】reshaped：输出Tensor，类型同data输入 |
| 57 | Resize | 调整输入tensor的维度 | 【输入】 - X：输入Tensor，类型：float32 - roi：输入Tensor，类型：float32 【参数】 - align_corners：bool，缺省值为false - half_pixel_centers：bool，缺省值为false 【约束】 - scales和sizes两个输入仅支持权值输入，不支持非权值输入 - coordinate_transformation_mode支持half_pixel，pytorch_half_pixel。其中pytorch_half_pixel仅支持resized_length>1场景，resized_length <=1场景报错 - cubic_coeff_a仅支持默认值-0.75 - exclude_outside仅支持默认值0 - extrapolation_value仅支持默认值：0.0 - mode 支持nearest, linear - nearest_mode仅支持默认值round_prefer_floor - 不支持crop功能 - roi是无效输入时，仅支持权值输入 - 其他场景报错处理 【输出】Y：输出Tensor，类型同data输入 |
| 58 | RoiAlign | 对关注的区域做对齐操作 | 【输入】 - X：输入Tensor，类型：float32 - roi：输入Tensor，类型：int32 - batch_indices：输入Tensor，类型：int32 【参数】 - mode：string，缺省值为avg - output_height：int32，缺省值为1 - output_width：int32，缺省值为1 - sampling_ratio：int32，缺省值为1 - spatial_scale：float32，缺省值为1.0 【约束】mode仅支持avg模式【输出】Y：输出Tensor，类型同X输入 |
| 59 | Round | 逐个元素取整 | 【输入】X：输入Tensor，类型：float32 【约束】无限制 【输出】Y：输出Tensor，类型同X输入 |
| 60 | ScatterElements | 绘制散点图 | 【输入】 - data：输入Tensor，类型：float32, int8, uint8, bool - indices：输入Tensor，类型：int32, int64 - updates：输入Tensor，类型：float32, int8, uint8, bool 【参数】axis：int，缺省值为0【约束】无【输出】output：输出Tensor，类型同data输入 |
| 61 | Selu | 对输入做下面公式计算y = gamma (alpha e^x - alpha) for x <= 0, y = gamma * x for x > 0 | 【输入】x：输入Tensor，类型：float32【参数】 - alpha：float32，缺省值为1.67326 - gamma：float32，缺省值为1.0507 【约束】仅支持alpha和gamma参数是默认值 【输出】y：输出Tensor，类型同x输入 |
| 62 | Shape | 获取输入Tensor的维度，并输出 | 【输入】data：输入Tensor，类型：float32，int32，bool，uint8 【约束】不支持指定为输出节点 【输出】shape：输出Tensor，data输入的维度 |
| 63 | Sigmoid | sigmoid函数，y = 1 / (1 + exp(-x)) | 【输入】X：输入Tensor，类型：float32 【约束】无 【输出】Y：输出Tensor，类型同X输入 |
| 64 | Sign | sign函数（符号函数），当x>0，sign(x)=1当x=0，sign(x)=0当x<0，sign(x)=-1 | 【输入】input：输入Tensor，类型：float32 【约束】无 【输出】output：输出Tensor，类型和维度同input输入 |
| 65 | Sin | 计算正弦 | 【输入】input：输入Tensor，类型：float32 【约束】无限制 【输出】output：输出Tensor，类型与x输入相同 |
| 66 | Slice | 对输入Tensor沿着指定轴切分 | 【输入】 - data：输入Tensor，类型：float32，int32，uint8，bool - starts：1-D输入Tensor，类型：int64，int32，表示在指定轴上切分的起始位置 - ends：1-D输入Tensor，类型：int64，int32，表示在指定轴上切分的结束位置 - axes：optional，1-D输入Tensor，类型：int64，int32，指定需要切分的轴，缺省表示沿所有的维度切分，负值表示从后往前统计维度值 - steps：optional，1-D输入Tensor，类型：int64，int32，切分的步长 【参数】opset9及之前版本，axes，ends，starts是参数【约束】 - 输入starts，ends，axes，steps必须为常量 - 不支持切分后，存在维度为0的场景 【输出】output：输出Tensor，切分后的Tensor |
| 67 | Softmax | 归一化逻辑函数 | 【输入】input：输入Tensor，类型：float32 【参数】axis：int，输入变为2D维度时的轴，默认值1 【约束】axis参数仅支持最后一维 【输出】output：输出Tensor，类型和维度同input输入 |
| 68 | Softplus | softplus激活函数，y = ln(exp(x) + 1) | 【输入】X：1-D输入Tensor，类型：float32 【约束】无 【输出】Y：1-D输出Tensor，类型同X输入 |
| 69 | Split | 在指定轴上做拆分,输出多个tensor | 【输入】input：输入Tensor，类型： float32【参数】 - axis：int, 缺省值为0 - split: list of ints 值必须大于等于0 【约束】无 【输出】outputs：D输出Tensor，类型同输入 |
| 70 | Sqrt | 求平方根 | 【输入】X：输入Tensor，类型：float32 【约束】无 【输出】Y：输出Tensor，类型同X输入 |
| 71 | Squeeze | 在指定轴上降维 | 【输入】data：输入Tensor，类型：float32 【参数】axes：list of ints，轴，缺省值为所有维度，负值表示从后往前遍历 【约束】无 【输出】squeezed：输出Tensor，类型：float32 |
| 72 | Sub | 逐个元素的减法运算 | 【输入】 - A：输入Tensor，类型：float32 ，第1个操作数 - B：输入Tensor，类型：float32 ，第2个操作数 【约束】无 【输出】C：输出Tensor，类型：float32 |
| 73 | Tan | 正切函数 | 【输入】input：输入Tensor，类型：float32 【约束】无 【输出】output：输出Tensor，类型：float32 |
| 74 | Tanh | 双曲函数 | 【输入】input：输入Tensor，类型：float32【约束】无【输出】output：输出Tensor，类型：float32 |
| 75 | Tile | 对输入Tensor做平铺操作 | 【输入】 - input：输入Tensor，类型：float32，int8，uint8，bool - repeats：1-D输入Tensor，类型：int32, int64 【约束】repeats输入必须是常量【输出】output：输出Tensor，类型同input输入 |
| 76 | TopK | 实现最大或者最小的K个元素在指定的轴上。 | 【输入】 - X：输入Tensor，类型：float32 - K：输入Tensor，类型：int32, int64 【参数】 - axis：int，缺省值为-1 - largest：int，缺省值为1 - sorted：int，缺省值为1 【约束】K输入必须是常量【输出】 - values：输出Tensor，类型：float32 - indices: 输出Tensor，类型：int32 |
| 77 | Transpose | 根据属性perm中各个轴的排列顺序，对输入Tensor和shape做相应转换 | 【输入】data：输入Tensor，类型：float32 【参数】perm：list of ints，轴调整排列的顺序表 【约束】无【输出】transposed：输出Tensor，类型：float32 |
| 78 | Unsqueeze | 在指定轴上扩维 | 【输入】data：输入Tensor，类型：float32，int32，uint8，bool 【参数】axes：list of ints，指定需要扩维的轴 【约束】仅支持axes个数为1 【输出】expanded：输出Tensor，类型：float32，int32，uint8，bool |
| 79 | Upsample | 上采样 | 【输入】 - X：输入Tensor，类型：float32 - scales：输入Tensor，类型：float32 【参数】 - mode：string，模式，有2个插值模式，nearest模式和linear模式（包含bilinear, trilinear等），默认是nearest模式 - 在opset7中scales输入是参数 【约束】 - 仅支持nearest、bilinear两种插值模式 - X仅支持4D输入Tensor - N、C方向的scale仅支持等于1.0 【输出】Y：输出Tensor，类型：float32 |
| 80 | ReduceL2（V510新增） | 计算输入Tensor沿着指定轴上的欧几里得范数 | 【输入】data：输入Tensor，类型：float32【参数】 - axes：list of ints，指定的轴 - keepdims：int，是否保留维度，默认值1 【约束】 - 只支持keepdims=1的情形，所以输入和输出的realDim相等 - 输入N <= 65535 - axes范围：支持realDim为3和realDim为4时对最后一维做reduceL2 【输出】reduced：输出Tensor |