以下以添加argmax为例，详细说明新增op的方法。

1. 添加OpParam 结构体以传导 Op 的输入和输出

这里命名为 ArgmaxParam

在 paddlelite/lite/operators/op_params.h 中添加 ArgmaxParam 结构体，代码如下：

  struct ArgmaxParam {
      lite::Tensor* X{};
      lite::Tensor* Out{};
      int Axis{0};
  };

2. 添加 Argmax Op 并注册

在paddlelite/lite/operators/目录下新建argmax_op.h文件，主要代码如下：

  class ArgmaxOpLite : public OpLite {
  public:
      ArgmaxOpLite() {}
      explicit ArgmaxOpLite(const std::string &op_type) : OpLite(op_type) {}
      bool CheckShape() const override;
      bool InferShape() const override;
      bool AttachImpl(const cpp::OpDesc &opdesc, lite::Scope *scope) override;
      void AttachKernel(KernelBase *kernel) override { kernel->SetParam(param_); }
      std::string DebugString() const override { return "argmax"; }
  private:
      mutable ArgmaxParam param_;
  };

ArgmaxOpLite 继承 OpLite ，成员变量包括 ArgmaxParam 结构体，需要实现的接口包括 CheckShape() 、InferShape() 、AttachImp() 、AttachKernel() 和 DebugString() 函数。AttachKernel() 和 DebugString() 函数较为简单，此处直接实现；

在 paddlelite/lite/operators/ 目录下新建argmax_op.cc文件，需要具体实现CheckShape()、InferShape()和AttachImp()函数。CheckShape()函数检查输入是否符合要求，InferShape()函数基于输入推断得到输出的维度，AttachImp()函数绑定Op的输入输出。然后在argmax_op.cc文件中注册argmax，核心代码如下：

  bool ArgmaxOpLite::CheckShape() const {
      CHECK_OR_FALSE(param_.X);
      CHECK_OR_FALSE(param_.Out);
      CHECK_OR_FALSE(param_.Axis < (param_.X)->dims().size());
      return true;
  }
    
  bool ArgmaxOpLite::InferShape() const {
      auto x_dims = param_.X->dims();
      int x_rank = x_dims.size();
      int axis = param_.Axis;
      if (axis < 0) axis += x_rank;
    
  std::vector<int64_t> out_dims;
      for (int64_t i = 0; i < axis; i++) {
          out_dims.push_back(x_dims[i]);
      }
      for (int64_t i = axis + 1; i < x_rank; i++) {
          out_dims.push_back(x_dims[i]);
      }
    
  	// Set output dims
      param_.Out->Resize(lite::DDim(out_dims));
      return true;
  }
    
  bool ArgmaxOpLite::AttachImpl(const cpp::OpDesc &op_desc, lite::Scope *scope) {
      auto x = op_desc.Input("X").front();
      auto out = op_desc.Output("Out").front();
    
  param_.X = scope->FindVar(x)->GetMutable<lite::Tensor>();
      param_.Out = scope->FindVar(out)->GetMutable<lite::Tensor>();
      param_.Axis = op_desc.GetAttr<int>("Axis");
    
  return true;
  }
  REGISTER_LITE_OP(argmax, paddle::lite::operators::ArgmaxOpLite);

在paddlelite/lite/operators/CMakeLists.txt中添加add_operator(argmax_op basic SRCS argmax_op.cc DEPS ${op_DEPS})

3. 添加Argmax Kernel并绑定

以下以arm端argmax实现为例说明

在paddlelite/lite/kernels/arm/目录下新建argmax_compute.h文件，声明ArgmaxCompute类，并继承KernelLite，主要代码如下：

  class ArgmaxCompute : public KernelLite<TARGET(kARM), PRECISION(kFloat)> {
  public:
      using param_t = operators::ArgmaxParam;
      void Run() override;
      virtual ~ArgmaxCompute() = default;
  };

在paddlelite/lite/kernels/arm/目录下新建argmax_compute.cc文件，主要实现Run函数。Run()函数调用paddlelite/lite/bachends/arm/math/argmax.h中的argmax_func()函数，根据输入计算输出。最后在argmax_compute.cc文件中，我们绑定argmax的输入输出（为tensor的输入参数都需要绑定），代码如下：

  void ArgmaxCompute::Run() {
      auto& param = Param<operators::ArgmaxParam>();
      lite::Tensor* input = param.X;
      lite::Tensor* output = param.Out;
      int axis = param.Axis;
      lite::arm::math::argmax_func(input, axis, output);
      return;
  }

  REGISTER_LITE_KERNEL(
      argmax, kARM, kFloat, kNCHW, paddle::lite::kernels::arm::ArgmaxCompute, def)
      .BindInput("X", {LiteType::GetTensorTy(TARGET(kARM))})
      .BindOutput("Out", {LiteType::GetTensorTy(TARGET(kARM))})
      .Finalize();

在paddlelite/lite/kernels/arm/CMakeLists.txt中添加

  add_kernel(argmax_compute_arm ARM basic SRCS argmax_compute.cc DEPS ${lite_kernel_deps} math_arm)

4. 添加Argmax实现

在paddlelite/lite/backends/arm/math/目录下新建argmax.h文件，声明argmax_func()函数，代码如下：
```
  void argmax_func(const lite::Tensor* input, const int axis, lite::Tensor* output);
```

在paddlelite/lite/backends/arm/math/目录下新建argmax.cc文件，具体实现argmax_func()函数，代码如下：

  void argmax_func(const lite::Tensor *input,
                  const int axis,
                  lite::Tensor *output) {
  auto input_ddim = input->dims();
  auto output_ddim = output->dims();

  const int size = input_ddim[axis];
  const int in_channel = input_ddim.count(axis, input_ddim.size());
  const int out_channel = output_ddim.count(axis, output_ddim.size());
  const int in_stride = input_ddim.count(axis + 1, input_ddim.size());
  const int out_stride = input_ddim.count(0, axis);

  for (int n = 0; n < out_stride; n++) {
      for (int k = 0; k < in_stride; k++) {
      const float *in_ptr = input->data<float>() + n * in_channel + k;
      std::vector<std::pair<float, int>> vec;
      vec.resize(size);
      for (int i = 0; i < size; i++) {
          vec[i] = std::make_pair(in_ptr[i * in_stride], i);
      }
      // sort
      std::partial_sort(vec.begin(),
                          vec.begin() + 1,
                          vec.end(),
                          std::greater<std::pair<float, int>>());

      // out
      float *out_ptr = output->mutable_data<float>() + n * out_channel + k;
      *out_ptr = vec[0].second;
      }
  }
  }

在paddlelite/lite/backends/arm/math/CMakeFile.txt中的math_arm library中添加argmax.cc，在paddlelite/lite/backends/arm/math/funcs.h中添加#include "lite/arm/math/argmax.h"

5. 添加Argmax单测

在paddlelite/lite/tests/kernels目录下新建argmax_compute_test.cc文件，声明并实现ArgmaxComputeTester类；
ArgmaxComputeTester类中主要包括PrepareOpDesc、PrepareData和RunBaseline函数。PrepareOpDesc函数设定单测op的类型和输入输出参数，PrepareData函数对输入tensor进行初始化，RunBaseline是基于输入计算得到输出，用于和框架计算的输出进行对比；

使用gtest添加单测，代码如下：

  TEST(Argmax, precision) {
      #ifdef LITE_WITH_ARM
      LOG(INFO) << "test argmax arm";
      Place place(TARGET(kARM));

      for (int axis : {0, 1, 2, 3}) {
          for (int n : {1, 3}) {
          for (int c : {3, 6}) {
              for (int h : {9, 18}) {
              for (int w : {9, 18}) {
                  std::unique_ptr<arena::TestCase> tester(
                      new ArgmaxComputeTester(place, "def", axis, n, c, h, w));
                  arena::Arena arena(std::move(tester), place, 2e-5);
                  arena.TestPrecision();
              }
              }
          }
          }
      }
      #endif
  }

在paddlelite/lite/tests/kernels/CMakeLists.txt中添加

  lite_cc_test(test_kernel_argmax_compute SRCS argmax_compute_test.cc DEPS arena_framework ${x86_kernels} ${arm_kernels} ${lite_ops} ${host_kernels})

6. 编译运行

在paddlelite目录中，执行./lite/tools/ci_build.sh build_test_arm，该脚本会创建手机模拟器，并编译运行所有单测（花费时间较久）。如果运行无误，则表明添加argmax成功。