卷积

Conv - 22

版本

  • 名称: Conv (GitHub)

  • 域名: main

  • since_version: 22

  • 函数: False

  • support_level: SupportType.COMMON

  • 形状推断: True

此版本的运算符自版本22起可用。

摘要

卷积运算符消耗一个输入张量和一个过滤器，并计算输出。

属性

  • auto_pad - STRING (默认为 'NOTSET'):

    auto_pad 必须是 NOTSET、SAME_UPPER、SAME_LOWER 或 VALID 中的一个。默认值为 NOTSET，表示使用显式填充。SAME_UPPER 或 SAME_LOWER 表示填充输入，使得 output_shape[i] = ceil(input_shape[i] / strides[i]) 对于每个轴 i。填充在两侧均匀或几乎均匀地分配（取决于它是偶数还是奇数）。如果填充是奇数，额外的填充在 SAME_UPPER 的情况下添加到末尾，在 SAME_LOWER 的情况下添加到开头。

  • dilations - INTS :

    沿着滤波器每个空间轴的膨胀值。如果未提供，则默认每个空间轴的膨胀值为1。

  • group - INT (默认是 '1'):

    输入通道和输出通道被分成的组数。

  • kernel_shape - INTS :

    卷积核的形状。如果未提供，应从输入W中推断。

  • pads - INTS :

    沿每个空间轴的开始和结束的填充，它可以取任何大于或等于0的值。该值表示在相应轴的开始和结束部分添加的像素数。pads格式应如下所示 [x1_begin, x2_begin…x1_end, x2_end,…]，其中xi_begin表示在轴i的开始部分添加的像素数，xi_end表示在轴i的结束部分添加的像素数。此属性不能与auto_pad属性同时使用。如果未指定，则沿每个空间轴的开始和结束的填充默认为0。

  • 步幅 - 整数 :

    沿每个空间轴的步幅。如果未指定，则默认沿每个空间轴的步幅为1。

输入

在2到3个输入之间。

  • X (异构) - T:

    来自前一层的输入数据张量；大小为 (N x C x H x W)，其中 N 是批量大小，C 是通道数，H 和 W 是高度和宽度。请注意，这是针对 2D 图像的。否则大小为 (N x C x D1 x D2 … x Dn)。可选地，如果维度表示有效，操作期望输入数据张量具有维度表示 [DATA_BATCH, DATA_CHANNEL, DATA_FEATURE, DATA_FEATURE …]。

  • W (异构) - T:

    将在卷积中使用的权重张量；大小为 (M x C/group x kH x kW)，其中 C 是通道数，kH 和 kW 是内核的高度和宽度，M 是特征图的数量。对于超过 2 维的情况，内核形状将为 (M x C/group x k1 x k2 x … x kn)，其中 (k1 x k2 x … kn) 是内核的维度。可选地，如果维度表示有效，操作期望权重张量具有 [FILTER_OUT_CHANNEL, FILTER_IN_CHANNEL, FILTER_SPATIAL, FILTER_SPATIAL …] 的维度表示。假设形状数组的索引从零开始，X.shape[1] == (W.shape[1] * group) == C 且 W.shape[0] mod G == 0。换句话说，FILTER_IN_CHANNEL 乘以组的数量应等于 DATA_CHANNEL，特征图的数量 M 应是组数 G 的倍数。

  • B（可选，异构）- T：

    可选的1D偏置，将被添加到卷积中，大小为M。

输出

  • Y (异构) - T:

    输出数据张量，包含卷积的结果。输出维度是核大小、步幅大小和填充长度的函数。

类型约束

  • T 在 ( tensor(bfloat16), tensor(double), tensor(float), tensor(float16) ):

    将输入和输出类型限制为浮点张量。

Conv - 11

版本

  • 名称: Conv (GitHub)

  • 域名: main

  • since_version: 11

  • 函数: False

  • support_level: SupportType.COMMON

  • 形状推断: True

此版本的运算符自版本11起可用。

摘要

卷积运算符消耗一个输入张量和一个过滤器，并计算输出。

属性

  • auto_pad - STRING (默认为 'NOTSET'):

    auto_pad 必须是 NOTSET、SAME_UPPER、SAME_LOWER 或 VALID 中的一个。默认值为 NOTSET，表示使用显式填充。SAME_UPPER 或 SAME_LOWER 表示填充输入，使得 output_shape[i] = ceil(input_shape[i] / strides[i]) 对于每个轴 i。填充在两侧均匀或几乎均匀地分配（取决于它是偶数还是奇数）。如果填充是奇数，额外的填充在 SAME_UPPER 的情况下添加到末尾，在 SAME_LOWER 的情况下添加到开头。

  • dilations - INTS :

    沿着滤波器每个空间轴的膨胀值。如果未提供，则默认每个空间轴的膨胀值为1。

  • group - INT (默认是 '1'):

    输入通道和输出通道被分成的组数。

  • kernel_shape - INTS :

    卷积核的形状。如果未提供，应从输入W中推断。

  • pads - INTS :

    沿每个空间轴的开始和结束的填充，它可以取任何大于或等于0的值。该值表示在相应轴的开始和结束部分添加的像素数。pads格式应如下所示 [x1_begin, x2_begin…x1_end, x2_end,…]，其中xi_begin表示在轴i的开始部分添加的像素数，xi_end表示在轴i的结束部分添加的像素数。此属性不能与auto_pad属性同时使用。如果未指定，则沿每个空间轴的开始和结束的填充默认为0。

  • 步幅 - 整数 :

    沿着每个空间轴的步幅。如果未指定，则默认每个空间轴的步幅为1。

输入

在2到3个输入之间。

  • X (异构) - T:

    来自前一层的输入数据张量；大小为 (N x C x H x W)，其中 N 是批量大小，C 是通道数，H 和 W 是高度和宽度。请注意，这是针对 2D 图像的。否则大小为 (N x C x D1 x D2 … x Dn)。可选地，如果维度表示有效，操作期望输入数据张量具有维度表示 [DATA_BATCH, DATA_CHANNEL, DATA_FEATURE, DATA_FEATURE …]。

  • W (异构) - T:

    将在卷积中使用的权重张量；大小为 (M x C/group x kH x kW)，其中 C 是通道数，kH 和 kW 是内核的高度和宽度，M 是特征图的数量。对于超过 2 维的情况，内核形状将为 (M x C/group x k1 x k2 x … x kn)，其中 (k1 x k2 x … kn) 是内核的维度。可选地，如果维度表示有效，操作期望权重张量具有 [FILTER_OUT_CHANNEL, FILTER_IN_CHANNEL, FILTER_SPATIAL, FILTER_SPATIAL …] 的维度表示。假设形状数组的索引从零开始，X.shape[1] == (W.shape[1] * group) == C 且 W.shape[0] mod G == 0。换句话说，FILTER_IN_CHANNEL 乘以组的数量应等于 DATA_CHANNEL，特征图的数量 M 应是组数 G 的倍数。

  • B（可选，异构）- T：

    可选的1D偏置，将被添加到卷积中，大小为M。

输出

  • Y (异构) - T:

    输出数据张量，包含卷积的结果。输出维度是核大小、步幅大小和填充长度的函数。

类型约束

  • T 在 ( tensor(double), tensor(float), tensor(float16), tensor(float16) ) 中:

    将输入和输出类型限制为浮点张量。

Conv - 1

版本

  • 名称: Conv (GitHub)

  • 域名: main

  • since_version: 1

  • 函数: False

  • support_level: SupportType.COMMON

  • 形状推断: True

此版本的运算符自版本1起可用。

总结

卷积运算符消耗一个输入张量和一个过滤器，并计算输出。

属性

  • auto_pad - STRING (默认为 'NOTSET'):

    auto_pad 必须是 NOTSET、SAME_UPPER、SAME_LOWER 或 VALID 中的一个。默认值为 NOTSET，表示使用显式填充。SAME_UPPER 或 SAME_LOWER 表示填充输入以使输出空间大小与 input.In 匹配。在奇数情况下，SAME_UPPER 在末尾添加额外的填充，而 SAME_LOWER 在开头添加额外的填充。VALID 表示不填充。

  • dilations - INTS :

    沿着滤波器每个空间轴的膨胀值。

  • group - INT (默认是 '1'):

    输入通道和输出通道被分成的组数。

  • kernel_shape - INTS :

    卷积核的形状。如果未提供，应从输入W中推断。

  • pads - INTS :

    沿每个空间轴的开始和结束的填充，它可以取任何大于或等于0的值。该值表示在相应轴的开始和结束部分添加的像素数。pads格式应如下所示 [x1_begin, x2_begin…x1_end, x2_end,…]，其中xi_begin表示在轴i的开始部分添加的像素数，xi_end表示在轴i的结束部分添加的像素数。此属性不能与auto_pad属性同时使用。如果未指定，则沿每个空间轴的开始和结束的填充默认为0。

  • 步幅 - 整数 :

    沿着每个空间轴步进。

输入

在2到3个输入之间。

  • X (异构) - T:

    来自前一层的输入数据张量；大小为 (N x C x H x W)，其中 N 是批量大小，C 是通道数，H 和 W 是高度和宽度。请注意，这是针对 2D 图像的。否则大小为 (N x C x D1 x D2 … x Dn)。可选地，如果维度表示有效，操作期望输入数据张量具有维度表示 [DATA_BATCH, DATA_CHANNEL, DATA_FEATURE, DATA_FEATURE …]。

  • W (异构) - T:

    将在卷积中使用的权重张量；大小为 (M x C/group x kH x kW)，其中 C 是通道数，kH 和 kW 是内核的高度和宽度，M 是特征图的数量。对于超过 2 维的情况，内核形状将为 (M x C/group x k1 x k2 x … x kn)，其中 (k1 x k2 x … kn) 是内核的维度。可选地，如果维度表示有效，操作期望权重张量具有 [FILTER_OUT_CHANNEL, FILTER_IN_CHANNEL, FILTER_SPATIAL, FILTER_SPATIAL …] 的维度表示。X.shape[1] == (W.shape[1] * group) == C（假设形状数组的索引从零开始）。换句话说，FILTER_IN_CHANNEL 应该等于 DATA_CHANNEL。

  • B（可选，异构）- T：

    可选的1D偏置，将被添加到卷积中，大小为M。

输出

  • Y (异构) - T:

    输出数据张量，包含卷积的结果。输出维度是核大小、步幅大小和填充长度的函数。

类型约束

  • T 在 ( tensor(double), tensor(float), tensor(float16) ) 中:

    将输入和输出类型限制为浮点张量。