LpPool

LpPool - 22

版本

  • 名称: LpPool (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

LpPool 消耗一个输入张量 X 并根据核大小、步幅大小和填充长度在张量上应用 Lp 池化。Lp 池化包括根据核大小计算输入张量子集的所有值的 Lp 范数，并将数据下采样到输出张量 Y 中以进行进一步处理。输出空间形状将如下所示：

output_spatial_shape[i] = floor((input_spatial_shape[i] + pad_shape[i] - {kernelSpatialShape}) / strides_spatial_shape[i] + 1)

或

output_spatial_shape[i] = ceil((input_spatial_shape[i] + pad_shape[i] - {kernelSpatialShape}) / strides_spatial_shape[i] + 1)

如果启用了ceil_mode，pad_shape[i] 是沿轴 i 的填充总和。

auto_pad 是一个已弃用的属性。如果您当前正在使用它们，输出空间形状将如下所示：

VALID: output_spatial_shape[i] = ceil((input_spatial_shape[i] - {kernelSpatialShape} + 1) / strides_spatial_shape[i])
SAME_UPPER or SAME_LOWER: output_spatial_shape[i] = ceil(input_spatial_shape[i] / strides_spatial_shape[i])

如果SAME_UPPER或SAME_LOWER，填充形状将如下所示：

pad_shape[i] = (output_spatial_shape[i] - 1) * strides_spatial_shape[i] + {kernelSpatialShape} - input_spatial_shape[i]

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。

  • ceil_mode - INT（默认为 '0'）：

    是否使用ceil或floor（默认）来计算输出形状。

  • dilations - INTS :

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

  • kernel_shape - INTS（必需）：

    沿每个轴的核大小。

  • p - INT (默认为 '2'):

    用于对输入数据进行池化的Lp范数的p值。

  • 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，则沿每个空间轴的步幅默认为1。

输入

  • X (异构) - T:

    来自前一个操作符的输入数据张量；对于图像情况，维度为（N x C x H x W），其中N是批量大小，C是通道数，H和W是数据的高度和宽度。对于非图像情况，维度形式为（N x C x D1 x D2 … Dn），其中N是批量大小。

输出

  • Y (异构) - T:

    从输入张量的Lp池化中输出的数据张量。维度将根据不同的核、步幅和填充大小而变化。

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。

LpPool - 18

版本

  • 名称: LpPool (GitHub)

  • 域名: main

  • since_version: 18

  • 函数: False

  • support_level: SupportType.COMMON

  • 形状推断: True

此版本的运算符自版本18起可用。

摘要

LpPool 消耗一个输入张量 X 并根据核大小、步幅大小和填充长度在张量上应用 Lp 池化。Lp 池化包括根据核大小计算输入张量子集的所有值的 Lp 范数，并将数据下采样到输出张量 Y 中以进行进一步处理。输出空间形状将如下所示：

output_spatial_shape[i] = floor((input_spatial_shape[i] + pad_shape[i] - {kernelSpatialShape}) / strides_spatial_shape[i] + 1)

或

output_spatial_shape[i] = ceil((input_spatial_shape[i] + pad_shape[i] - {kernelSpatialShape}) / strides_spatial_shape[i] + 1)

如果启用了 ceil_mode，pad_shape[i] 是沿轴 i 的填充总和。

auto_pad 是一个已弃用的属性。如果您当前正在使用它们，输出空间形状将如下所示：

VALID: output_spatial_shape[i] = ceil((input_spatial_shape[i] - {kernelSpatialShape} + 1) / strides_spatial_shape[i])
SAME_UPPER or SAME_LOWER: output_spatial_shape[i] = ceil(input_spatial_shape[i] / strides_spatial_shape[i])

如果SAME_UPPER或SAME_LOWER，填充形状将如下所示：

pad_shape[i] = (output_spatial_shape[i] - 1) * strides_spatial_shape[i] + {kernelSpatialShape} - input_spatial_shape[i]

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。

  • ceil_mode - INT（默认为 '0'）：

    是否使用ceil或floor（默认）来计算输出形状。

  • 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。

  • kernel_shape - INTS（必需）：

    沿每个轴的核大小。

  • p - INT (默认是 '2'):

    用于对输入数据进行池化的Lp范数的p值。

  • 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，则沿每个空间轴的步幅默认为1。

输入

  • X (异构) - T:

    来自前一个操作符的输入数据张量；对于图像情况，维度为（N x C x H x W），其中N是批量大小，C是通道数，H和W是数据的高度和宽度。对于非图像情况，维度形式为（N x C x D1 x D2 … Dn），其中N是批量大小。

输出

  • Y (异构) - T:

    从输入张量的Lp池化中输出的数据张量。维度将根据不同的核、步幅和填充大小而变化。

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。

LpPool - 11

版本

  • 名称: LpPool (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。

总结

LpPool 消耗一个输入张量 X，并根据核大小、步幅大小和填充长度在张量上应用 Lp 池化。Lp 池化包括根据核大小计算输入张量子集的所有值的 Lp 范数，并将数据下采样到输出张量 Y 中以进行进一步处理。

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。

  • kernel_shape - INTS（必需）：

    沿每个轴的核大小。

  • p - INT (默认为 '2'):

    用于对输入数据进行池化的Lp范数的p值。

  • 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，则沿每个空间轴的步幅默认为1。

输入

  • X (异构) - T:

    来自前一个操作符的输入数据张量；对于图像情况，维度为（N x C x H x W），其中N是批量大小，C是通道数，H和W是数据的高度和宽度。对于非图像情况，维度形式为（N x C x D1 x D2 … Dn），其中N是批量大小。

输出

  • Y (异构) - T:

    从输入张量的Lp池化中输出的数据张量。维度将根据不同的核、步幅和填充大小而变化。

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。

LpPool - 2

版本

  • 名称: LpPool (GitHub)

  • 域名: main

  • since_version: 2

  • 函数: False

  • support_level: SupportType.COMMON

  • 形状推断: True

此版本的运算符自版本2起可用。

摘要

LpPool 消耗一个输入张量 X，并根据核大小、步幅大小和填充长度在张量上应用 Lp 池化。Lp 池化包括根据核大小计算输入张量子集的所有值的 Lp 范数，并将数据下采样到输出张量 Y 中以进行进一步处理。

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。

  • kernel_shape - INTS（必需）：

    沿每个轴的核大小。

  • p - INT (默认为 '2'):

    用于对输入数据进行池化的Lp范数的p值。

  • 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

  • X (异构) - T:

    来自前一个操作符的输入数据张量；对于图像情况，维度为（N x C x H x W），其中N是批量大小，C是通道数，H和W是数据的高度和宽度。对于非图像情况，维度形式为（N x C x D1 x D2 … Dn），其中N是批量大小。

输出

  • Y (异构) - T:

    从输入张量的Lp池化中输出的数据张量。维度将根据不同的核、步幅和填充大小而变化。

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。

LpPool - 1

版本

  • 名称: LpPool (GitHub)

  • 域名: main

  • since_version: 1

  • 函数: False

  • support_level: SupportType.COMMON

  • 形状推断: False

此版本的运算符自版本1起可用。

摘要

LpPool 消耗一个输入张量 X，并根据核大小、步幅大小和填充长度在张量上应用 Lp 池化。Lp 池化包括根据核大小计算输入张量子集的所有值的 Lp 范数，并将数据下采样到输出张量 Y 中以进行进一步处理。

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，这意味着使用显式填充。SAME_UPPER 或 SAME_LOWER 表示填充输入，以便输出大小与 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。弃用说明：auto_pad 仅用于支持旧版用途，对于框架作者，强烈建议使用 pads 属性中指定的显式填充。

  • kernel_shape - INTS :

    沿每个轴的核大小。

  • p - FLOAT (默认值为 '2.0'):

    用于对输入数据进行池化的Lp范数的p值，默认值为2.0。

  • pads - INTS :

    沿每个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。

  • 步幅 - 整数 :

    沿每个轴的步幅。

输入

  • X (异构) - T:

    输入数据张量来自前一个操作符；图像情况下的维度为（N x C x H x W），其中N是批量大小，C是通道数，H和W是数据的高度和宽度。对于非图像情况，维度形式为（N x C x D1 x D2 … Dn），其中N是批量大小。

输出

  • Y (异构) - T:

    从输入张量的Lp池化中输出的数据张量。维度将根据不同的核、步幅和填充大小而变化。

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。