Conv

Conv - 22

版本

  • 名称: Conv (GitHub)

  • 域: main

  • 自版本起: 22

  • 功能: False

  • 支持级别: SupportType.COMMON

  • 形状推断: True

此版本的运算符自版本 22起可用。

摘要

卷积运算符使用输入张量和滤波器，并计算输出。

属性

  • auto_pad - STRING (默认值为 'NOTSET')

    auto_pad 必须为 NOTSET、SAME_UPPER、SAME_LOWER 或 VALID。其中默认值为 NOTSET，表示使用显式填充。SAME_UPPER 或 SAME_LOWER 表示填充输入，以便 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，则在 SAME_UPPER 的末尾添加额外的填充，在 SAME_LOWER 的开头添加额外的填充。

  • dilations - INTS :

    滤波器沿每个空间轴的膨胀值。如果不存在，则膨胀默认为每个空间轴为 1。

  • group - INT (默认值为 '1')

    输入通道和输出通道划分的组数。

  • kernel_shape - INTS :

    卷积核的形状。如果不存在，则应从输入 W 推断。

  • pads - INTS :

    沿每个空间轴的开始和结束处的填充，它可以取任何大于或等于 0 的值。该值表示添加到相应轴的开始和结束部分的像素数。pads 格式应如下所示 [x1_begin, x2_begin…x1_end, x2_end,…], 其中 xi_begin 是添加到轴 i 开头的像素数，xi_end 是添加到轴 i 末尾的像素数。此属性不能与 auto_pad 属性同时使用。如果不存在，则 padding 默认为每个空间轴的开始和结束处为 0。

  • strides - INTS :

    沿每个空间轴的步长。如果不存在，则步长默认为每个空间轴为 1。

输入

2 到 3 个输入。

  • 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 是批次大小，C 是通道数，H 和 W 是高度和宽度。请注意，这适用于 2D 图像。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，则操作期望输入数据张量以 [DATA_BATCH, DATA_CHANNEL, DATA_FEATURE, DATA_FEATURE …] 的维度表示到达。

  • 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 是核的高度和宽度，M 是特征图数。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，则操作期望权重张量以 [FILTER_OUT_CHANNEL, FILTER_IN_CHANNEL, FILTER_SPATIAL, FILTER_SPATIAL …] 的维度表示到达。假设形状数组的索引从零开始，X.shape[1] == (W.shape[1] * group) == C 并且 W.shape[0] mod G == 0。或者换句话说，FILTER_IN_CHANNEL 乘以组数应该等于 DATA_CHANNEL，并且特征图数 M 应该是组数 G 的倍数。

  • B (可选，异构) - T

    可选的 1D 偏差，将添加到卷积中，大小为 M。

输出

  • Y (异构) - T

    包含卷积结果的输出数据张量。输出维度是内核大小、步长大小和填充长度的函数。

类型约束

  • T in ( tensor(bfloat16), tensor(double), tensor(float), tensor(float16) )

    将输入和输出类型约束为浮点张量。

Conv - 11

版本

  • 名称: Conv (GitHub)

  • 域: main

  • 自版本起: 11

  • 功能: False

  • 支持级别: SupportType.COMMON

  • 形状推断: True

此版本的运算符自版本 11起可用。

摘要

卷积运算符使用输入张量和滤波器，并计算输出。

属性

  • auto_pad - STRING (默认值为 'NOTSET')

    auto_pad 必须为 NOTSET、SAME_UPPER、SAME_LOWER 或 VALID。其中默认值为 NOTSET，表示使用显式填充。SAME_UPPER 或 SAME_LOWER 表示填充输入，以便 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，则在 SAME_UPPER 的末尾添加额外的填充，在 SAME_LOWER 的开头添加额外的填充。

  • dilations - INTS :

    滤波器沿每个空间轴的膨胀值。如果不存在，则膨胀默认为每个空间轴为 1。

  • group - INT (默认值为 '1')

    输入通道和输出通道划分的组数。

  • kernel_shape - INTS :

    卷积核的形状。如果不存在，则应从输入 W 推断。

  • pads - INTS :

    沿每个空间轴的开始和结束处的填充，它可以取任何大于或等于 0 的值。该值表示添加到相应轴的开始和结束部分的像素数。pads 格式应如下所示 [x1_begin, x2_begin…x1_end, x2_end,…], 其中 xi_begin 是添加到轴 i 开头的像素数，xi_end 是添加到轴 i 末尾的像素数。此属性不能与 auto_pad 属性同时使用。如果不存在，则 padding 默认为每个空间轴的开始和结束处为 0。

  • strides - INTS :

    沿每个空间轴的步长。如果不存在，则步长默认为每个空间轴为 1。

输入

2 到 3 个输入。

  • 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 是批次大小，C 是通道数，H 和 W 是高度和宽度。请注意，这适用于 2D 图像。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，则操作期望输入数据张量以 [DATA_BATCH, DATA_CHANNEL, DATA_FEATURE, DATA_FEATURE …] 的维度表示到达。

  • 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 是核的高度和宽度，M 是特征图数。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，则操作期望权重张量以 [FILTER_OUT_CHANNEL, FILTER_IN_CHANNEL, FILTER_SPATIAL, FILTER_SPATIAL …] 的维度表示到达。假设形状数组的索引从零开始，X.shape[1] == (W.shape[1] * group) == C 并且 W.shape[0] mod G == 0。或者换句话说，FILTER_IN_CHANNEL 乘以组数应该等于 DATA_CHANNEL，并且特征图数 M 应该是组数 G 的倍数。

  • B (可选，异构) - T

    可选的 1D 偏差，将添加到卷积中，大小为 M。

输出

  • Y (异构) - T

    包含卷积结果的输出数据张量。输出维度是内核大小、步长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

    将输入和输出类型约束为浮点张量。

Conv - 1

版本

  • 名称: Conv (GitHub)

  • 域: main

  • since_version: 1

  • 功能: False

  • 支持级别: SupportType.COMMON

  • 形状推断: True

该版本的操作符已从版本 1开始可用。

摘要

卷积运算符使用输入张量和滤波器，并计算输出。

属性

  • auto_pad - STRING (默认值为 'NOTSET')

    auto_pad 必须是 NOTSET、SAME_UPPER、SAME_LOWER 或 VALID 之一。其中默认值为 NOTSET，表示使用显式填充。SAME_UPPER 或 SAME_LOWER 表示对输入进行填充，以使输出空间大小与 input.In 相匹配，在奇数情况下，SAME_UPPER 在末尾添加额外填充，SAME_LOWER 在开头添加额外填充。VALID 表示不填充。

  • dilations - INTS :

    沿过滤器每个空间轴的膨胀值。

  • group - INT (默认值为 '1')

    输入通道和输出通道划分的组数。

  • kernel_shape - INTS :

    卷积核的形状。如果不存在，则应从输入 W 推断。

  • pads - INTS :

    沿每个空间轴的开始和结束处的填充，它可以取任何大于或等于 0 的值。该值表示添加到相应轴的开始和结束部分的像素数。pads 格式应如下所示 [x1_begin, x2_begin…x1_end, x2_end,…], 其中 xi_begin 是添加到轴 i 开头的像素数，xi_end 是添加到轴 i 末尾的像素数。此属性不能与 auto_pad 属性同时使用。如果不存在，则 padding 默认为每个空间轴的开始和结束处为 0。

  • strides - INTS :

    沿每个空间轴的步幅。

输入

2 到 3 个输入。

  • 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 是批次大小，C 是通道数，H 和 W 是高度和宽度。请注意，这适用于 2D 图像。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，则操作期望输入数据张量以 [DATA_BATCH, DATA_CHANNEL, DATA_FEATURE, DATA_FEATURE …] 的维度表示到达。

  • 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。对于超过两个维度的，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，则操作期望权重张量以 [FILTER_OUT_CHANNEL, FILTER_IN_CHANNEL, FILTER_SPATIAL, FILTER_SPATIAL …] 的维度表示到达。X.shape[1] == (W.shape[1] * group) == C（假设形状数组的索引从零开始）。或者换句话说，FILTER_IN_CHANNEL 应该等于 DATA_CHANNEL。

  • B (可选，异构) - T

    可选的 1D 偏差，将添加到卷积中，大小为 M。

输出

  • Y (异构) - T

    包含卷积结果的输出数据张量。输出维度是内核大小、步长大小和填充长度的函数。

类型约束

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

    将输入和输出类型约束为浮点张量。