ConvInteger¶

ConvInteger - 10¶

此版本的运算符自版本 10 起可用。

整数卷积运算符接收输入张量、其零点、滤波器及其零点，并计算输出。乘积绝不能溢出。仅当累加在 32 位中时才可能溢出。

auto_pad - STRING (默认值为 'NOTSET')

auto_pad 必须是 NOTSET、SAME_UPPER、SAME_LOWER 或 VALID 之一。默认值是 NOTSET，表示使用显式填充。SAME_UPPER 或 SAME_LOWER 表示填充输入，使得对于每个轴 i， output_shape[i] = ceil(input_shape[i] / strides[i])。填充会平均或几乎平均地分配到两边（取决于它是偶数还是奇数）。如果填充是奇数，则额外填充会添加到 SAME_UPPER 的末尾和 SAME_LOWER 的开头。
dilations - INTS :

沿滤波器每个空间轴的膨胀值。如果不存在，则沿每个轴的膨胀默认为 1。
group - INT (默认值为 '1')

输入通道和输出通道被划分成的组数。默认值为 1。
kernel_shape - INTS :

卷积核的形状。如果不存在，应从输入“w”推断。
pads - INTS :

沿每个空间轴开头和结尾的填充，可以取任何大于或等于 0 的值。该值表示添加到对应轴的开头和结尾部分的像素数量。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 开头的像素数量，xi_end 是添加到轴 i 结尾的像素数量。此属性不能与 auto_pad 属性同时使用。如果不存在，则沿每个空间轴的开头和结尾的填充默认为 0。
strides - INTS :

沿每个空间轴的步长。如果不存在，则沿每个轴的步长默认为 1。

介于 2 到 4 个输入。

x (异构) - T1

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 为批量大小，C 为通道数，H 和 W 为高度和宽度。请注意，这是针对 2D 图像的情况。否则大小为 (N x C x D1 x D2 … x Dn)。可选地，如果维度标注生效，则操作期望输入数据张量带有 [DATA_BATCH, DATA_CHANNEL, DATA_FEATURE, DATA_FEATURE …] 的维度标注。
w (异构) - T2

权重张量，用于卷积运算；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 是特征图的数量。对于超过 2 维的情况，核的形状将是 (M x C/group x k1 x k2 x … x kn)，其中 (k1 x k2 x … kn) 是核的维度。可选地，如果启用了维度表示法，则操作期望权重张量的维度表示为 [FILTER_OUT_CHANNEL, FILTER_IN_CHANNEL, FILTER_SPATIAL, FILTER_SPATIAL …]。X.shape[1] == (W.shape[1] * group) == C (假设形状数组使用零基索引)。换句话说，FILTER_IN_CHANNEL 应该等于 DATA_CHANNEL。
x_zero_point (可选，异构) - T1

输入 ‘x’ 的零点张量。它是可选的，默认值为 0。它是一个标量，表示按张量/按层量化。
w_zero_point (可选，异构) - T2

输入 ‘w’ 的零点张量。它是可选的，默认值为 0。它可能是一个标量或一个 1-D 张量，表示按张量/按层或按输出通道量化。如果它是一个 1-D 张量，其元素数量应等于输出通道的数量 (M)