ConvInteger

ConvInteger - 10

版本

  • 名称ConvInteger (GitHub)

  • : main

  • since_version: 10

  • 函数: False

  • 支持级别: SupportType.COMMON

  • 形状推断: True

此版本的操作符已在 版本 10 中提供。

摘要

整数卷积运算符使用一个输入张量、其零点、一个滤波器及其零点,并计算输出。乘积绝不能溢出。累加仅在 32 位时才可能溢出。

属性

  • auto_pad - 字符串 (默认为 'NOTSET')

    auto_pad 必须是 NOTSET、SAME_UPPER、SAME_LOWER 或 VALID。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,使得每个轴 ioutput_shape[i] = ceil(input_shape[i] / strides[i])。填充在两边均匀或几乎均匀地分布(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 - 整数 :

    沿滤波器每个空间轴的膨胀值。如果不存在,则膨胀默认为沿每个轴为 1。

  • group - 整数 (默认为 '1')

    输入通道和输出通道分组的数量。默认为 1。

  • kernel_shape - 整数 :

    卷积核的形状。如果不存在,应从输入“w”推断。

  • pads - 整数 :

    沿每个空间轴的开头和结尾的填充,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头和结尾部分的像素数。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 结尾的像素数。此属性不能与 auto_pad 属性同时使用。如果不存在,则填充默认为沿每个空间轴的开头和结尾为 0。

  • strides - 整数 :

    沿每个空间轴的步幅。如果不存在,则步幅默认为沿每个轴为 1。

输入

2 到 4 个输入。

  • x (异构) - T1

    来自上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 …] 的维度表示。

  • w (异构) - T2

    将用于卷积的权重张量;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 个维度,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,如果维度表示生效,则操作期望权重张量带有 [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)。或者换句话说,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,表示每个张量/层的量化。

  • 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。它可以是标量或 1-D 张量,表示每个张量/层或每个输出通道的量化。如果它是 1-D 张量,其元素数量应等于输出通道的数量 (M)。

输出

  • y (异构) - T3

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

类型约束

  • T1 在 ( tensor(int8), tensor(uint8) ) 中

    将输入 x 及其零点数据类型约束为 8 位整数张量。

  • T2 在 ( tensor(int8), tensor(uint8) ) 中

    将输入 w 及其零点数据类型约束为 8 位整数张量。

  • T3 在 ( tensor(int32) ) 中

    将输出 y 数据类型约束为 32 位整数张量。