ConvInteger¶

ConvInteger - 10¶

此版本的运算符自版本10起可用。

整数卷积运算符使用输入张量、其零点、过滤器及其零点来计算输出。乘积**绝不能**溢出。如果且仅当在32位中，累加可能会溢出。

auto_pad - 字符串（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。填充在两侧平均或几乎平均分配（取决于它是偶数还是奇数）。如果填充是奇数，则对于SAME_UPPER，额外填充添加到末尾，对于SAME_LOWER，则添加到开头。
dilations - 整数 :

过滤器沿每个空间轴的扩张值。如果不存在，则每个轴的扩张默认为1。
group - 整数（默认值为'1'）

输入通道和输出通道划分的组数。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。该值表示添加到相应轴的开始和结束部分的像素数。pads格式应如下：[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，则每个空间轴的开始和结束处的填充默认为0。
strides - 整数 :

沿每个空间轴的步幅。如果不存在，则每个轴的步幅默认为1。

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 是批大小，C 是通道数，H 和 W 是高度和宽度。请注意，这是针对二维图像的。否则大小为 (N x C x D1 x D2 … x Dn)。或者，如果维度表示生效，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) - T2

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 是特征图的数量。对于超过 2 个维度，核形状将为 (M x C/group x k1 x k2 x … x kn)，其中 (k1 x k2 x … kn) 是核的维度。或者，如果维度表示生效，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 0 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，这意味着每个张量/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。它可以是标量或一维张量，这意味着每个张量/层或每个输出通道量化。如果它是一维张量，则其元素数量应等于输出通道数 (M)。