ConvTranspose

ConvTranspose - 22

版本

  • 名称: ConvTranspose (GitHub)

  • 域: main

  • 自版本: 22

  • 函数: False

  • 支持级别: SupportType.COMMON

  • 形状推断: True

此版本的运算符已自版本 22起可用。

摘要

卷积转置运算符使用输入张量和过滤器，并计算输出。

如果提供 pads 参数，则输出的形状将通过以下等式计算

output_shape[i] = stride[i] * (input_size[i] - 1) + output_padding[i] + ((kernel_shape[i] - 1) * dilations[i] + 1) - pads[start_i] - pads[end_i]

output_shape 也可以显式指定，在这种情况下，将使用以下等式自动生成 pads 值

total_padding[i] = stride[i] * (input_size[i] - 1) + output_padding[i] + ((kernel_shape[i] - 1) * dilations[i] + 1) - output_shape[i] 如果 (auto_pads == SAME_UPPER): pads[start_i] = total_padding[i]/2; pads[end_i] = total_padding[i] - (total_padding[i]/2) 否则: pads[start_i] = total_padding[i] - (total_padding[i]/2); pads[end_i] = (total_padding[i]/2)。

属性

  • auto_pad - 字符串 (默认值为 'NOTSET')

    auto_pad 必须是 NOTSET、SAME_UPPER、SAME_LOWER 或 VALID 之一。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] = input_shape[i] * strides[i] 对于每个轴 i。填充在两侧平均分配或几乎平均分配（取决于填充是偶数还是奇数）。如果填充是奇数，则 SAME_UPPER 的额外填充添加到末尾，SAME_LOWER 的额外填充添加到开头。

  • dilations - 整数 :

    过滤器沿每个空间轴的膨胀值。如果不存在，则膨胀默认沿每个空间轴为 1。

  • group - 整数 (默认值为 '1')

    输入通道和输出通道划分的组数。

  • kernel_shape - 整数 :

    卷积核的形状。如果不存在，则应从输入 W 中推断。

  • output_padding - 整数 :

    添加到输出中坐标索引较高的侧面的额外元素。每个“output_padding”中的填充值必须小于相应的步幅/膨胀维度。默认情况下，此属性是零向量。请注意，此属性不会直接影响计算的输出值。它只控制计算值的选取，因此更改此属性只会添加或删除输出元素。如果显式提供了“output_shape”，则“output_padding”不会向“output_shape”添加额外的尺寸，但会参与所需填充量的计算。这在某些框架中也称为 adjs 或调整。

  • output_shape - 整数 :

    输出的形状可以显式设置，这将导致自动生成 pads 值。如果指定了 output_shape，则忽略 pads 值。有关生成 pads 的等式详细信息，请参阅文档。请注意，output_shape 属性值不应包含批次大小和通道的维度，这些维度会自动推断。

  • 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，则填充默认沿每个空间轴的开始和结束为 0。

  • strides - 整数 :

    沿每个空间轴的步幅。如果不存在，则步幅默认沿每个空间轴为 1。

输入

2 到 3 个输入。

  • X (异构) - T

    来自先前层的输入数据张量；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，这是针对二维图像。否则大小为 (N x C x D1 x D2 … x Dn)

  • W (异构) - T

    将在卷积中使用的权重张量；大小为 (C x M/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，权重形状将为 (C x M/group x k1 x k2 x … x kn)，其中 (k1 x k2 x … x kn) 是内核的维度。输出中的通道数应等于 W.shape[1] * group（假设形状数组的索引从零开始）

  • 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、步幅大小、填充长度和组计数的函数。输出中的通道数应等于 W.shape[1] * group（假设形状数组的索引从零开始）

类型约束

  • T 在 ( tensor(bfloat16), tensor(double), tensor(float), tensor(float16) ) 中

    将输入和输出类型约束为浮点张量。

ConvTranspose - 11

版本

  • 名称: ConvTranspose (GitHub)

  • 域: main

  • 自版本: 11

  • 函数: False

  • 支持级别: SupportType.COMMON

  • 形状推断: True

此版本的运算符已自版本 11起可用。

摘要

卷积转置运算符使用输入张量和过滤器，并计算输出。

如果提供 pads 参数，则输出的形状将通过以下等式计算

output_shape[i] = stride[i] * (input_size[i] - 1) + output_padding[i] + ((kernel_shape[i] - 1) * dilations[i] + 1) - pads[start_i] - pads[end_i]

output_shape 也可以显式指定，在这种情况下，将使用以下等式自动生成 pads 值

total_padding[i] = stride[i] * (input_size[i] - 1) + output_padding[i] + ((kernel_shape[i] - 1) * dilations[i] + 1) - output_shape[i] 如果 (auto_pads == SAME_UPPER): pads[start_i] = total_padding[i]/2; pads[end_i] = total_padding[i] - (total_padding[i]/2) 否则: pads[start_i] = total_padding[i] - (total_padding[i]/2); pads[end_i] = (total_padding[i]/2)。

属性

  • auto_pad - 字符串 (默认值为 'NOTSET')

    auto_pad 必须是 NOTSET、SAME_UPPER、SAME_LOWER 或 VALID 之一。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] = input_shape[i] * strides[i] 对于每个轴 i。填充在两侧平均分配或几乎平均分配（取决于填充是偶数还是奇数）。如果填充是奇数，则 SAME_UPPER 的额外填充添加到末尾，SAME_LOWER 的额外填充添加到开头。

  • dilations - 整数 :

    过滤器沿每个空间轴的膨胀值。如果不存在，则膨胀默认沿每个空间轴为 1。

  • group - 整数 (默认值为 '1')

    输入通道和输出通道划分的组数。

  • kernel_shape - 整数 :

    卷积核的形状。如果不存在，则应从输入 W 中推断。

  • output_padding - 整数 :

    添加到输出中坐标索引较高的侧面的额外元素。每个“output_padding”中的填充值必须小于相应的步幅/膨胀维度。默认情况下，此属性是零向量。请注意，此属性不会直接影响计算的输出值。它只控制计算值的选取，因此更改此属性只会添加或删除输出元素。如果显式提供了“output_shape”，则“output_padding”不会向“output_shape”添加额外的尺寸，但会参与所需填充量的计算。这在某些框架中也称为 adjs 或调整。

  • output_shape - 整数 :

    输出的形状可以显式设置，这将导致自动生成 pads 值。如果指定了 output_shape，则忽略 pads 值。有关生成 pads 的等式详细信息，请参阅文档。请注意，output_shape 属性值不应包含批次大小和通道的维度，这些维度会自动推断。

  • 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，则填充默认沿每个空间轴的开始和结束为 0。

  • strides - 整数 :

    沿每个空间轴的步幅。如果不存在，则步幅默认沿每个空间轴为 1。

输入

2 到 3 个输入。

  • X (异构) - T

    来自先前层的输入数据张量；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，这是针对二维图像。否则大小为 (N x C x D1 x D2 … x Dn)

  • W (异构) - T

    将在卷积中使用的权重张量；大小为 (C x M/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，权重形状将为 (C x M/group x k1 x k2 x … x kn)，其中 (k1 x k2 x … x kn) 是内核的维度。输出中的通道数应等于 W.shape[1] * group（假设形状数组的索引从零开始）

  • 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、步幅大小、填充长度和组计数的函数。输出中的通道数应等于 W.shape[1] * group（假设形状数组的索引从零开始）

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。

ConvTranspose - 1

版本

  • 名称: ConvTranspose (GitHub)

  • 域: main

  • 自版本: 1

  • 函数: False

  • 支持级别: SupportType.COMMON

  • 形状推断: True

此版本的运算符已自版本 1起可用。

摘要

卷积转置运算符使用输入张量和过滤器，并计算输出。

如果提供 pads 参数，则输出的形状将通过以下等式计算

output_shape[i] = stride[i] * (input_size[i] - 1) + output_padding[i] + ((kernel_shape[i] - 1) * dilations[i] + 1) - pads[start_i] - pads[end_i]

output_shape 也可以显式指定，在这种情况下，将使用以下等式自动生成 pads 值

total_padding[i] = stride[i] * (input_size[i] - 1) + output_padding[i] + ((kernel_shape[i] - 1) * dilations[i] + 1) - output_shape[i] 如果 (auto_pads != SAME_UPPER): pads[start_i] = total_padding[i]/2; pads[end_i] = total_padding[i] - (total_padding[i]/2) 否则: pads[start_i] = total_padding[i] - (total_padding[i]/2); pads[end_i] = (total_padding[i]/2).

属性

  • auto_pad - 字符串 (默认值为 'NOTSET')

    auto_pad 必须是 NOTSET、SAME_UPPER、SAME_LOWER 或 VALID 之一。默认值为 NOTSET，表示使用显式填充。SAME_UPPER 或 SAME_LOWER 表示填充输入，使输出空间大小与 input.In 相匹配。在奇数的情况下，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。

  • dilations - 整数 :

    过滤器沿每个空间轴的扩张值。

  • group - 整数 (默认值为 '1')

    输入通道和输出通道划分的组数。

  • kernel_shape - 整数 :

    卷积核的形状。如果不存在，则应从输入 W 中推断。

  • output_padding - 整数 :

    添加到输出一侧的零填充。这在某些框架中也称为 adjs/调整。

  • output_shape - 整数 :

    输出的形状可以显式设置，这将导致自动生成 pads 值。如果指定了 output_shape，则会忽略 pads 值。有关生成 pads 的方程式的详细信息，请参阅文档。

  • 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，则填充默认沿每个空间轴的开始和结束为 0。

  • strides - 整数 :

    沿每个空间轴的步幅。

输入

2 到 3 个输入。

  • X (异构) - T

    来自先前层的输入数据张量；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，这是针对二维图像。否则大小为 (N x C x D1 x D2 … x Dn)

  • W (异构) - T

    将在卷积中使用的权重张量；大小为 (C x M/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，权重形状将为 (C x M/group x k1 x k2 x … x kn)，其中 (k1 x k2 x … x kn) 是内核的维度。输出中的通道数应等于 W.shape[1] * group（假设形状数组的索引从零开始）

  • 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、步幅大小、填充长度和组计数的函数。输出中的通道数应等于 W.shape[1] * group（假设形状数组的索引从零开始）

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。