ConvTranspose

ConvTranspose - 22

版本

  • 名称: ConvTranspose (GitHub)

  • 域: main

  • 起始版本: 22

  • 函数: 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

转置卷积运算符接受一个输入张量和一个滤波器，并计算输出。

如果提供了填充参数，则输出的形状通过以下方程计算

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，填充值使用以下方程自动生成

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 i 的 output_shape[i] = input_shape[i] * strides[i]。填充在两边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，则额外的填充在 SAME_UPPER 的末尾添加，在 SAME_LOWER 的开头添加。

  • dilations - 整数 :

    沿滤波器每个空间轴的膨胀值。如果不存在，则每个空间轴的膨胀默认为 1。

  • group - 整数 (默认为 '1')

    输入通道和输出通道被划分的组数。

  • kernel_shape - 整数 :

    卷积核的形状。如果不存在，应从输入 W 推断。

  • output_padding - 整数数组 :

    添加到输出中具有更高坐标索引的一侧的附加元素。“output_padding”中的每个填充值必须小于相应的步幅/膨胀维度。默认情况下，此属性为零向量。请注意，此属性不会直接影响计算的输出值。它仅控制计算值的选择，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”，“output_padding”不会为“output_shape”增加额外的大小，但会参与所需填充量的计算。这在某些框架中也称为 adjs 或 adjustment。

  • output_shape - 整数数组 :

    输出的形状可以显式设置，这将导致填充值自动生成。如果指定了 output_shape，则忽略填充值。有关生成填充的方程的详细信息，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，这些维度是自动推断的。

  • pads - 整数 :

    沿每个空间轴的开始和结束部分的填充，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 是在轴 i 的开始处添加的像素数，xi_end 是在轴 i 的结束处添加的像素数。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 :

    沿每个空间轴的步长。如果不存在，步长默认为沿每个空间轴的 1。

输入

2 到 3 个输入之间。

  • X (异构) - T

    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)

  • W (异构) - T

    将用于卷积的权重张量；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 2 个维度，权重形状将是 (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 (假设形状数组的零基索引)

  • B (可选，异构) - T

    可选的 1D 偏置，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 (假设形状数组的零基索引)

类型约束

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

    将输入和输出类型限制为浮点张量。

ConvTranspose - 11

版本

  • 名称: ConvTranspose (GitHub)

  • 域: main

  • 起始版本: 11

  • 函数: 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

转置卷积运算符接受一个输入张量和一个滤波器，并计算输出。

如果提供了填充参数，则输出的形状通过以下方程计算

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，填充值使用以下方程自动生成

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 i 的 output_shape[i] = input_shape[i] * strides[i]。填充在两边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，则额外的填充在 SAME_UPPER 的末尾添加，在 SAME_LOWER 的开头添加。

  • dilations - 整数 :

    沿滤波器每个空间轴的膨胀值。如果不存在，则每个空间轴的膨胀默认为 1。

  • group - 整数 (默认为 '1')

    输入通道和输出通道被划分的组数。

  • kernel_shape - 整数 :

    卷积核的形状。如果不存在，应从输入 W 推断。

  • output_padding - 整数数组 :

    添加到输出中具有更高坐标索引的一侧的附加元素。“output_padding”中的每个填充值必须小于相应的步幅/膨胀维度。默认情况下，此属性为零向量。请注意，此属性不会直接影响计算的输出值。它仅控制计算值的选择，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”，“output_padding”不会为“output_shape”增加额外的大小，但会参与所需填充量的计算。这在某些框架中也称为 adjs 或 adjustment。

  • output_shape - 整数数组 :

    输出的形状可以显式设置，这将导致填充值自动生成。如果指定了 output_shape，则忽略填充值。有关生成填充的方程的详细信息，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，这些维度是自动推断的。

  • pads - 整数 :

    沿每个空间轴的开始和结束部分的填充，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 是在轴 i 的开始处添加的像素数，xi_end 是在轴 i 的结束处添加的像素数。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 :

    沿每个空间轴的步长。如果不存在，步长默认为沿每个空间轴的 1。

输入

2 到 3 个输入之间。

  • X (异构) - T

    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)

  • W (异构) - T

    将用于卷积的权重张量；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 2 个维度，权重形状将是 (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 (假设形状数组的零基索引)

  • B (可选，异构) - T

    可选的 1D 偏置，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 (假设形状数组的零基索引)

类型约束

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

    将输入和输出类型限制为浮点张量。

ConvTranspose - 1

版本

  • 名称: ConvTranspose (GitHub)

  • 域: main

  • 起始版本: 1

  • 函数: False

  • 支持级别: SupportType.COMMON

  • 形状推断: True

此版本的运算符自 版本 1 起可用。

摘要

转置卷积运算符接受一个输入张量和一个滤波器，并计算输出。

如果提供了填充参数，则输出的形状通过以下方程计算

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，填充值使用以下方程自动生成

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，使得输出空间大小与输入匹配。如果填充是奇数，则额外的填充在 SAME_UPPER 的末尾添加，在 SAME_LOWER 的开头添加。VALID 表示无填充。

  • dilations - 整数 :

    沿滤波器每个空间轴的膨胀值。

  • group - 整数 (默认为 '1')

    输入通道和输出通道被划分的组数。

  • kernel_shape - 整数 :

    卷积核的形状。如果不存在，应从输入 W 推断。

  • output_padding - 整数数组 :

    添加到输出一侧的零填充。这在某些框架中也称为 adjs/adjustment。

  • output_shape - 整数数组 :

    输出的形状可以显式设置，这将导致填充值自动生成。如果指定了 output_shape，则忽略填充值。有关生成填充的方程的详细信息，请参阅文档

  • pads - 整数 :

    沿每个空间轴的开始和结束部分的填充，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 是在轴 i 的开始处添加的像素数，xi_end 是在轴 i 的结束处添加的像素数。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。

输入

2 到 3 个输入之间。

  • X (异构) - T

    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)

  • W (异构) - T

    将用于卷积的权重张量；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 2 个维度，权重形状将是 (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 (假设形状数组的零基索引)

  • B (可选，异构) - T

    可选的 1D 偏置，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 (假设形状数组的零基索引)

类型约束

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

    将输入和输出类型限制为浮点张量。