DeformConv¶
DeformConv - 22¶
版本¶
领域:
main始于版本:
22函数:
False支持级别:
SupportType.COMMON形状推断:
True
此版本的算子已自版本 22 可用。
摘要¶
执行可变形卷积，如 https://arxiv.org/abs/1703.06211 和 https://arxiv.org/abs/1811.11168 中所述。此算子规范支持一般的 N 维情况。请注意，最常见的用例是 2D 或 3D 数据。
属性¶
dilations - INTS :
沿核的每个空间轴的膨胀值。默认为每个轴上为 1。
group - INT (默认值为
'1')输入和输出通道 C 和 oC 分割成的组数。C 和 oC 都必须可被 group 整除。默认为 1。
kernel_shape - INTS :
卷积核的形状。如果不存在，则从输入 W 的形状推断。
offset_group - INT (默认值为
'1')偏移量的组数。C 必须可被 offset_group 整除。默认为 1。
pads - INTS :
沿每个空间轴的起始和结束处的填充。这些值表示添加到对应轴的起始和结束处的像素数量，可以是任意非负值。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起始处的像素数量，xi_end 是添加到轴i结束处的像素数量。默认为每个轴上为 0。strides - INTS :
沿每个空间轴的步长。默认为每个轴上为 1。
输入¶
输入在 3 到 5 个之间。
X (异构) - T
输入数据张量。对于 2D 图像数据，其形状为 (N, C, H, W)，其中 N 是批量大小，C 是输入通道数，H 和 W 是高度和宽度。一般来说，对于 n 维数据，其形状为 (N, C, D1, D2, … , Dn)，其中 D1 到 Dn 是空间维度大小。最常见的用例是 n = 2 或 3。
W (异构) - T
将在卷积中使用的权重张量。其形状为 (oC, C/group, kH, kW)，其中 oC 是输出通道数，kH 和 kW 是核高度和宽度。对于超过 2 维的情况，其形状为 (oC, C/group, k1, k2, … , kn)。
offset (异构) - T
表示卷积核中采样位置偏移量的偏移张量。对于 2D 数据，其形状为 (N, offset_group * kH * kW * 2, oH, oW)；对于 nD 数据，其形状为 (N, offset_group * k1 * k2 * … * kn * n, o1, o2, … , on)。对于分数偏移值，使用线性插值。填充输入张量之外的采样位置返回零。
B (可选, 异构) - T
可选的长度为 oC 的 1D 偏置，将添加到卷积中。默认为全零张量。
mask (可选, 异构) - T
应用于卷积核中每个位置的掩码张量。对于 2D 数据，其形状为 (N, offset_group * kH * kW, oH, oW)；对于 nD 数据，其形状为 (N, offset_group * k1 * k2 * … * kn * n, o1, o2, … , on)。默认为全一张量。
输出¶
Y (异构) - T
包含卷积结果的输出数据张量。对于 2D 数据，其形状为 (N, oC, oH, oW)；对于 nD 数据，其形状为 (N, oC, o1, o2, …, on)
类型约束¶
T 属于 (
tensor(bfloat16),tensor(double),tensor(float),tensor(float16))将输入和输出类型限制为浮点张量。
DeformConv - 19¶
版本¶
领域:
main始于版本:
19函数:
False支持级别:
SupportType.COMMON形状推断:
True
此版本的算子已自版本 19 可用。
摘要¶
执行可变形卷积，如 https://arxiv.org/abs/1703.06211 和 https://arxiv.org/abs/1811.11168 中所述。此算子规范支持一般的 N 维情况。请注意，最常见的用例是 2D 或 3D 数据。
属性¶
dilations - INTS :
沿核的每个空间轴的膨胀值。默认为每个轴上为 1。
group - INT (默认值为
'1')输入和输出通道 C 和 oC 分割成的组数。C 和 oC 都必须可被 group 整除。默认为 1。
kernel_shape - INTS :
卷积核的形状。如果不存在，则从输入 W 的形状推断。
offset_group - INT (默认值为
'1')偏移量的组数。C 必须可被 offset_group 整除。默认为 1。
pads - INTS :
沿每个空间轴的起始和结束处的填充。这些值表示添加到对应轴的起始和结束处的像素数量，可以是任意非负值。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起始处的像素数量，xi_end 是添加到轴i结束处的像素数量。默认为每个轴上为 0。strides - INTS :
沿每个空间轴的步长。默认为每个轴上为 1。
输入¶
输入在 3 到 5 个之间。
X (异构) - T
输入数据张量。对于 2D 图像数据，其形状为 (N, C, H, W)，其中 N 是批量大小，C 是输入通道数，H 和 W 是高度和宽度。一般来说，对于 n 维数据，其形状为 (N, C, D1, D2, … , Dn)，其中 D1 到 Dn 是空间维度大小。最常见的用例是 n = 2 或 3。
W (异构) - T
将在卷积中使用的权重张量。其形状为 (oC, C/group, kH, kW)，其中 oC 是输出通道数，kH 和 kW 是核高度和宽度。对于超过 2 维的情况，其形状为 (oC, C/group, k1, k2, … , kn)。
offset (异构) - T
表示卷积核中采样位置偏移量的偏移张量。对于 2D 数据，其形状为 (N, offset_group * kH * kW * 2, oH, oW)；对于 nD 数据，其形状为 (N, offset_group * k1 * k2 * … * kn * n, o1, o2, … , on)。对于分数偏移值，使用线性插值。填充输入张量之外的采样位置返回零。
B (可选, 异构) - T
可选的长度为 oC 的 1D 偏置，将添加到卷积中。默认为全零张量。
mask (可选, 异构) - T
应用于卷积核中每个位置的掩码张量。对于 2D 数据，其形状为 (N, offset_group * kH * kW, oH, oW)；对于 nD 数据，其形状为 (N, offset_group * k1 * k2 * … * kn * n, o1, o2, … , on)。默认为全一张量。
输出¶
Y (异构) - T
包含卷积结果的输出数据张量。对于 2D 数据，其形状为 (N, oC, oH, oW)；对于 nD 数据，其形状为 (N, oC, o1, o2, …, on)
类型约束¶
T 属于 (
tensor(double),tensor(float),tensor(float16))将输入和输出类型限制为浮点张量。