LpPool

LpPool - 22

版本

• 名称: LpPool (GitHub)

• 域: main

• 自版本: 22

• 函数: False

• 支持级别: SupportType.COMMON

• 形状推断: True

该版本的运算符自版本 22 起可用。

概述

LpPool 消费输入张量 X，并根据核大小、步长大小和填充长度对张量应用 Lp 池化。Lp 池化包括根据核大小计算输入张量子集上所有值的 Lp 范数，并将数据下采样到输出张量 Y 中进行进一步处理。输出空间形状如下：

output_spatial_shape[i] = floor((input_spatial_shape[i] + pad_shape[i] - {kernelSpatialShape}) / strides_spatial_shape[i] + 1)

或

output_spatial_shape[i] = ceil((input_spatial_shape[i] + pad_shape[i] - {kernelSpatialShape}) / strides_spatial_shape[i] + 1)

如果启用 ceil_mode，则 pad_shape[i] 是沿轴 i 的填充总和。

auto_pad 是一个已弃用的属性。如果您当前正在使用它们，则输出空间形状如下：

VALID: output_spatial_shape[i] = ceil((input_spatial_shape[i] - {kernelSpatialShape} + 1) / strides_spatial_shape[i])
SAME_UPPER or SAME_LOWER: output_spatial_shape[i] = ceil(input_spatial_shape[i] / strides_spatial_shape[i])

如果使用 SAME_UPPER 或 SAME_LOWER，则填充形状如下：

pad_shape[i] = (output_spatial_shape[i] - 1) * strides_spatial_shape[i] + {kernelSpatialShape} - input_spatial_shape[i]

属性

• auto_pad - 字符串 (默认值是 '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，使得对于每个轴 i，output_shape[i] = ceil(input_shape[i] / strides[i])。填充会平均或几乎平均地分配到两侧（取决于它是偶数还是奇数）。如果填充是奇数，则 SAME_UPPER 在末尾添加额外填充，SAME_LOWER 在开头添加额外填充。

• ceil_mode - 整型 (默认值是 '0')

  计算输出形状时使用向上取整 (ceil) 还是向下取整 (floor, 默认)。

• dilations - 整型列表 :

  滤波器沿每个空间轴的膨胀值。如果不存在，则沿每个空间轴的默认膨胀值为 1。

• kernel_shape - 整型列表 (必需)

  核沿每个轴的大小。

• p - 整型 (默认值是 '2')

  用于对输入数据进行池化的 Lp 范数的 p 值。

• pads - 整型列表 :

  沿每个空间轴的开始和结束处的填充，可以取大于或等于 0 的任何值。该值表示添加到对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 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，则沿每个空间轴的开始和结束处的默认填充为 0。

• strides - 整型列表 :

  沿每个空间轴的步长。如果不存在，则沿每个空间轴的默认步长为 1。

输入

• X (异构) - T

  来自前一个运算符的输入数据张量；图像情况下的维度是 (N x C x H x W)，其中 N 是批量大小，C 是通道数，H 和 W 是数据的高度和宽度。对于非图像情况，维度形式为 (N x C x D1 x D2 … Dn)，其中 N 是批量大小。

输出

• Y (异构) - T

  通过对输入张量进行 Lp 池化得到的输出数据张量。维度将根据不同的核、步长和填充大小而变化。

类型约束

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

  约束输入和输出类型为浮点张量。

• LpPool - 18 vs 22

LpPool - 18

版本

• 名称: LpPool (GitHub)

• 域: main

• 自版本: 18

• 函数: False

• 支持级别: SupportType.COMMON

• 形状推断: True

该版本的运算符自版本 18 起可用。

概述

LpPool 消费输入张量 X，并根据核大小、步长大小和填充长度对张量应用 Lp 池化。Lp 池化包括根据核大小计算输入张量子集上所有值的 Lp 范数，并将数据下采样到输出张量 Y 中进行进一步处理。输出空间形状如下：

output_spatial_shape[i] = floor((input_spatial_shape[i] + pad_shape[i] - {kernelSpatialShape}) / strides_spatial_shape[i] + 1)

或

output_spatial_shape[i] = ceil((input_spatial_shape[i] + pad_shape[i] - {kernelSpatialShape}) / strides_spatial_shape[i] + 1)

如果启用 ceil_mode，则 pad_shape[i] 是沿轴 i 的填充总和。

auto_pad 是一个已弃用的属性。如果您当前正在使用它们，则输出空间形状如下：

VALID: output_spatial_shape[i] = ceil((input_spatial_shape[i] - {kernelSpatialShape} + 1) / strides_spatial_shape[i])
SAME_UPPER or SAME_LOWER: output_spatial_shape[i] = ceil(input_spatial_shape[i] / strides_spatial_shape[i])

如果使用 SAME_UPPER 或 SAME_LOWER，则填充形状如下：

pad_shape[i] = (output_spatial_shape[i] - 1) * strides_spatial_shape[i] + {kernelSpatialShape} - input_spatial_shape[i]

属性

• auto_pad - 字符串 (默认值是 '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，使得对于每个轴 i，output_shape[i] = ceil(input_shape[i] / strides[i])。填充会平均或几乎平均地分配到两侧（取决于它是偶数还是奇数）。如果填充是奇数，则 SAME_UPPER 在末尾添加额外填充，SAME_LOWER 在开头添加额外填充。

• ceil_mode - 整型 (默认值是 '0')

  计算输出形状时使用向上取整 (ceil) 还是向下取整 (floor, 默认)。

• dilations - 整型列表 :

  滤波器沿每个空间轴的膨胀值。如果不存在，则沿每个空间轴的默认膨胀值为 1。

• kernel_shape - 整型列表 (必需)

  核沿每个轴的大小。

• p - 整型 (默认值是 '2')

  用于对输入数据进行池化的 Lp 范数的 p 值。

• pads - 整型列表 :

  沿每个空间轴的开始和结束处的填充，可以取大于或等于 0 的任何值。该值表示添加到对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 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，则沿每个空间轴的开始和结束处的默认填充为 0。

• strides - 整型列表 :

  沿每个空间轴的步长。如果不存在，则沿每个空间轴的默认步长为 1。

输入

• X (异构) - T

  来自前一个运算符的输入数据张量；图像情况下的维度是 (N x C x H x W)，其中 N 是批量大小，C 是通道数，H 和 W 是数据的高度和宽度。对于非图像情况，维度形式为 (N x C x D1 x D2 … Dn)，其中 N 是批量大小。

输出

• Y (异构) - T

  通过对输入张量进行 Lp 池化得到的输出数据张量。维度将根据不同的核、步长和填充大小而变化。

类型约束

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

  约束输入和输出类型为浮点张量。

• LpPool - 11 vs 22
• LpPool - 11 vs 18

LpPool - 11

版本

• 名称: LpPool (GitHub)

• 域: main

• 自版本: 11

• 函数: False

• 支持级别: SupportType.COMMON

• 形状推断: True

该版本的运算符自版本 11 起可用。

概述

LpPool 消费输入张量 X，并根据核大小、步长大小和填充长度对张量应用 Lp 池化。Lp 池化包括根据核大小计算输入张量子集上所有值的 Lp 范数，并将数据下采样到输出张量 Y 中进行进一步处理。

属性

• auto_pad - 字符串 (默认值是 '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，使得对于每个轴 i，output_shape[i] = ceil(input_shape[i] / strides[i])。填充会平均或几乎平均地分配到两侧（取决于它是偶数还是奇数）。如果填充是奇数，则 SAME_UPPER 在末尾添加额外填充，SAME_LOWER 在开头添加额外填充。

• kernel_shape - 整型列表 (必需)

  核沿每个轴的大小。

• p - 整型 (默认值是 '2')

  用于对输入数据进行池化的 Lp 范数的 p 值。

• pads - 整型列表 :

  沿每个空间轴的开始和结束处的填充，可以取大于或等于 0 的任何值。该值表示添加到对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 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，则沿每个空间轴的开始和结束处的默认填充为 0。

• strides - 整型列表 :

  沿每个空间轴的步长。如果不存在，则沿每个空间轴的默认步长为 1。

输入

• X (异构) - T

  来自前一个运算符的输入数据张量；图像情况下的维度是 (N x C x H x W)，其中 N 是批量大小，C 是通道数，H 和 W 是数据的高度和宽度。对于非图像情况，维度形式为 (N x C x D1 x D2 … Dn)，其中 N 是批量大小。

输出

• Y (异构) - T

  通过对输入张量进行 Lp 池化得到的输出数据张量。维度将根据不同的核、步长和填充大小而变化。

类型约束

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

  约束输入和输出类型为浮点张量。

• LpPool - 2 vs 22
• LpPool - 2 vs 18
• LpPool - 2 vs 11

LpPool - 2

版本

• 名称: LpPool (GitHub)

• 域: main

• 自版本: 2

• 函数: False

• 支持级别: SupportType.COMMON

• 形状推断: True

该版本的运算符自版本 2 起可用。

概述

LpPool 消费输入张量 X，并根据核大小、步长大小和填充长度对张量应用 Lp 池化。Lp 池化包括根据核大小计算输入张量子集上所有值的 Lp 范数，并将数据下采样到输出张量 Y 中进行进一步处理。

属性

• auto_pad - 字符串 (默认值是 '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，使得输出空间大小与输入匹配。如果填充是奇数，则 SAME_UPPER 在末尾添加额外填充，SAME_LOWER 在开头添加额外填充。VALID 表示不填充。

• kernel_shape - 整型列表 (必需)

  核沿每个轴的大小。

• p - 整型 (默认值是 '2')

  用于对输入数据进行池化的 Lp 范数的 p 值。

• pads - 整型列表 :

  沿每个空间轴的开始和结束处的填充，可以取大于或等于 0 的任何值。该值表示添加到对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 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，则沿每个空间轴的开始和结束处的默认填充为 0。

• strides - 整型列表 :

  沿每个空间轴的步长。

输入

• X (异构) - T

  来自前一个运算符的输入数据张量；图像情况下的维度是 (N x C x H x W)，其中 N 是批量大小，C 是通道数，H 和 W 是数据的高度和宽度。对于非图像情况，维度形式为 (N x C x D1 x D2 … Dn)，其中 N 是批量大小。

输出

• Y (异构) - T

  通过对输入张量进行 Lp 池化得到的输出数据张量。维度将根据不同的核、步长和填充大小而变化。

类型约束

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

  约束输入和输出类型为浮点张量。

• LpPool - 1 vs 22
• LpPool - 1 vs 18
• LpPool - 1 vs 11
• LpPool - 1 vs 2

LpPool - 1

版本

• 名称: LpPool (GitHub)

• 域: main

• 自版本: 1

• 函数: False

• 支持级别: SupportType.COMMON

• 形状推断: False

该版本的运算符自版本 1 起可用。

概述

LpPool 消费输入张量 X，并根据核大小、步长大小和填充长度对张量应用 Lp 池化。Lp 池化包括根据核大小计算输入张量子集上所有值的 Lp 范数，并将数据下采样到输出张量 Y 中进行进一步处理。

属性

• auto_pad - 字符串 (默认值是 '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，使得输出大小与输入匹配。如果填充是奇数，则 SAME_UPPER 在末尾添加额外填充，SAME_LOWER 在开头添加额外填充。VALID 表示不填充。弃用说明：auto_pad 仅用于支持旧版本用法，对于框架作者，强烈建议使用 pads 属性中指定的显式填充。

• kernel_shape - 整型列表 :

  核沿每个轴的大小。

• p - 浮点型 (默认值是 '2.0')

  用于对输入数据进行池化的 Lp 范数的 p 值，默认值是 2.0。

• pads - 整型列表 :

  沿每个轴的开始和结束处的填充，可以取大于或等于 0 的任何值。该值表示添加到对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 结尾的像素数。此属性不能与 auto_pad 属性同时使用。

• strides - 整型列表 :

  沿每个轴的步长。

输入

• X (异构) - T

  来自前一个运算符的输入数据张量；图像情况下的维度是 (N x C x H x W)，其中 N 是批量大小，C 是通道数，H 和 W 是数据的高度和宽度。对于非图像情况，维度形式为 (N x C x D1 x D2 … Dn)，其中 N 是批量大小。

输出

• Y (异构) - T

  通过对输入张量进行 Lp 池化得到的输出数据张量。维度将根据不同的核、步长和填充大小而变化。

类型约束

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

  约束输入和输出类型为浮点张量。