LpPool

LpPool - 22

版本

  • 名称: LpPool (GitHub)

  • : 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

LpPool 接收输入张量 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的所有值的 Lp 范数,并将数据下采样到输出张量 Y 中以进行进一步处理。输出空间形状将遵循以下规则:

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

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

如果启用了 ceil_mode,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,则输出空间形状将如下所示

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 SAME_UPPERSAME_LOWER,则填充形状将如下所示

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 表示填充输入,使得对于每个轴 ioutput_shape[i] = ceil(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,则在 SAME_UPPER 的末尾添加额外的填充,在 SAME_LOWER 的开头添加额外的填充。

  • ceil_mode - INT (默认值为 '0')

    是否使用 ceil 或 floor (默认) 计算输出形状。

  • dilations - 整数 :

    沿滤波器每个空间轴的扩张值。如果不存在,扩张默认为沿每个空间轴为 1。

  • kernel_shape - INTS (必需)

    沿每个轴的核大小。

  • p - INT (默认为 '2')

    用于对输入数据进行池化的 Lp 范数的 p 值。

  • pads - 整数 :

    沿每个空间轴的起始和结束填充,它可以取任何大于或等于 0 的值。该值表示添加到对应轴的起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 起始处的像素数,xi_end 是添加到轴 i 结束处的像素数。此属性不能与 auto_pad 属性同时使用。如果不存在,填充默认为沿每个空间轴的起始和结束为 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

  • X (异构) - T

    来自前一个操作符的输入数据张量;对于图像情况,维度为 (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

    通过输入张量进行 Lp 池化得到的输出数据张量。维度将根据各种核、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

    将输入和输出类型限制为浮点张量。

LpPool - 18

版本

  • 名称: LpPool (GitHub)

  • : main

  • 起始版本: 18

  • 函数: False

  • 支持级别: SupportType.COMMON

  • 形状推断: True

此版本的操作符自版本 18 起可用

摘要

LpPool 接收输入张量 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的所有值的 Lp 范数,并将数据下采样到输出张量 Y 中以进行进一步处理。输出空间形状将遵循以下规则:

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

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

如果启用了 ceil_mode,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,则输出空间形状将如下所示

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 SAME_UPPERSAME_LOWER,则填充形状将如下所示

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 表示填充输入,使得对于每个轴 ioutput_shape[i] = ceil(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,则在 SAME_UPPER 的末尾添加额外的填充,在 SAME_LOWER 的开头添加额外的填充。

  • ceil_mode - INT (默认值为 '0')

    是否使用 ceil 或 floor (默认) 计算输出形状。

  • dilations - 整数 :

    沿滤波器每个空间轴的扩张值。如果不存在,扩张默认为沿每个空间轴为 1。

  • kernel_shape - INTS (必需)

    沿每个轴的核大小。

  • p - INT (默认为 '2')

    用于对输入数据进行池化的 Lp 范数的 p 值。

  • pads - 整数 :

    沿每个空间轴的起始和结束填充,它可以取任何大于或等于 0 的值。该值表示添加到对应轴的起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 起始处的像素数,xi_end 是添加到轴 i 结束处的像素数。此属性不能与 auto_pad 属性同时使用。如果不存在,填充默认为沿每个空间轴的起始和结束为 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

  • X (异构) - T

    来自前一个操作符的输入数据张量;对于图像情况,维度为 (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

    通过输入张量进行 Lp 池化得到的输出数据张量。维度将根据各种核、步长和填充大小而变化。

类型约束

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

    将输入和输出类型限制为浮点张量。

LpPool - 11

版本

  • 名称: LpPool (GitHub)

  • : 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

LpPool 接收输入张量 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的所有值的 Lp 范数,并将数据下采样到输出张量 Y 中以进行进一步处理。

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 表示填充输入,使得对于每个轴 ioutput_shape[i] = ceil(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,则在 SAME_UPPER 的末尾添加额外的填充,在 SAME_LOWER 的开头添加额外的填充。

  • kernel_shape - INTS (必需)

    沿每个轴的核大小。

  • p - INT (默认为 '2')

    用于对输入数据进行池化的 Lp 范数的 p 值。

  • pads - 整数 :

    沿每个空间轴的起始和结束填充,它可以取任何大于或等于 0 的值。该值表示添加到对应轴的起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 起始处的像素数,xi_end 是添加到轴 i 结束处的像素数。此属性不能与 auto_pad 属性同时使用。如果不存在,填充默认为沿每个空间轴的起始和结束为 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

  • X (异构) - T

    来自前一个操作符的输入数据张量;对于图像情况,维度为 (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

    通过输入张量进行 Lp 池化得到的输出数据张量。维度将根据各种核、步长和填充大小而变化。

类型约束

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

    将输入和输出类型限制为浮点张量。

LpPool - 2

版本

  • 名称: LpPool (GitHub)

  • : main

  • since_version: 2

  • 函数: False

  • 支持级别: SupportType.COMMON

  • 形状推断: True

此操作符版本自 版本 2 起可用。

摘要

LpPool 接收输入张量 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的所有值的 Lp 范数,并将数据下采样到输出张量 Y 中以进行进一步处理。

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 表示填充输入,使输出空间大小与 输入匹配。如果是奇数,则在 SAME_UPPER 的末尾添加额外的填充,在 SAME_LOWER 的开头添加额外的填充。VALID 表示不进行填充。

  • kernel_shape - INTS (必需)

    沿每个轴的核大小。

  • p - INT (默认为 '2')

    用于对输入数据进行池化的 Lp 范数的 p 值。

  • pads - 整数 :

    沿每个空间轴的起始和结束填充,它可以取任何大于或等于 0 的值。该值表示添加到对应轴的起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 起始处的像素数,xi_end 是添加到轴 i 结束处的像素数。此属性不能与 auto_pad 属性同时使用。如果不存在,填充默认为沿每个空间轴的起始和结束为 0。

  • strides - 整数 :

    沿每个空间轴的步幅。

输入

  • X (异构) - T

    来自前一个操作符的输入数据张量;对于图像情况,维度为 (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

    通过输入张量进行 Lp 池化得到的输出数据张量。维度将根据各种核、步长和填充大小而变化。

类型约束

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

    将输入和输出类型限制为浮点张量。

LpPool - 1

版本

  • 名称: LpPool (GitHub)

  • : main

  • 起始版本: 1

  • 函数: False

  • 支持级别: SupportType.COMMON

  • 形状推断: False

此版本的运算符自 版本 1 起可用。

摘要

LpPool 接收输入张量 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的所有值的 Lp 范数,并将数据下采样到输出张量 Y 中以进行进一步处理。

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 表示填充输入,使输出大小与 输入匹配。如果是奇数,则在 SAME_UPPER 的末尾添加额外的填充,在 SAME_LOWER 的开头添加额外的填充。VALID 表示不进行填充。弃用说明:auto_pad 仅用于支持旧版用法,对于框架作者,明确建议使用 pads 属性中指定的显式填充。

  • kernel_shape - 整数 :

    沿每个轴的核大小。

  • p - FLOAT (默认值为 '2.0')

    用于对输入数据进行池化的 Lp 范数的 p 值,默认为 2.0。

  • pads - 整数 :

    沿每个轴的起始和结束填充,它可以取任何大于或等于 0 的值。该值表示添加到对应轴的起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 起始处的像素数,xi_end 是添加到轴 i 结束处的像素数。此属性不能与 auto_pad 属性同时使用。

  • strides - 整数 :

    沿每个轴的步长。

输入

  • X (异构) - T

    来自前一个操作符的输入数据张量;对于图像情况,维度为 (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

    通过输入张量进行 Lp 池化得到的输出数据张量。维度将根据各种核、步长和填充大小而变化。

类型约束

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

    将输入和输出类型限制为浮点张量。