QLinearConv¶
QLinearConv - 10¶
版本¶
域:
main
since_version:
10
函数:
False
支持级别:
SupportType.COMMON
形状推断:
True
此版本的操作符已在 版本 10 中提供。
摘要¶
卷积运算符消耗量化的输入张量、其缩放和零点、量化的滤波器、其缩放和零点,以及输出的缩放和零点,并计算量化输出。每个缩放和零点对必须具有相同的形状。这意味着它们必须是标量(每个张量)或一维张量(每个输出通道)。每个输入或输出及其相关的零点必须具有相同的类型。当存在偏置时,必须使用 scale = 输入缩放 * 权重缩放 和 零点 = 0 进行量化。
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,这意味着使用显式填充。SAME_UPPER 或 SAME_LOWER 意味着填充输入,使得对于每个轴
i
,output_shape[i] = ceil(input_shape[i] / strides[i])
。填充在两侧均等或几乎均等地(取决于它是偶数还是奇数)分配。如果填充是奇数,则在 SAME_UPPER 的末尾和 SAME_LOWER 的开头添加额外的填充。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分组的数量。默认值为 1。
kernel_shape - 整数 :
卷积核的形状。如果不存在,应从输入 'w' 推断。
pads - 整数 :
沿每个空间轴的开头和结尾的填充,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头和结尾部分的像素数。
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,则填充默认为沿每个空间轴的开始和结束均为 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¶
8 到 9 个输入之间。
x (异构) - T1
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,这是针对二维图像的。否则,大小为 (N x C x D1 x D2 ... x Dn)。可选地,如果维度表示生效,则操作期望输入数据张量具有 [DATA_BATCH, DATA_CHANNEL, DATA_FEATURE, DATA_FEATURE ...] 的维度表示。
x_scale (异构) - tensor(float)
输入 'x' 的缩放张量。它是一个标量,这意味着按张量/层进行量化。
x_zero_point (异构) - T1
输入 'x' 的零点张量。它是一个标量,这意味着按张量/层进行量化。
w (异构) - T2
将用于卷积的权重张量;大小为 (M x C/group x kH x kW),其中 C 是通道数,kH 和 kW 是卷积核的高度和宽度,M 是特征图的数量。对于超过 2 个维度,卷积核形状将是 (M x C/group x k1 x k2 x ... x kn),其中 (k1 x k2 x ... kn) 是卷积核的维度。可选地,如果维度表示生效,则操作期望权重张量具有 [FILTER_OUT_CHANNEL, FILTER_IN_CHANNEL, FILTER_SPATIAL, FILTER_SPATIAL ...] 的维度表示。X.shape[1] == (W.shape[1] * group) == C(假设形状数组基于零索引)。换句话说,FILTER_IN_CHANNEL 应等于 DATA_CHANNEL。
w_scale (异构) - tensor(float)
输入 'w' 的缩放张量。它可以是标量或一维张量,这意味着按张量/层或按输出通道进行量化。如果它是一维张量,其元素数量应等于输出通道的数量 (M)。
w_zero_point (异构) - T2
输入 'w' 的零点张量。它可以是标量或一维张量,这意味着按张量/层或按输出通道进行量化。如果它是一维张量,其元素数量应等于输出通道的数量 (M)。
y_scale (异构) - tensor(float)
输出 'y' 的缩放张量。它是一个标量,这意味着按张量/层进行量化。
y_zero_point (异构) - T3
输出 'y' 的零点张量。它是一个标量,这意味着按张量/层进行量化。
B (可选,异构) - T4
可选的一维偏置,将添加到卷积中,大小为 M。偏置必须使用 scale = x_scale * w_scale 和 zero_point = 0 进行量化
输出¶
y (异构) - T3
包含卷积结果的输出数据张量。输出维度是核大小、步幅大小和填充长度的函数。
类型约束¶
T1 在 (
tensor(int8)
,tensor(uint8)
) 中将输入类型限制为 8 位整数张量。
T2 在 (
tensor(int8)
,tensor(uint8)
) 中将滤波器类型限制为 8 位整数张量。
T3 在 (
tensor(int8)
,tensor(uint8)
)将输出类型限制为 8 位整数张量。
T4 在 (
tensor(int32)
)将偏置类型限制为 32 位整数张量。