Col2Im
贡献说明
| 贡献者 | 贡献方 | 贡献算子 | 贡献时间 | 贡献内容 |
|---|---|---|---|---|
| Qiu Zhuang | 哈尔滨工业大学-苏统华团队 | Col2Im | 2025/12/12 | 新增Col2Im算子 |
支持的产品型号
- Atlas A2训练系列产品
- Atlas 200I/500 A2推理产品
算子描述
-
算子功能：列到图像，滑动窗口列向量重组为原始图像。从形状为（N, C ×∏\times \prod（kernel_szie）, L）或（C ×∏\times \prod（kernel_szie）, L）的列矩阵中重构出形状为（N, C, H, W）或 (C, H, W) 的图像张量，其中L是滑动窗口块的总数。
-
计算公式： 输入：列矩阵 colcol 形状为 (N,C×kH×kW,L)(N, C \times kH \times kW, L) 或 (C×kH×kW,L)(C \times kH \times kW, L) 输出：图像 outputoutput 形状为 (N,C,H,W)(N, C, H, W) 或 (C,H,W)(C, H, W) 其中：L=out_H×out_W=H+2×padding_val−dilation×(kernel_h−1)−1stride_val+1×W+2×padding_val−dilation×(kernel_w−1)−1stride_val+1L = out\_H \times out\_W = \frac{H + 2 \times padding\_val - dilation \times (kernel\_h - 1) - 1}{stride\_val} + 1 \times \frac{W + 2 \times padding\_val - dilation \times (kernel\_w - 1) - 1}{stride\_val} + 1
-
原型信息
| 参数名 | 输入/输出/属性 | 描述 | 数据类型 | 数据格式 |
|---|---|---|---|---|
| col | 输入张量 | 必选输入张量，形状为（N, C*kH*kW, L）或（C*kH*kW, L） | FLOAT、FLOAT16 | ND |
| kernel_h | 属性 | 卷积核的高度，可选属性，默认值为2 | INT | - |
| kernel_w | 属性 | 卷积核的宽度，可选属性，默认值为2 | INT | - |
| output_h | 属性 | 输出图像的高度，可选属性，默认值为4 | INT | - |
| output_w | 属性 | 输出图像的宽度，可选属性，默认值为4 | INT | - |
| stride_val | 属性 | 步长，可选属性，默认值为1 | INT | - |
| padding_val | 属性 | 填充大小，可选属性，默认值为0 | INT | - |
| dilation_val | 属性 | 膨胀系数，可选属性，默认值为1 | INT | - |
| x | 输出张量 | 必选输出张量，形状为（N, C, H, W）或（C, H, W） | FLOAT、FLOAT16 | ND |
约束与限制
1. 输入约束
- 输入张量col的形状：必须为2维或3维
- 3维格式：[N, CkHkW, L]（批处理模式）
- 2维格式：[CkHkW, L]（单样本模式）
- 其中 N ≥ 1，C ≥ 1，kH ≥ 1，kW ≥ 1，L ≥ 1
2. 参数约束
- kernel_h：卷积核高度，必须为正整数，默认值为2，满足 1 ≤ kernel_h
- kernel_w：卷积核宽度，必须为正整数，默认值为2，满足 1 ≤ kernel_w
- output_h：输出图像高度，必须为正整数，默认值为4
- output_w：输出图像宽度，必须为正整数，默认值为4
- stride_val：步长，必须为正整数，默认值为1，stride_val ≥ 1
- padding_val：填充大小，必须为非负整数，默认值为0，padding_val ≥ 0
- dilation_val：膨胀系数，必须为正整数，默认值为1，dilation_val ≥ 1
3. 计算约束
-
输出尺寸计算： 输出图像尺寸为 (output_h, output_w)，由属性直接指定
-
输入维度一致性约束： 输入第二维度=C×kernel_h×kernel_w输入第二维度 = C \times kernel\_h \times kernel\_w，且必须能被整除
输入第三维度L=out_H×out_W输入第三维度 L = out\_H \times out\_W
其中 out_Hout\_H 和 out_Wout\_W 由以下公式计算：
out_H=⌊output_h+2×padding_val−dilation_val×(kernel_h−1)−1stride_val+1⌋out\_H = \lfloor \frac{output\_h + 2 \times padding\_val - dilation\_val \times (kernel\_h - 1) - 1}{stride\_val} + 1 \rfloor
out_W=⌊output_w+2×padding_val−dilation_val×(kernel_w−1)−1stride_val+1⌋out\_W = \lfloor \frac{output\_w + 2 \times padding\_val - dilation\_val \times (kernel\_w - 1) - 1}{stride\_val} + 1 \rfloor
-
有效卷积核约束： kernel_h≤output_h+2×padding_valkernel\_h ≤ output\_h + 2 \times padding\_val kernel_w≤output_w+2×padding_valkernel\_w ≤ output\_w + 2 \times padding\_val
4. 内存约束
- 输出张量内存大小： output_size=N×C×output_h×output_w×element_sizeoutput\_size = N \times C \times output\_h \times output\_w \times element\_size 必须在设备内存限制范围内
5. 数据类型约束
- 输入张量col和输出张量x的数据类型必须一致
- 支持的数据类型组合：
- 输入：FLOAT，输出：FLOAT
- 输入：FLOAT16，输出：FLOAT16
6. 格式约束
- 输入和输出张量必须为ND（NCHW）格式
- 不支持其他数据格式（如NHWC、NC1HWC0等）
7. 特殊情况
- 当padding_val > 0时：会在输出张量的H和W维度两侧进行对称填充的逆操作
- 当dilation_val > 1时：卷积核元素之间存在间隔，实际感受野增大
- 当stride_val > 1时：输出特征图尺寸会相应增大
8. 与Im2Col的关系约束
- 可逆性：当使用相同的kernel_h、kernel_w、stride_val、padding_val、dilation_val参数，并且output_h、output_w等于原始输入图像尺寸时，Col2Im应该是Im2Col的逆操作
9. 错误条件
- 如果输入第二维度不能被kernel_h × kernel_w整除，算子应返回错误
- 如果kernel_h或kernel_w大于填充后的输出尺寸，算子应返回错误
- 如果计算出的out_H或out_W ≤ 0，算子应返回错误
- 如果输入第三维度L ≠ out_H × out_W，算子应返回错误
- 如果输入张量维度不符合要求（非2维或3维），算子应返回错误
算子使用
使用该算子前，请参考社区版CANN开发套件包安装文档完成开发运行环境的部署。
编译部署
-
进入到仓库目录
cd ${git_clone_path}/ops-math -
执行编译
bash build.sh --experimental --ops=col2_im --soc=ascend910b --pkg -
部署算子包
./build_out/cann-ops-math-custom_linux-aarch64.run
算子调用
-
执行调用
bash build.sh --run_example col2_im eager cust --vendor_name=custom
调用说明
| 调用方式 | 调用样例 | 说明 |
|---|---|---|
| aclnn调用 | test_aclnn_col2_im | 通过[aclnnCol2Im]接口方式调用Col2Im算子。 |