Conv3DV2

产品支持情况

产品	是否支持
Ascend 950PR/Ascend 950DT	√
Atlas A3 训练系列产品/Atlas A3 推理系列产品	√
Atlas A2 训练系列产品/Atlas A2 推理系列产品	√

功能说明

• 算子功能：实现3D卷积功能。

• 计算公式：

  • 假定输入（x）的shape是 $(N,C_{\text{in}},D,H,W)$ ，（filter）的shape是 $(C_{\text{out}},C_{\text{in}},K_d,K_h,K_w)$，输出（y）的shape是 $(N,C_{\text{out}},D_{\text{out}},H_{\text{out}},W_{\text{out}})$

  • 对于INT8类型的输入，输出将被表示为：

  $$\text{out}(N_i,C_{{\text{out}}_j})=\text{bias}(C_{{\text{out}}_j})+\text{scale}\times \sum _{k=0}^{C_{\text{in}}-1}\text{filter}(C_{{\text{out}}_j},k)\star \text{x}(N_i,k)$$

  • 对于其他数据类型的输入，输出将被表示为：

  $$\text{out}(N_i,C_{{\text{out}}_j})=\text{bias}(C_{{\text{out}}_j})+\sum _{k=0}^{C_{\text{in}}-1}\text{filter}(C_{{\text{out}}_j},k)\star \text{x}(N_i,k)$$

  其中，$\star$ 表示卷积计算，支持空洞卷积、分组卷积。$N$ 代表batch size，$C$ 代表通道数，$D$、$H$ 和 $W$ 分别代表深度、高和宽，相应输出维度的计算公式如下：

  $$\begin{gathered} D_{\text{out}}=(D+\text{pad\_head}+\text{pad\_tail}-(\text{dilation\_d}\times (K_d-1)+1))/\text{stride\_d}+1 \\ {H}_{\text{out}}=(H+\text{pad\_top}+\text{pad\_bottom}-(\text{dilation\_h}\times (K_h-1)+1))/\text{stride\_h}+1 \\ {W}_{\text{out}}=(W+\text{pad\_left}+\text{pad\_right}-(\text{dilation\_w}\times (K_w-1)+1))/\text{stride\_w}+1 \end{gathered}$$

参数说明

参数名	输入 / 输出 / 属性	描述	数据类型	数据格式
x	输入	公式中的输入张量x。	FLOAT16、FLOAT、BFLOAT16、INT8、HIFLOAT8	NCDHW、NDHWC、NDC1HWC0
filter	输入	公式中的卷积权重张量filter。	FLOAT16、FLOAT、BFLOAT16、INT8、HIFLOAT8	NCDHW、DHWCN、FRACTAL_Z_3D
bias	可选输入	卷积偏置张量bias。	FLOAT16、FLOAT、BFLOAT16	ND
scale	可选输入	缩放因子张量scale。	FLOAT	ND
offset	可选输入	偏移张量offset（未使用）。	FLOAT	ND
offset_w	可选输入	量化偏移张量offset_w（未使用）。	INT8	-
y	输出	公式中的输出张量y。	FLOAT16、FLOAT、BFLOAT16、HIFLOAT8	NCDHW、NDHWC、NDC1HWC0
strides	属性	卷积扫描步长，stride_d ∈ [1,1000000]，stride_h, stride_w ∈ [1,63]。	INT32	-
pads	可选属性	对输入的填充，pad_h, pad_w ∈ [0,255]，paddingD ∈ [0,1000000]。	INT32	-
dilations	可选属性	卷积核中元素的间隔，dilation_h, dilation_w ∈ [1,255]，dilation_d ∈ [1,1000000]。	INT32	-
groups	可选属性	从输入通道到输出通道的块链接个数，必须满足groups × filter的in_channels维度 = x的in_channels维度。支持范围 [1, 65535]。	INT32	-
data_format	可选属性	输入数据格式，支持"NCDHW"、"NDHWC"、"NDC1HWC0"。	STRING	-
offset_x	可选属性	量化算法中的偏移offset_x（未使用）。	INT32	-
pad_mode	可选属性	填充模式，支持"SPECIFIC"、"SAME"、"VALID"。	STRING	-
enable_hf32	可选属性	是否启用HF32计算，支持true、false。	BOOL	-

• Atlas A2 训练系列产品/Atlas A2 推理系列产品、Atlas A3 训练系列产品/Atlas A3 推理系列产品：
  • 不支持HIFLOAT8数据类型。
  • scale和offset参数仅支持FLOAT类型。
  • 输入为INT8数据类型时，bias为必选输入，groups仅支持1。
  • filter、y不支持DHWCN数据格式。
  • 不支持pad_mode属性。
  • 当不满足Pointwise分支情况时，x支持NDC1HWC0，filter支持FRACTAL_Z_3D。

约束说明

• Atlas A2 训练系列产品/Atlas A2 推理系列产品、Atlas A3 训练系列产品/Atlas A3 推理系列产品：

  • filter的H、W维度范围：[1,511]。
  • 不支持空tensor。
  • 当groups为1, dilation全为1，padding全为0，filter没有为1的维度，x的DHW小于65536，bias为FLOAT时，会进入Pointwise分支，可以使用NCDHW格式。

  张量	x	filter	bias	scale	offset	y
  数据类型	FLOAT16	FLOAT16	FLOAT16	FLOAT	FLOAT	FLOAT16
  	BFLOAT16	BFLOAT16	FLOAT	FLOAT	FLOAT	BFLOAT16
  	FLOAT	FLOAT	FLOAT	FLOAT	FLOAT	FLOAT
  	INT8	INT8	FLOAT	FLOAT	FLOAT	BFLOAT16
  数据格式	NCDHW、NDC1HWC0	NCDHW、FRACTAL_Z_3D	ND	ND	ND	NCDHW、NDC1HWC0

• Ascend 950PR/Ascend 950DT：

  • 对于x输入，N维度大小应该大于等于0。D、H、W维度大小应该大于等于0（等于0的场景仅在输出y的D、H、W维度也等于0时支持）。C维度大小应该大于等于0（等于0的场景仅在输出y的任意维度也等于0时支持）。
  • 对于filter输入，H、W的大小应该在 [1, 511] 的范围内。N维度大小应该大于等于0（等于0的场景仅在输入bias、输出y的N维度也等于0时支持），C维度大小的支持情况与输入x的C维度一致。

  张量	x	filter	bias	scale	y
  数据类型	FLOAT16	FLOAT16	FLOAT16	/	FLOAT16
  	BFLOAT16	BFLOAT16	BFLOAT16	/	BFLOAT16
  	FLOAT	FLOAT	FLOAT	/	FLOAT
  	HIFLOAT8	HIFLOAT8	FLOAT	/	HIFLOAT8
  	INT8	INT8	FLOAT/FLOAT16	FLOAT	FLOAT16
  	INT8	INT8	FLOAT/BFLOAT16	FLOAT	BFLOAT16
  数据格式	NCDHW	NCDHW	ND	/	NCDHW
  	NDHWC	DHWCN	ND	/	NDHWC
  	NCDHW	NCDHW	ND	ND	NDHWC
  	NCDHW	FRACTAL_Z_3D	ND	ND	NDHWC

• x、filter、bias、scale、y中每一组tensor的每一维大小都应不大于1000000。

• 当x数据类型为INT8时，x、filter的数据格式仅支持NCDHW，output的数据格式仅支持NDHWC。

• groups ∈ [1, 65535]。

• 如果任何参数超出上述范围，算子的正确性无法保证。

• 由于硬件资源限制，算子在部分参数取值组合场景下会执行失败，请根据日志信息提示分析并排查问题。若无法解决，请单击 Link获取技术支持。

调用说明

调用方式	调用样例	说明
aclnn调用	test_aclnn_conv3d_v2	通过 aclnnConvolution接口方式调用Conv3DV2算子的非INT8数据类型计算。
aclnn调用	test_aclnn_quant_conv3d	通过 aclnnQuantConvolution接口方式调用Conv3DV2算子的INT8数据类型计算。