Conv2D
产品支持情况
| 产品 | 是否支持 |
|---|---|
| Ascend 950PR&950DT系列产品 | √ |
| Atlas A3系列产品 | × |
| Atlas A2系列产品 | × |
| Atlas 200I/500 A2推理产品 | × |
| Atlas推理系列产品 | × |
| Atlas训练系列产品 | × |
功能说明
-
算子功能:实现2D卷积功能。
-
计算公式:
-
假定输入(
x)的shape是 (N,Cin,H,W)(N, C_{\text{in}}, H, W) ,(filter)的shape是 (Cout,Cin,Kh,Kw)(C_{\text{out}}, C_{\text{in}}, K_h, K_w),输出(y)的shape是 (N,Cout,Hout,Wout)(N, C_{\text{out}}, H_{\text{out}}, W_{\text{out}}) -
输出表示为:
y(Ni,Coutj)=bias(Coutj)+∑k=0Cin−1filter(Coutj,k)⋆x(Ni,k) \text{y}(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(
dilations> 1)、分组卷积(groups> 1)。NN 代表batch size,CC 代表通道数,HH 和 WW 分别代表高和宽,相应输出维度的计算公式如下:Hout=(H+pad_top+pad_bottom−(dilation_h×(Kh−1)+1))/stride_h+1Wout=(W+pad_left+pad_right−(dilation_w×(Kw−1)+1))/stride_w+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
-
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、INT8、BFLOAT16、HIFLOAT8 | NCHW、NHWC |
| filter | 输入 | 公式中的卷积权重张量filter。 | FLOAT16、FLOAT、INT8、BFLOAT16、HIFLOAT8 | NCHW、HWCN |
| bias | 可选输入 | 卷积偏置张量bias。 | FLOAT16、FLOAT、BFLOAT16、INT32 | ND |
| offset_w | 可选输入 | 量化偏移张量offset_w(未使用)。 | INT8 | ND |
| y | 输出 | 公式中的输出张量y。 | FLOAT16、FLOAT、INT32、BFLOAT16、HIFLOAT8 | NCHW、NHWC |
| strides | 属性 | 卷积扫描步长。长度为4的整数列表,n和in_channels维必须为1;format为"NHWC"时形状为[1, stride_h, stride_w, 1],format为"NCHW"时形状为[1, 1, stride_h, stride_w]。 | INT32 | - |
| pads | 属性 | 对输入的填充,包括pad_top, pad_bottom, pad_left, pad_right。 | INT32 | - |
| dilations | 可选属性 | 卷积核中元素的间隔。长度为4的整数列表,n和in_channels维必须为1;format为"NHWC"时形状为[1, dilation_h, dilation_w, 1],format为"NCHW"时形状为[1, 1, dilation_h, dilation_w]。默认为[1, 1, 1, 1]。 | 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,且in_channels、out_channels都能被groups整除。默认为1。 | INT32 | - |
| data_format | 可选属性 | 输入数据格式,支持"NCHW"、"NHWC"。默认为"NHWC"。 | STRING | - |
| offset_x | 可选属性 | 量化算法中的偏移offset_x(未使用)。默认为0。支持范围[-128, 127]。 | INT32 | - |
约束说明
-
Ascend 950PR/Ascend 950DT:
x、filter、bias、offset_w、y中每一组tensor的每一维大小都应该在[1, 1000000]范围内。strides、dilations的值应该在[1, 1000000]范围内。pads的值应该在[0, 1000000]范围内。- 支持的数据类型和Format组合如下表:
x filter bias offset_w y FLOAT16 FLOAT16 FLOAT16 INT8 FLOAT16 BFLOAT16 BFLOAT16 BFLOAT16 INT8 BFLOAT16 FLOAT FLOAT FLOAT INT8 FLOAT HIFLOAT8 HIFLOAT8 FLOAT INT8 HIFLOAT8 INT8 INT8 INT32 INT8 INT32 NCHW NCHW ND ND NCHW NHWC HWCN ND ND NHWC HIFLOAT8仅支持NCHW(x/filter/y为NCHW,bias/offset_w为ND)。其余数据类型同时支持上表两行Format。 -
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 |
|---|---|---|
| 图模式 | test_geir_conv2d | 通过算子IR构图方式调用Conv2D算子。 |