ExtendConvTranspose

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：计算三维转置卷积（反卷积），用于量化推理场景。

• 计算公式：

  假定输入的shape为($N,C_{in},D_{in},H_{in},W_{in}$)、输出的shape为($N,C_{out},D_{out},H_{out},W_{out}$)，那么它们与卷积步长($stride$)、填充($pads$)、卷积核大小($kernel\_size$, kD, kH, kW)、膨胀参数($dilation$)的关系是：

  $$D_{out}=(D_{in}-1)\ast stride[0]-(pads[0]+pads[1])+dilation[0]\ast (kernel\_size[0]-1)+output\_padding[0]+1$$

  $$H_{out}=(H_{in}-1)\ast stride[1]-(pads[2]+pads[3])+dilation[1]\ast (kernel\_size[1]-1)+output\_padding[1]+1$$

  $$W_{out}=(W_{in}-1)\ast stride[2]-(pads[4]+pads[5])+dilation[2]\ast (kernel\_size[2]-1)+output\_padding[2]+1$$

参数说明

参数名	输入/输出/属性	描述	数据类型	数据格式
input_size	输入	1D张量，用于表示输入张量的形状，即卷积正向的输入（本算子输出'y'）的形状。	INT32、INT64	-
x	输入	特征图，相当于公式中的($N,C_{in},D_{in},H_{in},W_{in}$)。 一个张量，数据格式与'y'一致。	INT8	NCDHW
filter	输入	一个5D张量，表示卷积核权重，形状为($C_{out}$, $C_{in}$/groups, kD, kH, kW)，其中kD、kH、kW相当于公式中的kernelSize[0]、kernelSize[1]、kernelSize[2]。	INT8	NCDHW
bias	可选输入	一个1D张量，卷积偏置张量，按$out\_channels$顺序存储。	INT32	ND
scale	可选输入	一个1D张量，与输出对应的通道维量化/反量化参数（channelwise）。	UINT64	ND
strides	必填属性	一个包含5个整数的元组或列表，用于指定滑动窗口在输入张量'x'每个维度上的步长。 轴顺序与特征图格式一致。	-	-
pads	必填属性	一个包含6个整数的元组或列表，用于指定各方向的填充量，相当于公式中的pads[0]～pads[5]。	-	-
dilations	可选属性	一个包含5个整数的元组或列表，表示输入各维度的膨胀（空洞）因子，相当于公式中的dilation[0]、dilation[1]、dilation[2]。 默认值为[1,1,1,1,1]。 轴顺序与特征图格式一致。	-	-
groups	可选属性	整数，范围为[1,65535]，默认1。 表示从$c_{in}$到$c_{out}$的分组连接数。 $c_{in}$与$c_{out}$必须能被'groups'整除。	INT	-
data_format	可选属性	字符串，当前仅支持取值"NCDHW"。对应关系为：batch(N)、channels(C)、depth(D)、height(H)、width(W)。 指定'x'与'y'的数据排布格式。	STRING	-
output_padding	可选属性	将在输出形状末尾额外增加的尺寸，默认值为[0,0,0,0,0]。 相当于公式中的output_padding[0]、output_padding[1]、output_padding[2]。	-	-
offset_x	可选属性	默认值为0，保留字段。	INT	-
fusion_mode	可选属性	整数，取值为0或1，默认0。表示输出是否开启ReLU：0表示不开启，1表示开启。	INT	-
y_quant_mode	可选属性	默认值为0，保留字段。	INT	-
y	输出	相当于公式中的($N,C_{out},D_{out},H_{out},W_{out}$)。 数据格式与'x'一致。	FLOAT16、INT8	NCDHW

约束说明

• input_size
  • 可输入的轴序列如下：
    • [batch, in_channels, in_depth, in_height, in_width]
• x
  • N、C、D、H和W维度的取值范围必须在 [1,2147483647] 之间。
• filter
  • N(out_channels)、C(in_channels/groups)和D维度的取值范围必须在 [1,2147483647] 之间。
  • kernel_height(H)与kernel_width(W)维长度须在 [1,511] 范围内。
• strides
  • N和C的维度必须为1。
  • D、H、W维度取值范围必须在 [1,2147483647] 之间。
• pads
  • 填充顺序为：[front, back, top, bottom, left, right]。
  • D、H和W维度的取值范围必须在 [0,2147483647] 之间。
• dilations
  • N与C的维度必须为1。
  • D、H和W维度的取值范围必须在 [1,2147483647] 之间。
• output_padding
  • N和C维度必须为0，仅允许在深度、高度、宽度方向上添加。
  • D、H和W维度的取值范围必须在 [0,2147483647] 之间。
• 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

该算子无对应的aclnn接口，仅在图模式调用Conv2DTranspose算子且输入类型为INT8时，会转为ExtendConvTranspose进行量化相关实现。