Conv3D

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：对形状为5D的输入张量做三维卷积，支持空洞卷积（dilations > 1）、分组卷积（groups > 1）和偏置（bias）累加，计算y = CONV(x, filter) + bias。

• 计算公式：

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

  • 输出表示为：

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

  其中，$\star$ 表示三维卷积计算，输出维度的计算公式如下：

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

• 输出dtype推导：输出y的dtype与输入x一致；当x为INT8时输出为INT32。

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	卷积输入特征张量，5D。	FLOAT16、BFLOAT16、FLOAT、HIFLOAT8、INT8	NCDHW、NDHWC
filter	输入	卷积核权重张量，5D，与x的dtype一致。	FLOAT16、BFLOAT16、FLOAT、HIFLOAT8、INT8	NCDHW、DHWCN
bias	可选输入	卷积偏置张量，1D，shape为[C_out]。	FLOAT16、FLOAT、BFLOAT16、INT32	ND
offset_w	可选输入	量化偏移张量（预留，当前未使用）。	INT8	ND
y	输出	卷积输出特征张量，5D。	FLOAT16、BFLOAT16、FLOAT、HIFLOAT8、INT32	NCDHW、NDHWC
strides	属性	滑窗步长，长度为5的列表，顺序由data_format决定；仅D/H/W维参与输出shape推导（N/C维不参与，按惯例置1）。	ListInt，必填	-
pads	属性	各维度padding，长度支持1/3/6：长度6逐维显式，顺序为[pad_head, pad_tail, pad_top, pad_bottom, pad_left, pad_right]；长度3为[pad_d, pad_h, pad_w]，广播到对应维两侧；长度1全维同值。	ListInt，必填	-
dilations	属性	空洞卷积空洞率，长度为5的列表，顺序由data_format决定。默认[1, 1, 1, 1, 1]。	ListInt	-
groups	属性	分组卷积的分组数，C_in与C_out必须能被groups整除。默认1；groups为1且C_in可被filter的C_in整除时，按C_in / C_in(filter)隐式生效（对齐RT1.0，分组数在实际执行阶段推导）。	Int	-
data_format	属性	输入/输出数据格式，取值NCDHW或NDHWC。默认NDHWC。	String	-
offset_x	属性	量化算法中的偏移（预留，当前未使用）。默认0。	Int	-

dtype/format支持组合：

x	filter	bias	y
float16 + NCDHW	float16 + NCDHW	float16 + ND	float16 + NCDHW
bfloat16 + NCDHW	bfloat16 + NCDHW	bfloat16 + ND	bfloat16 + NCDHW
float + NCDHW	float + NCDHW	float + ND	float + NCDHW
hifloat8 + NCDHW	hifloat8 + NCDHW	float + ND	hifloat8 + NCDHW
float16 + NDHWC	float16 + DHWCN	float16 + ND	float16 + NDHWC
bfloat16 + NDHWC	bfloat16 + DHWCN	bfloat16 + ND	bfloat16 + NDHWC
float + NDHWC	float + DHWCN	float + ND	float + NDHWC
int8 + NCDHW	int8 + NCDHW	int32 + ND	int32 + NCDHW
int8 + NDHWC	int8 + DHWCN	int32 + ND	int32 + NDHWC

约束说明

• x、filter、y的shape均为5D（x支持动态shape-1与动态rank-2）。
• strides、dilations长度必须为5，且strides的D/H/W维必须大于0；dilations的D维取值范围为[1, 1000000]，H/W维取值范围为[1, 255]。
• pads长度支持1/3/6（长度3按[pad_d, pad_h, pad_w]广播到对应维两侧，长度1全维同值）；静态shape下取值必须不小于0。
• data_format仅支持NCDHW或NDHWC；x的format仅支持NCDHW/NDHWC，filter仅支持NCDHW/NDHWC/DHWCN，y仅支持NCDHW/NDHWC。
• filter的D/H/W维必须不小于1。
• padding后的输入尺寸必须不小于卷积核尺寸（x与filter均为静态shape时校验）。
• 零Tensor：x任一维为0或filter的N/C维为0时，输出必须能推导出零Tensor，否则拦截。
• 通道约束：静态shape下C_in必须能被filter的C_in维整除；groups显式设置（非1）时必须等于C_in / C_in(filter)。
• 前端（TensorFlow）传入padding = SAME/VALID属性时，pads按输入尺寸动态计算（动态维记-1，SAME）或置0（VALID）。

调用说明

调用方式	调用样例	说明
图模式调用	test_geir_conv3d	通过算子IR构图方式调用Conv3D算子。