ConvInteger¶

ConvInteger - 10¶

此版本的運算子自版本 10 起可用。

整數卷積運算子會消耗輸入張量、其零點、篩選器及其零點，並計算輸出。生產絕對不能溢位。累積只有在 32 位元時才會溢位。

auto_pad - 字串 (預設值為 'NOTSET')

auto_pad 必須是 NOTSET、SAME_UPPER、SAME_LOWER 或 VALID。其中預設值為 NOTSET，表示使用明確填補。SAME_UPPER 或 SAME_LOWER 表示填補輸入，使每個軸 i 的 output_shape[i] = ceil(input_shape[i] / strides[i])。填補會平均或幾乎平均地分配在兩側 (取決於是偶數還是奇數)。如果填補是奇數，則額外的填補會新增至 SAME_UPPER 的末尾，以及 SAME_LOWER 的開頭。
膨脹 - INTS :

篩選器沿每個空間軸的膨脹值。如果不存在，膨脹預設為沿每個軸的 1。
群組 - INT (預設值為 '1')

輸入通道和輸出通道分割成的群組數。預設值為 1。
kernel_shape - INTS :

卷積核心的形狀。如果不存在，則應從輸入 'w' 推斷。
pads - INTS :

沿每個空間軸的開頭和結尾的填補，它可以採用大於或等於 0 的任何值。該值表示新增至相應軸的開頭和結尾部分的像素數。pads 格式應如下所示 [x1_begin, x2_begin…x1_end, x2_end,…]，其中 xi_begin 是在軸 i 的開頭新增的像素數，而 xi_end 是在軸 i 的結尾新增的像素數。此屬性不能與 auto_pad 屬性同時使用。如果不存在，則填補預設為沿每個空間軸的開始和結束的 0。
strides - INTS :

沿每個空間軸的步幅。如果不存在，步幅預設為沿每個軸的 1。

介於 2 到 4 個輸入之間。

x (異質) - T1

來自前一個圖層的輸入資料張量；大小為 (N x C x H x W)，其中 N 是批次大小，C 是通道數，而 H 和 W 是高度和寬度。請注意，這是用於 2D 影像。否則大小為 (N x C x D1 x D2 … x Dn)。或者，如果維度表示生效，則運算預期輸入資料張量會以 [DATA_BATCH、DATA_CHANNEL、DATA_FEATURE、DATA_FEATURE …] 的維度表示到達。
w (異質) - T2

將用於卷積的權重張量；大小為 (M x C/group x kH x kW)，其中 C 是通道數，kH 和 kW 是核心的高度和寬度，而 M 是特徵圖的數量。對於兩個以上的維度，核心形狀為 (M x C/group x k1 x k2 x … x kn)，其中 (k1 x k2 x … kn) 是核心的維度。或者，如果維度表示生效，則運算預期權重張量會以 [FILTER_OUT_CHANNEL、FILTER_IN_CHANNEL、FILTER_SPATIAL、FILTER_SPATIAL …] 的維度表示到達。X.shape[1] == (W.shape[1] * group) == C (假設形狀陣列的索引以零為基底)。或換句話說，FILTER_IN_CHANNEL 應該等於 DATA_CHANNEL。
x_zero_point (選擇性、異質) - T1

輸入 'x' 的零點張量。它是選擇性的，預設值為 0。它是一個純量，表示每個張量/圖層量化。
w_zero_point (選擇性、異質) - T2

輸入 'w' 的零點張量。它是選擇性的，預設值為 0。它可能是純量或 1 維張量，表示每個張量/圖層或每個輸出通道量化。如果它是 1 維張量，則其元素數量應等於輸出通道 (M) 的數量