LpPool

LpPool - 22

版本

  • 名稱：LpPool (GitHub)

  • 網域：main

  • since_version：22

  • function：False

  • support_level：SupportType.COMMON

  • 形狀推斷：True

此版本的運算符**自 22 版起**可用。

摘要

LpPool 會取用輸入張量 X，並根據核心大小、步幅大小和填充長度，在張量上應用 Lp 池化。Lp 池化包括根據核心大小計算輸入張量子集的所有值的 Lp 範數，並將資料降採樣到輸出張量 Y 中以進行進一步處理。輸出空間形狀將會是

output_spatial_shape[i] = floor((input_spatial_shape[i] + pad_shape[i] - {kernelSpatialShape}) / strides_spatial_shape[i] + 1)

或

output_spatial_shape[i] = ceil((input_spatial_shape[i] + pad_shape[i] - {kernelSpatialShape}) / strides_spatial_shape[i] + 1)

如果啟用 ceil_mode，則 pad_shape[i] 是沿軸 i 的填充總和。

auto_pad 是已棄用的屬性。如果您目前正在使用它們，則輸出空間形狀將會是

VALID: output_spatial_shape[i] = ceil((input_spatial_shape[i] - {kernelSpatialShape} + 1) / strides_spatial_shape[i])
SAME_UPPER or SAME_LOWER: output_spatial_shape[i] = ceil(input_spatial_shape[i] / strides_spatial_shape[i])

如果 SAME_UPPER 或 SAME_LOWER，則填充形狀將會是

pad_shape[i] = (output_spatial_shape[i] - 1) * strides_spatial_shape[i] + {kernelSpatialShape} - input_spatial_shape[i]

屬性

  • auto_pad - STRING (預設值為 'NOTSET')

    auto_pad 必須是 NOTSET、SAME_UPPER、SAME_LOWER 或 VALID。其中預設值為 NOTSET，表示使用明確填充。SAME_UPPER 或 SAME_LOWER 表示填充輸入，使每個軸 i 的 output_shape[i] = ceil(input_shape[i] / strides[i])。填充在兩側之間平均或幾乎平均分割 (取決於是偶數還是奇數)。如果填充為奇數，則額外的填充會新增到 SAME_UPPER 的結尾，並新增到 SAME_LOWER 的開頭。

  • ceil_mode - INT (預設值為 '0')

    是否使用 ceil 或 floor (預設值) 來計算輸出形狀。

  • dilations - INTS :

    沿著篩選器的每個空間軸的膨脹值。如果不存在，則每個空間軸的膨脹預設值為 1。

  • kernel_shape - INTS (必要)

    沿著每個軸的核心大小。

  • p - INT (預設值為 '2')

    用於在輸入資料上池化的 Lp 範數的 p 值。

  • pads - INTS :

    沿著每個空間軸的開頭和結尾的填充，可以採用大於或等於 0 的任何值。該值表示新增到相應軸的開頭和結尾部分的像素數。pads 格式應如下：[x1_begin, x2_begin…x1_end, x2_end,…]，其中 xi_begin 是新增到軸 i 開頭的像素數，而 xi_end 是新增到軸 i 結尾的像素數。此屬性不能與 auto_pad 屬性同時使用。如果不存在，則填充預設為每個空間軸的開頭和結尾為 0。

  • strides - INTS :

    沿著每個空間軸的步幅。如果不存在，則每個空間軸的步幅預設值為 1。

輸入

  • X (異質) - T

    來自先前運算符的輸入資料張量；影像案例的維度為 (N x C x H x W)，其中 N 是批次大小，C 是通道數，而 H 和 W 是資料的高度和寬度。對於非影像案例，維度的形式為 (N x C x D1 x D2 … Dn)，其中 N 是批次大小。

輸出

  • Y (異質) - T

    來自跨輸入張量的 Lp 池化的輸出資料張量。維度會根據各種核心、步幅和填充大小而有所不同。

類型約束

  • T 於 (tensor(bfloat16)、tensor(double)、tensor(float)、tensor(float16)) 中

    將輸入和輸出類型限制為浮點數張量。

LpPool - 18

版本

  • 名稱：LpPool (GitHub)

  • 網域：main

  • since_version：18

  • function：False

  • support_level：SupportType.COMMON

  • 形狀推斷：True

此版本的運算符**自 18 版起**可用。

摘要

LpPool 會取用輸入張量 X，並根據核心大小、步幅大小和填充長度，在張量上應用 Lp 池化。Lp 池化包括根據核心大小計算輸入張量子集的所有值的 Lp 範數，並將資料降採樣到輸出張量 Y 中以進行進一步處理。輸出空間形狀將會是

output_spatial_shape[i] = floor((input_spatial_shape[i] + pad_shape[i] - {kernelSpatialShape}) / strides_spatial_shape[i] + 1)

或

output_spatial_shape[i] = ceil((input_spatial_shape[i] + pad_shape[i] - {kernelSpatialShape}) / strides_spatial_shape[i] + 1)

如果啟用 ceil_mode，則 pad_shape[i] 是沿軸 i 的填充總和。

auto_pad 是已棄用的屬性。如果您目前正在使用它們，則輸出空間形狀將會是

VALID: output_spatial_shape[i] = ceil((input_spatial_shape[i] - {kernelSpatialShape} + 1) / strides_spatial_shape[i])
SAME_UPPER or SAME_LOWER: output_spatial_shape[i] = ceil(input_spatial_shape[i] / strides_spatial_shape[i])

如果 SAME_UPPER 或 SAME_LOWER，則填充形狀將會是

pad_shape[i] = (output_spatial_shape[i] - 1) * strides_spatial_shape[i] + {kernelSpatialShape} - input_spatial_shape[i]

屬性

  • auto_pad - STRING (預設值為 'NOTSET')

    auto_pad 必須是 NOTSET、SAME_UPPER、SAME_LOWER 或 VALID。其中預設值為 NOTSET，表示使用明確填充。SAME_UPPER 或 SAME_LOWER 表示填充輸入，使每個軸 i 的 output_shape[i] = ceil(input_shape[i] / strides[i])。填充在兩側之間平均或幾乎平均分割 (取決於是偶數還是奇數)。如果填充為奇數，則額外的填充會新增到 SAME_UPPER 的結尾，並新增到 SAME_LOWER 的開頭。

  • ceil_mode - INT (預設值為 '0')

    是否使用 ceil 或 floor (預設值) 來計算輸出形狀。

  • dilations - INTS :

    沿著篩選器的每個空間軸的膨脹值。如果不存在，則每個空間軸的膨脹預設值為 1。

  • kernel_shape - INTS (必要)

    沿著每個軸的核心大小。

  • p - INT (預設值為 '2')

    用於在輸入資料上池化的 Lp 範數的 p 值。

  • pads - INTS :

    沿著每個空間軸的開頭和結尾的填充，可以採用大於或等於 0 的任何值。該值表示新增到相應軸的開頭和結尾部分的像素數。pads 格式應如下：[x1_begin, x2_begin…x1_end, x2_end,…]，其中 xi_begin 是新增到軸 i 開頭的像素數，而 xi_end 是新增到軸 i 結尾的像素數。此屬性不能與 auto_pad 屬性同時使用。如果不存在，則填充預設為每個空間軸的開頭和結尾為 0。

  • strides - INTS :

    沿著每個空間軸的步幅。如果不存在，則每個空間軸的步幅預設值為 1。

輸入

  • X (異質) - T

    來自先前運算符的輸入資料張量；影像案例的維度為 (N x C x H x W)，其中 N 是批次大小，C 是通道數，而 H 和 W 是資料的高度和寬度。對於非影像案例，維度的形式為 (N x C x D1 x D2 … Dn)，其中 N 是批次大小。

輸出

  • Y (異質) - T

    來自跨輸入張量的 Lp 池化的輸出資料張量。維度會根據各種核心、步幅和填充大小而有所不同。

類型約束

  • T 於 (tensor(double)、tensor(float)、tensor(float16)) 中

    將輸入和輸出類型限制為浮點數張量。

LpPool - 11

版本

  • 名稱：LpPool (GitHub)

  • 網域：main

  • since_version：11

  • function：False

  • support_level：SupportType.COMMON

  • 形狀推斷：True

此版本的運算符**自 11 版起**可用。

摘要

LpPool 會取用輸入張量 X，並根據核心大小、步幅大小和填充長度，在張量上應用 Lp 池化。Lp 池化包括根據核心大小計算輸入張量子集的所有值的 Lp 範數，並將資料降採樣到輸出張量 Y 中以進行進一步處理。

屬性

  • auto_pad - STRING (預設值為 'NOTSET')

    auto_pad 必須是 NOTSET、SAME_UPPER、SAME_LOWER 或 VALID。其中預設值為 NOTSET，表示使用明確填充。SAME_UPPER 或 SAME_LOWER 表示填充輸入，使每個軸 i 的 output_shape[i] = ceil(input_shape[i] / strides[i])。填充在兩側之間平均或幾乎平均分割 (取決於是偶數還是奇數)。如果填充為奇數，則額外的填充會新增到 SAME_UPPER 的結尾，並新增到 SAME_LOWER 的開頭。

  • kernel_shape - INTS (必要)

    沿著每個軸的核心大小。

  • p - INT (預設值為 '2')

    用於在輸入資料上池化的 Lp 範數的 p 值。

  • pads - INTS :

    沿著每個空間軸的開頭和結尾的填充，可以採用大於或等於 0 的任何值。該值表示新增到相應軸的開頭和結尾部分的像素數。pads 格式應如下：[x1_begin, x2_begin…x1_end, x2_end,…]，其中 xi_begin 是新增到軸 i 開頭的像素數，而 xi_end 是新增到軸 i 結尾的像素數。此屬性不能與 auto_pad 屬性同時使用。如果不存在，則填充預設為每個空間軸的開頭和結尾為 0。

  • strides - INTS :

    沿著每個空間軸的步幅。如果不存在，則每個空間軸的步幅預設值為 1。

輸入

  • X (異質) - T

    來自先前運算符的輸入資料張量；影像案例的維度為 (N x C x H x W)，其中 N 是批次大小，C 是通道數，而 H 和 W 是資料的高度和寬度。對於非影像案例，維度的形式為 (N x C x D1 x D2 … Dn)，其中 N 是批次大小。

輸出

  • Y (異質) - T

    來自跨輸入張量的 Lp 池化的輸出資料張量。維度會根據各種核心、步幅和填充大小而有所不同。

類型約束

  • T 於 (tensor(double)、tensor(float)、tensor(float16)) 中

    將輸入和輸出類型限制為浮點數張量。

LpPool - 2

版本

  • 名稱：LpPool (GitHub)

  • 網域：main

  • since_version: 2

  • function：False

  • support_level：SupportType.COMMON

  • 形狀推斷：True

此運算子的版本從 版本 2 開始提供。

摘要

LpPool 會取用輸入張量 X，並根據核心大小、步幅大小和填充長度，在張量上應用 Lp 池化。Lp 池化包括根據核心大小計算輸入張量子集的所有值的 Lp 範數，並將資料降採樣到輸出張量 Y 中以進行進一步處理。

屬性

  • auto_pad - STRING (預設值為 'NOTSET')

    auto_pad 必須是 NOTSET、SAME_UPPER、SAME_LOWER 或 VALID 其中之一。預設值為 NOTSET，表示使用明確的填充。SAME_UPPER 或 SAME_LOWER 表示填充輸入，使輸出空間大小與 input.In 匹配。若為奇數，則在 SAME_UPPER 的結尾處添加額外的填充，並在 SAME_LOWER 的開頭處添加。VALID 表示不填充。

  • kernel_shape - INTS (必要)

    沿著每個軸的核心大小。

  • p - INT (預設值為 '2')

    用於在輸入資料上池化的 Lp 範數的 p 值。

  • pads - INTS :

    沿著每個空間軸的開頭和結尾的填充，可以採用大於或等於 0 的任何值。該值表示新增到相應軸的開頭和結尾部分的像素數。pads 格式應如下：[x1_begin, x2_begin…x1_end, x2_end,…]，其中 xi_begin 是新增到軸 i 開頭的像素數，而 xi_end 是新增到軸 i 結尾的像素數。此屬性不能與 auto_pad 屬性同時使用。如果不存在，則填充預設為每個空間軸的開頭和結尾為 0。

  • strides - INTS :

    沿每個空間軸的步幅。

輸入

  • X (異質) - T

    來自先前運算符的輸入資料張量；影像案例的維度為 (N x C x H x W)，其中 N 是批次大小，C 是通道數，而 H 和 W 是資料的高度和寬度。對於非影像案例，維度的形式為 (N x C x D1 x D2 … Dn)，其中 N 是批次大小。

輸出

  • Y (異質) - T

    來自跨輸入張量的 Lp 池化的輸出資料張量。維度會根據各種核心、步幅和填充大小而有所不同。

類型約束

  • T 於 (tensor(double)、tensor(float)、tensor(float16)) 中

    將輸入和輸出類型限制為浮點數張量。

LpPool - 1

版本

  • 名稱：LpPool (GitHub)

  • 網域：main

  • since_version: 1

  • function：False

  • support_level：SupportType.COMMON

  • 形狀推斷: False

此運算子的版本從 版本 1 開始提供。

摘要

LpPool 消耗一個輸入張量 X，並根據核心大小、步幅大小和填充長度在張量上應用 Lp 池化。Lp 池化包括根據核心大小計算輸入張量子集中所有值的 Lp 範數，並將資料下採樣到輸出張量 Y 中以進行進一步處理。

屬性

  • auto_pad - STRING (預設值為 'NOTSET')

    auto_pad 必須是 NOTSET、SAME_UPPER、SAME_LOWER 或 VALID 其中之一。預設值為 NOTSET，表示使用明確的填充。SAME_UPPER 或 SAME_LOWER 表示填充輸入，使輸出大小與 input.In 匹配。若為奇數，則在 SAME_UPPER 的結尾處添加額外的填充，並在 SAME_LOWER 的開頭處添加。VALID 表示不填充。棄用注意事項：auto_pad 僅用於支援舊版用法，對於框架作者，明確建議使用 pads 屬性中指定的明確填充。

  • kernel_shape - INTS :

    沿著每個軸的核心大小。

  • p - FLOAT (預設值為 '2.0')

    用於在輸入資料上進行池化的 Lp 範數的 p 值，預設值為 2.0。

  • pads - INTS :

    沿每個軸的開頭和結尾的填充，它可以採用大於或等於 0 的任何值。該值表示添加到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 為在軸 i 的開頭處添加的像素數，而 xi_end 為在軸 i 的結尾處添加的像素數。此屬性不能與 auto_pad 屬性同時使用。

  • strides - INTS :

    沿每個軸的步幅。

輸入

  • X (異質) - T

    來自前一個運算子的輸入資料張量；影像案例的維度為 (N x C x H x W)，其中 N 是批次大小，C 是通道數，而 H 和 W 是資料的高度和寬度。對於非影像案例，維度形式為 (N x C x D1 x D2 … Dn)，其中 N 是批次大小。

輸出

  • Y (異質) - T

    來自跨輸入張量的 Lp 池化的輸出資料張量。維度會根據各種核心、步幅和填充大小而有所不同。

類型約束

  • T 於 (tensor(double)、tensor(float)、tensor(float16)) 中

    將輸入和輸出類型限制為浮點數張量。