Conv2dTransposeFusion

概述

对一个4维的tensor执行带有偏置的二维反卷积。

该算子对应的NodeType为NODE_TYPE_CONV2D_TRANSPOSE_FUSION。

参数限制:当padMode==PAD_MODE_PAD时,padList的数值必须大于等于0。其他情况下padding的数值必须为0。

输入:

  • x,4维tensor,并按照NHWC进行排列。

  • weight,卷积的权重,要求weight排布为[outChannel,kernelHeight,kernelWidth,inChannel/group], inChannel必须要能整除group。

  • bias,卷积的偏置,是长度为[outChannel]的数组。在量化场景下,bias 参数不需要量化参数,其量化 版本要求输入 int32 类型数据,实际量化参数由 x 和 weight 共同决定。

输出:

  • output,n维tensor。

Since:

3.2

Version:

1.0

相关模块:

NNRt

汇总

Public 属性

名称 描述
kernelSize long[]
卷积核大小。 
stride long[]
卷积核在height和weight上的步幅,是一个长度为2的int数组[strideHeight,strideWidth]。 
dilation long[]
表示扩张卷积在height和weight上的扩张率,是一个长度为2的int数组[dilationHeight,dilationWidth], 值必须大于或等于1,并且不能超过x的height和width。 
padMode enum PadMode
填充类型,详情请参考:PadMode
padList long[]
输入x周围的填充,是一个长度为4的int数组[top,bottom,left,right]。 
group long
group,将输入x按inChannel分组。 group等于1,这是常规卷积; group大于1且小于或等于inChannel,这是分组卷积。 
inChannel long
输入通道数。 
outChannel long
输出通道数。 
activationType enum ActivationType
激活函数类型,详情请参考:ActivationType。 
outputPaddings long[]
一个长度为的2整数列表,指定沿输出张量的高度和宽度的填充量。 

类成员变量说明

activationType

enum ActivationType Conv2dTransposeFusion::activationType

描述: 激活函数类型,详情请参考:ActivationType

dilation

long [] Conv2dTransposeFusion::dilation

描述: 表示扩张卷积在height和weight上的扩张率,是一个长度为2的int数组[dilationHeight,dilationWidth], 值必须大于或等于1,并且不能超过x的height和width。

group

long Conv2dTransposeFusion::group

描述: group,将输入x按inChannel分组。 group等于1,这是常规卷积; group大于1且小于或等于inChannel,这是分组卷积。

inChannel

long Conv2dTransposeFusion::inChannel

描述: 输入通道数。

kernelSize

long [] Conv2dTransposeFusion::kernelSize

描述: 卷积核大小。

outChannel

long Conv2dTransposeFusion::outChannel

描述: 输出通道数。

outputPaddings

long [] Conv2dTransposeFusion::outputPaddings

描述: 一个长度为的2整数列表,指定沿输出张量的高度和宽度的填充量。

padList

long [] Conv2dTransposeFusion::padList

描述: 输入x周围的填充,是一个长度为4的int数组[top,bottom,left,right]。

padMode

enum PadMode Conv2dTransposeFusion::padMode

描述: 填充类型,详情请参考:PadMode

stride

long [] Conv2dTransposeFusion::stride

描述: 卷积核在height和weight上的步幅,是一个长度为2的int数组[strideHeight,strideWidth]。