mindspore.ops.Conv2D
- class mindspore.ops.Conv2D(out_channel, kernel_size, mode=1, pad_mode='valid', pad=0, stride=1, dilation=1, group=1, data_format='NCHW')[源代码]
二维卷积层。
对输入Tensor计算二维卷积,通常输入的shape为 \((N, C_{in}, H_{in}, W_{in})\) ,其中 \(N\) 为batch size,\(C\) 为通道数, \(H\) 为特征图的高度,\(W\) 为特征图的宽度。
根据以下公式计算输出:
\[\text{out}(N_i, C_{\text{out}_j}) = \text{bias}(C_{\text{out}_j}) + \sum_{k = 0}^{C_{in} - 1} \text{ccor}({\text{weight}(C_{\text{out}_j}, k), \text{X}(N_i, k)})\]其中, \(bias\) 为输出偏置,\(ccor\) 为 cross-correlation 操作, \(weight\) 为卷积核的值, \(X\) 为输入的特征图。
\(i\) 对应batch数,其范围为 \([0, N-1]\) ,其中 \(N\) 为输入batch。
\(j\) 对应输出通道,其范围为 \([0, C_{out}-1]\) ,其中 \(C_{out}\) 为输出通道数,该值也等于卷积核的个数。
\(k\) 对应输入通道数,其范围为 \([0, C_{in}-1]\) ,其中 \(C_{in}\) 为输入通道数,该值也等于卷积核的通道数。
因此,上面的公式中, \({bias}(C_{\text{out}_j})\) 为第 \(j\) 个输出通道的偏置, \({weight}(C_{\text{out}_j}, k)\) 表示第 \(j\) 个 卷积核在第 \(k\) 个输入通道的卷积核切片, \({X}(N_i, k)\) 为特征图第 \(i\) 个batch第 \(k\) 个输入通道的切片。 卷积核shape为 \((\text{kernel_size[0]},\text{kernel_size[1]})\) ,其中 \(\text{kernel_size[0]}\) 和 \(\text{kernel_size[1]}\) 是卷积核的高度和宽度。若考虑到输入输出通道以及group,则完整卷积核的shape为 \((C_{out}, C_{in} / \text{group}, \text{kernel_size[0]}, \text{kernel_size[1]})\) , 其中 group 是分组卷积时在通道上分割输入 x 的组数。
想更深入了解卷积层,请参考论文 Gradient Based Learning Applied to Document Recognition 。
说明
在Ascend平台上,目前只支持深度卷积场景下的分组卷积运算。也就是说,当 group>1 的场景下,必须要满足 in_channels = out_channels = group 的约束条件。
- 参数:
out_channel (int) - 指定输出通道数:\(C_{out}\) 。
kernel_size (Union[int, tuple[int]]) - 指定二维卷积核的高度和宽度。可以为单个int或一个包含2个int组成的元组。单个整数表示该值同时适用于内核的高度和宽度。包含2个整数的元组表示第一个值用于高度,另一个值用于内核的宽度。
mode (int,可选) - 指定不同的卷积模式。此值目前未被使用。默认值:
1
。pad_mode (str,可选) - 指定填充模式,填充值为0。可选值为
"same"
,"valid"
或"pad"
。默认值:"valid"
。"same"
:在输入的四周填充,使得当 stride 为1
时,输入和输出的shape一致。待填充的量由算子内部计算,若为偶数,则均匀地填充在四周,若为奇数,多余的填充量将补充在底部/右侧。如果设置了此模式, pad 必须为0。"valid"
:不对输入进行填充,返回输出可能的最大高度和宽度,不能构成一个完整stride的额外的像素将被丢弃。如果设置了此模式, pad 必须为0。"pad"
:对输入填充指定的量。在这种模式下,在输入的高度和宽度方向上填充的量由 pad 参数指定。如果设置此模式, pad 必须大于或等于0。
pad (Union(int, tuple[int]),可选) - 指当 pad_mode 为
"pad"
时,指定在输入 x 的高度和宽度方向上填充的数量。可以为单个int或包含四个int组成的tuple。如果 pad 是单个int,那么上、下、左、右的填充量都等于 pad 。如果 pad 是一个由四个int组成的tuple,那么上、下、左、右的填充分别等于 pad[0] 、 pad[1] 、 pad[2] 和 pad[3] 。int值应该要大于或等于0,默认值:0
。stride (Union(int, tuple[int]),可选) - 卷积核移动的步长。可以为单个int,或由两个/四个int组成的tuple。单个int表示在高度和宽度方向的移动步长均为该值。两个int组成的tuple分别表示在高度和宽度方向的移动步长。若为四个int,N、C两维度默认为1,H、W两维度分别对应高度和宽度上的步长。默认值:
1
。dilation (Union(int, tuple[int]),可选) - 卷积核膨胀尺寸。可以为单个int,或者由两个/四个int组成的tuple。单个int表示在高度和宽度方向的膨胀尺寸均为该值。两个int组成的tuple分别表示在高度和宽度方向的膨胀尺寸。若为四个int,N、C两维度int默认为1,H、W两维度分别对应高度和宽度上的膨胀尺寸。 假设 \(dilation=(d0, d1)\), 则卷积核在高度方向间隔 \(d0-1\) 个元素进行采样,在宽度方向间隔 \(d1-1\) 个元素进行采样。高度和宽度上取值范围分别为[1, H]和[1, W]。默认值:
1
。group (int,可选) - 分组卷积时在通道上分割输入 x 的组数。默认值:
1
。data_format (str,可选) - 数据格式的可选值有
"NHWC"
,"NCHW"
。默认值:"NCHW"
。(目前仅GPU支持NHWC。)
- 输入:
x (Tensor) - 输入Tensor,shape为 \((N, C_{in}, H_{in}, W_{in})\) 或者 \((N, H_{in}, W_{in}, C_{in}, )\) ,具体哪种取决于 data_format 。
weight (Tensor) - 卷积核的值,其shape应为 \((C_{out}, C_{in} / \text{group}, \text{kernel_size[0]}, \text{kernel_size[1]})\) 。
- 输出:
Tensor,卷积操作后的值。shape为 \((N, C_{out}, H_{out}, W_{out})\) 或 \((N, H_{out}, W_{out}, C_{out}, )\) 。 要了解不同的填充模式如何影响输出shape,请参考
mindspore.nn.Conv2d
以获取更多详细信息。- 异常:
TypeError - kernel_size 、 stride 、 pad 或 dilation 既不是int也不是tuple。
TypeError - out_channel 或 group 不是int。
ValueError - kernel_size 、 stride 或 diation 小于1。
ValueError - pad_mode 不是”same”、”valid”或”pad”。
ValueError - pad 是一个长度不等于4的tuple。
ValueError - pad_mode 不等于”pad”,pad 不等于(0, 0, 0, 0)。
ValueError - data_format 既不是
"NCHW"
,也不是"NHWC"
。
- 支持平台:
Ascend
GPU
CPU
样例:
>>> import mindspore >>> import numpy as np >>> from mindspore import Tensor, ops >>> # case 1: All parameters use default values. >>> x = Tensor(np.ones([10, 32, 32, 32]), mindspore.float32) >>> weight = Tensor(np.ones([32, 32, 3, 3]), mindspore.float32) >>> conv2d = ops.Conv2D(out_channel=32, kernel_size=3) >>> output = conv2d(x, weight) >>> print(output.shape) (10, 32, 30, 30) >>> # case 2: pad_mode="pad", other parameters being default. >>> x = Tensor(np.ones([10, 32, 32, 32]), mindspore.float32) >>> weight = Tensor(np.ones([32, 32, 3, 3]), mindspore.float32) >>> conv2d = ops.Conv2D(out_channel=32, kernel_size=3, pad_mode="pad", pad=(4, 10, 4, 10)) >>> output = conv2d(x, weight) >>> print(output.shape) (10, 32, 44, 44) >>> # case 3: stride=(2, 4), other parameters being default. >>> x = Tensor(np.ones([10, 32, 32, 32]), mindspore.float32) >>> weight = Tensor(np.ones([32, 32, 3, 3]), mindspore.float32) >>> conv2d = ops.Conv2D(out_channel=32, kernel_size=3, stride=(2, 4)) >>> output = conv2d(x, weight) >>> print(output.shape) (10, 32, 15, 8) >>> # case 4: dilation=2, other parameters being default. >>> x = Tensor(np.ones([10, 32, 32, 32]), mindspore.float32) >>> weight = Tensor(np.ones([32, 32, 3, 3]), mindspore.float32) >>> conv2d = ops.Conv2D(out_channel=32, kernel_size=3, dilation=2) >>> output = conv2d(x, weight) >>> print(output.shape) (10, 32, 28, 28) >>> # case 5: group=2, other parameters being default. >>> x = Tensor(np.ones([10, 64, 32, 32]), mindspore.float32) >>> weight = Tensor(np.ones([32, 32, 3, 3]), mindspore.float32) >>> conv2d = ops.Conv2D(out_channel=32, kernel_size=3, group=2) >>> output = conv2d(x, weight) >>> print(output.shape) (10, 32, 30, 30) >>> # case 6: All parameters are specified. >>> x = Tensor(np.ones([10, 64, 32, 32]), mindspore.float32) >>> weight = Tensor(np.ones([32, 32, 3, 3]), mindspore.float32) >>> conv2d = ops.Conv2D(out_channel=32, kernel_size=3, pad_mode="pad", ... pad=(4, 10, 4, 10), stride=(2, 4), dilation=2, group=2) >>> output = conv2d(x, weight) >>> print(output.shape) (10, 32, 21, 11)