mindspore.nn.Conv2d

class mindspore.nn.Conv2d(in_channels, out_channels, kernel_size, stride=1, pad_mode='same', padding=0, dilation=1, group=1, has_bias=False, weight_init=None, bias_init=None, data_format='NCHW', dtype=mstype.float32)

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：

• in_channels (int) - Conv2d层输入Tensor的空间维度。

• out_channels (int) - Conv2d层输出Tensor的空间维度。

• kernel_size (Union[int, tuple[int]]) - 指定二维卷积核的高度和宽度。数据类型为整型或两个整型的tuple。一个整数表示卷积核的高度和宽度均为该值。两个整数的tuple分别表示卷积核的高度和宽度。

• stride (Union[int, tuple[int]]，可选) - 二维卷积核的移动步长。数据类型为整型或者长度为二或四的整型tuple。一个整数表示在高度和宽度方向的移动步长均为该值。两个整数的tuple分别表示在高度和宽度方向的移动步长。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： "same" 。

  • "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， padding 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， padding 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 padding 参数指定。如果设置此模式， padding 必须大于或等于0。

• padding (Union[int, tuple[int]]，可选) - 输入的高度和宽度方向上填充的数量。数据类型为int或包含4个整数的tuple。如果 padding 是一个整数，那么上、下、左、右的填充都等于 padding 。如果 padding 是一个有4个整数的tuple，那么上、下、左、右的填充分别等于 padding[0] 、 padding[1] 、 padding[2] 和 padding[3] 。值应该要大于等于0，默认值： 0 。

• 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) - 将过滤器拆分为组， in_channels 和 out_channels 必须可被 group 整除。如果组数等于 in_channels 和 out_channels ，这个二维卷积层也被称为二维深度卷积层。默认值： 1 。

• has_bias (bool，可选) - Conv2d层是否添加偏置参数。默认值： False 。

• weight_init (Union[Tensor, str, Initializer, numbers.Number]，可选) - 权重参数的初始化方法。它可以是Tensor，str，Initializer或numbers.Number。当使用str时，可选 "TruncatedNormal" ， "Normal" ， "Uniform" ， "HeUniform" 和 "XavierUniform" 分布以及常量 "One" 和 "Zero" 分布的值，可接受别名 "xavier_uniform" ， "he_uniform" ， "ones" 和 "zeros" 。上述字符串大小写均可。更多细节请参考 Initializer, 的值。默认值： None ，权重使用 "HeUniform" 初始化。

• bias_init (Union[Tensor, str, Initializer, numbers.Number]，可选) - 偏置参数的初始化方法。可以使用的初始化方法与 weight_init 相同。更多细节请参考 Initializer 的值。默认值： None ，偏差使用 "Uniform" 初始化。

• 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。）

• dtype (mindspore.dtype) - Parameters的dtype。默认值： mstype.float32 。

输入：

• x (Tensor) - Shape为 $(N,C_{in},H_{in},W_{in})$ 或者 $(N,H_{in},W_{in},C_{in})$ 的Tensor。

输出：

Tensor，shape为 $(N,C_{out},H_{out},W_{out})$ 或者 $(N,H_{out},W_{out},C_{out})$ 。

pad_mode为 "same" 时：

$$\begin{array}{r}\begin{array}{l}\\ H_{out}=\lceil \frac{H_{in}}{\text{stride[0]}}\rceil \\ W_{out}=\lceil \frac{W_{in}}{\text{stride[1]}}\rceil \end{array}\end{array}$$

pad_mode为 "valid" 时：

$$\begin{array}{r}\begin{array}{l}\\ H_{out}=\lceil \frac{H_{in}-\text{dilation[0]}\times (\text{kernel\_size[0]}-1)}{\text{stride[0]}}\rceil \\ W_{out}=\lceil \frac{W_{in}-\text{dilation[1]}\times (\text{kernel\_size[1]}-1)}{\text{stride[1]}}\rceil \end{array}\end{array}$$

pad_mode为 "pad" 时：

$$\begin{array}{r}\begin{array}{l}\\ H_{out}=\lfloor \frac{H_{in}+padding[0]+padding[1]-(\text{kernel\_size[0]}-1)\times \text{dilation[0]}-1}{\text{stride[0]}}+1\rfloor \\ W_{out}=\lfloor \frac{W_{in}+padding[2]+padding[3]-(\text{kernel\_size[1]}-1)\times \text{dilation[1]}-1}{\text{stride[1]}}+1\rfloor \end{array}\end{array}$$

异常：

• TypeError - 如果 in_channels ， out_channels 或者 group 不是整数。

• TypeError - 如果 kernel_size ， stride， padding 或者 dilation 既不是整数也不是tuple。

• ValueError - 如果 in_channels ， out_channels， kernel_size ， stride 或者 dilation 小于1。

• ValueError - 如果 padding 小于0。

• ValueError - 如果 pad_mode 不是 "same" ， "valid" 或 "pad" 。

• ValueError - 如果 padding 是一个长度不等于4的tuple。

• ValueError - 如果 pad_mode 不等于"pad"且 padding 不等于(0,0,0,0)。

• ValueError - 如果 data_format 既不是"NCHW"也不是"NHWC"。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> from mindspore import Tensor, nn
>>> import numpy as np
>>> net = nn.Conv2d(120, 240, 4, has_bias=False, weight_init='normal')
>>> x = Tensor(np.ones([1, 120, 1024, 640]), mindspore.float32)
>>> output = net(x).shape
>>> print(output)
(1, 240, 1024, 640)