mindspore.mint.nn.functional.conv2d

mindspore.mint.nn.functional.conv2d(input, weight, bias=None, stride=1, padding=0, dilation=1, groups=1)

对输入Tensor计算二维卷积。通常输入的shape为 \((N, C_{in}, H_{in}, W_{in})\) 或 \((C_{in}, H_{in}, W_{in})\) ，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， \({bias}(C_{out_j})\) 为第 \(j\) 个输出通道的偏置， \({weight}(C_{out_j}, k)\) 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groups，则完整卷积核的shape为 \((C_{out}, C_{in} / \text{groups}, \text{kernel_size[0]}, \text{kernel_size[1]})\) ， 其中 groups 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 以及 ConvNets 。

警告

这是一个实验性API，后续可能修改或删除。

参数：

• input (Tensor) - shape为 \((N, C_{in}, H_{in}, W_{in})\) 或 \((N, C_{in}, H_{in}, W_{in})\) 的Tensor。

• weight (Tensor) - shape为 \((C_{out}, C_{in} / \text{groups}, \text{kernel_size[0]}, \text{kernel_size[1]})\) ，则卷积核的大小为 \((\text{kernel_size[0]}, \text{kernel_size[1]})\) 。

• bias (Tensor，可选) - 偏置Tensor，shape为 \((C_{out})\) 的Tensor。如果 bias 是 None ，将不会添加偏置。默认值： None 。

• stride (Union(int, tuple[int])，可选) - 卷积核移动的步长，数据类型为int，或者由2个int组成的tuple。一个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。默认值： 1 。

• padding (Union[int, tuple[int], str]，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2个整数的tuple或string { "valid" ， "same" } 。如果 padding 是一个整数，那么 padding_{H} 和 padding_{W} 都等于 padding 。如果 padding 是一个有2个整数的tuple，那么 padding_{H} 和 padding_{W} 分别等于 padding[0] 和 padding[1] 。值应该要大于等于0。默认值： 0 。

  • "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。若设置该模式，stride 的值必须为1。

  • "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。

• dilation (Union(int, tuple[int])，可选) - 卷积核元素间的间隔。数据类型为int或由2个int组成的tuple。若 \(k > 1\) ，则卷积核间隔 k 个元素进行采样。垂直和水平方向上的 k ，其取值范围分别为[1, H]和[1, W]。默认值： 1 。

• groups (int，可选) - 将过滤器拆分为组。默认值： 1 。

  • \((C_{in} \text{ % } \text{groups} == 0)\) ， \((C_{out} \text{ % } \text{groups} == 0)\) ， \((C_{out} >= \text{groups})\) ， \((\text{kernel_size[1]} = C_{in} / \text{groups})\) 。

返回：

Tensor，卷积后的值。shape为 \((N, C_{out}, H_{out}, W_{out})\) 。 要了解不同的填充模式如何影响输出shape，请参考 mindspore.mint.nn.Conv2d 以获取更多详细信息。

异常：

• ValueError - 输入特征图的大小与参数应满足输出公式，以确保输出特征图大小为正，否则会报错。输出公式请参考 mindspore.mint.nn.Conv2d 以获取更多详细信息。

• RuntimeError - Ascend上受不同型号NPU芯片上L1缓存大小限制，用例尺寸或Kernel Size不能过大。

• TypeError - 如果 in_channels ， out_channels 或者 groups 不是int。

• TypeError - 如果 kernel_size ， stride 或 dilation 既不是int也不是tuple。

• TypeError - 如果 bias 不是Tensor。

• ValueError - 如果 bias 的shape不是 \((C_{out})\) 。

• ValueError - 如果 stride 或 diation 小于1。

• ValueError - 如果 padding 是 "same" ， stride 不等于1。

• ValueError - 输入参数不满足卷积输出公式。

• ValueError - KernelSize 不能超过输入特征图的大小。

• ValueError - padding 值不能导致计算区域超出输入大小。

支持平台：

Ascend

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, mint, mint
>>> x = Tensor(np.ones([10, 32, 32, 32]), mindspore.float32)
>>> weight = Tensor(np.ones([32, 32, 3, 3]), mindspore.float32)
>>> output = mint.nn.functional.conv2d(x, weight)
>>> print(output.shape)
(10, 32, 30, 30)