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， $bias(C_{ou{t}_j})$ 为第 $j$ 个输出通道的偏置， $weight(C_{ou{t}_j},k)$ 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)