Conv2D¶
- class paddle.sparse.nn. Conv2D ( in_channels, out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, padding_mode='zeros', weight_attr=None, bias_attr=None, data_format='NHWC' ) ¶
稀疏二维卷积层
二维稀疏卷积层(Sparse convolution2d layer)根据输入、卷积核、步长(stride)、填充(padding)、空洞大小(dilations)、组参数(groups)计算得到输出特征。
输入(Input)和输出(Output)是形状为[N,H,W,C]的多维稀疏坐标格式张量(SparseCooTensors)。
其中 N 是批量大小,C 是通道数,H 是特征的高度,W 是特征层宽度。如果 bias_attr 不为 False,卷积计算会添加偏置项。
对于每个输入 X,计算公式为:
其中:
\(X\):输入值,NHWC 格式的 Tensor
\(W\):卷积核值,HWCM 格式的 Tensor
\(*\):卷积操作
\(b\):偏置值,1-D Tensor,形为
[M]
\(Out\):输出值,NHWC 格式的 Tensor,和
X
的形状可能不同
参数¶
in_channels (int) - 输入图像的通道数。
out_channels (int) - 由卷积操作产生的输出的通道数。
kernel_size (int|list|tuple) - 卷积核大小。
stride (int|list|tuple,可选) - 步长大小。可以为单个整数或包含三个整数的元组或列表,分别表示卷积沿着深度,高和宽的步长。如果为单个整数,表示沿着高和宽的步长都等于该整数。默认值:1。
padding (int|str|tuple|list,可选) - 填充大小。填充可以是以下形式之一:
字符串 ['valid', 'same']。
一个整数,表示每个空间维度(高度、宽度)的零填充大小。
长度为空间维度数量的列表[int]或元组[int],包含每个空间维度两边的填充量。形式为 [pad_d1, pad_d2, ...]。
长度为空间维度数量的两倍的列表[int]或元组[int]。形式为 [pad_before, pad_after, pad_before, pad_after, ...]。
成对整数的列表或元组。形式为 [[pad_before, pad_after], [pad_before, pad_after], ...]。
注意,批量维度和通道维度也包括在内。每对整数对应输入的一个维度的填充量。批量维度和通道维度的填充应为 [0, 0] 或 (0, 0)。默认值为 0。
dilation (int|list|tuple,可选) - 空洞大小。可以为单个整数或包含三个整数的元组或列表,分别表示卷积核中的元素沿着深度,高和宽的空洞。如果为单个整数,表示深度,高和宽的空洞都等于该整数。默认值:1。
groups (int,可选) - 二维卷积层的组数。根据 Alex Krizhevsky 的深度卷积神经网络(CNN)论文中的成组卷积:当 group=n,输入和卷积核分别根据通道数量平均分为 n 组,第一组卷积核和第一组输入进行卷积计算,第二组卷积核和第二组输入进行卷积计算,……,第 n 组卷积核和第 n 组输入进行卷积计算。默认值:1。
padding_mode (str,可选) - 填充模式。包括
'zeros'
,'reflect'
,'replicate'
或者'circular'
。默认值:'zeros'
。weight_attr (ParamAttr,可选) - conv2d 的可学习参数/权重的参数属性。如果设置为 None 或 ParamAttr 的一个属性,conv2d 将创建 ParamAttr 作为 param_attr。如果设置为 None,则参数初始化为 \(Normal(0.0, std)\),\(std\) 为 \((\frac{2.0 }{filter\_elem\_num})^{0.5}\)。默认值为 None。
bias_attr (ParamAttr|bool,可选) - conv2d 的偏置参数属性。如果设置为 False,则不会在输出单元中添加偏置。如果设置为 None 或 ParamAttr 的一个属性,conv2d 将创建 ParamAttr 作为 bias_attr。如果 bias_attr 的初始化器未设置,则偏置初始化为零。默认值为 None。
data_format (str,可选) - 指定输入的数据格式。可以是 "NCHW" 或 "NHWC"。目前仅支持 "NHWC"。N 是批尺寸,C 是通道数,D 是特征深度,H 是特征高度,W 是特征宽度。默认值:"NDHWC"。 当前只支持"NDHWC"。
形状¶
输入:\((N, H_{in}, W_{in}, C_{in})\)
卷积核:\((K_{h}, K_{w}, C_{in}, C_{out})\)
偏置:\((C_{out})\)
输出:\((N, H_{out}, W_{out}, C_{out})\)
其中
\[ \begin{align}\begin{aligned}H_{out}&= \frac{(H_{in} + 2 * paddings[0] - (dilations[0] * (kernel\_size[0] - 1) + 1))}{strides[0]} + 1\\W_{out}&= \frac{(W_{in} + 2 * paddings[1] - (dilations[1] * (kernel\_size[1] - 1) + 1))}{strides[1]} + 1\end{aligned}\end{align} \]
代码示例¶
COPY-FROM: paddle.sparse.nn.Conv2D