subm_conv2d

paddle.sparse.nn.functional. subm_conv2d ( x, weight, bias=None, stride=1, padding=0, dilation=1, groups=1, data_format='NHWC', key=None, name=None ) [源代码]

稀疏子流形二维卷积函数根据输入卷积核计算输出以及步长（stride）、填充（padding）、空洞大小（dilations）一组参数。 输入(Input)和输出(Output)是多维稀疏张量(SparseCooTensors), 其形状为 \([N, H, W, C]\) 。 其中 N 是批次大小, C 是通道数, H 是特征的高度, W 是特征的宽度。 如果提供了偏差归因，则将偏差添加到卷积的输出中。

对于每一个输入 \(X\), 其计算公式为:

\[Out = \sigma (W \ast X + b)\]

在上面的等式中:

  • \(X\): 输入值, NHWC 格式的张量。

  • \(W\): 卷积核值, NHWC 格式的张量。

  • \(\\ast\): 子流形卷积操作，参考论文: https://arxiv.org/abs/1706.01307.

  • \(b\): 偏置值, 形状为[M]的一维张量。

  • \(Out\): 输出值, \(Out\) 的形状可能和 \(X\) 有不同。

参数

  • x (Tensor): 输入是形状为 [N, H, W, C] 的四维稀疏张量， 输入数据类型为 float16、float32 或 float64。

  • weight (Tensor): 形状为 [kH, kW, C/g, M] 的卷积核，其中 M 是卷积核(输出通道)的数量, g 是组的数量, kD、kH、kW 分别是卷积核的高度和宽度。

  • bias (Tensor, optional): 偏差, 形状为 [M] 的张量。

  • stride (int|list|tuple, optional): 步长大小， 意味着卷积的步长。如果步长为 list/tuple, 它必须包含两个整数 (stride_height, stride_width)。否则, stride_height = stride_width = stride。stride 的默认值为 1。

  • padding (string|int|list|tuple, optional): 填充大小。它表示零填充在每个维度的两侧的数量。 如果 'padding' 是字符串，则 'VALID' 或 'SAME' 是填充算法。 如果填充大小是元组或列表，它可以有三种形式：'[pad_heigh, pad_width]' 或 '[pad_height_top, pad_height_bottom, pad_width_left, pad_width_right]'。 当 'data_format' 为 'NHWC' 时, 'padding' 可以采用以下形式 '[[0,0], [pad_height_top, pad_height_bottom], [pad_width_left, pad_width_right], [0,0]]'。padding 的默认值为 0。

  • dilation (int|list|tuple, optional): 空洞大小。它表示内核点之间的间距。 如果 dilation 是列表/元组，则它必须包含两个整数 (dilation_height、dilation_width)。 否则, dilation_height = dilation_width = dilation。 dilation 的默认值为 1。

  • groups (int, optional): 二维卷积层的组号。根据 Alex Krizhevsky 的 Deep CNN 论文中的卷积分组： 当 group=2 时，卷积核的前半部分仅连接到前半部分的输入通道，而卷积核的后半部分仅连接到输入通道的后半部分。 groups 的默认值为 1。目前, 只有 support groups=1。

  • data_format (str, optional): 指定输入的数据格式和输出的数据格式将与输入一致。即 "NHWC" 的可选字符串。默认值为 "NHWC"。 当它是 "NHWC" 时, 数据按以下顺序存储：[batch_size, input_height, input_width, input_channels]。

  • key(str, optional):用于保存或使用相同规则手册的密钥，规则手册的定义和作用是指 https://pdfs.semanticscholar.org/5125/a16039cabc6320c908a4764f32596e018ad3.pdf。默认值为 None。

  • name(str, optional):有关详细信息，请参阅到 Name。通常名称是不需要设置的, 并且默认情况下为空。

返回

  • 表示二维卷积的多维稀疏张量(SparseCooTenstor), 其数据类型与输入相同。

代码示例

>>> import paddle

>>> indices = [[0, 0, 0, 0], [0, 0, 1, 2], [1, 3, 2, 3]]
>>> values = [[1], [2], [3], [4]]
>>> indices = paddle.to_tensor(indices, dtype='int32')
>>> values = paddle.to_tensor(values, dtype='float32')
>>> dense_shape = [1, 3, 4, 1]
>>> sparse_x = paddle.sparse.sparse_coo_tensor(indices, values, dense_shape, stop_gradient=True)
>>> weight = paddle.randn((3, 3, 1, 1), dtype='float32')
>>> y = paddle.sparse.nn.functional.subm_conv2d(sparse_x, weight)
>>> print(y.shape)
[1, 3, 4, 1]