ConvInteger¶

ConvInteger - 10¶

此版本的操作符已在 版本 10 中提供。

整数卷积运算符使用输入张量、其零点、滤波器及其零点，并计算输出。乘积绝不能溢出。累加仅在32位情况下可能溢出。

auto_pad - 字符串 (默认为 'NOTSET')

auto_pad 必须是 NOTSET、SAME_UPPER、SAME_LOWER 或 VALID。默认值为 NOTSET，表示使用显式填充。SAME_UPPER 或 SAME_LOWER 表示对输入进行填充，使得对于每个轴 i，output_shape[i] = ceil(input_shape[i] / strides[i])。填充在两侧均匀或几乎均匀地分布（取决于它是偶数还是奇数）。如果填充是奇数，则额外的填充在 SAME_UPPER 的末尾添加，在 SAME_LOWER 的开头添加。
dilations - 整数 :

滤波器沿每个空间轴的膨胀值。如果不存在，膨胀默认为沿每个轴为1。
group - 整数 (默认为 '1')

输入通道和输出通道分组的数量。默认为1。
kernel_shape - 整数 :

卷积核的形状。如果不存在，应从输入 'w' 推断。
pads - 整数 :

沿每个空间轴的开始和结束填充，它可以取任何大于或等于0的值。该值表示添加到相应轴的开始和结束部分的像素数。pads 格式应如下所示 [x1_begin, x2_begin…x1_end, x2_end,…]，其中 xi_begin 是添加到轴 i 开头的像素数，xi_end 是添加到轴 i 末尾的像素数。此属性不能与 auto_pad 属性同时使用。如果不存在，填充默认为沿每个空间轴的开始和结束为0。
strides - 整数 :

沿每个空间轴的步幅。如果不存在，步幅默认为沿每个轴为1。

2 到 4 个输入。

x (异构) - T1

来自前一层的输入数据张量；大小为 (N x C x H x W)，其中 N 是批次大小，C 是通道数，H 和 W 是高度和宽度。请注意，这是针对2D图像的。否则大小为 (N x C x D1 x D2 … x Dn)。可选地，如果维度表示生效，操作期望输入数据张量带有 [DATA_BATCH, DATA_CHANNEL, DATA_FEATURE, DATA_FEATURE …] 的维度表示。
w (异构) - T2

将用于卷积的权重张量；大小为 (M x C/group x kH x kW)，其中 C 是通道数，kH 和 kW 是核的高度和宽度，M 是特征图的数量。对于超过2维的情况，核形状将是 (M x C/group x k1 x k2 x … x kn)，其中 (k1 x k2 x … kn) 是核的维度。可选地，如果维度表示生效，操作期望权重张量带有 [FILTER_OUT_CHANNEL, FILTER_IN_CHANNEL, FILTER_SPATIAL, FILTER_SPATIAL …] 的维度表示。X.shape[1] == (W.shape[1] * group) == C (假设形状数组使用基于零的索引)。换句话说，FILTER_IN_CHANNEL 应等于 DATA_CHANNEL。
x_zero_point (可选，异构) - T1

输入 'x' 的零点张量。它是可选的，默认值为0。它是一个标量，表示按张量/层量化。
w_zero_point (可选，异构) - T2

输入 'w' 的零点张量。它是可选的，默认值为0。它可能是一个标量或一个1D张量，表示按张量/层或按输出通道量化。如果它是一个1D张量，其元素数量应等于输出通道数 (M)。