conv2d_backprop_filter

功能说明

在给定5HD格式的Data和5HD格式的out_backprop的情况下计算float32的2-D反卷积。

Data tensor 的shape是5HD，即（N, C1, H, W, C0）；out_backprop Tensor 的shape是 5HD，即（N, C1, H, W, C0）。

函数原型

conv2d_backprop_filter(input_x, out_backprop, filter_sizes, para_dict)

参数说明

• input_x：2d卷积的FeatureMap，tensor，5HD格式，目前支持float16类型
• out_backprop：2d卷积的输出反向，目前支持float16类型
• filter_size：2d卷积的权重矩阵大小
• para_dict：字典格式，包含各种参数，后续参数扩展一般都在para_dict
  其中目前在para_dict里要传递的参数：

  • strides：list类型，2d卷积在FeatureMap HW方向的移动步长。
  • padding：list类型，2d卷积在FeatureMap HW方向的补边。
  • dilations：list类型，2d卷积在Filter HW方向的膨胀系数。
  • groups：2d卷积的Filter Group，默认值为1。
  • res_dtype：输出的数据类型。
  • kernel_name：算子名称。

返回值

res_tensor：表示卷积计算的tensor，即卷积计算的结果输出。

约束说明

此接口暂不支持与其他TBE DSL计算接口混合使用。

支持的芯片型号

Atlas 200/300/500 推理产品

Atlas 训练系列产品

调用示例

from tbe import tvm
from tbe import dsl

out_backprop_shape = (1, 1, 7, 7, 16)
out_backprop_dtype = "float16"
fmap_shape = (1, 1, 7, 7, 16)
fmap_dtype = "float16"
filter_sizes = (16, 16, 1, 1)

out_backprop = tvm.placeholder(out_backprop_shape, name="out_backprop", dtype=out_backprop_dtype)
fmap = tvm.placeholder(fmap_shape, name="fmap", dtype=fmap_dtype)

strides = [1, 1]
padding = [0, 0, 0, 0]
dilations = [1, 1, 1, 1]
groups = 1
res_dtype = "float32"
kernel_name = "conv2d_backprop_filter_dx_1_1_7_7_16_dy_1_1_7_7_16_dw_16_16_1_1_s_1_1_p_SAME"

para_dict = {
    "strides": strides,
    "padding": padding,
    "dilations": dilations,
    "groups": groups,
    "res_dtype": res_dtype,
    "kernel_name": kernel_name
}

filter_backprop = dsl.conv2d_backprop_filter(
    input_x=fmap,
    out_backprop=out_backprop,
    filter_sizes=filter_sizes,
    para_dict=para_dict
)