Dimensiones, paso, relleno y dilatación

El cálculo de dimensiones determina el direccionamiento

El paso controla la separación entre los orígenes de las ventanas de salida. La dilatación controla la separación entre las muestras dentro de un núcleo. Omiten posiciones de entrada en términos de índices distintos. Un núcleo de R muestras con dilatación D abarca D(R−1)+1 posiciones. Especifica por separado el relleno superior, inferior, izquierdo y derecho. Estos ejercicios usan relleno explícito y tamaños de salida calculados con redondeo hacia abajo, en lugar de suponer una convención automática SAME.

Sustituye la altura y los parámetros verticales por sus equivalentes horizontales para calcular la anchura de salida. Nuestro modelo didáctico devuelve cero posiciones de salida cuando el núcleo efectivo supera la entrada con relleno. Un operador de producción debe definir por separado si acepta un tensor vacío.

Ejemplos resueltos

Con H=5, R=3, paso 2, relleno superior e inferior uno y dilatación uno, la altura efectiva es tres. La altura de salida es floor((5+2−3)/2)+1=3. Cambiar la dilatación a dos hace que la altura efectiva sea cinco y da una altura de salida de dos. El paso no ha cambiado; ahora cada ventana abarca una región mayor.

Relaciona una coordenada de salida y una del núcleo mediante ih=h×S−Pt+r×D. Para h=1,r=2, la primera configuración lee 3. La configuración dilatada lee 5. Las coordenadas de entrada válidas van de cero a cuatro, así que la coordenada cinco proporciona relleno en vez de leer fuera de la matriz. El relleno representa el cero real; el almacenamiento cuantizado bruto puede codificar ese cero con un código distinto de cero.

La dirección lineal NCHW es ((nC+c)H+ih)W+iw. Para N=1,C=2,H=W=3, la coordenada (0,1,2,1) se asigna a 16 en un tensor de 18 elementos. Es la muestra central de la última fila del segundo canal. Intercambiar los ejes de canal y espaciales conserva el número de elementos, pero cambia el cálculo.

Con G grupos, el número de canales de entrada y el de salida deben ser divisibles por G. Cada salida reduce C/G canales de entrada de su grupo. Calcula los tamaños de salida, genera direcciones y comprueba todos los límites de entrada en ese orden. La especificación oficial de ONNX Conv define los atributos correspondientes de relleno explícito, paso, dilatación y grupos.