आकार, स्ट्राइड, पैडिंग और डाइलेशन

आकार गणना एड्रेसिंग चलाती है

स्ट्राइड आउटपुट विंडो मूलों की दूरी नियंत्रित करता है। डाइलेशन एक कर्नेल के नमूनों की दूरी नियंत्रित करता है। वे सूचकांक के अलग पदों में इनपुट स्थान छोड़ते हैं। डाइलेशन D वाला R नमूनों का कर्नेल D(R−1)+1 स्थानों में फैला है। ऊपर, नीचे, बाएँ और दाएँ पैडिंग अलग तय करें। अभ्यास स्वचालित SAME मानने के बजाय स्पष्ट पैडिंग और फ़्लोर आधारित आउटपुट आकार लेते हैं।

आउटपुट चौड़ाई के लिए ऊँचाई और लंबवत पैरामीटर के बदले क्षैतिज लें। प्रभावी कर्नेल पैड इनपुट से बड़ा हो तो शिक्षण मॉडल शून्य आउटपुट स्थान लौटाता है। उत्पादन ऑपरेटर को खाली टेंसर स्वीकार करना अलग तय करना चाहिए।

हल किए उदाहरण

H=5, R=3, स्ट्राइड 2, ऊपर और नीचे पैडिंग एक तथा डाइलेशन एक में प्रभावी ऊँचाई तीन है। आउटपुट ऊँचाई floor((5+2−3)/2)+1=3। डाइलेशन दो करने से प्रभावी ऊँचाई पाँच और आउटपुट दो है। स्ट्राइड नहीं बदला; हर विंडो अब बड़ा क्षेत्र ढकती है।

आउटपुट और कर्नेल निर्देशांक ih=h×S−Pt+r×D से मैप करें। h=1,r=2 में पहला विन्यास 3 पढ़ता है। डाइलेट किया विन्यास 5 पढ़ता है। वैध इनपुट शून्य से चार हैं, इसलिए पाँच सरणी सीमा पार पढ़ने के बजाय पैडिंग देता है। पैडिंग वास्तविक शून्य है; कच्चे क्वांटाइज़ भंडारण में वह गैरशून्य कोड हो सकता है।

NCHW रैखिक पता ((nC+c)H+ih)W+iw है। N=1,C=2,H=W=3 में (0,1,2,1) का पता 18-तत्व टेंसर में 16 है। यह दूसरे चैनल की अंतिम पंक्ति का बीच नमूना है। चैनल और स्थानिक अक्ष बदलने से तत्व संख्या वही रहती है लेकिन गणना बदलती है।

G समूहों में इनपुट और आउटपुट चैनल संख्या G से विभाजित होनी चाहिए। हर आउटपुट अपने समूह के C/G इनपुट चैनल जोड़ता है। इस क्रम में आउटपुट आकार निकालें, पते बनाएँ और हर इनपुट सीमा जाँचें। आधिकारिक ONNX Conv विनिर्देश संबंधित स्पष्ट पैडिंग, स्ट्राइड, डाइलेशन और समूह गुण बताता है।