用法:
mxnet.symbol.Convolution(data=None, weight=None, bias=None, kernel=_Null, stride=_Null, dilate=_Null, pad=_Null, num_filter=_Null, num_group=_Null, workspace=_Null, no_bias=_Null, cudnn_tune=_Null, cudnn_off=_Null, layout=_Null, name=None, attr=None, out=None, **kwargs)- data：(
Symbol) - 將數據輸入到 ConvolutionOp。 - weight：(
Symbol) - 權重矩陣。 - bias：(
Symbol) - 偏置參數。 - kernel：(
Shape(tuple),required) - 卷積核大小：(w,), (h, w) 或 (d, h, w) - stride：(
Shape(tuple),optional,default=[]) - 卷積步幅：(w,)、(h, w) 或 (d, h, w)。每個維度默認為 1。 - dilate：(
Shape(tuple),optional,default=[]) - 卷積膨脹：(w,)、(h, w) 或 (d, h, w)。每個維度默認為 1。 - pad：(
Shape(tuple),optional,default=[]) - 卷積的零填充：(w,)、(h, w) 或 (d, h, w)。默認為無填充。 - num_filter：(
int(non-negative),required) - 卷積濾波器(通道)編號 - num_group：(
int(non-negative),optional,default=1) - 組分區數。 - workspace：(
long(non-negative),optional,default=1024) - 卷積中允許的最大臨時工作空間 (MB)。此參數有兩種用法。當不使用 CUDNN 時，它決定了卷積核的有效批大小。當使用 CUDNN 時，它控製用於調整最佳 CUDNN 內核的最大臨時存儲空間limited_workspace使用策略。 - no_bias：(
boolean,optional,default=0) - 是否禁用偏差參數。 - cudnn_tune：(
{None,'fastest','limited_workspace','off'},optional,default='None') - 是否通過運行性能測試來選擇卷積算法。 - cudnn_off：(
boolean,optional,default=0) - 關閉此層的 cudnn。 - layout：(
{None,'NCDHW','NCHW','NCW','NDHWC','NHWC'},optional,default='None') - 設置輸入、輸出和權重的布局。默認布局為空：NCW 表示 1d，NCHW 表示 2d，NCDHW 表示 3d。NHWC 和 NDHWC 僅在 GPU 上支持。 - name：(
string,optional.) - 結果符號的名稱。
- data：(
結果符號。
參數：
返回：
返回類型：
在
(N+2)-D 輸入上計算N-D 卷積。在二維卷積中，給定形狀為
(batch_size, channel, height, width)的輸入數據，輸出由下式計算其中 是二維互相關算子。
對於一般的二維卷積，形狀是
- data：
(batch_size, channel, height, width) - weight：
(num_filter, channel, kernel[0], kernel[1]) - bias：
(num_filter,) - out：
(batch_size, num_filter, out_height, out_width).
定義：
f(x,k,p,s,d) = floor((x+2*p-d*(k-1)-1)/s)+1那麽我們有：
out_height=f(height, kernel[0], pad[0], stride[0], dilate[0]) out_width=f(width, kernel[1], pad[1], stride[1], dilate[1])如果
no_bias設置為 true，則忽略bias項。默認數據
layout為NCHW，即(batch_size, channel, height, width)。我們可以選擇其他布局，例如NWC。如果
num_group大於 1，用g表示，則將輸入data沿通道軸均勻拆分為g部分，並沿第一維均勻拆分weight。接下來計算i-th 數據部分與i-th 權重部分的卷積。通過連接所有g結果獲得輸出。一維卷積沒有
height維度，但在空間中隻有width。- data：
(batch_size, channel, width) - weight：
(num_filter, channel, kernel[0]) - bias：
(num_filter,) - out：
(batch_size, num_filter, out_width).
除了
height和width之外，3-D 卷積還增加了一個額外的depth維度。形狀是- data：
(batch_size, channel, depth, height, width) - weight：
(num_filter, channel, kernel[0], kernel[1], kernel[2]) - bias：
(num_filter,) - out：
(batch_size, num_filter, out_depth, out_height, out_width).
weight和bias都是可學習的參數。還有其他選項可以調整性能。
- cudnn_tune：啟用此選項會導致更長的啟動時間，但可能會提供更快的速度。選項是
- off: 沒有調
- limited_workspace：運行測試並選擇不超過工作空間限製的最快算法。
- fastest：選擇最快的算法並忽略工作空間限製。
- None(默認)：行為由環境變量決定
MXNET_CUDNN_AUTOTUNE_DEFAULT. 0 表示關閉，1 表示有限工作空間(默認)，2 表示最快。
- workspace：大量會導致更多(GPU)內存使用，但可能會提高性能。
相關用法
- Python mxnet.symbol.Concat用法及代碼示例
- Python mxnet.symbol.Cast用法及代碼示例
- Python mxnet.symbol.op.broadcast_logical_xor用法及代碼示例
- Python mxnet.symbol.op.log_softmax用法及代碼示例
- Python mxnet.symbol.space_to_depth用法及代碼示例
- Python mxnet.symbol.random_pdf_poisson用法及代碼示例
- Python mxnet.symbol.argmin用法及代碼示例
- Python mxnet.symbol.linalg_potrf用法及代碼示例
- Python mxnet.symbol.contrib.dgl_graph_compact用法及代碼示例
- Python mxnet.symbol.op.SliceChannel用法及代碼示例
- Python mxnet.symbol.op.linalg_trmm用法及代碼示例
- Python mxnet.symbol.sparse.exp用法及代碼示例
- Python mxnet.symbol.Symbol.attr用法及代碼示例
- Python mxnet.symbol.sparse.zeros_like用法及代碼示例
- Python mxnet.symbol.Symbol.get_children用法及代碼示例
- Python mxnet.symbol.op.broadcast_plus用法及代碼示例
- Python mxnet.symbol.linalg.makediag用法及代碼示例
- Python mxnet.symbol.op.broadcast_mul用法及代碼示例
- Python mxnet.symbol.fix用法及代碼示例
- Python mxnet.symbol.broadcast_hypot用法及代碼示例
- Python mxnet.symbol.linalg_gelqf用法及代碼示例
- Python mxnet.symbol.op.reciprocal用法及代碼示例
- Python mxnet.symbol.choose_element_0index用法及代碼示例
- Python mxnet.symbol.pow用法及代碼示例
- Python mxnet.symbol.op.argmax用法及代碼示例
注：本文由純淨天空篩選整理自apache.org大神的英文原創作品 mxnet.symbol.Convolution。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。