BinaryConvolution

バージョン名: BinaryConvolution-1

カテゴリー: 畳み込み

簡単な説明: バイナリー入力とバイナリー・カーネル・テンソルの 2D 畳み込みを計算します。

詳細な説明: この操作は通常の畳み込みとして動作しますが、バイナリーデータの計算には特殊なアルゴリズムを使用します。詳しい説明は、バイナリー・ニューラル・ネットワークとビットごとのニューラル・ネットワークを参照してください。

xnor-popcount モードの計算アルゴリズム:

• X = XNOR(input_patch, filter)、XNOR は 2 つのビットストリームに対するビット単位の演算です

• P = popcount(X)、popcount は X ビットストリーム内の 1 ビットの数です

• Output = 2 * P - B、B は P ビットストリームの合計ビット数です

属性:

• strides

  • 説明: strides は、2D 畳み込みの (y, x) 軸上で特徴マップ上のフィルターをスライドさせる距離 (ピクセル単位) です。例えば、strides が 2,1 に等しい場合は、フィルターを高さ方向に 2 ピクセルずつ、幅方向に 1 ピクセルずつスライドさせることを意味します。

  • 値の範囲: 0 から始まる整数値

  • タイプ: int[]

  • 必須: はい

• pads_begin

  • 説明: pads_begin は、各軸に沿って先頭に追加するピクセル数です。例えば、pads_begin が 1,2 に等しい場合は、入力の上部に 1 ピクセル、入力の左側に 2 ピクセルを追加することを意味します。

  • 値の範囲: 0 から始まる整数値

  • タイプ: int[]

  • 必須: はい

  • 注: auto_pad 属性が指定されている場合、この属性は無視されます。

• pads_end

  • 説明: pads_end は、各軸に沿って終了点に追加するピクセル数です。例えば、pads_end が 1,2 に等しい場合は、入力の下部に 1 ピクセル、入力の右側に 2 ピクセルを追加することを意味します。

  • 値の範囲: 0 から始まる整数値

  • タイプ: int[]

  • 必須: はい

  • 注: auto_pad 属性が指定されている場合、この属性は無視されます。

• dilations

  • 説明: dilations は、フィルター内の要素 (重み) 間の幅と高さの距離を示します。例えば、dilation が 1,1 に等しいということは、フィルター内のすべての要素が隣接していることを意味するため、通常の畳み込みと同じになります。dilation が 2,2 に等しい場合は、フィルター内のすべての要素が入力行列内の隣接する要素ではなく、距離 1 で隣接する要素と照合されることを意味します。

  • 値の範囲: 0 から始まる整数値

  • タイプ: int[]

  • 必須: はい

• mode

  • 説明: mode は、入力テンソル 0/1 値と重み 0/1 がどのように実数として解釈されるか、および結果がどのように計算されるか定義します。

  • 値の範囲:

    • xnor-popcount

  • タイプ: string

  • 必須: はい

  • 注: 入力の値 0 は -1 として解釈され、値 1 は次のように解釈されます: 1

• pad_value

  • 説明: pad_value は、パッド領域を埋めるために使用される浮動小数点値です。

  • 値の範囲: 浮動小数点数

  • タイプ: float

  • 必須: はい

• auto_pad

  • 説明: auto_pad パディングの計算方法。
    設定可能な値:

    • explicit - pads_begin と pads_end からの明示的なパディング値を使用します。

    • same_upper - 入力は出力サイズに一致するようにパディングされます。奇数のパディング値の場合、最後にパディングが追加されます。

    • same_lower - 入力は出力サイズに一致するようにパディングされます。パディング値が奇数の場合、先頭にパディングが追加されます。

    • valid - パディングを使用しません。

  • タイプ: 文字列

  • デフォルト値: explicit

  • 必須: いいえ

  • 注: auto_pad が指定されている場合、pads_begin と pads_end 属性は無視されます。

入力:

• 1: タイプ T1 およびランク 4 の入力テンソル。レイアウトは、[N, C_IN, Y, X] (バッチ数、チャネル数、空間軸 Y、X) です。必須。

• 2: タイプ T2 およびランク 4 のカーネルテンソル。レイアウトは、[C_OUT, C_IN, Y, X] (出力チャネル数、入力チャネル数、空間軸 Y、X) です。必須。

• 注: テンソル値の解釈は、mode 属性によって定義されます。

出力:

• 1: タイプ T3 およびランク 4 の出力テンソル。レイアウトは、[N, C_OUT, Y, X] (バッチの数、カーネル出力チャネルの数、空間軸 Y、X) です。

タイプ:

• T1: 値 0 または 1 を持つ任意の数値タイプ。

• T2: u1 タイプはバイナリー値 0 または 1 を持ちます。

• T3: 全範囲の値を備えた T1 タイプ。

例:

2D 畳み込み

<layer type="BinaryConvolution" ...>
    <data dilations="1,1" pads_begin="2,2" pads_end="2,2" strides="1,1" mode="xnor-popcount" pad_value="0" auto_pad="explicit"/>
    <input>
        <port id="0">
            <dim>1</dim>
            <dim>3</dim>
            <dim>224</dim>
            <dim>224</dim>
        </port>
        <port id="1">
            <dim>64</dim>
            <dim>3</dim>
            <dim>5</dim>
            <dim>5</dim>
        </port>
    </input>
    <output>
        <port id="2" precision="FP32">
            <dim>1</dim>
            <dim>64</dim>
            <dim>224</dim>
            <dim>224</dim>
        </port>
    </output>
</layer>