DML_FOLD_OPERATOR_DESC結構 （directml.h）

將從滑動視窗形成的修補程式數位結合成包含張量的大型。

請考慮包含滑動本機區塊的批次輸入張量，例如圖形 （N，C×∏（WindowSizes），BlockCount），其中 N 是批次維度，C×∏（WindowSizes） 是視窗內的值數目（視窗有∏（WindowSizes）空間位置，每個包含 C 通道向量的空間位置，而 BlockCount 則是區塊總數。 此作業會藉由加總重疊值，將這些本機區塊結合成圖形的大型輸出張量（N，C，OutputSize[0]，OutputSize[1],...）。 自變數必須滿足：

BlocksPerDimension[d] = （ SpatialSize[d] + StartPadding[d] + EndPadding[d] - Dilations[d] * （WindowSizes[d] - 1） - 1 ） / stride[d] ） + 1

塊數 = _∏d 個塊數PerDimension[d]

地點：

• <0 = d < 維度計數

OutputSize （OutputTensor 的大小）描述滑動本機區塊之大型包含張量的空間形狀。

StartPadding、EndPadding、Strides 和 Dilations 自變數會指定如何擷取滑動區塊。

語法

struct DML_FOLD_OPERATOR_DESC
{
    const DML_TENSOR_DESC* InputTensor;
    const DML_TENSOR_DESC* OutputTensor;
    UINT DimensionCount;
    _Field_size_(DimensionCount) const UINT* WindowSizes;
    _Field_size_(DimensionCount) const UINT* Strides;
    _Field_size_(DimensionCount) const UINT* Dilations;
    _Field_size_(DimensionCount) const UINT* StartPadding;
    _Field_size_(DimensionCount) const UINT* EndPadding;
};

成員

InputTensor

類型： const DML_TENSOR_DESC*

要讀取的輸入張量。

OutputTensor

類型： const DML_TENSOR_DESC*

要寫入結果的輸出張量。

DimensionCount

類型： UINT

InputTensor 的空間維度。 DimensionCount 必須是 <= 6。

WindowSizes

類型：_Field_size_（DimensionCount） const UINT*

滑動視窗的大小。 擷取的修補程式大小。

Strides

類型：_Field_size_（DimensionCount） const UINT*

輸入空間維度中滑動視窗 （維度 WindowSizes） 的步幅。 它們與 DML_TENSOR_DESC中包含的張量步幅不同。 擷取修補程式的步驟大小。

Dilations

類型：_Field_size_（DimensionCount） const UINT*

滑動視窗 （維度 WindowSizes） 在輸入空間維度中，藉由調整核心點之間的空間，來調整滑動視窗的縮放比例。 擷取的修補。

StartPadding

類型：_Field_size_（DimensionCount） const UINT*

數位，其中包含要套用至 InputTensor 每個空間維度開頭的隱含零填補量。 開始填補來源張量。

EndPadding

類型：_Field_size_（DimensionCount） const UINT*

陣列，其中包含要套用至 InputTensor 每個空間維度結尾的隱含零填補量。 來源張量結束填補。

範例

範例 1

一個 1 通道折疊。

InputTensor: (Sizes:{1, 9, 4}, DataType:FLOAT32)
[[[ 0.,  1.,  2.,  3.],
  [ 4.,  5.,  6.,  7.],
  [ 8.,  9., 10., 11.],
  [12., 13., 14., 15.],
  [16., 17., 18., 19.],
  [20., 21., 22., 23.],
  [24., 25., 26., 27.],
  [28., 29., 30., 31.],
  [32., 33., 34., 35.]]]
DimensionCount: 2
WindowSizes: {3, 3}
Strides: {1, 1}
Dilations: {1, 1}
StartPadding: {0, 0}
EndPadding: {0, 0}
OutputTensor: (Sizes:{1, 1, 4, 4}, DataType:FLOAT32)
[[[[  0.,   5.,  13.,   9.],
   [ 14.,  38.,  54.,  32.],
   [ 38.,  86., 102.,  56.],
   [ 26.,  57.,  65.,  35.]]]]

範例 2

一個 1 通道的填補折疊。

InputTensor: (Sizes:{1, 9, 8}, DataType:FLOAT32)
[[[ 0.,  1.,  2.,  3.,  4.,  5.,  6.,  7.],
  [ 8.,  9., 10., 11., 12., 13., 14., 15.],
  [16., 17., 18., 19., 20., 21., 22., 23.],
  [24., 25., 26., 27., 28., 29., 30., 31.],
  [32., 33., 34., 35., 36., 37., 38., 39.],
  [40., 41., 42., 43., 44., 45., 46., 47.],
  [48., 49., 50., 51., 52., 53., 54., 55.],
  [56., 57., 58., 59., 60., 61., 62., 63.],
  [64., 65., 66., 67., 68., 69., 70., 71.]]]
DimensionCount: 2
WindowSizes: {3, 3}
Strides: {1, 1}
Dilations: {1, 1}
StartPadding: {1, 0}
EndPadding: {1, 0}
OutputTensor: (Sizes:{1, 1, 4, 4}, DataType:FLOAT32)
[[[[ 26.,  70., 102.,  60.],
   [ 78., 183., 231., 129.],
   [ 84., 195., 243., 135.],
   [ 82., 182., 214., 116.]]]]

範例 3

2 通道、邊框間距折疊。

InputTensor: (Sizes:{1, 18, 8}, DataType:FLOAT32)
[[[  0.,   1.,   2.,   3.,   4.,   5.,   6.,   7.],
  [  8.,   9.,  10.,  11.,  12.,  13.,  14.,  15.],
  [ 16.,  17.,  18.,  19.,  20.,  21.,  22.,  23.],
  [ 24.,  25.,  26.,  27.,  28.,  29.,  30.,  31.],
  [ 32.,  33.,  34.,  35.,  36.,  37.,  38.,  39.],
  [ 40.,  41.,  42.,  43.,  44.,  45.,  46.,  47.],
  [ 48.,  49.,  50.,  51.,  52.,  53.,  54.,  55.],
  [ 56.,  57.,  58.,  59.,  60.,  61.,  62.,  63.],
  [ 64.,  65.,  66.,  67.,  68.,  69.,  70.,  71.],
  [ 72.,  73.,  74.,  75.,  76.,  77.,  78.,  79.],
  [ 80.,  81.,  82.,  83.,  84.,  85.,  86.,  87.],
  [ 88.,  89.,  90.,  91.,  92.,  93.,  94.,  95.],
  [ 96.,  97.,  98.,  99., 100., 101., 102., 103.],
  [104., 105., 106., 107., 108., 109., 110., 111.],
  [112., 113., 114., 115., 116., 117., 118., 119.],
  [120., 121., 122., 123., 124., 125., 126., 127.],
  [128., 129., 130., 131., 132., 133., 134., 135.],
  [136., 137., 138., 139., 140., 141., 142., 143.]]]
DimensionCount: 2
WindowSizes: {3, 3}
Strides: {1, 1}
Dilations: {1, 1}
StartPadding: {1, 0}
EndPadding: {1, 0}
OutputTensor: (Sizes:{1, 2, 4, 4}, DataType:FLOAT32)
[[[[ 26.,  70., 102.,  60.],
   [ 78., 183., 231., 129.],
   [ 84., 195., 243., 135.],
   [ 82., 182., 214., 116.]],

  [[170., 358., 390., 204.],
   [294., 615., 663., 345.],
   [300., 627., 675., 351.],
   [226., 470., 502., 260.]]]]

可用性

此運算子是在 DML_FEATURE_LEVEL_6_4 中引進的。

Tensor 條件約束

InputTensor 和 OutputTensor 必須具有相同 的 DimensionCount。

Tensor 支援

需求