Conv2D（废 弃）

产 品 支 持 情 况

产 品	是 否 支 持
Ascend 950PR/Ascend 950DT	x
Atlas A3 训 练 系 列 产 品/Atlas A3 推 理 系 列 产 品	x
Atlas A2 训 练 系 列 产 品/Atlas A2 推 理 系 列 产 品	x
Atlas 200I/500 A2 推 理 产 品	x
Atlas 推 理 系 列 产 品AI Core	√
Atlas 推 理 系 列 产 品Vector Core	x
Atlas 训 练 系 列 产 品	√

功 能 说 明

该 接 口 废 弃，并 将 在 后 续 版 本 移 除，请 不 要 使 用 该 接 口。

计 算 给 定 输 入 张 量 和 权 重 张 量 的2-D卷 积，输 出 结 果 张 量。Conv2d卷 积 层 多 用 于 图 像 识 别，使 用 过 滤 器 提 取 图 像 中 的 特 征。

函 数 原 型

Text

template <typename T, typename U>
__aicore__ inline void Conv2D(const LocalTensor<T>& dst, const LocalTensor<U>& featureMap, const LocalTensor<U>& weight, Conv2dParams& conv2dParams, Conv2dTilling& tilling)

入 参 中 的tiling结 构 需 要 通 过 如 下 切 分 方 案 计 算 接 口 来 获 取：

Text

template <typename T>
__aicore__ inline Conv2dTilling GetConv2dTiling(Conv2dParams& conv2dParams)

参 数 说 明

表 1 接 口 参 数 说 明

参 数 名 称	类 型	说 明
dst	输 出	目 的 操 作 数。 Atlas 训 练 系 列 产 品，支 持 的TPosition为：CO1，CO2 Atlas 推 理 系 列 产 品AI Core，支 持 的TPosition为：CO1，CO2 结 果 中 有 效 张 量 格 式 为[Cout/16, Ho, Wo, 16]，大 小 为Cout * Ho * Wo，Ho与Wo可 以 根 据 其 他 数 据 计 算 得 出。 Ho = floor((H + pad_top + pad_bottom - dilation_h * (Kh - 1) - 1) / stride_h + 1) Wo = floor((W + pad_left + pad_right - dilation_w * (Kw - 1) - 1) / stride_w + 1) 由 于 硬 件 要 求Ho*Wo需 为16倍 数，在 申 请dst Tensor时，shape应 向 上16对 齐，实 际 申 请shape大 小 应 为Cout * round_howo。 round_howo = ceil(Ho * Wo /16) * 16。
featureMap	输 入	输 入 张 量，Tensor的TPosition为A1。 输 入 张 量“feature_map”的 形 状，格 式 是[C1, H, W, C0]。 C1*C0为 输 入 的channel数，要 求 如 下： 当feature_map的 数 据 类 型 为half时，C0=16。 当feature_map的 数 据 类 型 为int8_t时，C0=32。 C1取 值 范 围：[1,4], 输 入 的channel的 范 围：[16，32，64，128]。 H为 高，取 值 范 围：[1,40]。 W为 宽，取 值 范 围：[1,40]。
weight	输 入	卷 积 核（权 重）张 量，Tensor的TPosition为B1。 卷 积 核 张 量“weight”的 形 状，格 式 是[C1, Kh, Kw, Cout, C0]。 C1*C0为 输 入 的channel数，对 于C0要 求 如 下： 当feature_map的 数 据 类 型 为half时，C0=16。 当feature_map的 数 据 类 型 为int8_t时，C0=32。 C1取 值 范 围：[1,4]。 kernel_shape输 入 的channel数 需 与fm_shape输 入 的channel数 保 持 一 致。 Cout为 卷 积 核 数 目，取 值 范 围：[16，32，64，128]， Cout必 须 为16的 倍 数。 Kh为 卷 积 核 高；值 的 范 围：[1,5]。 Kw表 示 卷 积 核 宽；值 的 范 围：[1,5]。
conv2dParams	输 入	输 入 矩 阵 形 状 等 状 态 参 数，类 型 为Conv2dParams。结 构 体 具 体 定 义 为： struct Conv2dParams { uint32_t imgShape[CONV2D_IMG_SIZE]; // [H, W] uint32_t kernelShapeIn[CONV2D_KERNEL_SIZE]; // [Kh, Kw] uint32_t stride[CONV2D_STRIDE]; // [stride_h, stride_w] uint32_t cin; // cin = C0 * C1; uint32_t cout; uint32_t padList[CONV2D_PAD]; // [pad_left, pad_right, pad_top, pad_bottom] uint32_t dilation[CONV2D_DILATION]; // [dilation_h, dilation_w] uint32_t initY; uint32_t partialSum; };
tilling	输 入	分 形 控 制 参 数，类 型 为Conv2dTilling。结 构 体 具 体 定 义 为： struct Conv2dTilling { const uint32_t blockSize = 16; // # M block size is always 16 LoopMode loopMode = LoopMode::MODE_NM; Text uint32_t c0Size = 32; uint32_t dTypeSize = 1; uint32_t strideH = 0; uint32_t strideW = 0; uint32_t dilationH = 0; uint32_t dilationW = 0; uint32_t hi = 0; uint32_t wi = 0; uint32_t ho = 0; uint32_t wo = 0; uint32_t height = 0; uint32_t width = 0; uint32_t howo = 0; uint32_t mNum = 0; uint32_t nNum = 0; uint32_t kNum = 0; uint32_t mBlockNum = 0; uint32_t kBlockNum = 0; uint32_t nBlockNum = 0; uint32_t roundM = 0; uint32_t roundN = 0; uint32_t roundK = 0; uint32_t mTileBlock = 0; uint32_t nTileBlock = 0; uint32_t kTileBlock = 0; uint32_t mIterNum = 0; uint32_t nIterNum = 0; uint32_t kIterNum = 0; uint32_t mTileNums = 0; bool mHasTail = false; bool nHasTail = false; bool kHasTail = false; uint32_t kTailBlock = 0; uint32_t mTailBlock = 0; uint32_t nTailBlock = 0; uint32_t mTailNums = 0; };

表 2 Conv2DParams结 构 体 内 参 数 说 明：

参 数 名 称	类 型	说 明
imgShape	vector<int>	输 入 张 量“feature_map”的 形 状，格 式 是[ H, W]。 H为 高，取 值 范 围：[1,40]。 W为 宽，取 值 范 围：[1,40]。
kernelShape	vector<int>	卷 积 核 张 量“weight”的 形 状，格 式 是[Kh, Kw]。 Kh为 高，取 值 范 围：[1,5]。 Kw为 宽，取 值 范 围：[1,5]。
stride	vector<int>	卷 积 步 长，格 式 是[stride_h, stride_w]。 stride_h表 示 步 长 高， 值 的 范 围：[1,4]。 stride_w表 示 步 长 宽， 值 的 范 围：[1,4]。
cin	int	分 形 排 布 参 数，Cin = C1 * C0，Cin为 输 入 的channel数，C1取 值 范 围：[1,4]。 当feature_map的 数 据 类 型 为float时，C0=8。输 入 的channel的 范 围：[8，16，24，32]。 当feature_map的 数 据 类 型 为half时，C0=16。输 入 的channel的 范 围：[16，32，48，64]。 当feature_map的 数 据 类 型 为int8_t时，C0=32。输 入 的channel的 范 围：[32，64，96，128]。
cout	int	Cout为 卷 积 核 数 目，取 值 范 围：[16，32，64，128]， Cout必 须 为16的 倍 数。
padList	vector<int>	padding行 数/列 数，格 式 是[pad_left, pad_right, pad_top, pad_bottom]。 pad_left为feature_map左 侧pad列 数，范 围[0,4]。pad_right为feature_map右 侧pad列 数，范 围[0,4]。 pad_top为feature_map顶 部pad行 数，范 围[0,4]。 pad_bottom为feature_map底 部pad行 数，范 围[0,4]。
dilation	vector<int>	空 洞 卷 积 参 数，格 式[dilation_h, dilation_w]。 dilation_h为 空 洞 高，范 围：[1,4]。 dilation_w为 空 洞 宽，范 围：[1,4]。 膨 胀 后 卷 积 核 宽 为dilation_w * (Kw - 1) + 1，高 为dilation_h * (Kh - 1) + 1。
initY	uint32_t	表 示dst是 否 需 要 初 始 化。 取 值0：不 使 用bias，L0C需 要 初 始 化，dst初 始 矩 阵 保 存 有 之 前 结 果，新 计 算 结 果 会 累 加 前 一 次conv2d计 算 结 果。 取 值1：不 使 用bias，L0C不 需 要 初 始 化，dst初 始 矩 阵 中 数 据 无 意 义，计 算 结 果 直 接 覆 盖dst中 的 数 据。
partialSum	uint32_t	当dst参 数 所 在 的TPosition为CO2时，通 过 该 参 数 控 制 计 算 结 果 是 否 搬 出。 取 值0：搬 出 计 算 结 果 取 值1：不 搬 出 计 算 结 果，可 以 进 行 后 续 计 算

表 3 Conv2dTilling结 构 体 内 参 数 说 明

参 数 名 称	类 型	说 明
blockSize	uint32_t	固 定 值，恒 为16，一 个 维 度 内 存 放 的 元 素 个 数。
loopMode	LoopMode	遍 历 模 式，结 构 体 具 体 定 义 为： enum class LoopMode { MODE_NM = 0, MODE_MN = 1, MODE_KM = 2, MODE_KN = 3 };
c0Size	uint32_t	一 个block的 字 节 长 度，范 围[16或 者32]。
dtypeSize	uint32_t	传 入 的 数 据 类 型 的 字 节 长 度，范 围[1, 2]。
strideH	uint32_t	卷 积 步 长-高，范 围:[1,4]。
strideW	uint32_t	卷 积 步 长-宽，范 围:[1,4]。
dilationH	uint32_t	空 洞 卷 积 参 数-高，范 围：[1,4]。
dilationW	uint32_t	空 洞 卷 积 参 数-宽，范 围：[1,4]。
hi	uint32_t	feature_map形 状-高，范 围：[1,40]。
wi	uint32_t	feature_map形 状-宽，范 围：[1,40]。
ho	uint32_t	feature_map形 状-高，范 围：[1,40]。
wo	uint32_t	feature_map形 状-宽，范 围：[1,40]。
height	uint32_t	weight形 状-高，[1,5]。
width	uint32_t	weight形 状-宽，[1,5]。
howo	uint32_t	feature_map形 状 大 小，为ho * wo。
mNum	uint32_t	M轴 等 效 数 据 长 度 参 数 值，范 围：[1,4096]。
nNum	uint32_t	N轴 等 效 数 据 长 度 参 数 值，范 围：[1,4096]。
kNum	uint32_t	K轴 等 效 数 据 长 度 参 数 值，范 围：[1,4096]。
roundM	uint32_t	M轴 等 效 数 据 长 度 参 数 值 且 以blockSize为 倍 数 向 上 取 整，范 围：[1,4096]。
roundN	uint32_t	N轴 等 效 数 据 长 度 参 数 值 且 以blockSize为 倍 数 向 上 取 整，范 围：[1,4096]。
roundK	uint32_t	K轴 等 效 数 据 长 度 参 数 值 且 以c0Size为 倍 数 向 上 取 整，范 围：[1,4096]。
mBlockNum	uint32_t	M轴Block个 数，mBlockNum = mNum / blockSize，范 围：[1,4096]。
nBlockNum	uint32_t	N轴Block个 数，nBlockNum = nNum / blockSize，范 围：[1,4096]。
kBlockNum	uint32_t	K轴Block个 数，kBlockNum = kNum / blockSize，范 围：[1,4096]。
mIterNum	uint32_t	遍 历M轴 维 度 数 量，范 围：[1,4096]。
nIterNum	uint32_t	遍 历N轴 维 度 数 量，范 围：[1,4096]。
kIterNum	uint32_t	遍 历K轴 维 度 数 量，范 围：[1,4096]。
mTileBlock	uint32_t	M轴 切 分 块 个 数，范 围：[1,4096]。
nTileBlock	uint32_t	N轴 切 分 块 个 数，范 围：[1,4096]。
kTileBlock	uint32_t	K轴 切 分 块 个 数，范 围：[1,4096]。
kTailBlock	uint32_t	K轴 尾 块 个 数，范 围：[1,4096]。
mTailBlock	uint32_t	M轴 尾 块 个 数，范 围：[1,4096]。
nTailBlock	uint32_t	N轴 尾 块 个 数，范 围：[1,4096]。
kHasTail	bool	K轴 是 否 存 在 尾 块。
mHasTail	bool	M轴 是 否 存 在 尾 块。
nHasTail	bool	N轴 是 否 存 在 尾 块。
mTileNums	uint32_t	M轴 切 分 块 个 数 的 长 度，范 围：[1,4096]。
mTailNums	uint32_t	M轴 尾 块 个 数 的 长 度，范 围：[1,4096]。

表 4 imgShape、kernelShape和dst的 数 据 类 型 组 合

feature_map.dtype	weight.dtype	dst.dtype
int8_t	int8_t	int32_t
half	half	float
half	half	half

约 束 说 明

• 该 接 口 当 前 不 支 持W=Kw并 且H>Kh的 场 景，其 将 产 生 不 可 预 期 的 结 果。
• 操 作 数 地 址 对 齐 要 求 请 参 见通 用 地 址 对 齐 约 束。