题面概述:给定展开后的输入张量与卷积核及其形状,和分组数 groups,实现分组卷积(包含深度卷积的特例)前向计算。默认 stride=1、padding=0、dilation=1。若形状与 groups 不合法或输出空间维度非正,则输出 −1。
关键条件:
深度卷积:是分组卷积的特例,groups=inchannels,kchannels=1,允许 outchannels=groups×depthmultiplier。
卷积(Convolution)是计算视觉中常用的计算算子,广泛应用于图像分类、检测、跟踪等多领域。
如下图所示,以 2个三维张量卷积计算为例,取输入张量 为通道数 、高度 、宽度 ,卷积核 为通道数 、高度 、宽度 ,二者执行卷积计算要求其通道数相同。
当取卷积计算步长 ,填充 ,膨胀 ,无偏置项(bias)时,卷积核 在输入张量 上从左至右,从上至下滑动,分别与滑窗所重叠的输入张量 切片,逐元素相乘求和后,得到输出张量 的各元素。
例如: