tvm学习笔记(八):卷积操作

2023-12-23 10:48
文章标签 学习 操作 笔记 卷积 tvm

本文主要是介绍tvm学习笔记(八):卷积操作,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

对于卷积神经网络中,卷积操作可能是最常见操作,具体原理可以去学习一下Andred NG的课程,建议搞计算机视觉方向的都去刷一波,具体过程如图1所示:

         

图1 'VALID'方式卷积操作过程

其实就是卷积核与图像待操作区域进行乘加操作,常见的卷积操作有两种形式,第一种是'VALID'的方式,如图1所示,第二种是'SAME'的方式,区别在于'SAME'方式会对输入进行填充,以保证卷积操作之后,输出的size和输入的size一致。

图2 'SAME'方式卷积操作过程

1、padding

先说一下填充padding,padding就是在原始图像四周填充0,对应于图2中虚线部分,使用tvm实现,代码如下:

def padding(X, ph, pw):assert len(X.shape) >= 2nh, nw = X.shape[-2], X.shape[-1]return tvm.compute((*X.shape[0:-2], nh + ph * 2, nw + pw * 2),lambda *i: tvm.if_then_else(tvm.any(i[-2] < ph, i[-2] >= nh + ph, i[-1] < pw, i[-1] >= nw + pw),0, X[i[:-2] + (i[-2] - ph, i[-1] - pw)]), name = 'PaddedX')

2、输出feature map尺寸计算

对于 输入size为n, 卷积核size为k, 填充size为p,卷积操作步长size为s,输出大小为:

o=floor(\frac{n-k+2*p}{s})+1

对应代码如下:

def conv_out_size(n, k, p, s):return (n - k + 2 * p) // s + 1

3、卷积操作

就是将卷积核与要操作的图像块进行乘加操作,对应于tvm代码为:

def conv(oc, ic, nh, nw, kh, kw, ph=0, pw=0, sh=1, sw=1):# reduction axesric = tvm.reduce_axis((0, ic), name='ric')rkh = tvm.reduce_axis((0, kh), name='rkh')rkw = tvm.reduce_axis((0, kw), name='rkw')# output height and widthoh = conv_out_size(nh, kh, ph, sh)ow = conv_out_size(nw, kw, pw, sw)# pad x and then conpute yX = tvm.placeholder((ic, nh, nw), name='x')K = tvm.placeholder((oc, ic, kh, kw), name='k')# 对输入填充PaddedX = padding(X, ph, pw) if ph * pw != 0 else XY = tvm.compute((oc, oh, ow),lambda c, i, j: tvm.sum(PaddedX[ric, i * sh + rkh, j * sw + rkw] * K[c, ric, rkh, rkw],axis=[ric, rkh, rkw]), name='Y')return X, K, Y, PaddedX

最后,看一下实际生成的伪代码:

import tvm
import numpy as np
import mxnet as mxdef padding(X, ph, pw):assert len(X.shape) >= 2nh, nw = X.shape[-2], X.shape[-1]return tvm.compute((*X.shape[0:-2], nh + ph * 2, nw + pw * 2),lambda *i: tvm.if_then_else(tvm.any(i[-2] < ph, i[-2] >= nh + ph, i[-1] < pw, i[-1] >= nw + pw),0, X[i[:-2] + (i[-2] - ph, i[-1] - pw)]), name = 'PaddedX')# 输入size:n
# 卷积核size:k
# 填充size:p
# 步长size:s
def conv_out_size(n, k, p, s):return (n - k + 2 * p) // s + 1def conv(oc, ic, nh, nw, kh, kw, ph=0, pw=0, sh=1, sw=1):# reduction axesric = tvm.reduce_axis((0, ic), name='ric')rkh = tvm.reduce_axis((0, kh), name='rkh')rkw = tvm.reduce_axis((0, kw), name='rkw')# output height and widthoh = conv_out_size(nh, kh, ph, sh)ow = conv_out_size(nw, kw, pw, sw)# pad x and then conpute yX = tvm.placeholder((ic, nh, nw), name='x')K = tvm.placeholder((oc, ic, kh, kw), name='k')# 对输入填充PaddedX = padding(X, ph, pw) if ph * pw != 0 else XY = tvm.compute((oc, oh, ow),lambda c, i, j: tvm.sum(PaddedX[ric, i * sh + rkh, j * sw + rkw] * K[c, ric, rkh, rkw],axis=[ric, rkh, rkw]), name='Y')return X, K, Y, PaddedXdef get_conv_data(oc, ic, n, k, p=0, s=1, constructor=None):np.random.seed(0)data = np.random.normal(size=(ic, n, n)).astype('float32')weight = np.random.normal(size=(oc, ic, k, k)).astype('float32')on = conv_out_size(n, k, p, s)out = np.empty((oc, on, on), dtype='float32')if constructor:data, weight, out = (constructor(x) for x in [data, weight, out])return data, weight, outoc, ic, n, k, p, s = 4, 6, 12, 3, 1, 1
X, K, Y, _ = conv(oc, ic, n, n, k, k, p, p, s, s)
sch = tvm.create_schedule(Y.op)
mod = tvm.build(sch, [X, K, Y])
print(tvm.lower(sch, [X, K, Y], simple_mode=True))data, weight, out = get_conv_data(oc, ic, n, k, p, s, tvm.nd.array)
mod(data, weight, out)def get_conv_data_mxnet(oc, ic, n, k, p, s, ctx='cpu'):ctx = getattr(mx, ctx)()data, weight, out = get_conv_data(oc, ic, n, k, p, s,lambda x: mx.nd.array(x, ctx=ctx))data, out = data.expand_dims(axis=0), out.expand_dims(axis=0)bias = mx.nd.zeros(out.shape[1], ctx=ctx)return data, weight, bias, outdef conv_mxnet(data, weight, bias, out, k, p, s):mx.nd.Convolution(data, weight, bias, kernel=(k, k), stride=(s, s),pad=(p, p), num_filter=out.shape[1], out=out)data, weight, bias, out_mx = get_conv_data_mxnet(oc, ic, n, k, p, s)
conv_mxnet(data, weight, bias, out_mx, k, p, s)
np.testing.assert_allclose(out_mx[0].asnumpy(), out.asnumpy(), atol=1e-5)

输出为:

// attr [PaddedX] storage_scope = "global"
allocate PaddedX[float32 * 1176]
produce PaddedX {for (i0, 0, 6) {for (i1, 0, 14) {for (i2, 0, 14) {PaddedX[(((i0*196) + (i1*14)) + i2)] = tvm_if_then_else(((((i1 < 1) |
| (13 <= i1)) || (i2 < 1)) || (13 <= i2)), 0f, x[((((i0*144) + (i1*12)) + i2) - 13)])      }}}
}
produce Y {for (c, 0, 4) {for (i, 0, 12) {for (j, 0, 12) {Y[(((c*144) + (i*12)) + j)] = 0ffor (ric, 0, 6) {for (rkh, 0, 3) {for (rkw, 0, 3) {Y[(((c*144) + (i*12)) + j)] = (Y[(((c*144) + (i*12)) + j)] + (P
addedX[(((((ric*196) + (i*14)) + (rkh*14)) + j) + rkw)]*k[((((c*54) + (ric*9)) + (rkh*3)) + rkw)]))            }}}}}}
}

 

参考资料:

[1] https://blog.csdn.net/kingroc/article/details/88192878

[2] http://tvm.d2l.ai.s3-website-us-west-2.amazonaws.com/

这篇关于tvm学习笔记(八):卷积操作的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/527758

相关文章

Java学习手册之Filter和Listener使用方法

《Java学习手册之Filter和Listener使用方法》:本文主要介绍Java学习手册之Filter和Listener使用方法的相关资料,Filter是一种拦截器,可以在请求到达Servl... 目录一、Filter(过滤器)1. Filter 的工作原理2. Filter 的配置与使用二、Listen

Python ZIP文件操作技巧详解

《PythonZIP文件操作技巧详解》在数据处理和系统开发中,ZIP文件操作是开发者必须掌握的核心技能,Python标准库提供的zipfile模块以简洁的API和跨平台特性,成为处理ZIP文件的首选... 目录一、ZIP文件操作基础三板斧1.1 创建压缩包1.2 解压操作1.3 文件遍历与信息获取二、进阶技

Java中字符串转时间与时间转字符串的操作详解

《Java中字符串转时间与时间转字符串的操作详解》Java的java.time包提供了强大的日期和时间处理功能,通过DateTimeFormatter可以轻松地在日期时间对象和字符串之间进行转换,下面... 目录一、字符串转时间(一)使用预定义格式(二)自定义格式二、时间转字符串(一)使用预定义格式(二)自

Java字符串操作技巧之语法、示例与应用场景分析

《Java字符串操作技巧之语法、示例与应用场景分析》在Java算法题和日常开发中,字符串处理是必备的核心技能,本文全面梳理Java中字符串的常用操作语法,结合代码示例、应用场景和避坑指南,可快速掌握字... 目录引言1. 基础操作1.1 创建字符串1.2 获取长度1.3 访问字符2. 字符串处理2.1 子字

Python 中的 with open文件操作的最佳实践

《Python中的withopen文件操作的最佳实践》在Python中,withopen()提供了一个简洁而安全的方式来处理文件操作,它不仅能确保文件在操作完成后自动关闭,还能处理文件操作中的异... 目录什么是 with open()?为什么使用 with open()?使用 with open() 进行

Linux ls命令操作详解

《Linuxls命令操作详解》通过ls命令,我们可以查看指定目录下的文件和子目录,并结合不同的选项获取详细的文件信息,如权限、大小、修改时间等,:本文主要介绍Linuxls命令详解,需要的朋友可... 目录1. 命令简介2. 命令的基本语法和用法2.1 语法格式2.2 使用示例2.2.1 列出当前目录下的文

利用Python快速搭建Markdown笔记发布系统

《利用Python快速搭建Markdown笔记发布系统》这篇文章主要为大家详细介绍了使用Python生态的成熟工具,在30分钟内搭建一个支持Markdown渲染、分类标签、全文搜索的私有化知识发布系统... 目录引言:为什么要自建知识博客一、技术选型:极简主义开发栈二、系统架构设计三、核心代码实现(分步解析

Mysql表的简单操作(基本技能)

《Mysql表的简单操作(基本技能)》在数据库中,表的操作主要包括表的创建、查看、修改、删除等,了解如何操作这些表是数据库管理和开发的基本技能,本文给大家介绍Mysql表的简单操作,感兴趣的朋友一起看... 目录3.1 创建表 3.2 查看表结构3.3 修改表3.4 实践案例:修改表在数据库中,表的操作主要

C# WinForms存储过程操作数据库的实例讲解

《C#WinForms存储过程操作数据库的实例讲解》:本文主要介绍C#WinForms存储过程操作数据库的实例,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录一、存储过程基础二、C# 调用流程1. 数据库连接配置2. 执行存储过程(增删改)3. 查询数据三、事务处

Java使用Curator进行ZooKeeper操作的详细教程

《Java使用Curator进行ZooKeeper操作的详细教程》ApacheCurator是一个基于ZooKeeper的Java客户端库,它极大地简化了使用ZooKeeper的开发工作,在分布式系统... 目录1、简述2、核心功能2.1 CuratorFramework2.2 Recipes3、示例实践3