[object Object]

[object Object][object Object]undefined[object Object]

• 接口功能：DepthwiseConv2D是一种二维深度卷积运算。在该运算中，每个输入通道都会与一个独立的卷积核（称为深度卷积核）进行卷积。

• 计算公式：

  假定输入self的shape是 $(N, C_{\text{in}}, H, W)$，输出out的shape是 $(N, C_{\text{out}}, H_{\text{out}}, W_{\text{out}})$，那么每个卷积核的输出将被表示为：

  $$\text{out}(N_i, C_{\text{out}_j}) = \text{bias}(C_{\text{out}_j}) + \text{weight}(C_{\text{out}_j}, C_{\text{in}_j}) \star \text{self}(N_i, C_{\text{in}_j})$$

  其中，$\star$ 表示卷积计算，$N$ 代表批次大小（batch size），$C$ 代表通道数，$W$ 和 $H$ 分别代表宽和高。

[object Object]

每个算子分为[object Object]两段式接口[object Object]，必须先调用aclnnConvDepthwise2dGetWorkspaceSize接口获取计算所需workspace大小以及包含了算子计算流程的执行器，再调用aclnnConvDepthwise2d接口执行计算。

[object Object]

• 参数说明

  [object Object]

• 返回值

  [object Object]：返回状态码，具体参见 [object Object]aclnn返回码[object Object]。

  第一段接口完成入参校验，出现以下场景时报错：

  [object Object]

[object Object]

• 参数说明

  [object Object]

• 返回值

  [object Object]：返回状态码，具体参见 [object Object]aclnn返回码[object Object]。

[object Object]

• 确定性计算
  • aclnnConvDepthwise2d默认确定性实现。

[object Object][object Object]

示例代码如下，仅供参考，具体编译和执行过程请参考。