昇腾社区首页
中文
注册
开发者
下载
支持

昇腾支持的MMCV算子列表

当前昇腾NPU支持的MMCV算子列表请参考表1。

表1 昇腾支持的MMCV算子支持列表

算子名称

CPU

昇腾设备

昇腾设备使用约束

ActiveRotatedFilter

√

√
  • 参数feature要求shape为5维，[*, *, num_orientations, h, w]，支持fp16/fp32，不支持inf/nan等异常值
  • 参数indices要求shape为4维，[num_orientations, h, w, *]，只支持int32，不支持inf/nan等异常值，取值生成方式请参考mmrotate/orconv.py

AssignScoreWithK

-

-

-

BallQuery

-

√
  • xyz：输入3D Tensor，支持fp16/fp32，shape为[M, K, 3]，不支持inf/nan等异常值
  • center_xyz: 输入3D Tensor，支持fp16/fp32，shape为[ M, B, 3]，不支持inf/nan等异常值
  • max_radius：输入最大半径，float
  • min_radius: 输入最小半径，float
  • sample_num: 输入最大采样点数，int
  • idx：输出3D Tensor，支持int32，shape为[M, B, sample_num]，不支持inf/nan等异常值
  • center_xyz和xyz的差值需要在147.0以内，否则在计算距离时将会发生溢出，导致计算结果不正确
  • max_radius的取值需要大于等于0，sample_num的取值需要大于等于1

BBoxOverlaps

-

√
  • bboxes1: Tensor，支持fp32，shape为[M, 4]，格式为<x1, y1, x2, y2>, <x1, y1>为左下角坐标，<x2, y2>为右上角坐标，小于1e8，不支持inf/nan等异常值
  • bboxes1: Tensor，支持fp32，shape为[N, 4]，格式为<x1, y1, x2, y2>, <x1, y1>为左下角坐标，<x2, y2>为右上角坐标，小于1e8，不支持inf/nan等异常值
  • M > 0，N > 0，M与N不必相同
  • x1 < x2， y1 < y2

BorderAlign

-

-

-

BoxIouRotated

√

√
  • 输入bboxes1（N, 5），支持fp32，框数N不建议过大，尾轴5表征(x_center, y_center, width, height, angle)，其中angle旋转角度采用弧度制，不支持inf/nan等异常值
  • 输入bboxes2(M, 5)，要求同bboxes1
  • mode属性支持iou，aligned属性支持False，clockwise属性支持True
  • 算子实现涉及三角函数计算，小数位超4位或存在精度误差

BoxIouQuadri

√

-

-

CARAFE

-

-

-

ChamferDistance

-

√
  • xyz1：支持fp16，fp32，shape为[B, N, 3]，不支持inf/nan等异常值
  • xyz2：支持fp16，fp32，shape和xyz1保持一致
  • 反向具有相同约束

CrissCrossAttention

-

-

-

ContourExpand

√

-

-

ConvexIoU

-

-

-

CornerPool

-

-

-

Correlation

-

-

-

Deformable Convolution v1/v2

√

√
  • input：支持fp32，shape为[N, out_channels, H_in, W_in]，input中的值不支持inf、nan等异常值
  • offset：支持fp32，shape为[N, deform_groups * 2 * kH * kW, H_out, W_out]，值域为[-1, 1]。其中，H_out = ( H_in - ( kH + ( kH - 1 ) * ( dilation - 1 ) ) + 2 * padding ) / stride + 1，W_out = ( W_in - ( kW + ( kW - 1 ) * ( dilation - 1 ) ) + 2 * padding ) / stride + 1
  • weight：支持fp32，shape为[out_channels, in_channels, kH, kW]
  • 参数deform_groups只支持等于1
  • 反向具有相同约束

Deformable RoIPool

-

√
  • x：Tensor，支持fp32，shape为[N, C, H, W]，不支持inf/nan等异常值
  • rois：Tensor，支持fp32，shape为[num_rois, 5]，不支持inf/nan等异常值
  • offset：Tensor，shape为[num_rois, 2, pooled_height, pooled_width]，仅支持None
  • spatial_scale：float属性，值域范围[0, 1]，默认值1.0
  • pooled_height和pooled_width：int属性，值域范围[0, 50]
  • sampling_ratio：int属性，值域范围[0, 20]，默认值0
  • gamma：float属性，值域范围[0, 1]，默认值0.1
  • 反向具有相同约束

DiffIoURotated

-

-

-

DynamicScatter

-

√
  • feats(Tensor)：点云特征张量[N, C]，仅支持两维，数据类型为float32，特征向量C长度上限为2048，不支持inf/nan等异常值
  • coors(Tensor)：体素坐标映射张量[N, 3]，仅支持两维，数据类型为int32，此处以x、y、z指代体素三维坐标，其取值范围为0 <= x, y <= 2048, 0 <= z <= 256
  • reduce_type(str)：压缩类型。可选值为'max', 'mean', 'sum'。默认值为'max'

FurthestPointSample

-

√
  • points：仅支持fp32，shape为[B, N, 3]，不支持inf/nan等异常值
  • numPoints: int，表征需要采样的点的，个数严格小于N
  • 第一个输入points_xyz的shape(batch, N, 3)的维度的总大小（batch x N x 3）不应该超过383166

FurthestPointSampleWithDist

-

√
  • points：支持fp32，shape为[B, N, N]，值需要满足points[b, i, i] = 0，points[b, i, j ] = points[b, j, i]，不支持inf/nan等异常值
  • 参数num_points：支持int32，代表采样点个数，需要小于N

GatherPoints

-

√
  • features输入shape为[ B, C, N]，不支持inf/nan等异常值
  • indices输入shape为[B, M]，取值不能超过N，不支持inf/nan等异常值
  • features和indices的B需要相同

GroupPoints

-

√
  • features：支持数据类型fp32，shape为[B, C, N]，其中C小于等于1024，不支持inf、nan等异常值
  • indices：数据类型为int32，shape为[B, npoints, nsample]，值域[0, N)
  • 反向具有相同约束

Iou3d

-

√
  • boxes ：Shape必须为两维，且第二维必须为7，(N, 7)，N < 10000，7维分别为([x, y, z, dx, dy, dz, heading])，其中dx, dy, dz代表长宽高，必须大于0，不支持inf/nan等异常值
  • scores ：Shape必须为一维，且第一维必须和boxes第一维相等，(N)，只支持fp32，值域范围[0, 1]
  • iou_threshold ：float类型的属性，值域范围[0, 1]

KNN

-

√
  • xyz：仅支持fp32，shape为[B, N , 3]或[B, 3, N]，由transposed控制，每个batch中的任意一个点到center_xyz对应batch中的任意一个点的距离必须在1e10f以内，不支持inf/nan等异常值
  • center_xyz：仅支持fp32，shape为[B, npoint , 3]或[B, 3, npoint]，由transposed控制
  • transposed：bool，当transposed=True，xyz的shape为[B, 3, N]，center_xyz的shape为[B, 3, npoint]
  • k：int，返回最近邻的个数，必须小于xyz中的数据量的大小N，必须大于0且小于100

MaskedConv

-

√
  • input：支持fp32，shape为[N, C, H, W]，其中N仅支持等于1，不支持inf/nan等异常值
  • mask：支持fp32，shape为[N, H, W]，其中N仅支持等于1，不支持inf/nan等异常值
  • weight：支持fp32，shape为[C, C, kernel_size, kernel_size]，不支持inf/nan等异常值
  • bias：支持fp32，shape为[C]，不支持inf/nan等异常值
  • 参数bias默认为True，暂时不建议使用bias=False的情况
  • 参数stride仅支持等于1
  • 若卷积输出shape为[N, C, H_out, W_out]，卷积参数需要满足H_out = H且W_out = W。其中，H_out = ( H - ( kernel_size + ( kernel_size - 1 ) * ( dilation - 1 ) ) + 2 * padding ) / stride + 1，W_out = ( W - ( kernel_size + ( kernel_size - 1 ) * ( dilation - 1 ) ) + 2 * padding ) / stride + 1

MergeCells

-

-

-

MinAreaPolygon

-

-

-

ModulatedDeformConv2d

√

√
  • input：支持fp32，shape为[N, out_channels, H_in, W_in]，input中的值不支持inf、nan等异常值
  • offset：支持fp32，shape为[N, deform_groups * 2 * kH* kW, H_out, W_out]，值域为[-1, 1]。其中，H_out = ( H_in - ( kH + ( kH - 1 ) * ( dilation - 1 ) ) + 2 * padding ) / stride + 1，W_out = ( W_in - ( kW + ( kW - 1 ) * ( dilation - 1 ) ) + 2 * padding ) / stride + 1
  • mask：支持fp32，shape为[N, deform_groups * kH * kW, H_out, W_out]
  • weight：支持fp32，shape为[out_channels, in_channels, kH, kW]
  • bias：支持fp32，shape为[out_channels]
  • 参数deform_groups只支持等于1
  • 反向具有相同约束

MultiScaleDeformableAttn

-

√
  • 输入value(bs, num_keys, num_heads, embed_dims)：支持数据类型fp16，fp32，不支持inf/nan等异常值，其中参数num_keys = sum((H * W).item() for H, W in value_spatial_shapes)，参数num_heads当前支持取值范围在4~8，参数embed_dims当前支持取值范围在32~256，且为8的倍数
  • 输入value_spatial_shapes(num_levels, 2)：支持数据类型int32，int64，为特征图宽和高，取值需要为正
  • 输入value_level_start_index(num_levels, )：支持数据类型int32，int64，其构造逻辑为：value_level_start_index = torch.cat((value_spatial_shapes .new_zeros((1, )), value_spatial_shapes .prod(1).cumsum(0)[:-1]))
  • 输入sampling_locations(bs, num_queries, num_heads, num_points, 2)：支持数据类型fp16，fp32，为缩放系数，合理取值为大于0小于1.0，参数num_points当前支持取值范围在4~8
  • 输入attention_weights(bs, num_queries, num_heads, num_points)：支持数据类型fp16，fp32，不支持inf/nan等异常值，为加权权重

NMS

√

√
  • boxes：Shape必须为两维，第二维必须为4，(N, 4)，N < 10000，只支持float32，不支持inf/nan等异常值，且4维(x1, y1, x2, y2)必须满足 x1<x2，y1<y2
  • scores：Shape必须为一维，且第一维必须和boxes第一维相等，(N)，只支持float32，不支持inf/nan等异常值，并且不包含重复值
  • iou_threshold：float类型的属性，值域为[0, 1]
  • offset：int类型的属性，只能是0或者1
  • score_threshold：float类型的属性，值域为[0, 1]
  • max_num：int类型的属性，大于等于0

NMSRotated

√

√
  • boxes：Tensor，支持fp32，shape为[N, 5]，不支持inf/nan等异常值
  • scores：Tensor，支持fp32，shape为[N]，不支持inf/nan等异常值
  • labels：Tensor，支持fp32，shape为[N]，默认None
  • iou_threshold：float属性，值域范围[0, 1]
  • 角度处理存在精度损耗，临界场景存在一定概率取框偏差

NMSQuadri

√

-

-

PixelGroup

√

-

-

PointsInBoxes

√

√
  • boxes输入shape为[ B, M, 7]，不支持inf/nan等异常值
  • pts输入shape为[B, npoints, 3]，不支持inf/nan等异常值
  • 输入数据类型仅支持fp32，boxes参数的最后一维的第7个数据（索引从1开始）是旋转角，需要计算cos和sin，接口约束取值范围必须在（-65504，65504）之间，boxes和pts只支持batch=1，且boxes的个数在200以内

PointsInPolygons

-

√
  • points：Tensor，支持fp32，shape为[N, 2]，N不超过2800，值域范围[10^(-10), 10^10]
  • polygons：Tensor，支持fp32，shape为[M, 8]，值域范围[10^(-10), 10^10]，保证输入的四个点数据顺序是顺时针或者逆时针排列
  • 不支持inf、nan等异常值

PSAMask

√

√
  • input：输入shape为4维[M, N, P, Q]，数据类型为float32/float64，不支持inf/nan等异常值
  • psa_type:值为collect/distribute
  • mask_size：数据类型为tuple:(i, j)，其中满足i * j == N
  • 反向具有相同约束

RotatedFeatureAlign

√

√
  • x输入shape为[N,C,H,W]，输入数据类型仅支持fp32，不支持inf/nan等异常值
  • bboxes输入shape为[N,H,W,5]，5表征中心点坐标、旋转框宽高与旋转角，输入数据类型仅支持fp32，不支持inf/nan等异常值
  • spatial_scale为0-1之间，points取值1或5，默认值为1
  • 反向具有相同约束

RoIPointPool3d

-

√
  • num_sampled_points：int属性，值域范围(0, N)
  • points：Tensor，支持fp16/fp32，shape为[B, N, 3]，值域范围[2^(-63), 2^64]，不支持inf/nan等异常值
  • point_features：Tensor，支持fp16/fp32，shape为[B, N, C]，其中C等于3，值域范围[2^(-63), 2^64]，不支持inf/nan等异常值
  • boxes3d：Tensor，支持fp16/fp32，shape为[B, M, 7]，第三维前六个取值范围[2^(-63), 2^64]，第七个值取值范围[0, π]，不支持inf/nan等异常值
  • 数据类型为float32时，建议B小于100、N小于等于2640、M小于等于48、num_sampled_points小于等于48，个别shape值略微超过建议值无影响，但所有shape值均大于建议值时，算子执行会发生错误
  • 数据类型为float16时，建议B小于100、N小于等于3360、M小于等于60、num_sampled_points小于等于60，个别shape值略微超过建议值无影响，但所有shape值均大于建议值时，算子执行会发生错误
  • N/M的值越大，性能劣化越严重，建议N小于M的六百倍，否则性能可能会严重下降

RoIPool

-

√
  • input输入shape为[N,C,H,W]，aicore目前只支持C轴为16倍数的情况，其余情况走aicpu，不支持inf/nan等异常值
  • roi输入为（batch_id, x1, y1, x2, y2），其中H>x2>x1，W>y2>y1，N>batch_id保证框是有效的，不支持inf/nan等异常值
  • spatial_scale为0-1之间
  • 输入数据类型仅支持fp32，反向具有相同约束。由于fp32只能表示小数点后6位，因此部分场景存在精度问题，且支持输入的feature_map内不存在相同值，如果输入的feature_map内存在相同值无法保证输出的最大值索引唯一
  • 反向具有相同约束

RoIAlignRotated

√

-

-

RiRoIAlignRotated

-

-

-

RoIAlign

√

√
  • input: Tensor，fp32，shape为[N, C, H, W]，不支持inf/nan等异常值
  • rois: Tensor，fp32，shape为[B, 5], 其中，每一行的5个值中的第一个为对input首轴的索引，因此在[0, N-1]， 其余四个为<x1, y1, x2, y2>, <x1, y1>为左下角的值，<x2,y2>为右上角的值，因此x1 < x2，y1 < y2
  • output_size: int32二元组，表示h，w，大于0
  • spatial_scale: fp32 值，大于0，默认为1.0
  • sampling_ratio: int32值，默认为0

RoIAwarePool3d

-

-

-

SAConv2d

-

-

-

SigmoidFocalLoss

-

√
  • pred：Tensor，支持fp32，shape为[N, M]，需要满足M>1，输入值域范围[0, 1]，不支持inf/nan等异常值
  • target：Tensor，支持int64，shape为[N, ]，值域范围[0, M]，不支持inf/nan等异常值
  • weight：Tensor，可选输入，支持fp32，shape为[M, ]，值域范围[-1, 1]，默认为None
  • reduction：str属性，可选输入none，mean或sum，默认为mean，不支持inf/nan等异常值
  • alpha：float属性，值域范围[0, 1]，默认为0.25
  • gamma：float属性，值域范围[0, 5]，默认为2.0
  • 反向增加如下约束：pred的shape为(N,M)，需要满足，当N>1时，reduction取值不能为None

SoftmaxFocalLoss

-

√

SoftNMS

-

-

-

Sparse Convolution

-

-

-

Synchronized BatchNorm

-

-

-

ThreeInterpolate

-

√
  • features：支持fp16和fp32，shape为[B, C, M]，不支持inf/nan等异常值
  • indices：支持int32，shape为[B, N, 3]，值域为[0, M)
  • weight：支持fp16和fp32，shape为[B, N, 3]，值域为[0, 1]
  • features、indices、weight三个参数数据大小请勿超过2^24

ThreeNN

-

√
  • source：支持fp32和fp16，shape为[B, N , 3]，不支持inf/nan等异常值
  • target：支持fp32和fp16， shape为[B, npoint , 3]，不支持inf/nan等异常值

TINShift

-

-

-

Voxelization

√

√
  • input: Tensor，fp32类型，代表KITTI Points，shape为[N, F]，其中F>=3，前三个值代表点云的x、y、z坐标，不支持inf/nan等异常值
  • voxel_size: fp32，体素大小，3元组，代表x、y、z轴的体素大小
  • point_cloud_range，fp32，点云范围，6元组，[coor_x_min, coor_y_min, coor_z_min,oor_x_max, coor_y_max, coor_z_max]，因此，coor_x_min < coor_x_max，coor_y_min < coor_y_max，coor_z_min < coor_z_max
  • max_num_points: int32，为-1或正整数
  • max_voxels: int32，为-1或正整数
  • 注意（coor_x_max-coor_x_min）/voxel_size_x <= 2048, （coor_y_max-coor_y_min）/voxel_size_y <= 2048, （coor_z_max-coor_z_min）/voxel_size_z <= 256
  • 极少数场景因芯片指令ULP差异而精度无法与竞品对齐

PrRoIPool

-

-

-

BezierAlign

√

-

-
父主题： 特性支持度