--- title: Conv2D（废弃） description: "| 产品 | 是否支持 |" url: https://www.hiascend.com/document/detail/zh/canncommercial/latest/API/ascendcopapi/atlasascendc_api_07_0262.html sourcePath: /source/zh/canncommercial/900/API/ascendcopapi/atlasascendc_api_07_0262.html indexId: b14799f1053bfb8a740be956e68a7ba268f8f9727a7a037730f2b3e1ed45fd5076 --- # Conv2D（废弃） #### 产品支持情况 | 产品 | 是否支持 | | --- | --- | | Atlas 350 加速卡 | 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 ``` template __aicore__ inline void Conv2D(const LocalTensor& dst, const LocalTensor& featureMap, const LocalTensor& 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：``` template __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： 1 2 3 4 5 6 7 8 9 10 11 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; }; | 1 2 3 4 5 6 7 8 9 10 11 | 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; }; | | 1 2 3 4 5 6 7 8 9 10 11 | 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： 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 struct Conv2dTilling { const uint32\_t blockSize = 16; // \# M block size is always 16 LoopMode loopMode = LoopMode::MODE\_NM; 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; }; | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 | struct Conv2dTilling { const uint32\_t blockSize = 16; // \# M block size is always 16 LoopMode loopMode = LoopMode::MODE\_NM; 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; }; | | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 | struct Conv2dTilling { const uint32\_t blockSize = 16; // \# M block size is always 16 LoopMode loopMode = LoopMode::MODE\_NM; 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 | 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 | 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 | 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 | 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 | 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： 1 2 3 4 5 6 enum class LoopMode { MODE\_NM = 0, MODE\_MN = 1, MODE\_KM = 2, MODE\_KN = 3 }; | 1 2 3 4 5 6 | enum class LoopMode { MODE\_NM = 0, MODE\_MN = 1, MODE\_KM = 2, MODE\_KN = 3 }; | | 1 2 3 4 5 6 | 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 。