未验证 提交 f13da795 编写于 作者: O openharmony_ci 提交者: Gitee

!19078 补充空行,修改格式问题。

Merge pull request !19078 from liyan/OpenHarmony-4.0-Beta1
......@@ -18,9 +18,13 @@
- 输出张量,根据输入中每个维度方向偏置之后的结果。
**Since:**
3.2
**Version:**
1.0
**相关模块:**
[NNRt](_n_n_rt.md)
......@@ -18,9 +18,13 @@
- output,按照输出tensor的数据类型进行类型转换。
**Since:**
3.2
**Version:**
1.0
**相关模块:**
[NNRt](_n_n_rt.md)
......@@ -16,9 +16,13 @@
- output,多个张量按axis轴连接的结果。
**Since:**
3.2
**Version:**
1.0
**相关模块:**
[NNRt](_n_n_rt.md)
......
......@@ -22,9 +22,13 @@
- output,卷积的输出。
**Since:**
3.2
**Version:**
1.0
**相关模块:**
[NNRt](_n_n_rt.md)
......@@ -58,6 +62,7 @@
enum ActivationType Conv2DFusion::activationType
```
**描述:**
激活函数类型,详情请参考:[ActivationType](_n_n_rt.md#activationtype)
......@@ -68,6 +73,7 @@ enum ActivationType Conv2DFusion::activationType
long [] Conv2DFusion::dilation
```
**描述:**
表示扩张卷积在height和weight上的扩张率,是一个长度为2的int数组[dilationHeight,dilationWidth], 值必须大于或等于1,并且不能超过x的height和width。
......@@ -78,6 +84,7 @@ long [] Conv2DFusion::dilation
long Conv2DFusion::group
```
**描述:**
group,将输入x按inChannel分组,int类型。 group等于1,这是常规卷积。 group等于inChannel,这是depthwiseConv2d,此时group==in_channel==out_channel。 group大于1且小于inChannel,这是分组卷积,此时out_channel==group。
......@@ -88,6 +95,7 @@ group,将输入x按inChannel分组,int类型。 group等于1,这是常规
long Conv2DFusion::inChannel
```
**描述:**
输入通道数量。
......@@ -98,6 +106,7 @@ long Conv2DFusion::inChannel
long [] Conv2DFusion::kernelSize
```
**描述:**
卷积核大小。
......@@ -108,6 +117,7 @@ long [] Conv2DFusion::kernelSize
long Conv2DFusion::outChannel
```
**描述:**
输出通道数量。
......@@ -118,6 +128,7 @@ long Conv2DFusion::outChannel
long [] Conv2DFusion::padList
```
**描述:**
输入x周围的填充,是一个长度为4的int数组[top,bottom,left,right]。
......@@ -128,6 +139,7 @@ long [] Conv2DFusion::padList
enum PadMode Conv2DFusion::padMode
```
**描述:**
填充类型,详情请参考:[PadMode](_n_n_rt.md#padmode)
......@@ -138,4 +150,5 @@ enum PadMode Conv2DFusion::padMode
long [] Conv2DFusion::stride
```
**描述:**
卷积核在height和weight上的步幅,是一个长度为2的int数组[strideHeight,strideWidth]。
......@@ -22,9 +22,13 @@
- output,n维tensor。
**Since:**
3.2
**Version:**
1.0
**相关模块:**
[NNRt](_n_n_rt.md)
......
......@@ -18,9 +18,13 @@
- output, 输出两输入相除后的结果。
**Since:**
3.2
**Version:**
1.0
**相关模块:**
[NNRt](_n_n_rt.md)
......
......@@ -18,9 +18,13 @@
- output,与x1有相同的数据类型和形状。
**Since:**
3.2
**Version:**
1.0
**相关模块:**
[NNRt](_n_n_rt.md)
......
......@@ -18,9 +18,13 @@
- output,给定轴上添加了额外额度的算子。
**Since:**
3.2
**Version:**
1.0
**相关模块:**
[NNRt](_n_n_rt.md)
......@@ -24,9 +24,13 @@
- output,输出运算后的张量。
**Since:**
3.2
**Version:**
1.0
**相关模块:**
[NNRt](_n_n_rt.md)
......@@ -52,4 +56,5 @@
float FusedBatchNorm::epsilon
```
**描述:**
趋于零的极小值,用于保证除数不为0。
......@@ -20,9 +20,13 @@
- output,输出切片后的tensor。
**Since:**
3.2
**Version:**
1.0
**相关模块:**
[NNRt](_n_n_rt.md)
......@@ -6,9 +6,13 @@
AI模型的输入输出张量。
**Since:**
3.2
**Version:**
1.0
**相关模块:**
[NNRt](_n_n_rt.md)
......
......@@ -20,9 +20,13 @@
- output,n维输出tensor,数据类型和shape和input一致。
**Since:**
3.2
**Version:**
1.0
**相关模块:**
[NNRt](_n_n_rt.md)
......
......@@ -18,9 +18,12 @@
- output,数据类型为DATA_TYPE_BOOL的tensor;使用量化模型时,output的量化参数不可省略,但量化参数的数值不会对输入结果产生影响。
**Since:**
3.2
**Version:**
1.0
**相关模块:**
[NNRt](_n_n_rt.md)
......@@ -18,9 +18,13 @@
- output,计算得到内积,当type!=DATA_TYPE_UNKNOWN时,output数据类型由type决定;当type==DATA_TYPE_UNKNOWN时, output的数据类型取决于x1和x2进行计算时转化的数据类型。
**Since:**
3.2
**Version:**
1.0
**相关模块:**
[NNRt](_n_n_rt.md)
......
......@@ -18,9 +18,13 @@
- output,x1和x2两个tensor对应元素的最大值。
**Since:**
3.2
**Version:**
1.0
**相关模块:**
[NNRt](_n_n_rt.md)
......
......@@ -20,9 +20,13 @@
- output,x1和x2两个tensor对应元素的最大值。
**Since:**
3.2
**Version:**
1.0
**相关模块:**
[NNRt](_n_n_rt.md)
......@@ -6,9 +6,13 @@
定义编译模型需要的参数配置。
**Since:**
3.2
**Version:**
2.0
**相关模块:**
[NNRt](_n_n_rt.md)
......
......@@ -186,7 +186,8 @@ enum CoordinateTransformMode : byte
- COORDINATE_TRANSFORM_MODE_HALF_PIXEL:
$ old_i = newWidth > 1 ? (new_x + 0.5) \* oldWidth / newWidth - 0.5 : 0 $
| 枚举值 | 描述 |
| 枚举值 | 描述 |
| -------- | -------- |
| COORDINATE_TRANSFORM_MODE_ASYMMETRIC | 不进行对齐,直接按照比例缩放 |
| COORDINATE_TRANSFORM_MODE_ALIGN_CORNERS | 对齐图像的4个角 |
......@@ -451,7 +452,8 @@ enum PaddingMode : byte
- paddingMode==PADDING_MODE_SYMMETRIC输出为:
$[[5. 4. 4. 5. 6. 6. 5.],\\ [2. 1. 1. 2. 3. 3. 2.],\\ [2. 1. 1. 2. 3. 3. 2.],\\ [5. 4. 4. 5. 6. 6. 5.],\\ [8. 7. 7. 8. 9. 9. 8.],\\ [8. 7. 7. 8. 9. 9. 8.],\\ [5. 4. 4. 5. 6. 6. 5.]]\\ $
| 枚举值 | 描述 |
| 枚举值 | 描述 |
| -------- | -------- |
| PADDING_MODE_CONSTANT | 使用常量填充,默认值为0。 |
| PADDING_MODE_REFLECT | 以数据区的便捷为轴,使填充区和数据区的数据以该轴保持对称。 |
......
......@@ -85,4 +85,4 @@
| 名称 | 描述 |
| -------- | -------- |
| [v2_0](_n_n_rt.md) | package&nbsp;ohos&nbsp;hdi&nbsp;nnrt<br/>NNRt模块的包路径。 |
|package ohos.hdi.nnrt.v2_0 | NNRt模块的包路径。 |
......@@ -18,9 +18,13 @@
- output,x的PReLU激活值。形状和数据类型和x保持一致。
**Since:**
3.2
**Version:**
1.0
**相关模块:**
[NNRt](_n_n_rt.md)
......@@ -46,4 +50,5 @@
boolean PReLUFusion::channelShared
```
**描述:**
是否开启权重共享,可以用于校验参数合法性。 若weight的是1则channelShared一定为true,否则为false。
......@@ -20,9 +20,13 @@
- output,一个n维tensor,维数和数据类型和x保持一致。shape由x和paddings共同决定 output.shape[i] = input.shape[i] + paddings[i][0]+paddings[i][1]
**Since:**
3.2
**Version:**
1.0
**相关模块:**
[NNRt](_n_n_rt.md)
......
......@@ -22,9 +22,13 @@
- output,形状由x和y broadcast后的形状决定。
**Since:**
3.2
**Version:**
1.0
**相关模块:**
[NNRt](_n_n_rt.md)
......
......@@ -16,9 +16,13 @@
- output,类型转换之后的tensor。
**Since:**
3.2
**Version:**
1.0
**相关模块:**
[NNRt](_n_n_rt.md)
......@@ -45,6 +49,7 @@
long QuantDTypeCast::dstT
```
**描述:**
定义输出的数据类型。
......@@ -55,4 +60,5 @@ long QuantDTypeCast::dstT
long QuantDTypeCast::srcT
```
**描述:**
定义输入的数据类型。
......@@ -18,9 +18,13 @@
- output,数据类型和input一致,shape由inputShape决定。
**Since:**
3.2
**Version:**
1.0
**相关模块:**
[NNRt](_n_n_rt.md)
......@@ -18,9 +18,13 @@
- output,n维输出tensor,它的的shape和数据类型与x相同。
**Since:**
3.2
**Version:**
1.0
**相关模块:**
[NNRt](_n_n_rt.md)
......
......@@ -20,9 +20,13 @@
- output, scale的计算结果,一个n维tensor,类型和x一致,shape由axis决定。
**Since:**
3.2
**Version:**
1.0
**相关模块:**
[NNRt](_n_n_rt.md)
......@@ -49,6 +53,7 @@
enum ActivationType ScaleFusion::activationType
```
**描述:**
激活函数,详情请参考:[ActivationType](_n_n_rt.md#activationtype)
......@@ -59,4 +64,5 @@ enum ActivationType ScaleFusion::activationType
long ScaleFusion::axis
```
**描述:**
指定缩放的维度。
......@@ -16,9 +16,13 @@
- output,输出x的维度,一个整型数组。
**Since:**
3.2
**Version:**
1.0
**相关模块:**
[NNRt](_n_n_rt.md)
......@@ -6,9 +6,13 @@
共享内存数据的结构体。
**Since:**
3.2
**Version:**
1.0
**相关模块:**
[NNRt](_n_n_rt.md)
......
......@@ -20,9 +20,13 @@
- output,切片得到的n维tensor。
**Since:**
3.2
**Version:**
1.0
**相关模块:**
[NNRt](_n_n_rt.md)
......@@ -48,4 +52,5 @@
long [] SliceFusion::axes
```
**描述:**
作用的维度。
......@@ -16,9 +16,13 @@
- output,softmax的计算结果,一个n维tensor,类型和shape和x一致。
**Since:**
3.2
**Version:**
1.0
**相关模块:**
[NNRt](_n_n_rt.md)
......@@ -44,4 +48,5 @@
long [] Softmax::axis
```
**描述:**
指定计算softmax的维度。整数取值范围为[-n,n)。
......@@ -16,9 +16,13 @@
- output,一个n维tensor,类型和shape和x一致。
**Since:**
3.2
**Version:**
1.0
**相关模块:**
[NNRt](_n_n_rt.md)
......@@ -18,9 +18,13 @@
- output,output的shape由x1和y共同决定,x1和y的shape相同时, output的shape和x1、y相同;shape不同时,需要将x1或y做broadcast操作后,相减得到output。 output的精度由两个输入中更高精度的决定。
**Since:**
3.2
**Version:**
1.0
**相关模块:**
[NNRt](_n_n_rt.md)
......@@ -18,9 +18,13 @@
- output,去除axis中长度为1的维度之后得到的tensor。
**Since:**
3.2
**Version:**
1.0
**相关模块:**
[NNRt](_n_n_rt.md)
......@@ -46,4 +50,5 @@
long [] Squeeze::axis
```
**描述:**
指定删除的维度。axis可以是一个整数或数组,整数的取值范围为[-n,n)。
......@@ -16,9 +16,13 @@
- output,将输入的张量沿axis维度堆叠的输出,n+1维tensor,数据类型与精度和输入相同。
**Since:**
3.2
**Version:**
1.0
**相关模块:**
[NNRt](_n_n_rt.md)
......@@ -44,4 +48,5 @@
long Stack::axis
```
**描述:**
一个整数,指定tensor堆叠的维度。axis可以是负数,axis取值范围为[-(n+1),(n+1))。
......@@ -18,9 +18,13 @@
- output,两个input相减的差。output的shape由x和y共同决定,x和y的shape相同时,output的shape和x、y相同; shape不同时,需要将x或y做broadcast操作后,相减得到output。output的精度为x和y中精度更高的决定。
**Since:**
3.2
**Version:**
1.0
**相关模块:**
[NNRt](_n_n_rt.md)
......@@ -45,5 +49,6 @@
```
enum ActivationType SubFusion::activationType
```
**描述:**
激活函数类型,详情请参考:[ActivationType](_n_n_rt.md#activationtype)
......@@ -6,9 +6,13 @@
子图结构体。
**Since:**
3.2
**Version:**
1.0
**相关模块:**
[NNRt](_n_n_rt.md)
......
......@@ -18,9 +18,13 @@
- Tensor,m维tensor,OperandType与input相同。如果input和multiples长度相同, 则output和input维数一致,都是n维tensor;如果multiples长度大于n,则用1填充input的维度, 再在各个维度上拷贝相应的次数,得到m维tensor。
**Since:**
3.2
**Version:**
1.0
**相关模块:**
[NNRt](_n_n_rt.md)
......@@ -46,4 +50,5 @@
long [] TileFusion::dims
```
**描述:**
它和multiples功能相同,1维tensor,指定各个维度拷贝的次数。其长度m不小于x的维数n。
......@@ -18,9 +18,13 @@
- output1,axis维度的前K个最大值的索引。
**Since:**
3.2
**Version:**
1.0
**相关模块:**
[NNRt](_n_n_rt.md)
......
......@@ -18,9 +18,13 @@
- output,n维tensor,output的数据类型,量化等参数与x相同,shape由x的shape和perm共同决定。
**Since:**
3.2
**Version:**
1.0
**相关模块:**
[NNRt](_n_n_rt.md)
......@@ -16,9 +16,13 @@
- output,输出tensor。
**Since:**
3.2
**Version:**
1.0
**相关模块:**
[NNRt](_n_n_rt.md)
......@@ -44,4 +48,5 @@
long [] Unsqueeze::axis
```
**描述:**
axis,指定增加的维度。axis可以是一个整数或一组整数,整数的取值范围为[-n,n)。
......@@ -8,9 +8,13 @@
当有多个设备注册时,需要保证设备名称和设备商名称的组合全局唯一。
**Since:**
3.2
**Version:**
2.0
**相关模块:**
[NNRt](_n_n_rt.md)
......
......@@ -6,9 +6,13 @@
定义模型编译后的对象,包含编译后模型导出、模型推理接口。
**Since:**
3.2
**Version:**
2.0
**相关模块:**
[NNRt](_n_n_rt.md)
......
Markdown is supported
0% .
You are about to add 0 people to the discussion. Proceed with caution.
先完成此消息的编辑!
想要评论请 注册