estrutura DML_ROI_ALIGN_GRAD_OPERATOR_DESC (directml.h)
Calcula gradientes de backpropagation para ROI_ALIGN e ROI_ALIGN1.
Lembre-se de que DML_ROI_ALIGN1_OPERATOR_DESC corta e redimensiona sub-regiões de um tensor de entrada usando amostragem de vizinho próximo ou interpolação bilinear. Dado um InputGradientTensor com os mesmos tamanhos que a saída de um DML_OPERATOR_ROI_ALIGN1 equivalente, esse operador produz um OutputGradientTensor com os mesmos tamanhos que a entrada de DML_OPERATOR_ROI_ALIGN1.
Por exemplo, considere um DML_OPERATOR_ROI_ALIGN1 que executa um dimensionamento vizinho mais próximo de 1,5x na largura e 0,5x na altura, para quatro culturas não sobrepostas de uma entrada com dimensões [1, 1, 4, 4]:
ROITensor
[[0, 0, 2, 2],
[2, 0, 4, 2],
[0, 2, 2, 4],
[2, 2, 4, 4]]
BatchIndicesTensor
[0, 0, 0, 0]
InputTensor
[[[[1, 2, | 3, 4], RoiAlign1 [[[[ 1, 1, 2]]],
[5, 6, | 7, 8], --> [[[ 3, 3, 4]]],
------------------ [[[ 9, 9, 10]]],
[9, 10, | 11, 12], [[[11, 11, 12]]]]
[13, 14, | 15, 16]]]]
Observe como o 0º elemento de cada região contribui para dois elementos na saída : o 1º elemento contribui para um elemento na saída e os 2º e 3º elementos contribuem para nenhum elemento da saída.
O DML_OPERATOR_ROI_ALIGN_GRAD correspondente executaria o seguinte:
InputGradientTensor OutputGradientTensor
[[[[ 1, 2, 3]]], ROIAlignGrad [[[[ 3, 3, | 9, 6],
[[[ 4, 5, 6]]], --> [ 0, 0, | 0, 0],
[[[ 7, 8, 9]]], ------------------
[[[10, 11, 12]]]] [15, 9, | 21, 12],
[ 0, 0, | 0, 0]]]]
Em resumo, DML_OPERATOR_ROI_ALIGN_GRAD se comporta de forma semelhante a uma DML_OPERATOR_RESAMPLE_GRAD executada em cada lote do quando as InputGradientTensor regiões não se sobrepõem.
Para OutputROIGradientTensor, a matemática é um pouco diferente e pode ser resumida pelo pseudocódigo a seguir (supondo que MinimumSamplesPerOutput == 1 e MaximumSamplesPerOutput == 1):
for each region of interest (ROI):
for each inputGradientCoordinate:
for each inputCoordinate that contributed to this inputGradient element:
topYIndex = floor(inputCoordinate.y)
bottomYIndex = ceil(inputCoordinate.y)
leftXIndex = floor(inputCoordinate.x)
rightXIndex = ceil(inputCoordinate.x)
yLerp = inputCoordinate.y - topYIndex
xLerp = inputCoordinate.x - leftXIndex
topLeft = InputTensor[topYIndex][leftXIndex]
topRight = InputTensor[topYIndex][rightXIndex]
bottomLeft = InputTensor[bottomYIndex][leftXIndex]
bottomRight = InputTensor[bottomYIndex][rightXIndex]
inputGradientWeight = InputGradientTensor[inputGradientCoordinate.y][inputGradientCoordinate.x]
imageGradY = (1 - xLerp) * (bottomLeft - topLeft) + xLerp * (bottomRight - topRight)
imageGradX = (1 - yLerp) * (topRight - topLeft) + yLerp * (bottomRight - bottomLeft)
imageGradY *= inputGradientWeight
imageGradX *= inputGradientWeight
OutputROIGradientTensor[roiIndex][0] += imageGradX * (inputWidth - inputGradientCoordinate.x)
OutputROIGradientTensor[roiIndex][1] += imageGradY * (inputHeight - inputGradientCoordinate.y)
OutputROIGradientTensor[roiIndex][2] += imageGradX * inputGradientCoordinate.x
OutputROIGradientTensor[roiIndex][3] += imageGradY * inputGradientCoordinate.y
OutputGradientTensor ou OutputROIGradientTensor pode ser omitido se apenas um for necessário, mas pelo menos um deve ser fornecido.
Sintaxe
struct DML_ROI_ALIGN_GRAD_OPERATOR_DESC {
const DML_TENSOR_DESC *InputTensor;
const DML_TENSOR_DESC *InputGradientTensor;
const DML_TENSOR_DESC *ROITensor;
const DML_TENSOR_DESC *BatchIndicesTensor;
const DML_TENSOR_DESC *OutputGradientTensor;
const DML_TENSOR_DESC *OutputROIGradientTensor;
DML_REDUCE_FUNCTION ReductionFunction;
DML_INTERPOLATION_MODE InterpolationMode;
FLOAT SpatialScaleX;
FLOAT SpatialScaleY;
FLOAT InputPixelOffset;
FLOAT OutputPixelOffset;
UINT MinimumSamplesPerOutput;
UINT MaximumSamplesPerOutput;
BOOL AlignRegionsToCorners;
};
Membros
InputTensor
Tipo: _Maybenull_ const DML_TENSOR_DESC*
Um tensor que contém os dados de entrada da passagem de avanço com dimensões { BatchCount, ChannelCount, InputHeight, InputWidth }. Esse tensor deve ser fornecido quando OutputROIGradientTensor for fornecido ou quando ReductionFunction == DML_REDUCE_FUNCTION_MAX. Esse é o mesmo tensor que seria fornecido para InputTensorDML_OPERATOR_ROI_ALIGN ou DML_OPERATOR_ROI_ALIGN1.
InputGradientTensor
Tipo: const DML_TENSOR_DESC*
ROITensor
Tipo: const DML_TENSOR_DESC*
Um tensor que contém os dados de ROI (regiões de interesse) – uma série de caixas delimitadoras em coordenadas de ponto flutuante que apontam para as dimensões X e Y do tensor de entrada. As dimensões permitidas de ROITensor são { NumROIs, 4 }, { 1, NumROIs, 4 }ou { 1, 1, NumROIs, 4 }. Para cada ROI, os valores serão as coordenadas de seus cantos superior esquerdo e inferior direito na ordem [x1, y1, x2, y2]. As regiões podem estar vazias, o que significa que todos os pixels de saída vêm da coordenada de entrada única e as regiões podem ser invertidas (por exemplo, x2 menos que x1), o que significa que a saída recebe uma versão espelhada/invertida da entrada. Essas coordenadas são dimensionadas primeiro por SpatialScaleX e SpatialScaleY, mas se ambas forem 1,0, os retângulos de região simplesmente corresponderão diretamente às coordenadas do tensor de entrada. Esse é o mesmo tensor que seria fornecido para ROITensorDML_OPERATOR_ROI_ALIGN ou DML_OPERATOR_ROI_ALIGN1.
BatchIndicesTensor
Tipo: const DML_TENSOR_DESC*
Um tensor que contém os índices de lote dos quais extrair os ROIs. As dimensões permitidas de BatchIndicesTensor são { NumROIs }, { 1, NumROIs }, { 1, 1, NumROIs }ou { 1, 1, 1, NumROIs }. Cada valor é o índice de um lote de InputTensor. O comportamento será indefinido se os valores não estiverem no intervalo [0, BatchCount). Esse é o mesmo tensor que seria fornecido para BatchIndicesTensorDML_OPERATOR_ROI_ALIGN ou DML_OPERATOR_ROI_ALIGN1.
OutputGradientTensor
Tipo: _Maybenull_ const DML_TENSOR_DESC*
Um tensor de saída que contém os gradientes backpropagated em relação a InputTensor. Normalmente, esse tensor teria os mesmos tamanhos que a entrada do DML_OPERATOR_ROI_ALIGN1 correspondente no passe para frente. Se OutputROIGradientTensor não for fornecido, deveráOutputGradientTensor ser fornecido.
OutputROIGradientTensor
Tipo: _Maybenull_ const DML_TENSOR_DESC*
Um tensor de saída que contém os gradientes backpropagated em relação a ROITensor. Esse tensor precisa ter os mesmos tamanhos que ROITensor. Se OutputGradientTensor não for fornecido, deveráOutputROIGradientTensor ser fornecido.
ReductionFunction
Tipo: DML_REDUCE_FUNCTION
Consulte DML_ROI_ALIGN1_OPERATOR_DESC::ReductionFunction.
InterpolationMode
Tipo: DML_INTERPOLATION_MODE
Consulte DML_ROI_ALIGN1_OPERATOR_DESC::InterpolationMode.
SpatialScaleX
Tipo: FLOAT
Consulte DML_ROI_ALIGN1_OPERATOR_DESC::SpatialScaleX.
SpatialScaleY
Tipo: FLOAT
Consulte DML_ROI_ALIGN1_OPERATOR_DESC::SpatialScaleY.
InputPixelOffset
Tipo: FLOAT
Consulte DML_ROI_ALIGN1_OPERATOR_DESC::InputPixelOffset.
OutputPixelOffset
Tipo: FLOAT
Consulte DML_ROI_ALIGN1_OPERATOR_DESC::OutputPixelOffset.
MinimumSamplesPerOutput
Tipo: UINT
Consulte DML_ROI_ALIGN1_OPERATOR_DESC::MinimumSamplesPerOutput.
MaximumSamplesPerOutput
Tipo: UINT
Consulte DML_ROI_ALIGN1_OPERATOR_DESC::MaximumSamplesPerOutput.
AlignRegionsToCorners
Tipo: BOOL
Consulte DML_ROI_ALIGN1_OPERATOR_DESC::AlignRegionsToCorners.
Comentários
Disponibilidade
Esse operador foi introduzido no DML_FEATURE_LEVEL_4_1.
Restrições do Tensor
InputGradientTensor, InputTensor, OutputGradientTensor, OutputROIGradientTensor e ROITensor devem ter o mesmo DataType.
Suporte ao Tensor
DML_FEATURE_LEVEL_4_1 e superior
| Tensor | Tipo | Contagens de dimensões com suporte | Tipos de dados com suporte |
|---|---|---|---|
| InputTensor | Entrada opcional | 4 | FLOAT32, FLOAT16 |
| InputGradientTensor | Entrada | 4 | FLOAT32, FLOAT16 |
| ROITensor | Entrada | 2 a 4 | FLOAT32, FLOAT16 |
| BatchIndicesTensor | Entrada | 1 a 4 | UINT32 |
| OutputGradientTensor | Saída opcional | 4 | FLOAT32, FLOAT16 |
| OutputROIGradientTensor | Saída opcional | 2 a 4 | FLOAT32, FLOAT16 |
Requisitos
| Requisito | Valor |
|---|---|
| Cabeçalho | directml.h |
Comentários
Em breve: Ao longo de 2024, eliminaremos os problemas do GitHub como o mecanismo de comentários para conteúdo e o substituiremos por um novo sistema de comentários. Para obter mais informações, consulte https://aka.ms/ContentUserFeedback.
Enviar e exibir comentários de