CANN ROIPooling算子描述

ROIPooling 算子 API 描述【免费下载链接】cann-bench评测AI在处理CANN领域代码任务的能力涵盖算子生成、算子优化等领域支撑模型选型、训练效果评估统一量化评估标准识别Agent能力短板构建CANN领域评测平台推动AI能力在CANN领域的持续演进。项目地址: https://gitcode.com/cann/cann-bench1. 算子简介对输入特征图按 ROI 进行最大池化。主要应用场景目标检测中对候选区域进行固定尺寸的特征提取Fast R-CNN、Faster R-CNN 等检测框架中的 ROI 特征池化将不同大小的感兴趣区域映射为统一尺寸的特征表示算子特征难度等级L3Reduction双输入特征图 x 和 ROI 框 rois单输出对每个 ROI 区域执行最大池化2. 算子定义数学公式$$ y \text{roi_pool}(x, rois, \text{output_size}) $$对于每个 ROI将其通过 spatial_scale 映射到输入特征图上的区域然后将该区域划分为 pooled_h x pooled_w 个 bin在每个 bin 内取最大值得到固定尺寸的输出。3. 接口规范算子原型cann_bench.roi_pooling(Tensor x, Tensor rois, int pooled_h, int pooled_w, float spatial_scale) - Tensor y输入参数说明参数类型默认值描述xTensor必选输入特征图shape 为 [N, C, H, W]roisTensor必选ROI 框shape 为 [num_rois, 5]pooled_hint必选池化后高度pooled_wint必选池化后宽度spatial_scalefloat必选空间缩放因子用于将 ROI 坐标映射到输入特征图尺寸输出参数Shapedtype描述y[num_rois, C, pooled_h, pooled_w]与输入 x 相同输出张量ROI 池化结果数据类型输入 dtype输出 dtypefloat32float32float16float16规则与约束输入特征图 x 的 shape 为 [N, C, H, W]即 batch、通道、高、宽四维格式ROI 框 rois 的 shape 为 [num_rois, 5]每行格式为 [batch_index, x1, y1, x2, y2]x 和 rois 的 dtype 需一致pooled_h 和 pooled_w 需为正整数spatial_scale 用于将 ROI 坐标从原图尺度映射到特征图尺度4. 精度要求计算结果与 PyTorch Golden 实现逐元素对比需满足以下误差阈值数据类型验证方式rtolatolfloat16相对误差1e-31e-3float32相对误差1e-41e-4对比公式$$ |output - golden| \leq atol rtol \times |golden| $$5. 标准 Golden 代码import torch def roi_pooling( x: torch.Tensor, rois: torch.Tensor, pooled_h: int, pooled_w: int, spatial_scale: float 1.0 ) - torch.Tensor: 对输入特征图按ROI进行最大池化 公式: y roi_pool(x, rois, output_size) Args: x: 输入特征图 [N, C, H, W] rois: ROI框 [K, 5] (batch_idx, x1, y1, x2, y2) pooled_h: 池化后高度 pooled_w: 池化后宽度 spatial_scale: 空间缩放因子 Returns: 输出张量 [K, C, pooled_h, pooled_w] num_rois rois.shape[0] channels x.shape[1] output torch.zeros( (num_rois, channels, pooled_h, pooled_w), dtypex.dtype, devicex.device ) for i in range(num_rois): roi rois[i] batch_idx int(roi[0]) x1, y1, x2, y2 roi[1:].tolist() x1 * spatial_scale y1 * spatial_scale x2 * spatial_scale y2 * spatial_scale roi_width max(x2 - x1, 0.0) roi_height max(y2 - y1, 0.0) bin_size_h roi_height / pooled_h bin_size_w roi_width / pooled_w roi_data x[batch_idx:batch_idx 1] for ph in range(pooled_h): for pw in range(pooled_w): y_start int(y1 ph * bin_size_h) x_start int(x1 pw * bin_size_w) y_end int(y1 (ph 1) * bin_size_h) x_end int(x1 (pw 1) * bin_size_w) y_start max(y_start, 0) x_start max(x_start, 0) y_end min(y_end, roi_data.shape[2]) x_end min(x_end, roi_data.shape[3]) if y_end y_start and x_end x_start: output[i, :, ph, pw] roi_data[:, :, y_start:y_end, x_start:x_end].max(dim2)[0].max(dim2)[0] return output6. 额外信息算子调用示例import torch import cann_bench x torch.randn(2, 256, 64, 64, dtypetorch.float32, devicenpu) rois torch.tensor([[0, 10.0, 10.0, 50.0, 50.0], [1, 20.0, 20.0, 60.0, 60.0]], dtypetorch.float32, devicenpu) y cann_bench.roi_pooling(x, rois, 7, 7, 0.0625)性能基线参考基于 cases.yaml 中 20 个测试用例所有用例的 baseline_perf_us 均为 None基线性能尚未测量。测试用例覆盖了不同的特征图大小32x32 到 128x128、不同的输出尺寸1x1 到 14x14、不同的 spatial_scale0.015625 到 1.0以及 float16、float32 等数据类型。相关算子ROIAlign与 ROIPooling 类似但使用双线性插值代替量化坐标精度更高Conv2D二维卷积算子常与 ROIPooling 配合用于特征提取网络NMS非极大值抑制算子在目标检测流水线中与 ROIPooling 协同使用【免费下载链接】cann-bench评测AI在处理CANN领域代码任务的能力涵盖算子生成、算子优化等领域支撑模型选型、训练效果评估统一量化评估标准识别Agent能力短板构建CANN领域评测平台推动AI能力在CANN领域的持续演进。项目地址: https://gitcode.com/cann/cann-bench创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考