DepthwiseConv2dNative

คำนวณการบิดเชิงลึกแบบ 2 มิติโดยกำหนดเทนเซอร์ 'อินพุต' และ 'ตัวกรอง' แบบ 4 มิติ

ให้เทนเซอร์อินพุตของรูปร่าง `[batch, in_height, in_width, in_channels]` และตัวกรอง / เทนเซอร์เคอร์เนลของรูปร่าง `[filter_height, filter_width, in_channels, channel_multiplier]` ซึ่งมีตัวกรองแบบหมุนวน `in_channels` ที่ความลึก 1, `deepwise_conv2d` ใช้ตัวกรองที่แตกต่างกันกับแต่ละช่องอินพุต (ขยายจาก 1 ช่องเป็น `channel_multiplier` สำหรับแต่ละช่อง) จากนั้นต่อผลลัพธ์เข้าด้วยกัน ดังนั้นเอาต์พุตจึงมีช่อง `in_channels * channel_multiplier`

for k in 0..in_channels-1
   for q in 0..channel_multiplier-1
     output[b, i, j, k * channel_multiplier + q] =
       sum_{di, dj input[b, strides[1] * i + di, strides[2] * j + dj, k] *
                         filter[di, dj, k, q]
 }

ต้องมี `ก้าว[0] = ก้าวย่าง[3] = 1` สำหรับกรณีที่พบบ่อยที่สุดของการก้าวในแนวนอนและจุดยอดเดียวกัน `การก้าว = [1, ก้าวก้าว, ก้าวย่าง, 1]`