BackWardH
qiuliang1993 opened this issue · comments
hi，大佬，在感受野倒推时遇到TransPoseConv2d（上采样）算子时，当start idx 与感受野大小不能被2整除时，为什么采用的是向上取整呢？这样很容易出现位置对不上的情况
能详细说一下在什么情况下遇到的这个问题吗？这里的start idx是哪部分定义的参数？
请问，是遇到了bug么？能提供下测试用例吗？
没有遇到bug，只是按照代码中的逻辑，在指定pixel id和slice size的条件下，推算了Transposeconv2d算子输入的pixel id和slice size，发现这里的点的位置不能对上。
就如上图，起始pixel id = 7， slice size = 5 ， 推出的input pixel id = 4， slize size = 2
不太明白你是如何进行推算的，请参考上图y3对应的输入索引，希望能解答你的疑惑。
假设 TransposeConv2d 的kernel size = 3 ，stride = 2， padding = 0，out_padding = 0 ,dilation = 1, input_feature_map_h = 24
out_idx = 7, out_slice = 6, 按照代码中的逻辑推算出input h_idx = 3， input h_slice = 4，然后使用TransposeConv2d的计算公式正推output feature 的slice = (4 - 1) * 2 + 0 + 1 * (3 - 1) + 1 = 9 与之前给定的out_slice的值对不上
torch官网里的公式这里不能直接套用，因为套用它的前提是你的input shape为4，先看套用这个公式实际的计算流程，按你提供的参数，在input的左右都会pad 2，input展开后，即（0，0，i0，0，i1，... , 0, i3, 0, 0），卷积计算后out_shape是9。在看 backwardsH在算什么，backwards计算的是一个中间态，寻找的是out_idx, out_slice需要input中哪些部分参与运算，当out_idx = 7， out_slice = 6的时候实际参与计算的input展开后是（0， i3，0，i4，..., 0, i6），如果这里的代码比较难理解可以尝试通过绘图的方式进行辅助理解。
回到你最开始的问题“为什么采用的是向上取整呢”, 通过向上取整得到 real_in_idx，在pad_t中根据real_in_idx 反向计算，可以知道tilingx的头部需不需要进行pad。
对，但是我从code中只看到了计算pad_t的过程，并没有使用pad_t
后面下指令的时候会使用。
好的，明白了，非常感谢