🥹ONNX中的广播机制

Broadcasting in ONNX

在 ONNX 中，只要输入的张量可以广播到相同的形状，那么按元素排列的算子就可以接受不同形状的输入。ONNX 支持两种广播方式：多向广播和单向广播。我们将在下文中分别介绍这两种广播类型。

多向广播

在 ONNX 中，如果以下条件之一为真，则一组张量可以多向广播到相同的形状：

• 所有张量的形状完全相同。

• 所有张量都有相同的维数。

• 维数少的张量可以在其形状前添加长度为 1 的维数，以满足性质 2 的要求。

例如，多向广播支持以下张量形状：

• shape(A) = (2, 3, 4, 5), shape(B) = (,), i.e. B is a scalar ==> shape(result) = (2, 3, 4, 5)

• shape(A) = (2, 3, 4, 5), shape(B) = (5,), ==> shape(result) = (2, 3, 4, 5)

• shape(A) = (4, 5), shape(B) = (2, 3, 4, 5), ==> shape(result) = (2, 3, 4, 5)

• shape(A) = (1, 4, 5), shape(B) = (2, 3, 1, 1), ==> shape(result) = (2, 3, 4, 5)

• shape(A) = (3, 4, 5), shape(B) = (2, 1, 1, 1), ==> shape(result) = (2, 3, 4, 5)

Multidirectional broadcasting is the same as Numpy’s broadcasting.

ONNX 的下列算子支持多向广播：

• Add

• And

• Div

• Equal

• Greater

• Less

• Max

• Mean

• Min

• Mul

• Or

• Pow

• Sub

• Sum

• Where

• Xor

单向广播

在 ONNX 中，如果以下条件之一为真，则张量 B 可单向广播到张量 A：

• 张量 A 和张量 B 的形状完全相同。

• 张量 A 和张量 B 的维数相同。

• 张量 B 的维数少，可以在 B 的形状前添加长度为 1 的维数，以满足性质 2。

当发生单向广播时，输出的形状与 A 的形状相同（即两个输入张量中较大的那个shape）。

在以下示例中，张量 B 可单向广播到张量 A：

• shape(A) = (2, 3, 4, 5), shape(B) = (,), i.e. B is a scalar ==> shape(result) = (2, 3, 4, 5)

• shape(A) = (2, 3, 4, 5), shape(B) = (5,), ==> shape(result) = (2, 3, 4, 5)

• shape(A) = (2, 3, 4, 5), shape(B) = (2, 1, 1, 5), ==> shape(result) = (2, 3, 4, 5)

• shape(A) = (2, 3, 4, 5), shape(B) = (1, 3, 1, 5), ==> shape(result) = (2, 3, 4, 5)

ONNX 的下列算子支持单向广播：

• Gemm

• PRelu