DepthwiseConv2dNative

4 boyutlu 'giriş' ve 'filtre' tensörleri verildiğinde 2 boyutlu derinlemesine evrişimi hesaplar.

"[batch, in_height, in_width, in_channels]" şeklinde bir giriş tensörü ve "[filter_height, filter_width, in_channels,channel_multiplier]" şeklinde bir filtre / çekirdek tensörü verildiğinde, derinlik 1'in "in_channels" evrişimli filtreleri, "derinlikwise_conv2d" bulunur her giriş kanalına farklı bir filtre uygular (her biri için 1 kanaldan "channel_multiplier" kanallarına kadar genişler), ardından sonuçları birleştirir. Bu nedenle çıktıda "in_channels *channel_multiplier" kanalları bulunur.

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]
 }