NCNN的操作算子权重表对应

最近项目需要移植，所以需要看ncnn权重表和算子，有时候github上不了，这里记录下

权重表：

ncnn/docs/developer-guide/operation-param-weight-table.md at master · Tencent/ncnn · GitHub

算子描述：

ncnn/docs/developer-guide/operators.md at master · Tencent/ncnn · GitHub

可以参考：

ncnn 算子操作描述-CSDN博客

这里记录下方便索引和查询

req	operation	param id	param phase	default value	weight order	Description
1	AbsVal					取绝对值的算子，将输入张量中的元素取绝对值
2	ArgMax	0	out_max_val	0		计算张量中元素的最大值索引，返回最大值的位置信息
		1	topk	1
3	BatchNorm	0	channels	0	slope mean variance bias	批量归一化算子，用于加速神经网络训练和提高泛化能力
		1	eps	0.f
4	Bias	0	bias_data_size	0		偏置算子，用于在神经网络的计算中加上偏置项
5	BinaryOp	0	op_type	0		二元运算算子，对两个输入进行特定操作，如加法、减法等
		1	with_scalar	0
		2	b	0.f
6	BNLL					BNLL 激活函数算子，对输入应用 BNLL（Bounding Nonlinear with Learned Limits）激活函数
7	Cast	0	type_from	0		类型转换算子，将输入数据从一种类型转换为另一种类型
		1	type_to	0
8	Clip	0	min	-FLT_MAX		剪切算子，将输入张量中的元素限制在一定范围内
		1	max	FLT_MAX
9	Concat	0	axis	0		拼接算子，将多个输入张量沿着指定轴连接起来
10	Convolution	0	num_output	0	weight bias	卷积算子，通过卷积核在输入图像上滑动并执行加权和操作来提取特征
		1	kernel_w	0
		2	dilation_w	1
		3	stride_w	1
		4	pad_left	0
		5	bias_term	0
		6	weight_data_size	0
		8	int8_scale_term	0
		9	activation_type	0
		10	activation_params	[ ]
		11	kernel_h	kernel_w
		12	dilation_h	dilation_w
		13	stride_h	stride_w
		15	pad_right	pad_left
		14	pad_top	pad_left
		16	pad_bottom	pad_top
		17	impl_type	0
		18	pad_value	0.f
11	ConvolutionDepthWise	0	num_output	0	weight bias	深度可分离卷积算子，分别对每个通道做卷积操作
		1	kernel_w	0
		2	dilation_w	1
		3	stride_w	1
		4	pad_left	0
		5	bias_term	0
		6	weight_data_size	0
		7	group	1
		8	int8_scale_term	0
		9	activation_type	0
		10	activation_params	[ ]
		11	kernel_h	kernel_w
		12	dilation_h	dilation_w
		13	stride_h	stride_w
		15	pad_right	pad_left
		14	pad_top	pad_left
		16	pad_bottom	pad_top
		18	pad_value	0.f
12	Crop	0	woffset	0		裁剪算子，根据指定的位置和尺寸从输入张量中截取部分
		1	hoffset	0
		2	coffset	0
		3	outw	0
		4	outh	0
		5	outc	0
		6	woffset2	0
		7	hoffset2	0
		8	coffset2	0
		9	starts	[ ]
		10	ends	[ ]
		11	axes	[ ]
13	Deconvolution	0	num_output	0	weight bias	反卷积算子，用于上采样和特征图重建
		1	kernel_w	0
		2	dilation_w	1
		3	stride_w	1
		4	pad_left	0
		5	bias_term	0
		6	weight_data_size	0
		9	activation_type	0
		10	activation_params	[ ]
		11	kernel_h	kernel_w
		12	dilation_h	dilation_w
		13	stride_h	stride_w
		15	pad_right	pad_left
		14	pad_top	pad_left
		16	pad_bottom	pad_top
		18	output_pad_right	0
		19	output_pad_bottom	output_pad_right
		20	output_w	0
		21	output_h	output_w
14	DeconvolutionDepthWise	0	num_output	0	weight bias	深度可分离反卷积算子，分别对每个通道做反卷积操作
		1	kernel_w	0
		2	dilation_w	1
		3	stride_w	1
		4	pad_left	0
		5	bias_term	0
		6	weight_data_size	0
		7	group	1
		9	activation_type	0
		10	activation_params	[ ]
		11	kernel_h	kernel_w
		12	dilation_h	dilation_w
		13	stride_h	stride_w
		15	pad_right	pad_left
		14	pad_top	pad_left
		16	pad_bottom	pad_top
		18	output_pad_right	0
		19	output_pad_bottom	output_pad_right
		20	output_w	0
		21	output_h	output_w
15	Dequantize	0	scale	1.f	bias	反量化算子，将量化的输入数据转换为浮点数表示
		1	bias_term	0
		2	bias_data_size	0
16	DetectionOutput	0	num_class	0		检测输出算子，用于目标检测模型中的输出处理
		1	nms_threshold	0.05f
		2	nms_top_k	300
		3	keep_top_k	100
		4	confidence_threshold	0.5f
		5	variances[0]	0.1f
		6	variances[1]	0.1f
		7	variances[2]	0.2f
		8	variances[3]	0.2f
17	Dropout	0	scale	1.f		随机失活算子，随机将部分输入元素置零来防止过拟合
18	Eltwise	0	op_type	0		逐元素操作算子，对输入进行逐元素操作，如加法、乘法等
		1	coeffs	[ ]
19	ELU	0	alpha	0.1f		ELU（Exponential Linear Unit）激活函数算子，具有平滑性和抗饱和性
20	Embed	0	num_output	0	weight bias	嵌入层算子，将输入转换为稠密向量的表示
		1	input_dim	0
		2	bias_term	0
		3	weight_data_size	0
21	Exp	0	base	-1.f		指数函数算子，对输入进行指数运算
		1	scale	1.f
		2	shift	0.f
22	ExpandDims	0	expand_w	0		扩展维度算子，向张量插入新的维度
		1	expand_h	0
		2	expand_c	0
		3	axes	[ ]
23	Flatten					展平算子，将输入张量展平成一维张量
24	HardSigmoid	0	alpha	0.2f		硬Sigmoid 算子，近似 Sigmoid 函数但计算速度更快
		1	beta	0.5f
25	HardSwish	0	alpha	0.2f		硬Swish 算子，一种结合线性和非线性激活的函数
		1	beta	0.5f
26	InnerProduct	0	num_output	0	weight bias	全连接算子，将输入数据与权重矩阵相乘并加上偏置项
		1	bias_term	0
		2	weight_data_size	0
		8	int8_scale_term	0
		9	activation_type	0
		10	activation_params	[ ]
27	Input	0	w	0		输入算子，代表神经网络的输入数据
		1	h	0
		2	c	0
28	InstanceNorm	0	channels	0	gamma bias	实例归一化算子，对每个样本进行归一化
		1	eps	0.001f
29	Interp	0	resize_type	0		插值算子，用于图像的缩放和插值操作
		1	height_scale	1.f
		2	width_scale	1.f
		3	output_height	0
		4	output_width	0
30	Log	0	base	-1.f		对数算子，对输入数据取对数
		1	scale	1.f
		2	shift	0.f
31	LRN	0	region_type	0		局部响应归一化算子，增强特征的鲁棒性
		1	local_size	5
		2	alpha	1.f
		3	beta	0.75f
		4	bias	1.f
32	LSTM	0	num_output	0		长短期记忆网络算子，用于处理时间序列数据和保持长期依赖关系
		1	weight_data_size	1
		2	direction	0
33	MemoryData	0	w	0		内存数据算子，从内存中读取数据
		1	h	0
		2	c	0
34	Mish					Mish 函数算子，一种饱和非线性函数
35	MVN	0	normalize_variance	0		均值归一化算子，对输入进行均值归一化
		1	across_channels	0
		2	eps	0.0001f
36	Noop					空操作算子，无任何实际操作
37	Normalize	0	across_spatial	0	scale	归一化算子，对输入数据进行归一化处理
		4	across_channel	0
		1	channel_shared	0
		2	eps	0.0001f
		9	eps_mode	0
		3	scale_data_size	0
38	Packing	0	out_packing	1		打包算子，将多个小张量组合成一个大张量
		1	use_padding	0
		2	cast_type_from	0
		3	cast_type_to	0
		4	storage_type_from	0
		5	storage_type_to	0
39	Padding	0	top	0	per_channel_pad_data	填充算子，对输入数据进行填充操作
		1	bottom	0
		2	left	0
		3	right	0
		4	type	0
		5	value	0.f
		6	per_channel_pad_data_size	0
		7	front	0
		8	behind	0
40	Permute	0	order_type	0		置换算子，调整输入张量的维度顺序
41	PixelShuffle	0	upscale_factor	1		像素重排算子，重新排列张量中的像素
42	Pooling	0	pooling_type(0: max 1: avg)	0		池化算子，降采样并减少特征图的尺寸
		1	kernel_w	0
		11	kernel_h	kernel_w
		2	stride_w	1
		12	stride_h	stride_w
		3	pad_left	0
		14	pad_right	pad_left
		13	pad_top	pad_left
		15	pad_bottom	pad_top
		4	global_pooling	0
		5	pad_mode	0
43	Power	0	power	1.f		幂次方算子，对输入数据进行幂运算
		1	scale	1.f
		2	shift	0.f
44	PReLU	0	num_slope	0	slope	参数化 ReLU 算子，带有可学习参数的 ReLU 激活函数
45	PriorBox	0	min_sizes	[ ]		先验框算子，用于目标检测中的先验框生成
		1	max_sizes	[ ]
		2	aspect_ratios	[ ]
		3	varainces[0]	0.f
		4	varainces[1]	0.f
		5	varainces[2]	0.f
		6	varainces[3]	0.f
		7	flip	1
		8	clip	0
		9	image_width	0
		10	image_height	0
		11	step_width	-233.f
		12	step_height	-233.f
		13	offset	0.f
		14	step_mmdetection	0
		15	center_mmdetection	0
46	Proposal	0	feat_stride	16		提议算子，用于目标检测中的目标提议生成
		1	base_size	16
		2	pre_nms_topN	6000
		3	after_nms_topN	300
		4	num_thresh	0.7f
		5	min_size	16
47	PSROIPooling	0	pooled_width	7		位置敏感区域兴奋池化算子，用于目标检测中的区域兴奋池化
		1	pooled_height	7
		2	spatial_scale	0.0625f
		3	output_dim	0
48	Quantize	0	scale	1.f		量化算子，将浮点数表示的输入数据转换为固定精度的整数
49	Reduction	0	operation	0		降维算子，对输入数据进行维度降低操作
		1	dim	0
		2	coeff	1.f
		3	axes	[ ]
		4	keepdims	0
50	ReLU	0	slope	0.f		整流线性单元算子，引入非线性提升模型的表达能力
51	Reorg	0	stride	0		重组算子，对输入数据进行重新组织操作
52	Requantize	0	scale_in	1.f	bias	重新量化算子，调整量化参数以进行前向和反向传播
		1	scale_out	1.f
		2	bias_term	0
		3	bias_data_size	0
		4	fusion_relu	0
53	Reshape	0	w	-233		重塑算子，改变输入张量的形状
		1	h	-233
		2	c	-233
		3	permute	0
54	ROIAlign	0	pooled_width	0		感兴趣区域对齐算子，用于目标检测中的特征提取操作
		1	pooled_height	0
		2	spatial_scale	1.f
		3	sampling_ratio	0
		4	aligned	0
		5	version	0
55	ROIPooling	0	pooled_width	0		感兴趣区域池化算子，对感兴趣区域进行池化操作
		1	pooled_height	0
		2	spatial_scale	1.f
56	Scale	0	scale_data_size	0	scale bias	缩放算子，对输入进行缩放操作
		1	bias_term	0
57	SELU	0	alpha	1.67326324f		自归一化激活函数算子，具有自动归一化性质和非线性特性
		1	lambda	1.050700987f
58	ShuffleChannel	0	group	1		通道混洗算子，对输入特征图的通道进行重排
59	Sigmoid					Sigmoid函数算子，输出介于0和1之间的概率值
60	Slice	0	slices	[ ]		切片算子，将输入张量按照指定维度切片
		1	axis	0
61	Softmax	0	axis	0		Softmax函数算子，将输入转换为概率分布
62	Split					分割算子，将输入分割成多个子张量
63	SPP	0	pooling_type	0		空间金字塔池化算子，提取图像不同尺寸下的特征
		1	pyramid_height	1
64	Squeeze	0	squeeze_w	0		压缩算子，删除维度为1的维度
		1	squeeze_h	0
		2	squeeze_c	0
		3	axes	[ ]
65	StatisticsPooling	0	include_stddev	0		统计池化算子，通过统计输入数据生成附加信息
66	Swish					Swish激活函数算子，引入非线性饱和特性
67	TanH					双曲正切算子，对输入进行双曲正切函数变换
68	Threshold	0	threshold	0.f		阈值化算子，对输入进行阈值处理
69	Tile	0	dim	0		平铺算子，按照指定次数复制输入数据
		1	tiles	1
70	UnaryOp	0	op_type	0		一元运算算子，对输入进行特定一元操作
71	YoloDetectionOutput	0	num_class	20		Yolo检测输出算子，用于Yolo目标检测模型中的输出处理
		1	num_box	5
		2	confidence_threshold	0.01f
		3	num_threshold	0.45f
		4	biases	[]
82	Yolov3DetectionOutput	0	num_class	20		Yolov3检测输出算子，用于Yolov3目标检测模型中的输出处理
		1	num_box	5
		2	confidence_threshold	0.01f
		3	num_threshold	0.45f
		4	biases	[]
		5	mask	[]
		6	anchors_scale	[]
83	RNN	0	num_output	0		循环神经网络算子，适用于序列数据的处理
		1	weight_data_size	0
		2	direction	0
74	MultiHeadAttention	0	embed_dim	0		多头注意力机制算子，用于自注意力机制中的多头注意力计算
		1	num_head	1
		2	weight_data_size	0