ConvTranspose2d 差异对比

torch.nn.ConvTranspose2d

torch.nn.ConvTranspose2d(
   in_channels,
   out_channels,
   kernel_size,
   stride=1,
   padding=0,
   output_padding=0,
   groups=1,
   bias=True,
   dilation=1,
   padding_mode='zeros',
   device=None,
   dtype=None
)

更多请查看 torch.nn.ConvTranspose2d.

megengine.module.ConvTranspose2d

megengine.module.ConvTranspose2d(
   in_channels,
   out_channels,
   kernel_size,
   stride=1,
   padding=0,
   output_padding=0,
   dilation=1,
   groups=1,
   bias=True,
   conv_mode='cross_correlation',
   compute_mode='default',
   ** kwargs
)

更多请查看 megengine.module.ConvTranspose2d.

使用差异

padding

PyTorch padding 可以是单个数字或元组，MegEngine padding 仅支持数值填充 0.

compute_mode 参数

MegEngine 中包含 compute_mode 参数，PyTorch 中无此参数，该参数用于指定计算模式，当设置 “default” 时, 不会对中间结果的精度有特殊要求。当设置 “float32” 时, “float32” 将被用作中间结果的数据类型, 但是只有当输入和输出的 dtype 是 float16 时有效。

conv_mode 参数

MegEngine 中包含 conv_mode 参数，PyTorch 中无此参数，该参数用于指定卷积模式，默认值为 “cross_correlation” 时, 表示使用交叉相关计算模式。在这种模式下，输入张量被视为滤波器的目标图像，而滤波器在输入上进行滑动以生成输出张量。

需要注意的是，交叉相关计算模式和转置卷积计算模式是不同的。在交叉相关计算模式下，输入张量的大小不需要与滤波器的大小匹配，输出张量的大小会比输入张量大。而在转置卷积计算模式下，输入张量的大小需要与滤波器的大小匹配，输出张量的大小会比输入张量小。