[ paddle 参数更多 ]torch.nn.LazyConv2d¶

torch.nn.LazyConv2d ¶

torch.nn.LazyConv2d(out_channels, kernel_size, stride=1, padding=0, dilation=1, groups=1, bias=True, padding_mode='zeros', device=None, dtype=None)

paddle.nn.Conv2D ¶

paddle.nn.Conv2D(in_channels,
                 out_channels,
                 kernel_size,
                 stride=1,
                 padding=0,
                 dilation=1,
                 groups=1,
                 padding_mode='zeros',
                 weight_attr=None,
                 bias_attr=None,
                 data_format='NCHW')

其中，Paddle 不支持 in_channels 参数的延迟初始化，PyTorch 的 bias 与 Paddle 的 bias_attr 用法不一致，具体如下：

参数映射¶

PyTorch	PaddlePaddle	备注
-	in_channels	表示输入 Tensor 通道数，PyTorch 无此参数，Paddle 需要根据实际输入 Tensor 的通道数进行设置。
out_channels	out_channels	表示输出 Tensor 通道数。
kernel_size	kernel_size	表示卷积核大小。
stride	stride	表示卷积核步长。
padding	padding	表示填充大小。
dilation	dilation	表示空洞大小。
groups	groups	表示分组数。
bias	-	是否在输出中添加可学习的 bias。
padding_mode	padding_mode	表示填充模式。
device	-	指定 Tensor 的设备，一般对网络训练结果影响不大，可直接删除。
dtype	-	指定权重参数属性的对象，一般对网络训练结果影响不大，可直接删除。
-	weight_attr	Tensor 的所需数据类型，PyTorch 无此参数，Paddle 保持默认即可。
-	bias_attr	Tensor 的所需数据类型，当`bias_attr`设置为 bool 类型与 PyTorch 的作用一致。
-	data_format	Tensor 的所需数据类型，PyTorch 无此参数，Paddle 保持默认即可。

转写示例¶

in_channels: 输入通道数¶

在 PyTorch 中，使用 LazyConv2d 时可以不指定 in_channels，它会在第一次前向传播时根据输入 Tensor 的形状自动确定；而在 Paddle 中，创建 Conv2D 时必须明确指定 in_channels 参数，其值应与输入 Tensor 的通道数保持一致。

# PyTorch 写法
conv = torch.nn.LazyConv2d(out_channels=16, kernel_size=3)
input = torch.randn(20, 5, 10, 10)  # 5 是输入通道数
output = conv(input)  # 此时 in_channels 会根据输入 Tensor 的形状自动设置为 5

# Paddle 写法
conv = paddle.nn.Conv2D(in_channels=5, out_channels=16, kernel_size=3)  # 需要明确指定 in_channels
input = paddle.randn([20, 5, 10, 10])  # 5 是输入通道数
output = conv(input)

bias: 是否在输出中添加可学习的 bias¶

# PyTorch 写法
torch.nn.LazyConv2d(out_channels=33, kernel_size=3, bias=True)

# Paddle 写法
paddle.nn.Conv2D(in_channels=16, out_channels=33, kernel_size=3)  # in_channels 需要根据实际输入的通道数进行设置

# PyTorch 写法
torch.nn.LazyConv2d(out_channels=33, kernel_size=3, bias=False)

# Paddle 写法
paddle.nn.Conv2D(in_channels=16, out_channels=33, kernel_size=3, bias_attr=False)  # in_channels 需要根据实际输入的通道数进行设置