[ paddle 参数更多 ]torch.nn.LazyConvTranspose1d¶

torch.nn.LazyConvTranspose1d ¶

torch.nn.LazyConvTranspose1d(out_channels, kernel_size, stride=1, padding=0, output_padding=0, groups=1, bias=True, dilation=1, padding_mode='zeros', device=None, dtype=None)

paddle.nn.Conv1DTranspose ¶

paddle.nn.Conv1DTranspose(in_channels,
                          out_channels,
                          kernel_size,
                          stride=1,
                          padding=0,
                          output_padding=0,
                          groups=1,
                          dilation=1,
                          weight_attr=None,
                          bias_attr=None,
                          data_format='NCL')

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。
output_padding	output_padding	表示输出 Tensor 额外添加的大小。
groups	groups	表示分组数。
bias	-	是否在输出中添加可学习的 bias。
dilation	dilation	表示空洞大小。
padding_mode	-	填充模式，Paddle 无此参数，暂无转写方式。
device	-	指定 Tensor 的设备，Paddle 无此参数，一般对网络训练结果影响不大，可直接删除。
dtype	-	Tensor 的所需数据类型，Paddle 无此参数，一般对网络训练结果影响不大，可直接删除。
-	weight_attr	指定权重参数属性的对象，PyTorch 无此参数，Paddle 保持默认即可。
-	bias_attr	指定偏置参数属性的对象，当`bias_attr`设置为 bool 类型与 PyTorch 的作用一致。
-	data_format	输入和输出的数据格式，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 LazyConvTranspose1d 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 Conv1DTranspose 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.LazyConvTranspose1d(out_channels=16, kernel_size=3)
input = torch.randn(20, 5, 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.Conv1DTranspose(in_channels=5, out_channels=16, kernel_size=3)  # 需要明确指定 in_channels
input = paddle.randn([20, 5, 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.LazyConvTranspose1d(out_channels=1, kernel_size=2, bias=True)

# Paddle 写法
paddle.nn.Conv1DTranspose(in_channels=2, out_channels=1, kernel_size=2)  # in_channels 需要根据实际输入的通道数进行设置

# PyTorch 写法
torch.nn.LazyConvTranspose1d(out_channels=1, kernel_size=2, bias=False)

# Paddle 写法
paddle.nn.Conv1DTranspose(in_channels=2, out_channels=1, kernel_size=2, bias_attr=False)  # in_channels 需要根据实际输入的通道数进行设置