mindspore.device_context.gpu.op_tuning.conv_dgrad_algo

mindspore.device_context.gpu.op_tuning.conv_dgrad_algo(mode)

指定cuDNN的卷积输入数据的反向算法。 详细信息请查看 NVIDA cuDNN关于cudnnConvolutionBackwardData的说明。

参数：

• mode (str) - cuDNN的卷积输入数据的反向算法。如未配置，框架默认为 normal 。 其值范围如下：

  • normal:使用cuDNN自带的启发式搜索算法，会根据卷积形状和类型快速选择合适的卷积算法。该参数不保证性能最优。

  • performance: 使用cuDNN自带的试运行搜索算法，会根据卷积形状和类型试运行所有卷积算法，然后选择最优算法。该参数保证性能最优。

  • algo_0: 该算法将卷积表示为矩阵乘积的和，而没有实际显式地形成保存输入张量数据的矩阵。求和使用原子加法操作完成，因此结果是不确定的。

  • algo_1: 该算法将卷积表示为矩阵乘积，而没有实际显式地形成保存输入张量数据的矩阵。结果是确定的。

  • fft: 该算法利用快速傅里叶变换完成卷积计算。需要额外申请较大内存空间，保存中间结果。结果是确定的。

  • fft_tiling: 该算法利用快速傅里叶变换完成卷积计算，但是需要对输入进行分块。同样需要额外申请内存空间，保存中间结果，但是对大尺寸的输入，所需内存空间小于 fft 算法。结果是确定的。

  • winograd: 该算法利用Winograd变换完成卷积计算。需要额外申请合理的内存空间，保存中间结果。结果是确定的。

  • winograd_nonfused: 该算法利用Winograd变形算法完成卷积计算。需要额外申请较大的内存空间，保存中间结果。结果是确定的。