比较与torch.nn.TransformerEncoderLayer的差异
torch.nn.TransformerEncoderLayer
class torch.nn.TransformerEncoderLayer(
d_model,
nhead,
dim_feedforward=2048,
dropout=0.1,
activation='relu'
)(src, src_mask=None, src_key_padding_mask=None)
mindspore.nn.TransformerEncoderLayer
class mindspore.nn.TransformerEncoderLayer(
d_model,
nhead,
dim_feedforward=2048,
dropout=0.1,
activation='relu',
layer_norm_eps=1e-5,
batch_first=False,
norm_first=False,
dtype=mstype.float32=False
)(src, src_mask=None, src_key_padding_mask=None)
差异对比
torch.nn.TransformerEncoderLayer
和 mindspore.nn.TransformerEncoderLayer
用法基本一致。
分类 |
子类 |
PyTorch |
MindSpore |
差异 |
---|---|---|---|---|
参数 |
参数1 |
d_model |
d_model |
功能一致 |
参数2 |
nhead |
nhead |
功能一致 |
|
参数3 |
dim_feedforward |
dim_feedforward |
功能一致 |
|
参数4 |
dropout |
dropout |
功能一致 |
|
参数5 |
activation |
activation |
功能一致 |
|
参数6 |
layer_norm_eps |
MindSpore可配置LayerNorm层的eps值, PyTorch没有此功能 |
||
参数7 |
batch_first |
MindSpore可配置第一维是否输出batch维度, PyTorch没有此功能 |
||
参数8 |
norm_first |
MindSpore可配置LayerNorm层是否位于Multiheadttention层和FeedForward之间或之后, PyTorch没有此功能 |
||
参数9 |
dtype |
MindSpore可配置网络参数的dtype, PyTorch没有此功能。 |
||
输入 |
输入1 |
src |
src |
功能一致 |
输入2 |
src_mask |
src_mask |
MindSpore中dtype可设置为float或bool Tensor,PyTorch中dtype可设置为float、byte或bool Tensor |
|
输入3 |
src_key_padding_mask |
src_key_padding_mask |
MindSpore中dtype可设置为float或bool Tensor,PyTorch中dtype可设置为byte或bool Tensor |
代码示例
# PyTorch
import torch
from torch import nn
encoder_layer = nn.TransformerEncoderLayer(d_model=512, nhead=8)
transformer_encoder = nn.TransformerEncoder(encoder_layer, num_layers=6)
src = torch.rand(10, 32, 512)
out = transformer_encoder(src)
print(out.shape)
#torch.Size([10, 32, 512])
# MindSpore
import mindspore
from mindspore import nn
encoder_layer = nn.TransformerEncoderLayer(d_model=512, nhead=8)
transformer_encoder = nn.TransformerEncoder(encoder_layer, num_layers=6)
src = mindspore.numpy.rand(10, 32, 512)
out = transformer_encoder(src)
print(out.shape)
#(10, 32, 512)