代码拉取完成,页面将自动刷新
class torch.nn.TransformerDecoderLayer(
d_model,
nhead,
dim_feedforward=2048,
dropout=0.1,
activation='relu'
)(tgt, memory, tgt_mask=None, memory_mask=None, tgt_key_padding_mask=None, memory_key_padding_mask=None)
更多内容详见torch.nn.TransformerDecoderLayer。
class mindspore.nn.TransformerDecoderLayer(
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
)(tgt, memory, tgt_mask=None, memory_mask=None, tgt_key_padding_mask=None, memory_key_padding_mask=None)
更多内容详见mindspore.nn.TransformerDecoderLayer。
torch.nn.TransformerDecoderLayer
和 mindspore.nn.TransformerDecoderLayer
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 | tgt | tgt | 功能一致 |
输入2 | memory | memory | 功能一致 | |
输入3 | tgt_mask | tgt_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4 | memory_mask | memory_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5 | tgt_key_padding_mask | tgt_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 | |
输入6 | memory_key_padding_mask | memory_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 |
# PyTorch
import torch
from torch import nn
decoder_layer = nn.TransformerDecoderLayer(d_model=512, nhead=8)
transformer_decoder = nn.TransformerDecoder(decoder_layer, num_layers=6)
memory = torch.rand(10, 32, 512)
tgt = torch.rand(20, 32, 512)
out = transformer_decoder(tgt, memory)
print(out.shape)
#torch.Size([20, 32, 512])
# MindSpore
import mindspore as ms
import numpy as np
decoder_layer = ms.nn.TransformerDecoderLayer(d_model=512, nhead=8)
transformer_decoder = ms.nn.TransformerDecoder(decoder_layer, num_layers=6)
memory = ms.Tensor(np.random.rand(10, 32, 512), ms.float32)
tgt = ms.Tensor(np.random.rand(20, 32, 512), ms.float32)
out = transformer_decoder(tgt, memory)
print(out.shape)
#(20, 32, 512)
此处可能存在不合适展示的内容,页面不予展示。您可通过相关编辑功能自查并修改。
如您确认内容无涉及 不当用语 / 纯广告导流 / 暴力 / 低俗色情 / 侵权 / 盗版 / 虚假 / 无价值内容或违法国家有关法律法规的内容,可点击提交进行申诉,我们将尽快为您处理。