比较与torch.nn.TransformerDecoderLayer的差异

torch.nn.TransformerDecoderLayer

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。

mindspore.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。

差异对比

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

代码示例

# 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)