如何解决PyTorch如何实现向后卷积?
我读到了Pytorch的源代码,发现它没有实现convolution_backward
函数,这很奇怪,唯一的convolution_backward_overrideable
函数直接引发了错误,应该不会在这里出现。
因此,我提到了CuDNN / MKLDNN实现,它们都实现了cudnn_convolution_backward
之类的功能。
我有以下问题:
-
CUDA / CPU的本机实现是什么?我可以找到类似
thnn_conv2d_backward_out
的东西,但找不到该文件的名称。 -
为什么PyTorch没有将
convolution_backward
函数放在Convolution.cpp中?它提供了_convolution_double_backward()
函数。但这是向后的两倍,它是渐变的梯度。他们为什么不提供单个后退功能? -
如果要为纯cpu / cuda张量调用本机convolution / convolution_backward函数,应该如何编写代码?或者我在哪里可以参考?我找不到这个例子。
谢谢!
解决方法
1-实现可能会有所不同,具体取决于您使用的后端,它可能会使用某些库中的CUDA卷积实现,其他库中的CPU卷积实现或自定义实现,请参见此处:pytorch - Where is “conv1d” implemented?。
2-我不确定当前版本,但是通过autograd计算了单个向后,这就是为什么没有明显不同的功能的原因。我不了解autograd的基本细节,但是您可以检查https://github.com/pytorch/pytorch/blob/master/torch/csrc/autograd/autograd.cpp。只有需要更高阶导数时,该double_backward函数才可用。
3-如果要在C语言中执行此操作,则链接的文件(convolution.cpp)向您显示如何执行此操作(功能在:: Tensor _convolution ...)。如果您检查该函数,则会看到它只是检查要使用的实现(params.use_something ...)并使用它。如果要在python中执行此操作,则应从conv开始跟踪,直到调用该文件convolution.cpp。
,我在@unlut的帖子中发现了一些补充内容。
- 卷积方法位于不同的文件中,以实现不同的实现。您可能会很容易找到cudnn_convoluton_backward或mkldnn_convolution_backward。一件棘手的事情是,最终的本机下降功能很难找到。这是因为当前Pytorch团队正在将Thnn功能移植到ATen,您可以参考PR24507。
本机函数可以找到为thnn_con2d_backward。
-
向后卷积不是通过autograd计算的,而是必须有conv_backward函数,并且必须将其记录在衍生物中。如果要查找特定的向后功能,请参考该文件是一个好的开始。
-
关于此代码,如果要直接调用thnn_backward函数,则需要显式构造finput和fgrad_input。这是两个空张量提供的缓冲区。
at::Tensor finput = at::empty({0},input.options());
at::Tensor fgrad_input = at::empty({0},input.options());
auto kernel_size = weight.sizes().slice(2);
auto &&result = at::thnn_conv2d_backward(grad_output,input,weight,kernel_size,stride,padding,finput,fgrad_input,output_mask);
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。