From e47641101e1f5e069e026e3142c69f9f2dc881c1 Mon Sep 17 00:00:00 2001 From: shiyuasuka <56873610+shiyuasuka@users.noreply.github.com> Date: Sun, 28 Sep 2025 17:19:46 +0800 Subject: [PATCH 1/3] Update export_cn.rst --- docs/api/paddle/onnx/export_cn.rst | 10 +++++----- 1 file changed, 5 insertions(+), 5 deletions(-) diff --git a/docs/api/paddle/onnx/export_cn.rst b/docs/api/paddle/onnx/export_cn.rst index 8b1399ad2e3..95d5496eb1f 100644 --- a/docs/api/paddle/onnx/export_cn.rst +++ b/docs/api/paddle/onnx/export_cn.rst @@ -9,15 +9,15 @@ export .. note:: - 具体使用案例请参考 `文档 <../../../../guides/advanced/model_to_onnx_cn.html>`_，更多信息请参考：`paddle2onnx `_ 。 + 具体使用案例请参考 `文档 <../../../../guides/advanced/model_to_onnx_cn.html>`_ ，更多信息请参考： `paddle2onnx `_ 。 参数 ::::::::: - **layer** (Layer) - 导出的 ``Layer`` 对象。 - - **path** (str) - 存储模型的路径前缀。格式为 ``dirname/file_prefix`` 或者 ``file_prefix``，导出后``ONNX``模型自动添加后缀 ``.onnx`` 。 - - **input_spec** (list[InputSpec|Tensor]，可选) - 描述存储模型 forward 方法的输入，可以通过 InputSpec 或者示例 Tensor 进行描述。如果为 ``None``，所有原 ``Layer`` forward 方法的输入变量将都会被配置为存储模型的输入变量。默认为 ``None``。 - - **opset_version** (int，可选) - 导出 ``ONNX`` 模型的 Opset 版本，目前稳定支持导出的版本为 9、10 和 11。默认为 ``9``。 - - **configs (dict，可选) - 其他用于兼容的存储配置选项。这些选项将来可能被移除，如果不是必须使用，不推荐使用这些配置选项。默认为 ``None``。目前支持以下配置选项：(1) output_spec (list[Tensor]) - 选择存储模型的输出目标。默认情况下，所有原 ``Layer`` forward 方法的返回值均会作为存储模型的输出。如果传入的 ``output_spec`` 列表不是所有的输出变量，存储的模型将会根据 ``output_spec`` 所包含的结果被裁剪。 + - **path** (str) - 存储模型的路径前缀。格式为 ``dirname/file_prefix`` 或者 ``file_prefix`` ，导出后 ``ONNX`` 模型自动添加后缀 ``.onnx`` 。 + - **input_spec** (list[InputSpec|Tensor]，可选) - 描述存储模型 forward 方法的输入，可以通过 InputSpec 或者示例 Tensor 进行描述。如果为 ``None`` ，所有原 ``Layer`` forward 方法的输入变量将都会被配置为存储模型的输入变量。默认为 ``None`` 。 + - **opset_version** (int，可选) - 导出 ``ONNX`` 模型的 Opset 版本，目前稳定支持导出的版本为 9、10 和 11。默认为 ``9`` 。 + - **configs** (dict，可选) - 其他用于兼容的存储配置选项。这些选项将来可能被移除，如果不是必须使用，不推荐使用这些配置选项。默认为 ``None`` 。目前支持以下配置选项：(1) output_spec (list[Tensor]) - 选择存储模型的输出目标。默认情况下，所有原 ``Layer`` forward 方法的返回值均会作为存储模型的输出。如果传入的 ``output_spec`` 列表不是所有的输出变量，存储的模型将会根据 ``output_spec`` 所包含的结果被裁剪。 返回 ::::::::: From 3719da76a87a4d1f765b3742b49ba5594eeec546 Mon Sep 17 00:00:00 2001 From: shiyuasuka <56873610+shiyuasuka@users.noreply.github.com> Date: Sun, 28 Sep 2025 23:22:39 +0800 Subject: [PATCH 2/3] Update conv1d_transpose_cn.rst --- docs/api/paddle/nn/functional/conv1d_transpose_cn.rst | 2 +- 1 file changed, 1 insertion(+), 1 deletion(-) diff --git a/docs/api/paddle/nn/functional/conv1d_transpose_cn.rst b/docs/api/paddle/nn/functional/conv1d_transpose_cn.rst index 7cb543fa271..a6b3b0781e9 100644 --- a/docs/api/paddle/nn/functional/conv1d_transpose_cn.rst +++ b/docs/api/paddle/nn/functional/conv1d_transpose_cn.rst @@ -77,7 +77,7 @@ conv1d_transpose - **output_padding** (int|list|tuple，可选) - 输出形状上尾部一侧额外添加的大小。默认值：0。 - **groups** (int，可选) - 一维卷积层的组数。根据 Alex Krizhevsky 的深度卷积神经网络（CNN）论文中的成组卷积：当 group=n，输入和卷积核分别根据通道数量平均分为 n 组，第一组卷积核和第一组输入进行卷积计算，第二组卷积核和第二组输入进行卷积计算，……，第 n 组卷积核和第 n 组输入进行卷积计算。默认值：1。 - **dilation** (int|list|tuple，可选) - 空洞大小。空洞卷积时会使用该参数，卷积核对输入进行卷积时，感受野里每相邻两个特征点之间的空洞信息。整数或包含一个整数的列表或元组。默认值：1。 - - **output_size** (int|list|tuple，可选) - 输出尺寸，整数或包含一个整数的列表或元组。如果为 ``None``，则会用 filter_size(``weight``的 shape), ``padding`` 和 ``stride`` 计算出输出特征图的尺寸。默认值：None。 + - **output_size** (int|list|tuple，可选) - 输出尺寸，整数或包含一个整数的列表或元组。如果为 ``None``，则会用 filter_size (``weight`` 的 shape)、``padding`` 和 ``stride`` 计算出输出特征图的尺寸。默认值：``None``。 - **data_format** (str，可选) - 指定输入的数据格式，输出的数据格式将与输入保持一致，可以是"NCL"和"NLC"。N 是批尺寸，C 是通道数，L 是特征长度。默认值："NCL"。 - **name** (str，可选) - 具体用法请参见 :ref:`api_guide_Name`，一般无需设置，默认值为 None。 From 48c77f25f7c347f74d311db88043f33afec14f5e Mon Sep 17 00:00:00 2001 From: shiyuasuka <56873610+shiyuasuka@users.noreply.github.com> Date: Sun, 28 Sep 2025 23:37:53 +0800 Subject: [PATCH 3/3] Delete docs/api/paddle/nn/functional/conv1d_transpose_cn.rst --- .../nn/functional/conv1d_transpose_cn.rst | 93 ------------------- 1 file changed, 93 deletions(-) delete mode 100644 docs/api/paddle/nn/functional/conv1d_transpose_cn.rst diff --git a/docs/api/paddle/nn/functional/conv1d_transpose_cn.rst b/docs/api/paddle/nn/functional/conv1d_transpose_cn.rst deleted file mode 100644 index a6b3b0781e9..00000000000 --- a/docs/api/paddle/nn/functional/conv1d_transpose_cn.rst +++ /dev/null @@ -1,93 +0,0 @@ -.. _cn_api_paddle_nn_functional_conv1d_transpose: - -conv1d_transpose -------------------------------- - - -.. py:function:: paddle.nn.functional.conv1d_transpose(x, weight, bias=None, stride=1, padding=0, output_padding=0, groups=1, dilation=1, output_size=None, data_format='NCL', name=None) - - - -一维转置卷积层（Convlution1D transpose layer） - -该层根据输入（input）、卷积核（kernel）和空洞大小（dilations）、步长（stride）、填充（padding）来计算输出特征层大小或者通过 output_size 指定输出特征层大小。输入(Input)和输出(Output)为 NCL 或 NLC 格式，其中 N 为批尺寸，C 为通道数（channel），L 为特征层长度。卷积核是 MCL 格式，M 是输出图像通道数，C 是输入图像通道数，L 是卷积核长度。如果组数大于 1，C 等于输入图像通道数除以组数的结果。转置卷积的计算过程相当于卷积的反向计算。转置卷积又被称为反卷积（但其实并不是真正的反卷积）。欲了解转置卷积层细节，请参考下面的说明和 参考文献_。如果参数 bias_attr 不为 False，转置卷积计算会添加偏置项。如果 act 不为 None，则转置卷积计算之后添加相应的激活函数。 - -.. _参考文献：https://arxiv.org/pdf/1603.07285.pdf - - -输入 :math:`X` 和输出 :math:`Out` 函数关系如下： - -.. math:: - Out=\sigma (W*X+b)\\ - -其中： - - - :math:`X`：输入，具有 NCL 或 NLC 格式的 3-D Tensor - - :math:`W`：卷积核，具有 NCL 格式的 3-D Tensor - - :math:`*`：卷积计算（注意：转置卷积本质上的计算还是卷积） - - :math:`b`：偏置（bias），2-D Tensor，形状为 ``[M,1]`` - - :math:`σ`：激活函数 - - :math:`Out`：输出值，NCL 或 NLC 格式的 3-D Tensor，和 ``X`` 的形状可能不同 - -**示例** - -- 输入： - - 输入 Tensor 的形状：:math:`（N，C_{in}， L_{in}）` - - 卷积核的形状：:math:`（C_{in}， C_{out}， L_f）` - -- 输出： - - 输出 Tensor 的形状：:math:`（N，C_{out}， L_{out}）` - -其中 - -.. math:: - - & L'_{out} = (L_{in}-1)*stride - padding * 2 + dilation*(L_f-1)+1\\ - & L_{out}\in[L'_{out},L'_{out} + stride) - -如果 ``padding`` = "SAME": - -.. math:: - - L'_{out} = \frac{(L_{in} + stride - 1)}{stride} - -如果 ``padding`` = "VALID": - -.. math:: - - L'_{out} = (L_{in}-1)*stride + dilation*(L_f-1)+1 - -.. note:: - - 如果 output_size 为 None，则 :math:`L_{out}` = :math:`L^\prime_{out}`；否则，指定的 output_size（输出特征层的长度） :math:`L_{out}` 应当介于 :math:`L^\prime_{out}` 和 :math:`L^\prime_{out} + stride` 之间（不包含 :math:`L^\prime_{out} + stride` ）。 - - 由于转置卷积可以当成是卷积的反向计算，而根据卷积的输入输出计算公式来说，不同大小的输入特征层可能对应着相同大小的输出特征层，所以对应到转置卷积来说，固定大小的输入特征层对应的输出特征层大小并不唯一。 - -参数 -:::::::::::: - - - **x** (Tensor) - 输入是形状为 :math:`[N, C, L]` 或 :math:`[N, L, C]` 的 3-D Tensor，N 是批尺寸，C 是通道数，L 是特征长度，数据类型为 float16, float32 或 float64。 - - **weight** (Tensor) - 形状为 :math:`[C, M/g, kL]` 的卷积核（卷积核）。 M 是输出通道数，g 是分组的个数，kL 是卷积核的长度。 - - **bias** (int|list|tuple，可选) - 偏置项，形状为：:math:`[M,]` 。 - - **stride** (int|list|tuple，可选) - 步长大小。整数或包含一个整数的列表或元组。默认值：1。 - - **padding** (int|list|tuple|str，可选) - 填充大小。可以是以下三种格式：（1）字符串，可以是"VALID"或者"SAME"，表示填充算法，计算细节可参考下述 ``padding`` = "SAME"或 ``padding`` = "VALID" 时的计算公式。（2）整数，表示在输入特征两侧各填充 ``padding`` 大小的 0。（3）包含一个整数的列表或元组，表示在输入特征两侧各填充 ``padding[0]`` 大小的 0。默认值：0。 - - **output_padding** (int|list|tuple，可选) - 输出形状上尾部一侧额外添加的大小。默认值：0。 - - **groups** (int，可选) - 一维卷积层的组数。根据 Alex Krizhevsky 的深度卷积神经网络（CNN）论文中的成组卷积：当 group=n，输入和卷积核分别根据通道数量平均分为 n 组，第一组卷积核和第一组输入进行卷积计算，第二组卷积核和第二组输入进行卷积计算，……，第 n 组卷积核和第 n 组输入进行卷积计算。默认值：1。 - - **dilation** (int|list|tuple，可选) - 空洞大小。空洞卷积时会使用该参数，卷积核对输入进行卷积时，感受野里每相邻两个特征点之间的空洞信息。整数或包含一个整数的列表或元组。默认值：1。 - - **output_size** (int|list|tuple，可选) - 输出尺寸，整数或包含一个整数的列表或元组。如果为 ``None``，则会用 filter_size (``weight`` 的 shape)、``padding`` 和 ``stride`` 计算出输出特征图的尺寸。默认值：``None``。 - - **data_format** (str，可选) - 指定输入的数据格式，输出的数据格式将与输入保持一致，可以是"NCL"和"NLC"。N 是批尺寸，C 是通道数，L 是特征长度。默认值："NCL"。 - - **name** (str，可选) - 具体用法请参见 :ref:`api_guide_Name`，一般无需设置，默认值为 None。 - - -返回 -:::::::::::: -3-D Tensor，数据类型与 ``input`` 一致。如果未指定激活层，则返回转置卷积计算的结果，如果指定激活层，则返回转置卷积和激活计算之后的最终结果。 - - -代码示例 -:::::::::::: - -COPY-FROM: paddle.nn.functional.conv1d_transpose