【性能比较】关于pytorch中的unsample和反卷积的耗时

原创于 2021-10-08 14:12:15 发布 · 903 阅读

1 ·

CC 4.0 BY-SA版权

文章标签：

#pytorch #深度学习 #python

深度学习专栏收录该内容

4 篇文章

订阅专栏

这篇博客对比了PyTorch中使用`nn.ConvTranspose2d`进行上采样和`nn.Upsample`结合线性插值的效率。在CPU上，`nn.ConvTranspose2d`耗时约0.016秒，而`nn.Upsample`耗时约0.007秒；在GPU（1080ti）上，`nn.ConvTranspose2d`耗时0.269秒，而`nn.Upsample`仅需0.002秒。结果表明，在GPU环境下，`nn.Upsample`的性能更优。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

import time


transpose_conv = nn.ConvTranspose2d(
                in_channels=3,
                out_channels=3,
                kernel_size=3,
                stride=2,
                padding=1,
                output_padding=1)
unsample = nn.Upsample(scale_factor=2)
xxxxx = torch.rand(1,3,448,256)

startTime = time.time()
ddd = transpose_conv(xxxxx)
print(ddd.shape)
endTime = time.time()
print(endTime-startTime)




startTime1 = time.time()
eee = unsample(xxxxx)
print(eee.shape)
endTime1 = time.time()
print(endTime1-startTime1)

CPU比较结果：

torch.Size([1, 3, 896, 512])
0.016954421997070312
torch.Size([1, 3, 896, 512])
0.006981372833251953

GPU比较结果（需要在各个模块最后加入.cuda()）,平台为1080ti：

torch.Size([1, 3, 896, 512])
0.2690904140472412
torch.Size([1, 3, 896, 512])
0.0017828941345214844