[ 输入参数用法不一致 ]torch.nn.Module.to

torch.nn.Module.to

torch.nn.Module.to(device=None, dtype=None, non_blocking=False)

paddle.nn.Layer.to

paddle.nn.Layer.to(device=None, dtype=None, blocking=None)

两者参数用法不一致，具体如下：

参数映射

PyTorch PaddlePaddle 备注
device device Tensor 设备类型，PyTorch 为 torch.device，Paddle 为字符串 cpu，gpu:x，xpu:x 或 Place 对象，需要转写。
dtype dtype Tensor 数据类型，PyTorch 为字符串或 PyTorch 数据类型，Paddle 为 字符串或 Paddle 数据类型，需要转写。
non_blocking blocking 是否同步或异步拷贝，PyTorch 和 Paddle 取值相反，需要转写。

转写示例

device 参数：Tensor 设备类型

# PyTorch 写法:
module = torch.nn.Module()
module.to(device=torch.device("cuda:0"))

# Paddle 写法:
module = paddle.nn.Layer()
module.to(device="gpu:0")

dtype 参数：Tensor 数据类型

# PyTorch 写法:
module = torch.nn.Module()
module.to(dtype=torch.float32)

# Paddle 写法:
module = paddle.nn.Layer()
module.to(dtype=paddle.float32)

non_blocking 参数：是否同步或异步拷贝

# PyTorch 写法:
module = torch.nn.Module()
module.to(non_blocking = False)

# Paddle 写法:
module = paddle.nn.Layer()
module.to(blocking=True)

torch.nn.Module.to

torch.nn.Module.to(tensor, non_blocking=False)

paddle.nn.Layer.to

paddle.nn.Layer.to(device=None, dtype=None, blocking=None)

两者参数用法不一致，具体如下：

参数映射

PyTorch PaddlePaddle 备注
tensor - 获取设备和数据类型的 Tensor，Paddle 无此参数，需要转写。
- device Tensor 设备类型，PyTorch 无此参数，需要转写。
- dtype Tensor 数据类型，PyTorch 无此参数，需要转写。
non_blocking blocking 是否同步或异步拷贝，PyTorch 和 Paddle 取值相反，需要转写。

转写示例

tensor 参数：获取设备和数据类型的 Tensor

# PyTorch 写法:
module = torch.nn.Module()
module.to(x)

# Paddle 写法:
module = paddle.nn.Layer()
module.to(device=x.place, dtype=x.dtype)

non_blocking 参数：是否同步或异步拷贝

# PyTorch 写法:
module = torch.nn.Module()
module.to(x, non_blocking = False)

# Paddle 写法:
module = paddle.nn.Layer()
module.to(device=x.place, dtype=x.dtype, blocking=True)

torch.nn.Module.to

torch.nn.Module.to(memory_format=torch.channels_last)

memory_format 表示内存格式，Paddle 无此参数，一般对网络训练结果影响不大，可直接删除