如何使用 NVIDIA cuDNN 计算 'full' 卷积？

Question

我正在针对简单问题测试 NVIDIA cuDNN 库。我正在尝试实现一些我认为很简单的事情，即进行 'full' 卷积。我已经能够使用前向算法计算 'valid' 卷积而没有太多问题，但是我无法使用 'full' 卷积的后向算法进行同样的计算。

我已经为我的输入、内核和卷积准备了张量并尝试了：

cudnnConvolutionBackwardData(handle.get(),
    alpha, //Set to 1.0
    filter, //Filter descriptor
    kernel_gpu_memory,
    input_tensor, //The input tensor descriptor
    input_gpu_memory,
    convolution, //The convolution descriptor
    conv_algo, //Obtained with getConvolutionBackwardDataAlgorithm
    workspace_cpu_memory, 
    workspace_size, //Obtained with getConvolutionBackwardDataWorkspaceSize
    beta, //Set to 0.0
    output_tensor, //The output tensor descriptor
    conv_gpu_memory);

我检查了所有 CUDA 调用的 return，我没有错误，但结果不是正确的 'full' 卷积的结果。我正在将获得的结果与 matlab 的 'full' 卷积进行比较。

我想这不符合我的预期。我应该尝试 convolutionBackwardFilter 算法吗？

如何使用 cudnn 执行 'full' 卷积？

Answer 1

我明白了。默认情况下，他们认为权重在操作前已经翻转。因此，它必须配置为 CUDNN_CROSS_CORRELATION 而不是 CUDNN_CONVOLUTION.

如何使用 NVIDIA cuDNN 计算 'full' 卷积？

How to compute a 'full' convolution with NVIDIA cuDNN?

c++

cuda

convolution

cudnn