Merge branch 'master' into loss

Author: LokeZhou

README.md

@@ -298,7 +298,7 @@ torch.permute
       "dims": "perm"
     }
   },
-  "unsupport_args": {},
+  "unsupport_args": [],
   "paddle_default_kwargs": {}
 }
 ```
@@ -341,7 +341,7 @@ paddle_default_kwargs :可选，当 paddle 参数更多 或者 参数默认值
 }
 ```
 
-如果不属于上述分类，则需要开发 **自定义的Matcher**，命名标准为：`API名+Matcher` 。例如 `torch.transpose` 可命名为`TransposeMatcher` ，`torch.Tensor.transpose` 可命名为 `TensorTransposeMatcher`。详见下面步骤3。
+如果不属于上述分类，则需要开发 **自定义的Matcher**，命名标准为：`API名+Matcher` 。例如 `torch.transpose` 可命名为`TransposeMatcher` ，`torch.Tensor.transpose` 可命名为 `TensorTransposeMatcher`。详见下面步骤。
 
 ## 步骤4：编写Matcher（转换规则）
 
@@ -399,7 +399,7 @@ class Chain_MatmulMatcher(BaseMatcher):
 ```
 class TransposeMatcher(BaseMatcher):
     def generate_code(self, kwargs):
-        API_TEMPLACE = textwrap.dedent(
+        API_TEMPLATE = textwrap.dedent(
             '''
             {} = list(range(len({}.shape)))
             {}[{}] = {}
@@ -408,7 +408,7 @@ class TransposeMatcher(BaseMatcher):
             '''
         )
         perm = unique_name('perm')
-        code = API_TEMPLACE.format(perm, kwargs['input'],
+        code = API_TEMPLATE.format(perm, kwargs['input'],
                 perm, kwargs['dim0'], kwargs['dim1'],
                 perm, kwargs['dim1'], kwargs['dim0'],
                 kwargs['input'], perm)
@@ -564,6 +564,14 @@ x.reshape(2, 3)
 
 3) API功能缺失。如果是整个API都缺失的，只需在API映射表中标注 **功能缺失** 即可，无需其他开发。如果是API局部功能缺失，则对功能缺失点，在代码中返回None表示不支持，同时在API映射表中说明此功能点 **Paddle暂无转写方式**，同时编写单测但可以注释掉不运行；对其他功能点正常开发即可。
 
+4) 别名实现。如果一个API是别名API(alias API)，例如 `torch.nn.modules.GroupNorm` 是 `torch.nn.GroupNorm` 的别名，那么就无需编写相关 Matcher，只需在 `paconvert/api_alias_mapping.json` 中增加该别名 API 的配置，同时也无需增加相应单测文件，只需在主API的单测文件中增加 `test_alias_case_1/test_alias_case_2...` 即可。
+
+    ```bash
+    {
+      "torch.nn.modules.GroupNorm": "torch.nn.GroupNorm"
+    }
+    ```
+
 ### 开发技巧
 
 1）可以参考一些写的较为规范的Matcher：
@@ -618,7 +626,7 @@ if x:
 
 **单测写法**：
 
-* **单测位置**：所有的单测文件均放在`tests`目录下，单测文件命名以`test_`为前缀，后面接测试的`API`名称（PyTorch API全称去掉模块名，保留大小写）。例如 `torch.add` 命名为 `test_add.py` ， `torch.Tensor.add` 命名为  `test_Tensor_add.py` 。
+* **单测位置**：所有的单测文件均放在`tests`目录下，单测文件命名以`test_`为前缀，后面接测试的`API`名称（PyTorch API名称即可，保留大小写，无需Module前缀）。例如 `torch.nn.functional.relu` 命名为 `test_relu.py` ， `torch.Tensor.add` 命名为 `test_Tensor_add.py` 。
 
 * **默认检查逻辑**：采用`pytest`作为单测框架。一般情况下，用户只需要在单测文件中调用 `APIBase` 类的 `run()` 方法，传入 `pytorch_code` 和需要判断的 `Tensor` 变量名列表即可，参考 [torch.permute测试用例](https://github.com/PaddlePaddle/PaConvert/tree/master/tests/test_permute.py)。 `run()` 方法会调用`compare()`函数，该方法默认检查逻辑为：转换前后两个`Tensor`的 `计算数值、数据类型、stop_gradient属性、形状` 是否一致。
 

README_EN.md

@@ -220,7 +220,7 @@ First you need to add **Matcher** in paconvert/api_matcher.py one by one, and ov
 
 class TransposeMatcher(BaseMatcher):
     def generate_code(self, kwargs):
-        API_TEMPLACE = textwrap.dedent(
+        API_TEMPLATE = textwrap.dedent(
             '''
             {} = list(range(len({}.shape)))
             {}[{}] = {}
@@ -229,7 +229,7 @@ class TransposeMatcher(BaseMatcher):
             '''
         )
         perm = unique_name('perm')
-        code = API_TEMPLACE.format(perm, kwargs['input'],
+        code = API_TEMPLATE.format(perm, kwargs['input'],
                 perm, kwargs['dim0'], kwargs['dim1'],
                 perm, kwargs['dim1'], kwargs['dim0'],
                 kwargs['input'], perm)

paconvert/api_alias_mapping.json

@@ -1,11 +1,13 @@
 {
   "torch.nn.modules.GroupNorm": "torch.nn.GroupNorm",
-  "torch.nn.parameter.Parameter": "torch.nn.Parameter",
   "torch.nn.modules.activation.ReLU": "torch.nn.ReLU",
   "torch.nn.modules.conv.Conv2d": "torch.nn.Conv2d",
-  "torch.utils.data.sampler.BatchSampler": "torch.utils.data.BatchSampler",
   "torch.nn.modules.module.Module": "torch.nn.Module",
+  "torch.nn.parameter.Parameter": "torch.nn.Parameter",
+  "torch.utils.data._utils.collate.default_collate": "torch.utils.data.default_collate",
+  "torch.utils.data.dataloader.default_collate": "torch.utils.data.default_collate",
+  "torch.utils.data.sampler.BatchSampler": "torch.utils.data.BatchSampler",
   "torch.utils.data.sampler.RandomSampler": "torch.utils.data.RandomSampler",
-  "torch.utils.data.sampler.SequentialSampler": "torch.utils.data.SequentialSampler",
-  "torch.utils.data.sampler.Sampler": "torch.utils.data.Sampler"
+  "torch.utils.data.sampler.Sampler": "torch.utils.data.Sampler",
+  "torch.utils.data.sampler.SequentialSampler": "torch.utils.data.SequentialSampler"
 }