結論

基本的にはLinearのほうが速い。

調べること

LinearとConv1dはどちらが速いのかざっくり調べる

コード

Linear

class LinearNet(nn.Module):

    def __init__(self, dim):
        super().__init__()
        self.layer = nn.ModuleList([nn.Linear(dim, dim) for _ in range(5)])

    def forward(self, x):
        for l in self.layer:
            x = l(x)
        return x


start = time.time()
for _ in range(1000):
    l(xl)
print('Linear time: ', time.time() - start)

Conv1d

class Conv1dNet(nn.Module):

    def __init__(self, dim):
        super().__init__()
        self.layer = nn.ModuleList([nn.Conv1d(dim, dim, 1) for _ in range(5)])

    def forward(self, x):
        for l in self.layer:
            x = l(x)
        return x


start = time.time()
for _ in range(1000):
    c(xc)
print('Conv1d time: ', time.time() - start)

検証と結果

以下、LinearNetで計算するtensorのshapeをsl、Conv1dNetで計算するtensorのshapeをscとする

sl = (100, 256), sc = (100, 256, 1)

Linear time: 0.1228024959564209
Conv1d time: 1.3837506771087646

sl = (100, 1, 256), sc = (100, 256, 1)

Linear time: 0.17534923553466797
Conv1d time: 1.3661222457885742

sl = (100, 1024, 256), sc = (100, 256, 1024)

Linear time: 12.256186962127686
Conv1d time: 15.45792818069458

sl = (500, 256), sc = (500, 256, 1)

Linear time: 0.1238257884979248
Conv1d time: 3.9731435775756836

sl = (100, 512), sc = (100, 512, 1)

Linear time: 0.12459373474121094
Conv1d time: 4.35028600692749

まとめ

1次元のデータを扱うときはLinearを使ったほうが速い。
バッチサイズと計算する次元が増えるほどその傾向が顕著。
しかし、計算しない次元が大きくなるとその差は縮まっていく。検証していないが、おそらくある点で越すだろうと予測される