淺談tensorflow與pytorch的相互轉換

Posted on by

本文以一段代碼為例，簡單介紹一下tensorflow與pytorch的相互轉換（主要是tensorflow轉pytorch），可能介紹的沒有那麼詳細，僅供參考。

由於本人隻熟悉pytorch，而對tensorflow一知半解，而代碼經常遇到tensorflow，而我希望使用pytorch，因此簡單介紹一下tensorflow轉pytorch，可能存在諸多錯誤，希望輕噴~

1.變量預定義

在TensorFlow的世界裡，變量的定義和初始化是分開的。
tensorflow中一般都是在開頭預定義變量，聲明其數據類型、形狀等，在執行的時候再賦具體的值，如下圖所示，而pytorch用到時才會定義，定義和變量初始化是合在一起的。

在這裡插入圖片描述

2.創建變量並初始化

tensorflow中利用tf.Variable創建變量並進行初始化，而pytorch中使用torch.tensor創建變量並進行初始化，如下圖所示。

在這裡插入圖片描述

3.語句執行

在TensorFlow的世界裡，變量的定義和初始化是分開的，所有關於圖變量的賦值和計算都要通過tf.Session的run來進行。

sess.run([G_solver, G_loss_temp, MSE_loss],
             feed_dict = {X: X_mb, M: M_mb, H: H_mb})

而在pytorch中，並不需要通過run進行，賦值完瞭直接計算即可。

4.tensor

pytorch運算時要創建完的numpy數組轉為tensor，如下：

if use_gpu is True:
	X_mb = torch.tensor(X_mb, device="cuda")
	M_mb = torch.tensor(M_mb, device="cuda")
	H_mb = torch.tensor(H_mb, device="cuda")
else:
	X_mb = torch.tensor(X_mb)
	M_mb = torch.tensor(M_mb)
	H_mb = torch.tensor(H_mb)

最後運行完還要將tensor數據類型轉換回numpy數組：

if use_gpu is True:
	imputed_data=imputed_data.cpu().detach().numpy()
else:
	imputed_data=imputed_data.detach().numpy()

而tensorflow中不需要這種操作。

5.其他函數

在tensorflow中包含諸多函數是pytorch中沒有的，但是都可以在其他庫中找到類似，具體如下表所示。

tensorflow中函數 pytorch中代替（所在庫） 參數區別
tf.sqrt np.sqrt（numpy） 完全相同
tf.random_normal np.random.normal（numpy） tf.random_normal(shape = size, stddev = xavier_stddev)
np.random.normal(size = size, scale = xavier_stddev)
tf.concat torch.cat（torch） inputs = tf.concat(values = [x, m], axis = 1)
inputs = torch.cat(dim=1, tensors=[x, m])
tf.nn.relu F.relu（torch.nn.functional） 完全相同
tf.nn.sigmoid torch.sigmoid（torch） 完全相同
tf.matmul torch.matmul（torch） 完全相同
tf.reduce_mean torch.mean（torch） 完全相同
tf.log torch.log（torch） 完全相同
tf.zeros np.zeros 完全相同
tf.train.AdamOptimizer torch.optim.Adam（torch） optimizer_D = tf.train.AdamOptimizer().minimize(D_loss, var_list=theta_D)
optimizer_D = torch.optim.Adam(params=theta_D)

到此這篇關於淺談tensorflow與pytorch的相互轉換的文章就介紹到這瞭,更多相關tensorflow與pytorch的相互轉換內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！

推薦閱讀：