如何在已经在 PyTorch 中实现的 keras 或 tensorflow 中转换 conv2D？

大佬教程收集整理的这篇文章主要介绍了如何在已经在 PyTorch 中实现的 keras 或 tensorflow 中转换 conv2D？，大佬教程大佬觉得挺不错的，现在分享给大家，也给大家做个参考。

如何解决如何在已经在 PyTorch 中实现的 keras 或 tensorflow 中转换 conv2D？？

我在 pytorch 实现中有以下功能，用于用 3 个不同的层替换 conv2D 层：

first_layer = torch.nn.Conv2d(in_chAnnels=3,\
            out_chAnnels=3,kernel_size=1,StriDe=1,padding=0,dilation = (1,1),bias=falsE)

core_layer = torch.nn.Conv2d(in_chAnnels=3,\
            out_chAnnels=16,kernel_size=(3,3),StriDe=(1,padding=(1,dilation=(1,bias=falsE)

last_layer = torch.nn.Conv2d(in_chAnnels=16,\
                                 out_chAnnels=64],bias=TruE)

last_layer.bias.data = layer.bias.data

first_layer.weight.data = \
        torch.transpose(first,1,0).unsqueeze(-1).unsqueeze(-1)
last_layer.weight.data = last.unsqueeze(-1).unsqueeze(-1)
core_layer.weight.data = core

new_layers = [first_layer,core_layer,last_layer]
y = nn.Sequential(*new_layers)

其中，'first' 表示一个随机的 3 x 3 矩阵。 'core' 表示形状 [16,3,3] 的张量 'last' 表示另一个大小为 (64,16) 的随机矩阵。

当我尝试将其翻译成 keras 时，我有以下内容：

first_layer = tf.keras.layers.SeparableConv2D(3,StriDes = (1,padding = 'same',dilation_rate = (1,use_bias = false )

core_layer = tf.keras.layers.Conv2D(16,kernel_size=3,padding = (1,use_bias = falsE)

last_layer = tf.keras.layers.SeparableConv2D(64,\
                           padding = 'same',use_bias =True )

first_layer = tf.expand_dims(tf.expand_dims(tf.transpose(first,perm = [1,0]),0),0)
    
last_layer = tf.expand_dims(tf.expand_dims(last,0)
core_layer = core
new_layers = [first_layer,last_layer]

当我试图在 keras 中取回模型的权重时，我得到了一个根本没有权重的列表。不执行卷积。关于如何进一步/任何其他方法将上述 pytorch 实现转换为 keras 或 tensorflow 的任何想法？

解决方法

@H_168_5@model = tf.keras.Sequential([first_layer,core_layer,last_layer])
y = model(X)

大佬总结

以上是大佬教程为你收集整理的如何在已经在 PyTorch 中实现的 keras 或 tensorflow 中转换 conv2D？全部内容，希望文章能够帮你解决如何在已经在 PyTorch 中实现的 keras 或 tensorflow 中转换 conv2D？所遇到的程序开发问题。

如果觉得大佬教程网站内容还不错，欢迎将大佬教程推荐给程序员好友。

本图文内容来源于网友网络收集整理提供，作为学习参考使用，版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ：384754419，请注明来意。