最近在融合两份代码时，发现一份代码使用的是tensorflow而自己的代码使用的是pytorch框架。在转换过程中使用到的一些函数替换方法做一个简单的记录。

名称TensorFlowpytorchnp二维卷积 tf.nn.conv2d(input,w, strides=[1,1,1,1], padding='SAME') torch.nn.Conv2d(in_channels,mid_channels, kernel_size=(3,3),strides=(1,1),padding=(1,1)) 生成张量(1的矩阵) tf.ones(shape=(1，1，1，1)， dtype=tf.float32) torch.ones(1,1,1,1) 创建张量 tf.constant(x) torch.tensor(x) relu激活函数tf.nn.relu(x)torch.nn.ReLU(x)填充函数 tf.pad(input_x,[(a0,b0), (a1,b1),(a2,b2),(a3,b3)]) pad_num = (a3,b3,a2,b2,a1,b1,a0,b0) torch.nn.functional.pad(input_x, pad_num, mode='constant') 元素个数tf.size(input_x)torch.numel(input_x)展平 tf.reshape(input_x, (tf.size(input_x),-1)) input_x.view(torch.numel(input_x),-1)softmaxtf.nn.softmax(input_x,axis=1)torch.nn.functional.softmax(input_x,dim=1)调整类型tf.cast(input_x,tf.int32)input_x.type(torch.LongTensor)去除维度1 tf.squeeze(input_x, squeeze_dims=1） torch.squeeze(input_x)合并 tf.concat((input_x1, input_x2),axis=3) torch.cat((input_x1,input_x2),dim=3)划分成相同维度的块 tf.split(input_x,axis=3, num_or_size_splits=2) torch.chunk(input_x,dim=3,chunks=2)重复tf.tile()input_.repeat()交换维度tf.transpose(input_x,[0,1,2,3]) input_x.permute((0,1,2,3)) 注意这种用法：p01.permute((0,2,3,1)).contiguous(). view(int(np.prod(shape01)),-1) 增加一个维度 tf.expand_dims np.expand_dims 比较两个张量取最大值 tf.maximum（input_x） np.maximum (input_x) tf.transpose(input,[1, 0, 2]) input.permute([1, 0, 2]) tf.range(10) torch.arange(0) tf.reduce_sum(x, axis=1, keep_dims=True) torch.sum(x,dim=1,keepdim=True) tf.clip_by_value(x, min, max) torch.clamp(x, min, max) tf.multinomial(logits=a, num_samples=1 torch.multinomial(input=a, num_samples=1, replacement=False) tf.equal(x, y) torch.eq(x, y) tf.nn.embedding_lookup(W_fe, Feature_input + 1) torch.index_select(W_fe, 0, Feature_input + 1) tf.one_hot() functional.one_hot()

部分举例

 1、tf.maximum和np.maximum等价

2、torch.nn.Con2d 和 tf.nn.conv2d 的互相转换

torch：

data_c=padded[:,:,:,channel_idx:(channel_idx+1)]

conv2d=torch.nn.Conv2d(kernel_i[2],kernel_i[3],kernel_size=(kernel_i[0],kernel_i[1]),stride=(1,1),padding=(0,0))

data_c=conv2d(data_c)

tf：

data_c=padded[:,:,:,channel_idx:(channel_idx+1)]

data_c=tf.nn.conv2d(data_c,kernel_i,[1,1,1,1],'VALID')

3、tf.pad和torch.nn.functional.pad的相互转换

tf: padded=tf.pad(img,[[0,0],[pad_w,pad_w],[pad_w,pad_w],[0,0]],mode='REFLECT')

Torch: pad_num=(0,0,pad_w,pad_w,pad_w,pad_w,0,0)

padded=torch.nn.functional.pad(img,pad_num,mode='REFLECT')

4、tf.tile和torch.repeat的使用是一样的

tx_1=tf.tile(tx,[1,1,1,3])

tx_1=tx(1,1,1,3)

5、tf.newaxis 给tensor增加维度

     在torch中增加tensor维度的方法

        （1） 使用None来增加维度

        diff = X[:, None, :] - X[None, :, :]         diff

        （2） 使用unsqueeze增加维度

        diff = X.unsqueeze(1) - X.unsqueeze(0)         diff

        （3） 使用einpos.rearrange增加维度

        from einops import rearrange         diff = rearrange(X, 'i j -> i () j') - rearrange(X, 'i j -> () i j')         diff输出都是：

 6、tf.cast() 转 x.type() or x.to()

x=tf.cast(tf.range(-radius,radius+1),dtype=dtype)

x=torch.range(-radius,radius+1).type(dtype=dtype)

7、torch.tensor和tf.constant 相互转换

        张量的基本操作——创建张量

        在Python对象上创建，例如：列表， TensorFlow版本如下所示：

              PyTorch版本如下所示：

后续如果有类似的应用会继续补充。

                                                                                    -----2023.02.03

参考：1、https://blog.csdn.net/strawberry47/article/details/125100924

2、记录一下，tensorflow2.0和torch的函数移植对比_Tony Einstein的博客-CSDN博客_tensorflow torch

文章链接

评论可见，请评论后查看内容，谢谢！！！
 您阅读本篇文章共花了：