探讨tensorflow与pytorch的互相转变

89542767 发布于2023-01-01 17:49 / 501人阅读

　　原文中具体阐述了简单介绍tensorflow与pytorch的互相转变，原文中根据实例编码推荐的十分详尽，对大家学习培训或工作具有很强的参照学习培训使用价值，必须的小伙伴们下边伴随着小编就来互相学习了解一下吧

　　原文中以这段编码为例子，简单介绍tensorflow与pytorch的互相转变（具体是tensorflow转pytorch），很有可能推荐的没那么详尽，仅作参考。

　　因为自己只了解pytorch，而对tensorflow不得而知，而编码经常碰到tensorflow，可是我期待使用pytorch，因而简单介绍tensorflow转pytorch，可能出现众多不正确，期待轻喷~

　　1.自变量形式参数

　　在TensorFlow的世界中，变量的定义和复位是分离的。

　　tensorflow中一般是在开始形式参数自变量，申明其基本数据类型、样子等，在实施的时候才赋具体值，如图所示，而pytorch使用的时候才会界定，界定和变量初始化是拼在一起的。

　　2.建立自变量并复位

　　tensorflow中运用tf.Variable创建自变量然后进行复位，而pytorch使得用torch.tensor建立自变量然后进行复位，如图所示。

　　3.句子实行

　　在TensorFlow的世界中，变量的定义和复位是分离的，所有关于图自变量的取值和测算都需要根据tf.Session的run去进行。

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

　　而在pytorch中，并不一定根据run开展，取值完后立即测算就可以。

　　4.tensor

　　pytorch计算时应建立完的numpy数组转为tensor，如下所示：

　　ifuse_gpuisTrue:
　　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)

　　最后运行完还要将tensor数据类型转换回numpy数组：

　　ifuse_gpuisTrue:
　　imputed_data=imputed_data.cpu().detach().numpy()
　　else:
　　imputed_data=imputed_data.detach().numpy()
　　而tensorflow中不用这样的操作。

　　5.别的函数公式

　　在tensorflow其中包含众多函数公式是pytorch中不具备的，可是都能在别的库文件寻找类似，详细如下表所显示。

　　综上所述，这篇文章就给大家介绍到这里了，希望可以给大家带来帮助。

GPU云服务器云服务器 pytorch和tensorflow 数据分析的探讨 tensorflow入门与实战互相视频音频的直播

文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。

转载请注明本文地址：https://www.ucloud.cn/yun/129032.html

探讨tensorflow与pytorch的互相转变

　　原文中具体阐述了简单介绍tensorflow与pytorch的互相转变，原文中根据实例编码推荐的十分详尽，对大家学习培训或工作具有很强的参照学习培训使用价值，必须的小伙伴们下边伴随着小编就来互相学习了解一下吧　　原文中以这段编码为例子，简单介绍tensorflow与pytorch的互相转变（具体是tensorflow转pytorch），很有可能推荐的没那么详尽，仅作参考。　　鉴于自己只了解py...

89542767 2023-01-02 20:33 评论0 收藏0
tensorflow和pytorch的区别

TensorFlow和PyTorch是两个最流行的深度学习框架之一。虽然这两个框架都可以完成大多数深度学习任务，但它们之间仍有很多区别。本文将探讨TensorFlow和PyTorch之间的一些区别。 1. 静态图和动态图 TensorFlow使用静态图，它需要先定义计算图，然后再执行计算。这使得TensorFlow在执行大规模计算时非常高效。PyTorch使用动态图，它允许用户在执行计算时动态...

lidashuang 2023-04-25 14:15 评论0 收藏1671
PyTorch一周年战绩总结：是否比TensorFlow来势凶猛？

摘要：截止到今天，已公开发行一周年。一年以来，社区中的用户不断做出贡献和优化，在此深表感谢。所以与衡量它的指标包括在机器学习研究论文中的使用。来自香港科技大学的在上推出了面向普通观众的在线课程。 Yann LeCun Twitter截止到今天，PyTorch 已公开发行一周年。一年以来，我们致力于打造一个灵活的深度学习研究平台。一年以来，PyTorch 社区中的用户不断做出贡献和优化，在此深表感谢...

ymyang 2019-04-25 18:23 评论0 收藏0
微软开源的深度学习模型转换工具MMdnn

摘要：是微软开源的用于不同深度学习框架和的模型之间互相转换的工具，通过模型的中间表示来完成不同框架模型之间的转换。 MMdnn简介在工业街和学术界中，开发者或者研究人员可以选择多种深度学习框架来构建模型，每种框架有自己特有的网络结构定义以及模型保存格式，这种框架之间的鸿沟阻碍了不同框架模型之间的操作。MMdnn是微软开源的用于不同深度学习框架(Caffe, Keras, MXNet, Tensor...

高璐 2019-04-25 18:29 评论0 收藏0
Anaconda+CUDA+cuDNN+Tensorflow2.0环境搭建

摘要：图和之间的关系图例与各版本之间的环境依赖关系的原装驱动并不支持，因此需要禁用掉并且重装卡官方驱动。会有很多同学在不知道的情况下安装了，最后导致和无法使用或者无法安装等问题。 ...

biaoxiaoduan 2021-09-09 09:34 评论0 收藏0