我的问题可以分为两部分。
是否有可以通过不同库使用的机器学习模型文件格式？比如我用pytorch保存了一个模型，然后用tensorflow加载？
如果没有，是否有可以帮助传输格式的库，以便可以在 keras 中直接使用 pytorch 机器学习模型？
之所以问这个问题，是因为最近需要将之前在tensorflow中训练的一些模型调整为pytorch。
这个问题的更新： Facebook 和微软将推出一个名为 ONNX 的模型标准，用于在不同框架之间传输模型，例如在 Pytorch 到 Caffe2 之间。链接如下：
这个问题的进一步更新： Tensorflow 本身使用 Protocol Buffer 格式来存储模型文件，可以用于不同模型之间的传输。链接如下：
非常有趣的问题。神经网络是一种数学抽象，由层网络（卷积、循环......）、操作（点积、非线性......）及其各自的参数（权重、偏差）组成。
AFAIK，没有通用模型文件。尽管如此，不同的库允许用户以二进制格式保存他们的模型。
没有用于转换的库，但在github repo上努力解决了这个问题。
预测标记建模语言 (PMML) 是一种基于 XML 的表示语言，适用于许多机器学习模型。这是许多公司用于序列化和反序列化模型的开放标准。我已经将支持 PMML 的库用于 SVM 和决策树等机器学习模型，但没有将其用于深度学习模型。但是，有一些开源项目可以与Tensorflow和Keras一起使用，但这些库似乎用于序列化和反序列化以与同一个库一起使用。您可能想检查 PMML 是否在库之间的序列化和反序列化方面取得了进展。
如果没有，是否有可以帮助传输格式的库，以便可以在 keras 中直接使用 pytorch 机器学习模型？
你可以试试Pytorch2Keras转换器。
在那一刻，它支持基础层，如 Conv2d、线性、激活、元素操作。所以，我用错误 1e-6 转换了 ResNet50。