1

由于 ONNX 支持的模型有限,我尝试通过直接分配参数来进行这种转换,但获得的 tensorflow 模型未能显示出预期的精度。详细说明如下:

  1. 源模型是在 MNIST 数据集上训练的 Lenet。
  2. 我首先通过 model.named_pa​​rameters() 提取每个模块及其参数并将它们保存到一个字典中,其中键是模块的名称,值是参数
  3. 然后,我构建并启动了一个具有相同架构的 tensorflow 模型
  4. 最后,我将pytroch模型的每一层的参数分配给tensorflow模型

然而,获得的 tensorflow 模型的准确率只有 20% 左右。因此,我的问题是是否可以通过这种方法转换 pytorch 模型?如果是,导致不良结果的可能问题是什么?如果不是,请解释原因。

PS:假设分配程序是正确的。

4

1 回答 1

2

正如 jodag 的评论所提到的,Tensorflow 和 PyTorch 中的运算符表示之间存在许多差异,这可能会导致您的工作流程出现差异。

我们建议使用以下方法:

  1. 使用PyTorch 中的 ONNX导出器将模型导出为 ONNX 格式。
import torch.onnx

# Argument: model is the PyTorch model 
# Argument: dummy_input is a torch tensor

torch.onnx.export(model, dummy_input, "LeNet_model.onnx")
  1. 使用onnx-tensorflow 后端将 ONNX 模型转换为 Tensorflow。
import onnx

from onnx_tf.backend import prepare

onnx_model = onnx.load("LeNet_model.onnx")  # load onnx model
tf_rep = prepare(onnx_model)  # prepare tf representation
tf_rep.export_graph("LeNet_model.pb")  # export the model
于 2020-02-05T21:41:10.237 回答