没有onnx，如何手动将pytorch模型转换为tensorflow模型？

Question

由于ONNX支持的模型有限，我尝试通过直接赋参的方式进行转换，但是得到的tensorflow模型未能达到预期的精度。详情如下：

源模型是在 MNIST 数据集上训练的 Lenet。
我首先通过model.named_parameters()提取了每个模块及其参数，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
然后，我构建并启动了一个具有相同架构的tensorflow模型
最后，我将pytroch模型的每一层参数赋值给tensorflow模型

然而，得到的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？如果没有，请说明原因。

PS: 假设赋值过程是正确的。

Answer 1

正如 jodag 的评论所述，Tensorflow 和 PyTorch 中的运算符表示之间存在许多差异，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：

使用ONNX exporter in PyTorch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")

使用 onnx-tensorflow backend 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

没有onnx，如何手动将pytorch模型转换为tensorflow模型？

Withou onnx, how to convert a pytorch model into a tensorflow model manually?

tensorflow

pytorch

exchange-server

onnx