Pytorch到Keras代碼等效

在PyTorch中給出以下代碼Keras等效函數是什麼？Pytorch到Keras代碼等效

class Network(nn.Module): 

    def __init__(self, state_size, action_size): 
     super(Network, self).__init__() 

     # Inputs = 5, Outputs = 3, Hidden = 30 
     self.fc1 = nn.Linear(5, 30) 
     self.fc2 = nn.Linear(30, 3) 

    def forward(self, state): 
     x = F.relu(self.fc1(state)) 
     outputs = self.fc2(x) 
     return outputs

這是嗎？

model = Sequential() 
model.add(Dense(units=30, input_dim=5, activation='relu')) 
model.add(Dense(units=30, activation='relu')) 
model.add(Dense(units=3, activation='linear'))

還是這樣？

model = Sequential() 
model.add(Dense(units=30, input_dim=5, activation='linear')) 
model.add(Dense(units=30, activation='relu')) 
model.add(Dense(units=3, activation='linear'))

還是它？

model = Sequential() 
model.add(Dense(units=30, input_dim=5, activation='relu')) 
model.add(Dense(units=30, activation='linear')) 
model.add(Dense(units=3, activation='linear'))

感謝

來源

2017-10-21 Milind Dalvi

他們都不據我所知看起來是正確的。正確的Keras等效代碼將是：

model = Sequential() 
model.add(Dense(30, input_shape=(5,), activation='relu')) 
model.add(Dense(3))

model.add（密集（30，input_shape =（5，），活化= 'RELU'））

模型將作爲輸入形狀數組（*，5）和形狀輸出數組（*，30）。而不是input_shape，也可以使用input_dim。 input_dim=5相當於input_shape=(5,)。

model.add（密集（3））

第一層後，你就可以不用去指定輸入的大小。此外，如果您未指定任何用於激活的內容，則不會應用激活（相當於線性激活）。

另一種方法是：

model = Sequential() 
model.add(Dense(30, input_dim=5)) 
model.add(Activation('relu')) 
model.add(Dense(3))

希望這是有道理的！

來源

2017-10-21 19:25:46

所以根據你的答案網絡有多少層？ –

2個緻密層，其中一個具有激活'relu'，另一個具有'線性'。 –

也有一個「隱藏的輸入圖層」，在這種情況下不會出現。如果你算這個，他們是3層。 –

貌似

model = Sequential() 
model.add(InputLayer(input_shape=input_shape(5,)) 
model.add(Dense(30, activation='relu') 
model.add(Dense(3))

如果你想Pytorch模型轉換爲Keras模式，你也可以嘗試一個Pytorch2Keras轉換器。

它支持像Conv2d，Linear，Activations，Element-wise等基礎層操作。所以，我已將ResNet50轉換爲錯誤1e-6。

來源

2017-11-23 21:41:16 nerox8664

Pytorch到Keras代碼等效

回答

相關問題