Tensorflow和Pytorch函数转换对照表

Dream_Poem

已于 2022-04-13 15:33:27 修改

阅读量1.5k

点赞数 2

文章标签： pytorch tensorflow

于 2022-04-11 13:57:06 首次发布

本文链接：https://blog.youkuaiyun.com/Dream_Poem/article/details/124097636

版权

这篇博客探讨了Tensorflow和Pytorch在构建神经网络时的函数使用差异，包括创建神经网络层和实现Batch Normalization层的方法。通过具体的代码示例，展示了如何在两个框架中进行相应的操作，帮助读者理解两种库的不同习惯和应用场景。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

最近做实验在用，这里存一些：
Tensorflow和Pytorch函数转换对照表
 TENSORFLOW与PYTORCH：区别及函数习惯的对比
如侵必删

tensorflow的一个神经网络层：

#创建一个神经网络层
def add_layer(input,in_size,out_size,activation_function=None):
    """
    :param input: 数据输入
    :param in_size: 输入大小
    :param out_size: 输出大小
    :param activation_function: 激活函数（默认没有）
    :return:output：数据输出
    """
    Weight=tf.Variable(tf.random_normal([in_size,out_size]) )
    biases=tf.Variable(tf.zeros([1,out_size]) +0.1 )
    W_mul_x_plus_b=tf.matmul(input,Weight) + biases
    #根据是否有激活函数
    if activation_function == None:
        output=W_mul_x_plus_b
    else:
        output=activation_function(W_mul_x_plus_b)
    return output

batch_norm 层：

# batch_normalization层
def batch_norm(x):
    epsilon = 1e-5
    batch_mean, batch_var = tf.nn.moments(x, [0])
    return tf.nn.batch_normalization(x, batch_mean, batch_var,
                                     offset=None, scale=None,
                                     variance_epsilon=epsilon)