Caffe代码迁移为PyTorch的注意事项

进入研究生生活已经有三个月了，每天的生活就是上课、看论文、跑模型，也从来没有自己动手写过完整的模型。最近想在一个Caffe模型上加个模块，奈何实在改不动Caffe代码（C++忘的差不多了，日后一定好好看看Caffe底层），于是转战PyTorch。

本文主要介绍一下注意事项，不具体展开介绍怎么样一步一步来，只说明一下大致步骤，具体细节只有做了才能明白。

Caffe网络结构的迁移

Caffe的网络结构看起来不是非常的清楚，可以借助可视化网站来查看原程序的网络。PyTorch中nn.Module提供的层包含了Caffe中的层，迁移起来很方便。可阅读这篇文章Caffe代码转化为PyTorch代码
迁移时，尽量保持每一层的名称与Caffe相对应，避免以后模型加载的麻烦。

坑：Caffe中反卷积层默认采用向上取整，而PyTorch中的反卷积层默认采用向下取整，很可能导致迁移后数据结果与Caffe的输出结果不一致。此处提供两篇文章PyTorch取整方式和Caffe取整方式供参考。

---

Caffe的预训练模型转化至PyTorch<