Pytorch转keras的有效方法,以FlowNet为例讲解

Pytorch凭借动态图机制，获得了广泛的使用，大有超越tensorflow的趋势，不过在工程应用上，TF仍然占据优势。今天就给大家讲解一下Pytorch转成Keras的方法，进而我们也可以获得Pb文件，因为Keras是支持tensorflow的，我将会在下一篇博客讲解获得Pb文件，并使用Pb文件的方法。笔者将会以Nvidia开源的FlowNet为例，将开源的Pytorch代码转化为Keras模型。按照Pytorch中模型的结构，编写对应的Keras代码，用keras的函数式API，构建起来会非常方便。把Pytorch的模型参数，按照层的名称依次赋值给Keras的模型以上两步虽然看上去简单，但实际我也走了不少弯路。但我想表明的是，我用Keras搭建的模型确实是根据官方开源的Pytorch模型搭建的。模型搭建完毕之后，就到了关键的步骤：给Keras模型赋值。