注：下面的 TensorFlow 简称为 tf，Pytorch 简称为 torch
1、tf 的 Variable 可替代为 torch 的 Variable （from torch.autograd import Variable），其中前者的参数 trainable=False，可替代为后者的 requires_grad=False
2、torch 的 Tensor 方法传入的值不能是数值，而是应该将数值转换为 [val] 这样的列表
3、tf 跟 torch 的部分函数，例如 tf 的 optimizer 和 torch 的 optim 里的优化器，功能相同，但是具体的默认参数可能会不同。
此时要不要保持一致呢？如果需要保持一致，那么会增加大量的工作，而且两者的参数会有部分不同的参数，这些不同的参数又该如何处理呢？
如果不保持一致，会不会导致训练结果有差别呢？
4、tensorflow 的数据维度默认为 (N, H, W, C)，而 pytorch 的数据维度默认为 (N, C, H, W)
5、pytorch 里 nn 的函数是要进行先实例化，再传入上一个节点的输出
6、pytorch 的 Tensor 不要随便转换为 numpy 对象，否则可能会丢失反向传播的信息，导致出问题，例如模型的损失不收敛等
网友评论