(原)torch模型转pytorch模型

转载请注明出处:

http://www.cnblogs.com/darkknightzh/p/7839263.html

目前使用的torch模型转pytorch模型的程序为:

https://github.com/clcarwin/convert_torch_to_pytorch

 

该程序中,常见的模型都可以转换,但是对于torch中为BatchNormalization的则会提示出错:

Not Implement BatchNormalization

torch中的SpatialBatchNormalization对应于输入为4d的特征(batchsize*featdim*featHeight*featWidth),对应于pytorch中的nn.BatchNorm2d

而torch中的BatchNormalization对应于输入为2d的特征(batchsize*featdim),对应于pytorch中的nn.BatchNorm1d

因而修改方法很简单:

1. 在convert_torch.py的74行(elif name == 'ReLU':)之前添加:

elif name == 'BatchNormalization':
    n = nn.BatchNorm1d(m.running_mean.size(0), m.eps, m.momentum, m.affine)
    copy_param(m,n)
    add_submodule(seq,n)

2. 在convert_torch.py的(未修改前的)175行(elif name == 'ReLU':)之前添加:

elif name == 'BatchNormalization':
    s += ['nn.BatchNorm1d({},{},{},{}),#BatchNorm1d'.format(m.running_mean.size(0), m.eps, m.momentum, m.affine)]

3. 在convert_torch.py的(未修改前的)245行(s = map(lambda x: x.replace(',(0, 0),ceil_mode=False),#MaxPool2d',')'),s))之前添加:

s = map(lambda x: x.replace(',1e-05,0.1,True),#BatchNorm1d',')'),s)
s = map(lambda x: x.replace('),#BatchNorm1d',')'),s)

经过上述修改后,torch模型中含有BatchNormalization,转换到pytorch后的模型性能和转换前的模型性能一致。

 

顺便说一下,2天前更新的该程序,添加了BatchNorm3d的支持,但是在243、244行之后,并没有增加BatchNorm3d的相关代码,不清楚是否会有问题。我这边没有用到BatchNorm3d,因而没有测试。

另一方面,上面的3步中,我是根据BatchNorm2d去修改,没有测试如果不修改某一步(如第3步),程序是否会有问题。反正都改了,模型没有问题。。。

 

posted on 2017-11-15 15:38  darkknightzh  阅读(1391)  评论(0编辑  收藏  举报

导航