我想在 Tensorflow 中使用预训练的 Pytorch 模型，我需要将 tensorflow 张量转换为 pytorch 张量。但我不想将 pytorch 张量转换为 numpy 数组并将其转换为张量流张量，因为我收到“您必须为占位符张量提供值”的错误。 我在制作图表时需要这种转换，因此 tensorflow 张量没有价值并且不能转换为 numpy！ 有什么解决办法吗？
【问题讨论】：
标签： python numpy tensorflow pytorch
您对 Tensorflow 张量所做的操作会被“记住”，以便计算和反向传播梯度。 PyTorch 张量也是如此。所有这些最终都是在两个框架中训练模型所必需的。这也是你不能在两个框架之间转换张量的原因：它们有不同的操作和梯度计算系统。他们无法捕获超出其框架的任何操作。例如，您不能（截至 2021 年 1 月）在自定义损失函数中使用 python for 循环。它必须被实施到框架中才能工作。同样，也没有将 pytorch 操作转换为 TensorFlow 操作的实现。
This 答案显示了当您的张量定义明确（不是占位符）时它是如何完成的。但是目前没有办法将梯度从 Tensorflow 传播到 PyTorch，反之亦然。也许将来会对这两个框架进行某种大规模更新，使它们可以互操作，但我对此表示怀疑。最好分别使用它们。
因此，简而言之，您无法在两个框架之间转换占位符张量。您必须坚持使用其中一个库或使用具体的张量 + numpy 调解器在框架之间进行通信。
【讨论】：