将 Conv2D 从 PyTorch 代码转换为 Tensorflow

Question

我有以下 PyTorch 层定义：

self.e_conv_1 = nn.Sequential(
    nn.ZeroPad2d((1, 2, 1, 2)),
    nn.Conv2d(in_channels=3, out_channels=64, kernel_size=(5, 5), stride=(2, 2)),
    nn.LeakyReLU(),
)

我想在 Tensorflow 中拥有完全相同的层声明。我怎样才能做到这一点？

self.e_conv_1 = tf.keras.Sequential([
  layers.Conv2D(64, kernel_size=(5, 5), activation=partial(tf.nn.leaky_relu, alpha=0.01), padding='same', strides=(1, 2))
])

应该是上面这段代码吗？我认为至少 strides 和 padding 是不一样的。

提前感谢任何提供帮助的人。

Answer 1

我觉得你可以按照tenssorflow documentation这样的方式使用图层：

tf.keras.Sequential([
    layers.ZeroPadding2D(padding=((1,2), (1,2)))
    layers.Conv2D(64, kernel_size=(5, 5), activation=partial(tf.nn.leaky_relu, 
    alpha=0.01), padding='valid', strides=(2, 2))
])

主要区别在于 Torch 零填充和 tensroflow 零填充参数之间的差异。 在火炬填充参数是：

m = nn.ZeroPad2d((left, right, top, bottom))

在张量流中：

tf.keras.layers.ZeroPadding2D(padding=((top,bottom),(left,right)))