如何将MLP的神经网络从tensorflow翻译成pytorch答案

【问题标题】：How to translate the neural network of MLP from tensorflow to pytorch如何将MLP的神经网络从tensorflow翻译成pytorch
【发布时间】：2020-11-17 13:04:54
【问题描述】：

我已经使用“Tensorflow”建立了一个 MLP 神经网络，如下所示：

model_mlp=Sequential()
model_mlp.add(Dense(units=35, input_dim=train_X.shape[1], kernel_initializer='normal', activation='relu'))
model_mlp.add(Dense(units=86, kernel_initializer='normal', activation='relu'))
model_mlp.add(Dense(units=86, kernel_initializer='normal', activation='relu'))
model_mlp.add(Dense(units=10, kernel_initializer='normal', activation='relu'))
model_mlp.add(Dense(units=1))

我想用 pytorch 转换上面的 MLP 代码。怎么做？我尝试这样做：

    class MLP(nn.Module):
    def __init__(self):
        super(MLP, self).__init__()
        self.fc1 = nn.Linear(train_X.shape[1],35)
        self.fc2 = nn.Linear(35, 86)
        self.fc3 = nn.Linear(86, 86)
        self.fc4 = nn.Linear(86, 10)
        self.fc5 = nn.Linear(10, 1)
    def forward(self, x):
        x = F.relu(self.fc1(x))
        x = F.relu(self.fc2(x))
        x = F.relu(self.fc3(x))
        x = F.relu(self.fc4(x))
        x = self.fc5(x)
        return x
    def predict(self, x_test):
        x_test = torch.from_numpy(x_test).float()
        x_test = self.forward(x_test)
        return x_test.view(-1).data.numpy()
model = MLP()

我使用相同的数据集，但两个代码给出了两个不同的答案。使用 Tensorflow 编写的代码总是比使用 Pytorch 编写的代码产生更好的结果。我想知道我在 pytorch 中的代码是否不正确。如果我在 PyTorch 中编写的代码是正确的，我想知道如何解释这些差异。我期待着任何回复。

【问题讨论】：

标签： python tensorflow pytorch mlp

【解决方案1】：

欢迎来到 pytorch！

我想问题出在网络的初始化上。我就是这样做的：

def init_weights(m):
    if type(m) == nn.Linear:
        torch.nn.init.xavier_normal(m.weight)  # initialize with xaver normal (called gorot in tensorflow)
        m.bias.data.fill_(0.01) # initialize bias with a constant

class MLP(nn.Module):
    def __init__(self, input_dim):
        super(MLP, self).__init__()
        self.mlp = nn.Sequential(nn.Linear(input_dim ,35), nn.ReLU(),
                                 nn.Linear(35, 86), nn.ReLU(),
                                 nn.Linear(86, 86), nn.ReLU(), 
                                 nn.Linear(86, 10), nn.ReLU(),
                                 nn.Linear(10, 1), nn.ReLU())

    def forward(self, x):
        y =self.mlp(x)
        return y

model = MLP(input_dim)
model.apply(init_weights)

optimizer = Adam(model.parameters())
loss_func = BCEWithLogistLoss()

# training loop

for data, label in dataloader:
    optimizer.zero_grad()
    
    pred = model(data)
    loss = loss_func(pred, lable)
    loss.backward()
    optimizer.step()

请注意，在 pytorch 中，我们不调用 model.forward(x)，而是调用 model(x)。这是因为nn.Module 在.__call__() 中应用了后向传递中使用的钩子。

你可以在这里查看权重初始化的文档：https://pytorch.org/docs/stable/nn.init.html

【讨论】：