Python 深度学习：通过不同的库保存和加载通用机器模型

我的问题可以分为两部分

• 是否有一种可以通过不同库使用的机器学习模型文件格式？例如，我用pytorch保存了一个模型，然后用tensorflow加载它

• 如果没有，是否有一个库可以帮助传递格式，以便pytorch机器学习模型可以直接用于keras

我问这个问题的原因是，最近我需要将我以前在tensorflow中训练过的一些模型调整为pytorch

此问题的更新： Facebook和微软将推出一个名为ONNX的模型标准，用于在不同framworks之间传输模型，例如在Pytorch和Caffe2之间传输模型。链接如下：

此问题的进一步更新： Tensorflow本身使用协议缓冲区格式存储模型文件，可用于不同模型之间的传输。链接如下：

---

非常有趣的问题。神经网络是一种数学抽象，由层网络（卷积、递归等）、运算（点积、非线性等）及其各自的参数（权重、偏差）组成

抱歉，没有通用的模型文件。尽管如此，不同的库允许用户以二进制格式保存其模型

没有可供转换的库，但有解决这个问题的努力

---

非常有趣的问题。神经网络是一种数学抽象，由层网络（卷积、递归等）、运算（点积、非线性等）及其各自的参数（权重、偏差）组成

抱歉，没有通用的模型文件。尽管如此，不同的库允许用户以二进制格式保存其模型

没有可供转换的库，但有解决这个问题的努力

---

预测标记建模语言（PMML）是一种用于许多机器学习模型的基于XML的表示语言。这是一种被许多公司用于序列化和反序列化模型的方法。我使用过支持PMML的库来构建机器学习模型，比如SVM和决策树，但没有将其用于深度学习模型。然而，有些开源项目将与和一起工作，但是这些库似乎是用于序列化和反序列化，以便与同一个库一起使用。您可能需要检查PMML在库之间的序列化和反序列化方面是否取得进展。

对于许多机器学习模型来说，预测标记建模语言（PMML）是一种基于XML的表示语言。这是一种被许多公司用于序列化和反序列化模型的方法。我使用过支持PMML的库来构建机器学习模型，比如SVM和决策树，但没有将其用于深度学习模型。然而，有些开源项目将与和一起工作，但是这些库似乎是用于序列化和反序列化，以便与同一个库一起使用。您可能希望检查PMML在库之间的序列化和反序列化方面是否取得进展

如果没有，是否有一个库可以帮助传递格式，以便pytorch机器学习模型可以直接用于keras

你可以试试转换器

此时，它支持基本层，如Conv2d、线性、激活和元素操作。因此，我转换了ResNet50，错误为1e-6

如果没有，是否有一个库可以帮助传递格式，以便pytorch机器学习模型可以直接用于keras

你可以试试转换器

---

此时，它支持基本层，如Conv2d、线性、激活和元素操作。因此，我转换了ResNet50，错误为1e-6。

两个问题的答案都是否定的。而且这里也不是提出此类问题的地方。据我所知，我曾在pytorch和keras工作过，没有这样的库可以将保存在一个平台中的模型文件转换到另一个平台。@Salvadodali此类问题的位置在哪里？@rafaelvalle检查Quora的规则，这些开放式问题在那里是否可以。如果你检查一下SO的规则，你会发现这里不应该问这些问题。甚至还有一个特定的关闭原因，以**推荐或查找书籍、工具、软件库、教程或其他非现场资源为开头，因为堆栈溢出**@SalvadorDali不会问这个问题，很抱歉…这两个问题的答案都是否定的。而且这里也不是回答此类问题的地方。我在pytorch和keras工作过，据我所知，没有这样的库可以将保存在一个平台中的模型文件转换到另一个平台。@Salvadodali此类问题的位置在哪里？@rafaelvalle检查Quora的规则，这些开放式问题在那里是否可以。如果你检查一下SO的规则，你会发现这里不应该问这些问题。甚至还有一个特定的结束原因，以**推荐或查找书籍、工具、软件库、教程或其他非现场资源都是堆栈溢出的主题**@SalvadorDali不会问的，对此表示抱歉……酷！我只是觉得为不同的图书馆制定一个标准是值得的，这样所有的人都能从中受益。酷！我只是认为为不同的图书馆制定一个标准是值得的，这样所有人都能从中受益。