Python 如何在Pytorch中编写Keras神经网络的以下等效代码?
如何在Pytorch中编写Keras神经网络的以下等效代码Python 如何在Pytorch中编写Keras神经网络的以下等效代码?,python,python-3.x,keras,pytorch,Python,Python 3.x,Keras,Pytorch,如何在Pytorch中编写Keras神经网络的以下等效代码 actor = Sequential() actor.add(Dense(20, input_dim=9, activation='relu', kernel_initializer='he_uniform')) actor.add(Dense(20, activation='relu')) actor.add(Dense(27, activation='softmax', kernel_
actor = Sequential()
actor.add(Dense(20, input_dim=9, activation='relu', kernel_initializer='he_uniform'))
actor.add(Dense(20, activation='relu'))
actor.add(Dense(27, activation='softmax', kernel_initializer='he_uniform'))
actor.summary()
# See note regarding crossentropy in cartpole_reinforce.py
actor.compile(loss='categorical_crossentropy',
optimizer=Adam(lr=self.actor_lr))[Please find the image eq here.][1]
[1]: https://i.stack.imgur.com/gJviP.png
已经有人问过类似的问题,但这里是这样的:
import torch
actor = torch.nn.Sequential(
torch.nn.Linear(9, 20), # output shape has to be specified
torch.nn.ReLU(),
torch.nn.Linear(20, 20), # same goes over here
torch.nn.ReLU(),
torch.nn.Linear(20, 27), # and here
torch.nn.Softmax(),
)
print(actor)
初始化:默认情况下,从版本1.0开始,线性层将使用Kaiming Uniform初始化(请参阅)。如果您想以不同的方式初始化权重,请参阅对的最上乘答案
您也可以使用Python的
OrderedDict
更容易地匹配某些层,请参见,您应该能够从那里开始。已经有人问过类似的问题,但这里是:
import torch
actor = torch.nn.Sequential(
torch.nn.Linear(9, 20), # output shape has to be specified
torch.nn.ReLU(),
torch.nn.Linear(20, 20), # same goes over here
torch.nn.ReLU(),
torch.nn.Linear(20, 27), # and here
torch.nn.Softmax(),
)
print(actor)
初始化:默认情况下,从版本1.0开始,线性层将使用Kaiming Uniform初始化(请参阅)。如果您想以不同的方式初始化权重,请参阅对的最上乘答案
您还可以使用Python的
OrderedDict
更容易地匹配某些层,请参见,您应该能够从那里开始。到目前为止您尝试了什么?到目前为止您尝试了什么?