没有onnx，如何手动将pytorch模型转换为tensorflow模型？

由于ONNX支持有限的模型，我试图通过直接分配参数来进行转换，但得到的tensorflow模型未能显示所需的精度。详情如下：

源模型是在MNIST数据集上训练的Lenet

我首先通过model提取每个模块及其参数，命名为_parameters（），并将它们保存到字典中，其中键是模块的名称，值是参数

然后，我构建并启动了一个具有相同架构的tensorflow模型

最后，我将pytroch模型的每一层参数分配给tensorflow模型

然而，得到的张量流模型的精度仅为20%左右。因此，我的问题是，是否可以用这种方法转换pytorch模型？。如果是，可能导致不良结果的问题是什么？如果没有，请解释原因

---

PS：假设分配过程是正确的。

正如jodag的评论所提到的，Tensorflow和PyTorch中的运算符表示法之间存在许多差异，可能会导致您的工作流中出现差异

我们建议使用以下方法：

使用将模型导出为ONNX格式

使用将ONNX模型转换为Tensorflow

---

tensorflow和pytorch中的ops有一些小细节不完全相同（例如填充可能不同，ε等）。这就是为什么会有与onnx或mmdnn等中间表示形式之间的转换，这些表示形式经过了仔细的一致性测试。如果你想自己做这件事，并且想对它有信心，你可能会想首先为你要使用的每个操作设计测试，以确保一致性（conv层、批处理规范、激活、数据格式、数据扩充等）。非常感谢！我放弃手工转换…非常感谢！pytorch应该包括onnx模块（：-。我会尝试一下。上面提到的转换运行时没有错误。但是，当我尝试将模型进一步转换为tflite时，我得到

import\u tensorflow.cc:2619]检查失败：status.ok（）属性“data_format”的值意外。预期的“NHWC”致命Python错误：中止

调用

prepare

后是否应修复此错误？能否告诉我您使用的TF、pytorch和ONNX的确切版本？

import torch.onnx

# Argument: model is the PyTorch model 
# Argument: dummy_input is a torch tensor

torch.onnx.export(model, dummy_input, "LeNet_model.onnx")

import onnx

from onnx_tf.backend import prepare

onnx_model = onnx.load("LeNet_model.onnx")  # load onnx model
tf_rep = prepare(onnx_model)  # prepare tf representation
tf_rep.export_graph("LeNet_model.pb")  # export the model