深度学习：通过不同的库保存和加载通用机器模型

Question

我的问题可以分为两部分。在

• 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，然后使用tensorflow加载它？

• 如果没有，是否有一个库可以帮助转换格式，以便pytorch机器学习模型可以直接在keras中使用？

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。在

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

https://research.fb.com/facebook-and-microsoft-introduce-new-open-ecosystem-for-interchangeable-ai-frameworks/

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

https://www.tensorflow.org/extend/tool_developers/

Answer 1

预测标记建模语言（PMML）是一种基于XML的机器学习模型表示语言。它是一个open standard，许多公司都使用它来序列化和反序列化模型。我使用过支持PMML的库来支持机器学习模型，比如SVM和决策树，但没有将其用于深度学习模型。但是，有一些开源项目可以使用Tensorflow和{a3}，但是这些库似乎是为了序列化和反序列化以用于同一个库。您可能需要检查PMML是否在库之间进行序列化和反序列化。在

Answer 2

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

1. 阿飞，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模型。

2. 没有用于转换的库，但是github repo上的工作解决了这个问题。

Answer 3

If not, is there a library that can help transfer the formats so that a pytorch machine learning model can be used directly in keras?

你可以试试Pytorch2Keras转换器。在

在那一刻，它支持基础层，如Conv2d、Linear、Activations、Element-wise操作。所以，我转换了ResNet50，错误为1e-6。在