Keras和PyTorch使用不同的填充参数：Keras需要输入字符串，而PyTorch使用数字。有什么区别，以及如何将其翻译为另一种（在任何一个框架中，什么代码得到等效的结果）？
PyTorch还接受args in_channels，out_chanels，而keras仅接受称为filter的参数。 “过滤器”是什么意思？
最佳答案
关于填充，
Keras =>'valid'-没有填充；
'same'-填充输入，以便输出形状与输入形状相同
Pytorch =>您显式指定填充
有效填充
>>> model = keras.Sequential()
>>> model.add(keras.layers.Conv2D(filters=10, kernel_size=3, padding='valid', input_shape=(28,28,3)))
>>> model.layers[0].output_shape
(None, 26, 26, 10)
>>> x = torch.randn((1,3,28,28))
>>> conv = torch.nn.Conv2d(in_channels=3, out_channels=10, kernel_size=3)
>>> conv(x).shape
torch.Size([1, 10, 26, 26])
相同的填充
>>> model = keras.Sequential()
>>> model.add(keras.layers.Conv2D(filters=10, kernel_size=3, padding='same', input_shape=(28,28,3)))
>>> model.layers[0].output_shape
(None, 28, 28, 10)
>>> x = torch.randn((1,3,28,28))
>>> conv = torch.nn.Conv2d(in_channels=3, out_channels=10, kernel_size=3, padding=1)
>>> conv(x).shape
torch.Size([1, 10, 28, 28])
W-输入宽度，F-过滤器（或内核）大小，P-填充，S-步幅，Wout-输出宽度
瓦特=（（WF + 2P）/ S）+1
高度也是如此。使用此公式，您可以计算在输出中保留输入宽度或高度所需的填充量。
http://cs231n.github.io/convolutional-networks/
关于in_channels，out_chanels和过滤器，
过滤器与out_channels相同。在Keras中，in_channels是从上一层形状或input_shape（在第一层的情况下）自动推断出来的。
关于python - 将Keras(Tensorflow)卷积神经网络转换为PyTorch卷积网络？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/55381052/