我有一些需要转换为PyTorch的Keras代码。我已经做了一些研究，但到目前为止，我无法重现从Keras中获得的结果。我已经在这上面花了很多时间，任何建议或帮助都非常受欢迎。

这是我正在处理的Keras代码。输入形状为(None, 105, 768)，其中None是批量大小，我希望对输入应用Conv1D。在Keras中的期望输出是(None, 105)。

x = tf.keras.layers.Dropout(0.2)(input) x = tf.keras.layers.Conv1D(1,1)(x)x = tf.keras.layers.Flatten()(x)x = tf.keras.layers.Activation('softmax')(x)

我尝试过的方法，结果较差：

    self.conv1d = nn.Conv1d(768, 1, 1)    self.dropout = nn.Dropout(0.2)    self.softmax = nn.Softmax()def forward(self, input):    x = self.dropout(input)    x = x.view(x.shape[0],x.shape[2],x.shape[1])      x = self.conv1d(x)    x = torch.squeeze(x, 1)    x = self.softmax(x)

回答：

导致问题的关键是你试图交换输入的维度，因为Keras和PyTorch对维度顺序有不同的约定。

x = x.view(x.shape[0],x.shape[2],x.shape[1])

.view()并不会交换维度，而是改变哪些数据属于某个维度。你可以将其视为一个1D数组，然后你决定采取多少步来覆盖这个维度。一个例子会让它更容易理解。

# 让我们从一个1D张量开始# 这就是内存中底层数据的外观x = torch.arange(6)# => tensor([0, 1, 2, 3, 4, 5])# 使用Keras的约定时张量的外观（期望输入）keras_version = x.view(2, 3)# => tensor([[0, 1, 2],#            [3, 4, 5]])# 垂直和水平没有交换，但数据的排列不同# 数字仍然是从左到右递增incorrect_pytorch_version = keras_version.view(3, 2)# => tensor([[0, 1],#            [2, 3],#            [4, 5]])

要交换维度，你需要使用torch.transpose。

correct_pytorch_version = keras_version.transpose(0, 1)# => tensor([[0, 3],#            [1, 4],#            [2, 5]])