有什么方法可以将pytorch张量转换为张量流张量

Question

https://github.com/taoshen58/BiBloSA/blob/ec67cbdc411278dd29e8888e9fd6451695efc26c/context_fusion/self_attn.py#L29

我需要使用TensorFlow中实现的上述链接中的mulit_Dimension_attention，但我正在使用PyTorch，所以我可以将Pytorch Tensor转换为TensorFlow Tensor，还是必须在PyTorch中实现它。

我在这里尝试使用的

代码我必须将'rep_tensor'作为TensorFlow张量类型传递，但是我有PyTorch张量

def multi_dimensional_attention(rep_tensor, rep_mask=None, scope=None,
                                keep_prob=1., is_train=None, wd=0., activation='elu',
                                tensor_dict=None, name=None):

    # bs, sl, vec = tf.shape(rep_tensor)[0], tf.shape(rep_tensor)[1], tf.shape(rep_tensor)[2]

    ivec = rep_tensor.shape[2]
    with tf.variable_scope(scope or 'multi_dimensional_attention'):
        map1 = bn_dense_layer(rep_tensor, ivec, True, 0., 'bn_dense_map1', activation,
                              False, wd, keep_prob, is_train)
        map2 = bn_dense_layer(map1, ivec, True, 0., 'bn_dense_map2', 'linear',
                              False, wd, keep_prob, is_train)
        # map2_masked = exp_mask_for_high_rank(map2, rep_mask)

        soft = tf.nn.softmax(map2, 1)  # bs,sl,vec
        attn_output = tf.reduce_sum(soft * rep_tensor, 1)  # bs, vec

        # save attn
        if tensor_dict is not None and name is not None:
            tensor_dict[name] = soft

        return attn_output

Answer 1

您可以将pytorch张量转换为numpy数组，并将其转换为tensorflow张量，反之亦然：

import torch
import tensorflow as tf

pytorch_tensor = torch.zeros(10)
np_tensor = pytorch_tensor.numpy()
tf_tensor = tf.convert_to_tensor(np_tensor)

话虽如此，如果您想训练一个结合使用pytorch和tensorflow的模型，那将是......笨拙，缓慢，越野车，并且至少要花很长时间才能写出来。由于图书馆必须弄清楚如何反向传播费用。

因此，除非预先训练了您的pytorch注意块，否则我建议您只坚持使用一个或另一个库，这里有很多示例可以在任何一个中实现您想要的任何东西，并且有很多都针对这两个模型进行了预训练。 Tensorflow通常会更快一些，但速度差异并不明显，我上面介绍的“ hack”可能会使整体运行速度比单独使用这两个库慢。