Question

我正在尝试将tf的代码转换为pytorch。我卡住的部分代码是sess.run。据我所知，pytorch不需要它，但是我找不到复制它的方法。我附上了代码。

TF：

ebnos_db = np.linspace(1,6, 6)
bers_no_training = np.zeros(shape=[ebnos_db.shape[0]])
for j in range(epochs):
    for i in range(ebnos_db.shape[0]):
        ebno_db = ebnos_db[i]
        bers_no_training[i] += sess.run(ber, feed_dict={
            batch_size: samples,
            noise_var: ebnodb2noisevar(ebno_db, coderate)
        })
bers_no_training /= epochs

samples是一个int32，而ebnodb2noisevar（）返回一个float32。

TF中的

BER计算如下：

ber = tf.reduce_mean(tf.cast(tf.not_equal(x, x_hat), dtype=tf.float32))

和在PT中：

wrong_bits = ( torch.eq(x, x_hat).type(torch.float32) * -1 ) + 1
ber = torch.mean(wrong_bits)

我认为BER计算得很好，但主要问题是我不知道如何将sess.run转换为PyTorch，也无法完全理解其功能。

有人可以帮助我吗？

谢谢

Answer 1

您可以在PyTorch中执行相同的操作，但是在ber方面更容易：

ber = torch.mean((x != x_hat).float())

就足够了。

是的，PyTorch不需要它，因为它基于动态图构造（与Tensorflow的静态方法不同）。

在tensorflow中，sess.run用于将值输入到创建的图形中；此处tf.Placeholder（代表用户可以“注入”其数据的节点的图形变量）名为batch_size的{{1}}和samples的{{1} }。

将其转换为PyTorch通常很简单，因为您不需要在会话中使用任何类似图形的方法。只需将神经网络（或类似物）与正确的输入（例如noise_var和ebnodb2noisevar(ebno_db, coderate)一起使用，就可以了。您必须检查图形（以便从samples和noise_var构造ber），然后在PyTorch中重新实现它。

此外，在深入研究框架之前，请先检查PyTorch introductory tutorials，以了解框架。

将sess.run转换为pytorch

1 个答案: