如何将这个keras cnn模型转换为pytorch版本

Question

这是我想转换为pytorch的示例keras代码。我的输入数据集是10000 * 1 * 102（二维标签）。数据集包括10000个样本。每个样本都包含具有102个特征的一行。我正在考虑使用1dcnn进行回归。

PS：超参数（例如过滤器，kernel_size，步幅，填充）可以根据我的10000 * 1 * 102数据集进行调整。

model = Sequential()
model.add(Conv1D(filters=64, kernel_size=3, activation='relu', input_shape=(n_timesteps,n_features)))
model.add(Conv1D(filters=64, kernel_size=3, activation='relu'))
model.add(Dropout(0.5))
model.add(MaxPooling1D(pool_size=2))
model.add(Flatten())
model.add(Dense(100, activation='relu'))
model.add(Dense(n_outputs, activation='softmax'))

Answer 1

欢迎使用pytorch。 :)我很高兴您决定从Keras切换到PyTorch。对我来说，这是重要的一步，它可以更详细地了解NN的工作原理。如果您对代码有任何特定疑问，或者如果它不起作用，请通知我。

import torch.nn as nn
a0 = nn.Conv1D(n_timesteps, 64, 3)
a1 = nn.Relu()
b0 = nn.Conv1D(64, 64, 3)
b1 = nn.Relu()
c0 = torch.nn.Dropout(p=0.5)
d0 = nn.MaxPool1d(2)
e0 = nn.Flatten()
e1 = nn.Linear(32*n_timesteps,100)
e2 = nn.Relu()
e3 = nn.Linear(n_outputs)
f0 = nn.Softmax(dim=1)

model = nn.Sequential(a0,a1,b0,b1,c0,d0,e0,e1,e2,e3,f0)