PaddlePaddle与PyTorch的转换

PaddlePaddle 2.0和PyTorch风格还是非常像的。使用PaddlePaddle可以直接调用百度AI Studio里的一些资源（包括GPU、预训练权重之类的），而且说明文档、社区都是中文的，比较友好；而PyTorch在Github有更多的代码与资源，两者配合使用是比较香的。下面整理了一些PaddlePaddle以及PyTorch中对应的函数。当然，最好的使用方法是知道对应关系之后， 去PyTorch、PaddlePaddle官网上的数据手册查看具体说明

1 常用的包

PyTorch	PaddlePaddle	说明
torch.nn	paddle.nn	包括了神经网络相关的大部分函数
nn.Module	nn.Layer	搭建网络时集成的父类，包含了初始化等基本功能
torch.optim	paddle.optimizer	训练优化器
torchvision.transforms	paddle.vision.transforms	数据预处理、图片处理
torchvision.datasets	paddle.vision.datasets	数据集的加载与处理

2 网络结构

这一部分函数的输入参数基本是一致的，有不一致的地方会特别说明

PyTorch	PaddlePaddle	说明
nn.Conv2d	nn.Conv2D	2维卷积层
nn.BatchNorm2d	nn.BatchNorm2D	Batch Normalization 归一化
nn.ReLU	nn.ReLU	ReLU激活函数
nn.MaxPool2d	nn.MaxPool2D	二维最大池化层
nn.AdaptiveAvgPool2d	nn.AdaptiveAvgPool2D	自适应二维平均池化（只用给定输出形状即可）
nn.Linear	nn.Linear	全连接层
nn.Sequential	nn.Sequential	顺序容器，用来添加layers
torch.flatten	paddle.flatten	展平处理
torch.softmax	paddle.softmax	softmax层

3 数据加载与处理

PyTorch	PaddlePaddle	说明
transforms.Compose	transforms.Compose	图片处理打包
transforms.RandomResizedCrop	transforms.RandomResizedCrop	随机裁剪
transforms.RandomHorizontalFlip	transforms.RandomHorizontalFlip	随机水平翻转
transforms.ToTensor	transforms.ToTensor	转化为tensor格式
transforms.Normalize	transforms.Normalize	数据标准化
datasets.ImageFolder	datasets.DatasetFolder	指定数据集文件夹
torch.utils.data.DataLoader	paddle.io.DataLoader	加载数据集

4 模型训练

这里括号表示为用户自己定义的变量名

PyTorch	PaddlePaddle	说明
(net).train	(net).train	训练模式
(loss).backward	(loss).backward	反向传递误差
optim.Adam	optim.Adam	Adam优化器，注意paddlepaddle中的参数分别为parameters和learning _rate，与PyTorch中是不同的
(optimizer).no_grad	(optimizer).zero_grad	梯度清零
torch.save	paddle.jit.save	说实话，这两个还是有点区别的，使用请看官方文档
(net).eval	(net).eval	预测模式

5 模型预测

PyTorch	PaddlePaddle	说明
torch.unsqueeze	paddle.unsqueeze	增加数据维度
torch.no_grad	paddle.no_grad	不计算梯度

6 其它

PyTorch	PaddlePaddle	说明
torch.device	paddle.set_device	指定设备