（原）torch模型转pytorch模型

转载请注明出处：

http://www.cnblogs.com/darkknightzh/p/7839263.html

目前使用的torch模型转pytorch模型的程序为：

https://github.com/clcarwin/convert_torch_to_pytorch

该程序中，常见的模型都可以转换，但是对于torch中为BatchNormalization的则会提示出错：

Not Implement BatchNormalization

torch中的SpatialBatchNormalization对应于输入为4d的特征（batchsize*featdim*featHeight*featWidth），对应于pytorch中的nn.BatchNorm2d。

而torch中的BatchNormalization对应于输入为2d的特征（batchsize*featdim），对应于pytorch中的nn.BatchNorm1d。

因而修改方法很简单：

1. 在convert_torch.py的74行（elif name == 'ReLU':）之前添加：

elif name == 'BatchNormalization':
    n = nn.BatchNorm1d(m.running_mean.size(0), m.eps, m.momentum, m.affine)
    copy_param(m,n)
    add_submodule(seq,n)

2. 在convert_torch.py的（未修改前的）175行（elif name == 'ReLU':）之前添加：

elif name == 'BatchNormalization':
    s += ['nn.BatchNorm1d({},{},{},{}),#BatchNorm1d'.format(m.running_mean.size(0), m.eps, m.momentum, m.affine)]

3. 在convert_torch.py的（未修改前的）245行（s = map(lambda x: x.replace(',(0, 0),ceil_mode=False),#MaxPool2d',')'),s)）之前添加：

s = map(lambda x: x.replace(',1e-05,0.1,True),#BatchNorm1d',')'),s)
s = map(lambda x: x.replace('),#BatchNorm1d',')'),s)

经过上述修改后，torch模型中含有BatchNormalization，转换到pytorch后的模型性能和转换前的模型性能一致。

顺便说一下，2天前更新的该程序，添加了BatchNorm3d的支持，但是在243、244行之后，并没有增加BatchNorm3d的相关代码，不清楚是否会有问题。我这边没有用到BatchNorm3d，因而没有测试。

另一方面，上面的3步中，我是根据BatchNorm2d去修改，没有测试如果不修改某一步（如第3步），程序是否会有问题。反正都改了，模型没有问题。。。