1樓：只是看看
手寫影象分割模型，在tensorflow上效果很好，在pytorch上很差。後來發現是損失函式的引數問題，tensorflow中自己寫的多分類focal loss用作分割任務（alpha用0.25），pytorch中重寫了該函式（但是alpha要用1.
5至1.75才有效果），有點懵。
2樓：嬉嬉皮
同樣的模型與引數， tensorflow實現的效能比pytorch低了很多。我認為這也可能存在，取決於模型與引數吧。畢竟兩個框架底層有多少不同講不清楚
3樓：袁進輝
不同框架間怎麼做到嚴格對齊（不僅僅是loss曲線長的差不多，而是保證一樣的輸入一樣的輸出）是乙個極其挑戰和辛苦的事，框架內部的變化太多了，有些小trick 是靠海量使用者量積累起來的。這也是我們在研發oneflow過程中克服的乙個挑戰之一，我們做到了和tensorflow 嚴格對齊，箇中滋味只有嚐過才能理解，我同事近期會寫一篇文章，總結出來對齊過程各種稀奇古怪的坑。
r=x+y+z
和r=x+z+y
結果不一樣，在迭代多次以後就差別很大了。
4樓：qiao
看看資料訓練前有沒有打散(tf和pytorch是不是一樣)， 權重引數初始化的方法是不是一樣，優化器學習率等是不是一樣， 如果這些條件都滿足， 那結果應該相差不大。
如何在pytorch訓練模型的過程中，對於某一層的權重最大最小值進行限制？
sakuraiii import torch from torch import nnclass Model nn Module def init self super Model self init self lin1 nn Linear 5 10,bias False self lin2 nn ...
Logit模型與logistic模型的聯絡與區別？
孫劍 這個維基Logit Wikipedia上說的很清楚啦 Thelogitfunction is the inverse of the sigmoidal logistic function or logistic transform used in mathematics,especially ...
GAN的discriminator，與同樣結構的神經網路比，會有更好的效能嗎？
浪湧心靜 我覺得有可能，理由如下 首先需要明確何為 更好效能 以分類為例，若用GAN來做分類，將Discriminator設計為乙個分類的CNN，不僅能夠判別輸入的樣本的真偽，還能夠判別其類別，那麼效能更好可以從分類精度的角度間描述。注意，GAN在訓練結束後將捨棄生成器，僅用分類器CNN來完成分類。...