您必须小心 TF 和 PyTorch 的版本（因为某些命令可能不同）。

基本上你必须：

1 - 了解 Keras 上的层和激活结构：

您可以通过以下方式获取图层信息：

model_keras.summary()

如果您无法获取有关激活函数的信息，请尝试：

for layer in model_keras.layers:
    print(layer.output)

2 - 在 PyTorch 上构建与 Keras 具有相同层结构（和激活）的模型

3 - 最近创建的 PyTorch 模型（比方说model_pyt）与您在 Keras 上的模型具有不同的权重和偏差，因此您必须将这些权重和偏差从 Keras 模型复制到 PyTorch 模型：

请注意，PYTORCH 权重与 KERAS 权重相关

然后，例如，复制权重就像：

model_pyt.layer1.weight.data = torch.tensor(model_keras.layers[0].get_weights()[0].T)

对于偏见：

model_pyt.layer1.bias.data = torch.tensor(model_keras.layers[0].get_weights()[1])

对所有图层重复此操作。

然后，您的 PyTorch 模型具有与 Keras 模型相同的架构和权重，并且可能以相同的方式运行。