以下のPyTorchのモデルとTensorFlowのモデルは同じ構成でしょうか

前提・実現したいこと

PyTorchで書かれたモデルをTensorFlowに書き換えています。

その中で、PyTorchでパラメータを定義する「torch.nn.Parameter()」のTensorFlowでの実装の仕方がよくわからず困っています。

例として、下のPyTorchのモデルをTensorFlowのモデルに書き換えてみました。
(TensorFlowのプログラムではカスタムレイヤーを定義し、モデルはFubctional APIにより構築しています。)

二つのモデルは同じ構成・構造となっていますでしょうか。

質問の不備等ございましたらご指摘いただけますと幸いです。
ご回答よろしくお願い致します。

PyTorch

python
1import torch
2import torch.nn as nn
3import torch.nn.functional as F
4import numpy as np
5
6class Mymodel(nn.Module):
7    def __init__(self, input_dim, output_dim):
8        super().__init__()
9        self.w = nn.Parameter(torch.Tensor(np.random.normal(size=(input_dim,output_dim))))
10        self.b = nn.Parameter(torch.Tensor(np.zeros(output_dim)))
11
12    def forward(self, x):
13        x = torch.matmul(x, self.w) + self.b
14        return F.softmax(x)
15
16model = Mymodel(input_dim = 32, output_dim = 32)

TensorFlow

pyton
1import tensorflow as tf
2 
3class Mylayer(tf.keras.layers.Layer):
4    def __init__(self, output_dim, **kwargs):
5        super().__init__(**kwargs)
6        self.output_dim = output_dim
7        
8    def build(self, input_dim):
9        self.w = self.add_weight(shape=(input_dim[-1], self.output_dim), initializer = "random_normal", trainable = True)
10        self.b = self.add_weight(shape=(self.output_dim,), initializer = "zeros", trainable=True)
11        
12    def call(self, x):
13        x = tf.matmul(x, self.w) + self.b
14        return tf.nn.softmax(x)
15
16inputs = tf.keras.Input(shape=(32,))
17outputs = Mylayer(output_dim = 32)(inputs)
18model = tf.keras.Model(inputs=inputs, outputs=outputs)