深度学习模型转换工具 X2Paddle

Apache
Python
跨平台
百度
2019-08-23
红薯

X2Paddle支持将其余深度学习框架训练得到的模型,转换至PaddlePaddle模型。

环境依赖

python >= 3.5
paddlepaddle >= 1.5.0

以下依赖只需对应安装自己需要的即可
转换tensorflow模型 : tensorflow == 1.14.0
转换caffe模型 : caffe == 1.0.0
转换onnx模型 : onnx == 1.5.0 pytorch == 1.1.0

安装

安装方式一(推荐)

使用最新的代码版本,可使用如下方式进行安装

pip install git+https://github.com/PaddlePaddle/X2Paddle.git@develop

安装方式二

我们会定期更新pip源上的x2paddle版本

pip install x2paddle

安装方式三

git clone https://github.com/PaddlePaddle/X2Paddle.git
cd X2Paddle
git checkout develop
python setup.py install

使用方法

TensorFlow

x2paddle --framework=tensorflow --model=tf_model.pb --save_dir=pd_model

Caffe

x2paddle --framework=caffe --prototxt=deploy.proto --weight=deploy.caffemodel --save_dir=pd_model

ONNX

x2paddle --framework=onnx --model=onnx_model.onnx --save_dir=pd_model

参数选项

参数  
--framework 源模型类型 (tensorflow、caffe、onnx)
--prototxt 当framework为caffe时,该参数指定caffe模型的proto文件路径
--weight 当framework为caffe时,该参数指定caffe模型的参数文件路径
--save_dir 指定转换后的模型保存目录路径
--model 当framework为tensorflow/pmmx时,该参数指定tensorflow的pb模型文件或onnx模型路径
--caffe_proto [可选]由caffe.proto编译成caffe_pb2.py文件的存放路径,当存在自定义Layer时使用,默认为None

使用转换后的模型

转换后的模型包括model_with_codeinference_model两个目录。
model_with_code中保存了模型参数,和转换后的python模型代码
inference_model中保存了序列化的模型结构和参数,可直接使用paddle的接口进行加载,见load_inference_model

的码云指数为
超过 的项目
加载中

评论(0)

暂无评论

暂无资讯

暂无问答

2019,那些属于飞桨的重要时刻

2019已经悄然落幕,在过去一年中,飞桨加速崛起,在产品性能上高效迭代,并屡次斩获多项大奖,其取得的成绩有目共睹,这也意味着飞桨正领衔中国深度学习框架迎来高光时刻。现在,让我们一起来...

02/20 22:34
92
0

没有更多内容

加载失败,请刷新页面

没有更多内容

返回顶部
顶部