X2Paddle 正在参加 2020 年度 OSC 中国开源项目评选,请投票支持!
X2Paddle 在 2020 年度 OSC 中国开源项目评选 中已获得 {{ projectVoteCount }} 票,请投票支持!
投票让它出道
已投票
X2Paddle 获得 2020 年度 OSC 中国开源项目评选「最佳人气项目」 !
X2Paddle 获得 2020 年度 OSC 中国开源项目评选「最佳人气项目」「最积极运营项目」 !
X2Paddle 获得 2020 年度 OSC 中国开源项目评选「最积极运营项目」 !

软件简介

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。

## CPU版本安装命令
pip install -f https://paddlepaddle.org.cn/pip/oschina/cpu paddlepaddle

## GPU版本安装命令
pip install -f https://paddlepaddle.org.cn/pip/oschina/gpu paddlepaddle-gpu

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

展开阅读全文

代码

的 Gitee 指数为
超过 的项目

评论 (3)

加载中
Paddle 好在哪里,自己写的不好吗
2020/07/02 11:27
回复
举报
啪嗒啪嗒
2020/07/02 09:13
回复
举报
paddlepaddle 生态还是太差了,遇到个问题很难找到人讨论,确实需要加转换。
2020/07/02 09:06
回复
举报
更多评论
暂无内容
2019/05/09 18:53

工具组件 | 模型转换工具X2Paddle操作大全

深度学习的应用主要包括两个部分,一是通过深度学习框架训练出模型,二是利用训练出来的模型进行预测。 开发者基于不同的深度学习框架能够得到不同的训练模型,如果想要基于一种框架进行预测,就必须要解决不同框架的模型之间的匹配问题。基于这种考虑,也为了帮助用户快速从其他框架迁移,PaddlePaddle开源了模型转换工具X2Paddle。 它可以将TensorFlow、Caffe 的模型转换为PaddlePaddle的核心框架Paddle Fluid可加载的格式。同...

0
0
2019/06/27 19:26

飞桨万能转换小工具X2Paddle,教你玩转模型迁移

百度推出飞桨(PaddlePaddle)后,不少开发者开始转向国内的深度学习框架。但是从代码的转移谈何容易,之前的工作重写一遍不太现实,成千上万行代码的手工转换等于是在做一次二次开发。 现在,有个好消息:无论Caffe、TensorFlow、ONNX都可以轻松迁移到飞桨平台上。虽然目前还不直接迁移PyTorch模型,但PyTorch本身支持导出为ONNX模型,等于间接对该平台提供了支持。 然而,有人还对存在疑惑:不同框架之间的API有没有差异?整个...

0
1
2020/11/13 20:54

模型转换实战分享:OpenPose手部关键点检测模型的迁移部署

背景 当你在开源平台上看到一个优质的深度学习模型并想使用它时,很多时候会遇到一个棘手的问题,就是这个模型所使用的深度学习框架与你所熟悉的框架并不相同,导致你难以快速的使用这个模型。 深度学习模型跨框架迁移一直是一件不太容易的事情,面对这个问题时一般有两个选择,一是手动转换代码至你所熟悉的框架并重新训练模型;二是使用各种模型转换工具对模型进行直接一键的转换。前者难度高、耗时长而且还需要算力的支持;而...

0
0
2019/06/09 13:01

强烈推荐 | 飞桨最全面的工具组件详解

深度学习技术已经具备了很强的通用性,正在推动人工智能进入工业大生产阶段。飞桨(PaddlePaddle)是百度自研的开源深度学习平台,有全面的官方支持的工业级应用模型,涵盖自然语言处理、计算机视觉、推荐引擎等多个领域,并开放多个领先的预训练中文模型。并为开发者开放 PaddleHub、PARL、AutoDL Design、VisualDL 等一系列深度学习工具组件,帮助开发者快速落地AI应用。接下来,小编带你一一了解。 十余行代码完成迁移学习P...

0
0
2020/03/03 15:44

飞桨PaddleLite产品简介

Paddle Lite为Paddle-Mobile的升级版,定位支持包括手机移动端在内更多场景的轻量化高效预测,支持更广泛的硬件和平台,是一个高性能、轻量级的深度学习预测引擎。在保持和PaddlePaddle无缝对接外,也兼容支持其他训练框架产出的模型。 完整使用文档位于 PaddleLite 文档 。 下载安装命令 ## CPU版本安装命令 pip install -f https://paddlepaddle.org.cn/pip/oschina/cpu paddlepaddle ## GPU版本安装命令 pip install...

0
0
发表于程序人生专区
02/05 12:00

功能逆天!百度最新GitHub开源项目来啦

点击左上方蓝字关注我们 16年前的电影《功夫》可以说是家喻户晓,并将武侠片推向了一个新的高潮。在电影中,街头小混混阿星偶然间被打通了任督二脉,因善开悟,再有“如来神掌”的加持,让他的武功变得登峰造极,最后从天而降,一掌击败了大反派火云邪神。相信不少小伙伴们都因此萌生了武侠梦、功夫梦,梦想自己有一天也能“开挂”,变得天下无敌! 如果当时做个问卷调查,问获得绝世武功的第一步需要什么?即使很多人说不清楚任...

0
0
2020/08/30 13:26

手把手教你移动端AI应用开发(三)——部署环节关键代码最详解读

AI应用的核心包括以下两大块:如何开发一个模型、以及如何将模型部署到项目进行应用。 现在有许多关于AI的教程,比如如何进行目标检测、图像分类、NLP以及构建聊天机器人等,反复强调相同的几点: 首先,使用像飞桨这样的深度学习平台开发模型。 然后,将模型打包到网页Paddle.js、移动端Paddle Lite、单机Paddle Inference、或者服务器Paddle Servering。 如何开发一个模型,无论是学术论文还是工业实践,相关的详细讲解随处可...

0
0
2019/11/07 18:33

Paddle Lite 2.0 正式发布:更强大易用的端侧推理引擎

今年8月,飞桨(PaddlePaddle)对外发布面向终端和边缘设备的端侧推理引擎Paddle Lite Beta版。经过近两个多月的迭代和发展,“WAVE Summit+ ”2019深度学习开发者峰会上Paddle Lite 2.0 正式版发布。 Paddle Lite的Github链接: https://github.com/PaddlePaddle/Paddle-Lite Paddle Lite致力于提供一套功能完整、易用、高性能的端侧推理引擎,方便广大开发者将应用部署到任何端侧设备之上。对比最初的 beta 版本,正式版在编译...

0
0
2019/09/26 20:23

Paddle Lite特性全解读,多硬件支持、轻量化部署等亮点频现

本文主要由 9 月 21 日在百度科技园举办的 AI 快车道 Paddle Lite 专场的演讲材料整理而成,分别介绍了 Paddle Lite 的性能特性、使用方法、架构设计等,并且提供了完整的使用案例,可供开发者迅速开展应用。 在技术革新的浪潮下,智能硬件结合人工智能越来越广地进入了我们的生活。小到智能手机、手表,大到智能交通系统、工业自动检测平台等,无不渗透了人工智能的威力。此外,为人工智能深度学习定制的硬件近年来也有井喷之势...

0
0
2020/04/08 14:51

手把手教你将pytorch模型转换为PaddlePaddle模型

本文手把手教你将pytorch模型转换为PaddlePaddle模型,并提供了PaddlePaddle模型使用使用实例。 下载安装命令 ## CPU版本安装命令 pip install -f https://paddlepaddle.org.cn/pip/oschina/cpu paddlepaddle ## GPU版本安装命令 pip install -f https://paddlepaddle.org.cn/pip/oschina/gpu paddlepaddle-gpu 本项目适合以下人群: 已有pytorch模型却苦于没有算力运行的你 希望快速将pytorch工程迁移为PaddlePaddle的...

0
0
没有更多内容
加载失败,请刷新页面
点击加载更多
加载中
下一页
暂无内容
3 评论
18 收藏
分享
OSCHINA
登录后可查看更多优质内容
返回顶部
顶部