X2Paddle深度學習模型轉換工具
X2Paddle支持將其余深度學習框架訓練得到的模型，轉換至PaddlePaddle模型。
## CPU版本安裝命令
pip install -f https://paddlepaddle.org.cn/pip/oschina/cpu paddlepaddle
## GPU版本安裝命令
pip install -f https://paddlepaddle.org.cn/pip/oschina/gpu paddlepaddle-gpu
環(huán)境依賴
python >= 3.5
paddlepaddle >= 1.5.0
以下依賴只需對應安裝自己需要的即可
轉換tensorflow模型 ： tensorflow == 1.14.0
轉換caffe模型 ： caffe == 1.0.0
轉換onnx模型 ： onnx == 1.5.0 pytorch == 1.1.0
安裝
安裝方式一（推薦）
使用最新的代碼版本，可使用如下方式進行安裝
pip install git+https://github.com/PaddlePaddle/X2Paddle.git@develop
安裝方式二
我們會定期更新pip源上的x2paddle版本
pip install x2paddle
安裝方式三
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
參數(shù)選項
| 參數(shù) | |
|---|---|
| --framework | 源模型類型 (tensorflow、caffe、onnx) |
| --prototxt | 當framework為caffe時，該參數(shù)指定caffe模型的proto文件路徑 |
| --weight | 當framework為caffe時，該參數(shù)指定caffe模型的參數(shù)文件路徑 |
| --save_dir | 指定轉換后的模型保存目錄路徑 |
| --model | 當framework為tensorflow/pmmx時，該參數(shù)指定tensorflow的pb模型文件或onnx模型路徑 |
| --caffe_proto | [可選]由caffe.proto編譯成caffe_pb2.py文件的存放路徑，當存在自定義Layer時使用，默認為None |
使用轉換后的模型
轉換后的模型包括model_with_code和inference_model兩個目錄。
model_with_code中保存了模型參數(shù)，和轉換后的python模型代碼
inference_model中保存了序列化的模型結構和參數(shù)，可直接使用paddle的接口進行加載，見load_inference_model
評論
圖片
表情