其他框架模型导出 |
您所在的位置:网站首页 › pytorch模型转paddle › 其他框架模型导出 |
其他框架模型导出¶
Pytorch、ONNX、TensorFlow、Caffe模型,可以通过 X2Paddle 工具完成模型转换,转到 Paddle 模型后,即可使用 Paddle Inference 完成部署。 X2Paddle 是飞桨生态下的模型转换工具,致力于帮助你快速迁移其他深度学习框架至飞桨框架。目前支持 推理模型的框架转换 与 PyTorch训练代码迁移 ,除此之外还提供了详细的不同框架间API对比文档,大大降低将模型迁移到飞桨的时间成本。 1.安装模型转换工具X2Padlde¶使用pip安装 pip install x2paddle使用源码安装 git clone https://github.com/PaddlePaddle/X2Paddle.git cd X2Paddle python setup.py install 2.模型转换¶ 2.1 Pytorch模型转换¶ from x2paddle.convert import pytorch2paddle pytorch2paddle(module=torch_module, save_dir="./pd_model", jit_type="trace", input_examples=[torch_input]) # module (torch.nn.Module): PyTorch的Module。 # save_dir (str): 转换后模型的保存路径。 # jit_type (str): 转换方式。默认为"trace"。 # input_examples (list[torch.tensor]): torch.nn.Module的输入示例,list的长度必须与输入的长度一致。默认为None。script 模式以及更多细节可参考 PyTorch模型转换文档 。 2.2 ONNX模型转换¶ x2paddle --framework onnx --model onnx_model.onnx --save_dir pd_model 2.3 TensorFlow模型转换¶ x2paddle --framework tensorflow --model model.pb --save_dir pd_model 2.4 Caffe模型转换¶ x2paddle --framework caffe --prototxt model.proto --weight model.caffemodel --save_dir pd_model 转换参数说明¶参数 作用 –framework 源模型类型 (pytorch、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/onnx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 –define_input_shape [可选] For TensorFlow, 当指定该参数时,强制用户输入每个Placeholder的shape,见 文档 –enable_code_optim [可选] For PyTorch, 是否对生成代码进行优化,默认为True 更多参数可参考 X2Paddle官网 X2Paddle API¶目前X2Paddle提供API方式转换模型,可参考 X2PaddleAPI 转换结果说明¶在指定的 save_dir 以下目录以及文件 inference_model : 目录下有静态图模型结构以及参数 x2paddle_code.py : 自动生成的动态图组网代码 model.pdparams : 动态图模型参数 问题反馈 X2Paddle使用时存在问题时,欢迎您将问题或Bug报告以 Github Issues 的形式提交给我们,我们会实时跟进。 |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |