X2Paddle 深度学习模型转换工具开源项目

我要开发同款
匿名用户2019年08月23日
41阅读
开发技术Python
所属分类人工智能、机器学习/深度学习
授权协议Apache

作品详情

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pipinstall-fhttps://paddlepaddle.org.cn/pip/oschina/cpupaddlepaddle##GPU版本安装命令pipinstall-fhttps://paddlepaddle.org.cn/pip/oschina/gpupaddlepaddle-gpu环境依赖

python>=3.5paddlepaddle>=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==1.5.0pytorch==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

pipinstallgit+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

pipinstallx2paddle安装方式三gitclonehttps://github.com/PaddlePaddle/X2Paddle.gitcdX2Paddlegitcheckoutdeveloppythonsetup.pyinstall使用方法TensorFlowx2paddle--framework=tensorflow--model=tf_model.pb--save_dir=pd_modelCaffex2paddle--framework=caffe--prototxt=deploy.proto--weight=deploy.caffemodel--save_dir=pd_modelONNXx2paddle--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_code和inference_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

声明:本文仅代表作者观点,不代表本站立场。如果侵犯到您的合法权益,请联系我们删除侵权资源!如果遇到资源链接失效,请您通过评论或工单的方式通知管理员。未经允许,不得转载,本站所有资源文章禁止商业使用运营!
下载安装【程序员客栈】APP
实时对接需求、及时收发消息、丰富的开放项目需求、随时随地查看项目状态

评论