支持主流深度学习框架模型转换至百度PaddlePaddle（飞桨）

支持主流深度学习框架模型转换至百度PaddlePaddle（飞桨）

X2Paddle

转换模型库

X2Paddle在多个主流的CV模型上，测试过TensorFlow/Caffe/ONNX模型的转换，可以在X2Paddle-Model-Zoo查看我们的模型测试列表，可以在OP-LIST中查看目前X2Paddle支持的OP列表。如果你在新的模型上进行了测试转换，也欢迎继续补充该列表；如若无法转换，可通过ISSUE反馈给我们，我们会尽快跟进。

环境依赖

python == 2.7 | python >= 3.5 paddlepaddle >= 1.6.0

按需安装以下依赖 tensorflow ： tensorflow == 1.14.0 caffe ： 无 onnx ： onnx == 1.6.0 onnxruntime == 1.0.0

安装

安装方式一（推荐）

git clone https://github.com/PaddlePaddle/X2Paddle.gitcd X2Paddlegit checkout developpython setup.py install

安装方式二

我们会定期更新pip源上的x2paddle版本

pip install x2paddle --index https://pypi.Python.org/simple/

使用方法

TensorFlow

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

Caffe

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

ONNX

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

Paddle2ONNX

# 注意：paddle_infer_model_dir下需包含__model__和__params__两个文件x2paddle --framework=paddle2onnx --model=paddle_infer_model_dir --save_dir=onnx_model

参数选项

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

小工具

X2Paddle提供了工具解决如下问题，详见tools/README.md

检测模型是否在PaddleLite中支持合并模型参数文件

相关文档

X2Paddle使用过程中常见问题如何导出TensorFlow的pb模型X2Paddle测试模型库PyTorch模型导出为ONNX模型X2Paddle内置的Caffe自定义层

更新历史

2019.08.05

统一tensorflow/caffe/onnx模型转换代码和对外接口解决上一版caffe2fluid无法转换多分支模型的问题解决Windows上保存模型无法加载的问题新增optimizer，优化代码结构，合并conv、batch_norm的bias和激活函数

如果你需要之前版本的tensorflow2fluid/caffe2fluid/onnx2fluid，可以继续访问release-0.3分支，获取之前版本的代码使用。

Acknowledgements

X2Paddle refers to the following projects:

MMdnn

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。