X2Paddle-深度学习模型转换工具

X2Paddle - 深度学习模型转换工具

机器学习/深度学习

授权协议: Apache

操作系统: 跨平台

开发语言: Python

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。

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_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

软件首页