X2Paddle深度学习模型转换工具
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
pip install -f https://paddlepaddle.org.cn/pip/oschina/cpu paddlepaddle
## GPU版本安装命令
pip install -f https://paddlepaddle.org.cn/pip/oschina/gpu paddlepaddle-gpu
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
评论