add export model doc (#472)

deploy/export_model.md

+# PaddleGAN模型导出教程
+
+## 一、模型导出
+本章节介绍如何使用`tools/export_model.py`脚本导出模型。
+
+### 1、启动参数说明
+
+|      FLAG      |      用途      |    默认值    |                 备注                      |
+|:--------------:|:--------------:|:------------:|:-----------------------------------------:|
+|       -c       |  指定配置文件  |     None     |                                           |
+|       --load   |  指定加载的模型参数路径  |     None     |                                           |
+|  -s|--inputs_size   |  指定模型输入形状  |     None     |                                           |
+|  --output_dir  |  模型保存路径  |  `./inference_model`  |               |
+
+### 2、使用示例
+
+使用训练得到的模型进行试用，这里使用CycleGAN模型为例，脚本如下
+
+```bash
+# 下载预训练好的CycleGAN_horse2zebra模型
+wget https://paddlegan.bj.bcebos.com/models/CycleGAN_horse2zebra.pdparams
+
+# 导出Cylclegan模型
+python -u tools/export_model.py -c configs/cyclegan_horse2zebra.yaml --load CycleGAN_horse2zebra.pdparams --inputs_size="-1,3,-1,-1;-1,3,-1,-1"
+```
+
+### 3、config配置说明
+```python
+export_model:
+  - {name: 'netG_A', inputs_num: 1}
+  - {name: 'netG_B', inputs_num: 1}
+```
+以上为```configs/cyclegan_horse2zebra.yaml```中的配置， 由于```CycleGAN_horse2zebra.pdparams```是个字典，需要制定其中用于导出模型的权重键值。```inputs_num```
+为该网络的输入个数。
+
+预测模型会导出到`inference_model/`目录下，分别为`cycleganmodel_netG_A.pdiparams`, `cycleganmodel_netG_A.pdiparams.info`,  `cycleganmodel_netG_A.pdmodel`, `cycleganmodel_netG_B.pdiparams`, `cycleganmodel_netG_B.pdiparams.info`, `cycleganmodel_netG_B.pdmodel`,。

ppgan/models/base_model.py

@@ -186,12 +186,18 @@ class BaseModel(ABC):
     def export_model(self, export_model, output_dir=None, inputs_size=[]):
         inputs_num = 0
         for net in export_model:
-            input_spec = [paddle.static.InputSpec(
-                shape=inputs_size[inputs_num + i], dtype="float32") for i in range(net["inputs_num"])]
+            input_spec = [
+                paddle.static.InputSpec(shape=inputs_size[inputs_num + i],
+                                        dtype="float32")
+                for i in range(net["inputs_num"])
+            ]
             inputs_num = inputs_num + net["inputs_num"]
             static_model = paddle.jit.to_static(self.nets[net["name"]],
                                                 input_spec=input_spec)
             if output_dir is None:
-                output_dir = 'export_model'
-            paddle.jit.save(static_model, os.path.join(
-                output_dir, '{}_{}'.format(self.__class__.__name__.lower(), net["name"])))
+                output_dir = 'inference_model'
+            paddle.jit.save(
+                static_model,
+                os.path.join(
+                    output_dir, '{}_{}'.format(self.__class__.__name__.lower(),
+                                               net["name"])))

tools/export_model.py

@@ -24,11 +24,6 @@ from ppgan.engine.trainer import Trainer
 
 def parse_args():
     parser = argparse.ArgumentParser()
-    parser.add_argument(
-        "--export_model",
-        default=None,
-        type=str,
-        help="The path prefix of inference model to be used.", )
     parser.add_argument('-c',
                         '--config-file',
                         metavar="FILE",
@@ -50,6 +45,12 @@ def parse_args():
                         default=None,
                         required=True,
                         help="the inputs size")
+    parser.add_argument(
+        "--output_dir",
+        default=None,
+        type=str,
+        help="The path prefix of inference model to be used.",
+    )
     args = parser.parse_args()
     return args
 
@@ -63,7 +64,7 @@ def main(args, cfg):
     for net_name, net in model.nets.items():
         if net_name in state_dicts:
             net.set_state_dict(state_dicts[net_name])
-    model.export_model(cfg.export_model, args.export_model, inputs_size)
+    model.export_model(cfg.export_model, args.output_dir, inputs_size)
 
 
 if __name__ == "__main__":