Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
PaddlePaddle
X2Paddle
提交
3b84031e
X
X2Paddle
项目概览
PaddlePaddle
/
X2Paddle
10 个月 前同步成功
通知
327
Star
698
Fork
167
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
26
列表
看板
标记
里程碑
合并请求
4
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
X
X2Paddle
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
26
Issue
26
列表
看板
标记
里程碑
合并请求
4
合并请求
4
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
前往新版Gitcode,体验更适合开发者的 AI 搜索 >>
未验证
提交
3b84031e
编写于
1月 29, 2019
作者:
J
Jason
提交者:
GitHub
1月 29, 2019
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
Update README.md
上级
78183dd2
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
15 addition
and
131 deletion
+15
-131
tensorflow2fluid/README.md
tensorflow2fluid/README.md
+15
-131
未找到文件。
tensorflow2fluid/README.md
浏览文件 @
3b84031e
# tensorflow2fluid
[
![License
](
https://img.shields.io/badge/license-Apache%202-blue.svg
)
](LICENSE)
## 依赖
##
环境
依赖
> python = 2.7
...
...
@@ -9,7 +9,7 @@
> 注:tensorflow2fluid的运行不依赖于paddlepaddle,但测试转换后的模型所需的PaddlePaddle须为1.2.0或更新版本
## 安装
## 安装
说明
```
# 如果没有安装paddlepaddle和tensorflow环境
...
...
@@ -21,12 +21,14 @@ cd X2Paddle/tensorflow2fluid
python setup.py install
```
## 使用
## 使用
方法
> 1. 目前支持转换的模型格式包括checkpoint保存的模型、将参数序列化到网络结构的pb格式模型
> 2. 模型转换后,在输入同样的数据前提下,检查模型转换前后的diff,一般结果最大diff在1e-5数量级
**例. 将vgg_16模型转换至paddlepaddle模型**
### 转换示例
下面示例中,将vgg_16模型转换至paddlepaddle模型
```
# 下载预训练的vgg_16模型参数
wget http://download.tensorflow.org/models/vgg_16_2016_08_28.tar.gz
...
...
@@ -44,7 +46,7 @@ tf2fluid --meta_file vgg_checkpoint/model.meta \
--save_dir paddle_vgg
```
**参数说明**
### 参数说明
|tf2fluid参数|说明|
|------------------|-----------------------------------------------|
...
...
@@ -56,7 +58,7 @@ tf2fluid --meta_file vgg_checkpoint/model.meta \
|output_nodes|输出tensor名,多个输出时以空格分隔|
|save_dir|转换后的模型保存路径|
**转换模型目录文件说明**
### 转换后模型文件说明
文件|作用
:------------------:|:-----------------------------------------------:
...
...
@@ -65,132 +67,14 @@ ref_name.txt|my_model.py中各tensor与原TensorFlow模型中的tensor对应关
const_
\*
/params_
\*
|转换后的模型参数文件
save_var.list|模型载入过程中的变量list
## 下面文档待修改,暂无需关注
## 文档阅读建议
> 1. 使用前,请务必关注文档中『TensorFlow与PaddlePaddle的差异』
> 2. 『使用说明』通过示例展示了转换工具的使用方法
> 3. 『工具介绍』中介绍了工具转换代码实现的部分细节
## TensorFlow与PaddlePaddle的差异
我们计划专门梳理出指南文档,对比TensorFlow与PaddlePaddle的差异,帮助TensorFlow开发者降低学习PaddlePaddle使用的难度,文档会整理在doc目录。
**重要:**
用户需要注意,Tensorflow的多数CV模型,默认输入为
**NHWC**
,而在Paddle中为
**NCHW**
,因此在转换后的PaddlePaddle模型,提供的输入需是为
**NCHW**
格式,同时注意输出的格式,比如在经过卷积后,Tensorflow的输出为[
**batch, height, width, filter_num**
],而在PaddlePaddle中,输出则为[
**batch, filter_num, height, width**
]
## 使用说明
tensorflow2fluid支持将训练好的TensorFlow模型转至PaddlePaddle fluid模型,转换后的保存目录中,文件list如下表所示
文件|作用
:------------------:|:-----------------------------------------------:
my_model.py|基于PaddlePaddle实现的模型网络结构python代码
ref_name.txt|my_model.py中各tensor与原TensorFlow模型中的tensor对应关系
const_
\*
/params_
\*
|转换后的模型参数文件
使用tensorflow2fluid转换模型时,所需的信息如下
|参数|说明|
|------------------|-----------------------------------------------|
|meta_file|TensorFlow模型序列化后保存的meta文件|
|ckpt_file|TensorFlow模型保存checkpoint目录|
|pb_file|Tensorflow保存的pb格式模型|
|input_nodes|输入tensor名,多个输入时以空格分隔|
|input_shape|输入tensor的shape(batch维度以None表示),shape之间以空格分隔,shape内各维度以逗号分隔,须与input_nodes对应|
|output_nodes|输出tensor名,多个输出时以空格分隔|
|save_dir|转换后的模型保存路径|
目前TensorFlow保存的模型主要包括ckpt和pb两种类型。其中加载ckpt模型时,同时也需通过meta文件导入网络结构;而pb模型则已将网络结构和参数均序列化至同一个文件。因此,加载ckpt模型时,需指定meta_file和ckpt_file,而加载pb模型,则只需指定pb_file即可。
### 例:将inception_v3模型转换至PaddlePaddle
```
Bash
# 下载并解压inception_v3预训练模型
wget http://download.tensorflow.org/models/inception_v3_2016_08_28.tar.gz
tar xzvf inception_v3_2016_08_28.tar.gz
# 将下载的预训练模型转存为check_point
python demo/inception_v3/script/export_to_checkpoint.py inception_v3.ckpt checkpoint
# 将check_point模型转换为PaddlePaddle可加载运行的模型
python convert.py --meta_file checkpoint/model.meta \
--ckpt_dir checkpoint \
--in_nodes inputs \
--input_shape None,299,299,3 \
--output_nodes InceptionV3/Logits/SpatialSqueeze \
--save_dir paddle_inception_v3
```
### 加载转换后的模型
加载转换后的模型主要注意以下三点
## 工具介绍
tensorflow2fluid在模型转换过程中,以tensorflow计算图中的节点为粒度,遍历图中的节点,并将每个节点所对应的OP转换为基于PaddlePaddle实现的python网络结构代码。
> 模型中所使用的代码,一般而言并不能直接能过模型训练时所使用的tensorflow代码中就能完全看出来。比如在python模型代码中所使用到的`tf.contrib.layers.fully_connected`就涉及到如下OP
|TensorFlow OP名|说明|
|:-----------------:|:----------------------------------------:|
|VariableV2|用于创建变量weights和bias|
|MatMul|输入与weights乘法操作|
|BiasAdd|输入值在Matmul后,再与bias相加|
|Relu|输出最后需要通过的激活函数操作|
|Idenitity|计算过程中的变量复制操作|
**目前支持转换OP如文档最末附表所示**
,需要注意的是,
**在实现转换过程中,代码转换基于各OP常见的使用情况**
,此外,并非所有OP都需要转成PaddlePaddle对应的代码实现,如Identity,switch等OP,在实际转换过程中,都直接将输出表示为输入即可。
tensorflow2paddle仍在持续开发阶段中,也非常欢迎用户贡献自己的代码,或者通过issue的方式提出建议和需求。
## 模型转换diff对比
tensflow2fluid在公开的TensorFlow预训练模型上,通过输入1000个随机数据在原模型和转换后的模型上进行预测,得到的平均diff大小如下表所示
Model|Pre-trained Model|Average Diff
:--------------:|:----------------------------------------------:|:-----------------:
[
vgg_16
](
https://github.com/tensorflow/models/blob/master/research/slim/nets/inception_v3.py
)
|
[
vgg_16_2016_08_28.tar.gz
](
http://download.tensorflow.org/models/vgg_16_2016_08_28.tar.gz
)
|-
[
vgg_19
](
https://github.com/tensorflow/models/blob/master/research/slim/nets/vgg.py
)
|
[
vgg_19_2016_08_28.tar.gz
](
http://download.tensorflow.org/models/vgg_19_2016_08_28.tar.gz
)
|-
[
resnet_v1_50
](
https://github.com/tensorflow/models/blob/master/research/slim/nets/resnet_v1.py
)
|
[
resnet_v1_50_2016_08_28.tar.gz
](
http://download.tensorflow.org/models/resnet_v1_50_2016_08_28.tar.gz
)
|-
[
resnet_v1_101
](
https://github.com/tensorflow/models/blob/master/research/slim/nets/resnet_v1.py
)
|
[
resnet_v1_101_2016_08_28.tar.gz
](
http://download.tensorflow.org/models/resnet_v1_101_2016_08_28.tar.gz
)
|-
[
inception_v3
](
https://github.com/tensorflow/models/blob/master/research/slim/nets/inception_v3.py
)
|
[
inception_v3_2016_08_28.tar.gz
](
http://download.tensorflow.org/models/inception_v3_2016_08_28.tar.gz
)
|-
## Link
[
MMdnn-Tensorflow
](
https://github.com/Microsoft/MMdnn/tree/master/mmdnn/conversion/tensorflow
)
> 1. `import`模型结构,模型结构代码定义在my_model.py中
> 2. 注意原模型中输出与转换后模型输出名的映射关系,参考ref_name.txt
> 3. 模型需要加载的参数列表为save_var.list
## 附表:tensorflow2fluid目前支持转换的Tensorflow OP一览表
仍然以上面转换后的vgg_16为例,下面通过示例展示如何加载模型,并进行预测
| TensorFlow OP | Python Api | TensorFlow OP | Python Api |
| ------------------- | ---------- | ---------------------- | ---------- |
| VariableV2 | 1 | placeholderwithdefault | 17 |
| Identity | 2 | switch | 18 |
| Placeholder | 3 | merge | 19 |
| Const | 4 | MaxPool | 20 |
| Conv2D | 5 | Squeeze | 21 |
| BiasAdd | 6 | Add | 22 |
| Relu | 7 | Mean | 23 |
| Conv2dBackpropInput | 8 | DepthwiseConv2dNative | 24 |
| FusedBatchNorm | 9 | Pad | 25 |
| ConcatV2 | 10 | StridedSlice | 26 |
| AvgPool | 11 | ResizeNearestNeighbor | 27 |
| Rsqrt | 12 | Maximum | 28 |
| Mul | 13 | Minimum | 9 |
| Sub | 14 | Sigmoid | 30 |
| Shape | 15 | Pack | 31 |
| Reshape | 16 | | |
> 1. `import'模型结构,模型结构代码定义在my_model.py中
> 1. `import'模型结构,模型结构代码定义在my_model.py中
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录