Merge pull request #889 from wjj19950828/Add_onnx_tests

Set enable_code_optim default to False

README.md

@@ -117,7 +117,7 @@ x2paddle --framework=caffe --prototxt=deploy.prototxt --weight=deploy.caffemodel
 | --model              | 当framework为tensorflow/onnx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 |
 | --define_input_shape | **[可选]** For TensorFlow, 当指定该参数时，强制用户输入每个Placeholder的shape，见[文档Q2](./docs/inference_model_convertor/FAQ.md) |
-| --enable_code_optim  | **[可选]** For PyTorch, 是否对生成代码进行优化，默认为True |
+| --enable_code_optim  | **[可选]** For PyTorch, 是否对生成代码进行优化，默认为False |
 | --to_lite            | **[可选]** 是否使用opt工具转成Paddle-Lite支持格式，默认为False |
 | --lite_valid_places  | **[可选]** 指定转换类型，可以同时指定多个backend(以逗号分隔)，opt将会自动选择最佳方式，默认为arm |
 | --lite_model_type    | **[可选]** 指定模型转化类型，目前支持两种类型：protobuf和naive_buffer，默认为naive_buffer |

docs/inference_model_convertor/pytorch2paddle.md

@@ -40,7 +40,7 @@ pytorch2paddle(module=torch_module,
 import torch
 import numpy as np
 from torchvision.models import AlexNet
-from torchvision.models.utils import load_state_dict_from_url
+from torch.hub import load_state_dict_from_url
 # 构建输入
 input_data = np.random.rand(1, 3, 224, 224).astype("float32")
 # 获取PyTorch Module

docs/inference_model_convertor/x2paddle_api.md

@@ -63,7 +63,7 @@ x2paddle.convert.onnx2paddle(model_path, save_dir, convert_to_lite=False, lite_v
 ## <h2 id="4">x2paddle.convert.pytorch2paddle</h2>
 
 ```python
-x2paddle.convert.pytorch2paddle(module, save_dir, jit_type="trace", input_examples=None, enable_code_optim=True, convert_to_lite=False, lite_valid_places="arm", lite_model_type="naive_buffer")
+x2paddle.convert.pytorch2paddle(module, save_dir, jit_type="trace", input_examples=None, enable_code_optim=False, convert_to_lite=False, lite_valid_places="arm", lite_model_type="naive_buffer")
 ```
 
 > 转换Pytorch模型。
@@ -74,7 +74,7 @@ x2paddle.convert.pytorch2paddle(module, save_dir, jit_type="trace", input_exampl
 > > - **save_dir** (str): 转换后模型保存路径
 > > - **jit_type** (str): 转换方式。目前有两种:trace和script, 默认为trace
 > > - **input_examples** (list[torch.tensor]): torch.nn. Module的输入示例，list的长度必须与输入的长度一致。默认为None
-> > - **enable_code_optim** (bool): 转换后的代码是否进行优化, 默认为True
+> > - **enable_code_optim** (bool): 转换后的代码是否进行优化, 默认为False
 > > - **convert_to_lite** (bool): 是否使用opt工具转成Paddle-Lite支持格式，默认为False
 > > - **lite_valid_places** (str): 指定转换类型，可以同时指定多个backend(以逗号分隔)，opt将会自动选择最佳方式，默认为arm
 > > - **lite_model_type** (str): 指定模型转化类型，目前支持两种类型：protobuf和naive_buffer，默认为naive_buffer

x2paddle/convert.py

@@ -93,7 +93,7 @@ def arg_parser():
     parser.add_argument(
         "--enable_code_optim",
         "-co",
-        default=True,
+        default=False,
         help="Turn on code optimization")
     parser.add_argument(
         "--enable_onnx_checker",
@@ -329,7 +329,7 @@ def pytorch2paddle(module,
                    save_dir,
                    jit_type="trace",
                    input_examples=None,
-                   enable_code_optim=True,
+                   enable_code_optim=False,
                    convert_to_lite=False,
                    lite_valid_places="arm",
                    lite_model_type="naive_buffer",

x2paddle/core/program.py

@@ -260,7 +260,7 @@ class PaddleGraph(object):
 
         return update(self.layers)
 
-    def gen_model(self, save_dir, jit_type=None, enable_code_optim=True):
+    def gen_model(self, save_dir, jit_type=None, enable_code_optim=False):
         if not osp.exists(save_dir):
             os.makedirs(save_dir)
         if jit_type == "trace":