# tensorflow2fluid [![License](https://img.shields.io/badge/license-Apache%202-blue.svg)](LICENSE) ## 依赖 > python = 2.7 > tensorflow >= 1.12.0 > 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 ``` # 如果没有安装paddlepaddle和tensorflow环境 pip install paddlepaddle pip install tensorflow git clone https://github.com/PaddlePaddle/X2Paddle.git cd X2Paddle/tensorflow2fluid python setup.py install ``` ## 使用 > 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** ``` # 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 tar xzvf vgg_16_2016_08_28.tar.gz # 将模型转存为checkpoint格式模型 python demo/export_to_checkpoint.py --model vgg_16 --ckpt_file vgg_16.ckpt --save_dir vgg_checkpoint # 转换模型 tf2fluid --meta_file vgg_checkpoint/model.meta \ --ckpt_dir vgg_checkpoint/ \ --in_nodes inputs \ --input_shape None,224,224,3 \ --output_nodes vgg_16/fc8/squeezed \ --save_dir paddle_vgg ``` **参数说明** |tf2fluid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_shape|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** 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 ## 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_shape|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 ## 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) ## 附表：tensorflow2fluid目前支持转换的Tensorflow OP一览表 | 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 | | |