X2Paddle

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。
X2Paddle is a toolkit for converting trained model to PaddlePaddle from other deep learning frameworks.

转换模型库

X2Paddle在多个主流的CV模型上，测试过TensorFlow/Caffe/ONNX模型的转换，可以在X2Paddle-Model-Zoo查看我们的模型测试列表，可以在OP-LIST中查看目前X2Paddle支持的OP列表。如果你在新的模型上进行了测试转换，也欢迎继续补充该列表；如若无法转换，可通过ISSUE反馈给我们，我们会尽快跟进。

环境依赖

python == 2.7 | python >= 3.5
paddlepaddle >= 1.8.0

按需安装以下依赖
tensorflow ： tensorflow == 1.14.0
caffe ： 无
onnx ： onnx >= 1.6.0

安装

安装方式一（推荐）

git clone https://github.com/PaddlePaddle/X2Paddle.git
cd X2Paddle
git checkout develop
python setup.py install

安装方式二

我们会定期更新pip源上的x2paddle版本

pip install x2paddle --index https://pypi.Python.org/simple/

使用方法

TensorFlow

x2paddle --framework=tensorflow --model=tf_model.pb --save_dir=pd_model

Caffe

x2paddle --framework=caffe --prototxt=deploy.prototxt --weight=deploy.caffemodel --save_dir=pd_model

ONNX

x2paddle --framework=onnx --model=onnx_model.onnx --save_dir=pd_model

PyTorch

x2paddle --framework=pytorch --model=resnet50.pt --save_dir=pd_model --input_shapes [-1,3,224,224]

Paddle2ONNX

# 注意：paddle_infer_model_dir下需包含__model__和__params__两个文件
x2paddle --framework=paddle2onnx --model=paddle_infer_model_dir --save_dir=onnx_model

参数选项

参数
--framework	源模型类型 (tensorflow、caffe、onnx、pytorch、paddle2onnx)
--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/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
--without_data_format_optimization	[可选] For TensorFlow, 当指定该参数为False时，打开NHWC->NCHW的优化，见文档Q2，默认为True
--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
--params_merge	[可选] 当指定该参数时，转换完成后，inference_model中的所有模型参数将合并保存为一个文件__params__
--onnx_opset	[可选] 当framework为paddle2onnx时，该参数可设置转换为ONNX的OpSet版本，目前支持9、10、11，默认为10
--input_shapes	[可选] 当framework为pytorch时，该参数若设置，则根据输入的shape导出inference model（用于预测的静态模型）

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

小工具

X2Paddle提供了工具解决如下问题，详见tools/README.md

1. 检测模型是否在PaddleLite中支持
2. 合并模型参数文件

相关文档

1. X2Paddle使用过程中常见问题
2. 如何导出TensorFlow的pb模型
3. X2Paddle测试模型库
4. PyTorch模型导出为ONNX模型
5. X2Paddle内置的Caffe自定义层

更新历史

2019.08.05

1. 统一tensorflow/caffe/onnx模型转换代码和对外接口
2. 解决上一版caffe2fluid无法转换多分支模型的问题
3. 解决Windows上保存模型无法加载的问题
4. 新增optimizer，优化代码结构，合并conv、batch_norm的bias和激活函数

如果你需要之前版本的tensorflow2fluid/caffe2fluid/onnx2fluid，可以继续访问release-0.3分支，获取之前版本的代码使用。

Acknowledgements

X2Paddle refers to the following projects:

• MMdnn