Skip to content
This repository has been archived by the owner on Jan 24, 2024. It is now read-only.

Latest commit

 

History

History
148 lines (122 loc) · 6.6 KB

Converter_ch.md

File metadata and controls

148 lines (122 loc) · 6.6 KB
Raw

模型转换指南

Anakin 支持不同框架的模型预测。但由于格式的差别，Anakin 需要您预先转换模型。本文档介绍如何转换模型。

简介

Anakin 模型转换器输入支持 Caffe、Fluid、Tensorflow、ONNX 和 Lego 多种格式的预测模型，模型包含网络结构（model 或 prototxt）和权重参数（param 或 caffemodel）。

模型转换的输出是一个 anakin.bin 文件，它作为 Anakin 框架的 graph 参数导入。

您还可以使用模型转换器的 launch board 功能生成网络结构的 HTML 预览。

  • 这里我们强烈建议您在使用Tensorflow生产模型时，阅读Tensorflow的README,对模型进行Freezing操作，去除与预测无关的graph部分，而且也可以把训练中的变量转换为预测时候的常量，这样您会更好的使用Anakin Parser。
  • 同时您也可以在Parser里面使用tensorflow的frozen工具freeze_graph.py和可视化工具summary.py、tensorboard.sh。

系统要求

  • Python 2.7+
  • Protobuf 3.1+（务必注意 Python 与系统环境 Protobuf 版本一致）
  • PaddlePaddle 0.12.0+ (Fluid 模式下)
  • Tensorflow 1.0.0+（Tensorflow模式下）
  • ONNX 1.2.0+ (ONNX 模式下)
  • flask, bson, matplotlib, scikit-image
  • tkinter

用法

1、环境

转换器所需的依赖标注于 系统要求 一节。

2、配置

您需要对 config.yaml 文件进行修改以告知您的需求。工程中给出了 config.yaml 示例，下面作进一步说明。

config.yaml

OPTIONS:
    Framework: CAFFE       # 依框架类型填写 CAFFE、FLUID、LEGO、TENSORFLOW、ONNX
    SavePath: ./output     # 转换结束后模型的保存位置
    ResultName: googlenet  # 输出模型的名字
    Config:
        LaunchBoard: ON    # 是否生成网络结构预览页面
        Server:
            ip: 0.0.0.0
            port: 8888     # 从一个可用端口访问预览页面
        OptimizedGraph:    # 仅当您执行完预测并使用 Optimized 功能时，才应打开此项
            enable: OFF
            path: /path/to/anakin_optimized_anakin_model/googlenet.anakin.bin.saved
    LOGGER:
        LogToPath: ./log/  # 生成日志的路径
        WithColor: ON

TARGET:
    CAFFE:
        # 当 Framework 为 CAFFE 时需填写
        ProtoPaths:
            - /path/to/caffe/src/caffe/proto/caffe.proto
        PrototxtPath: /path/to/your/googlenet.prototxt
        ModelPath: /path/to/your/googlenet.caffemodel
        Remark:  #一般不用填写，如果是Training模式，需要填写

    FLUID:
        # 当 Framework 为 FLUID 时需填写
        Debug: NULL                                # 不需要更改
        ModelPath: /path/to/fluid/inference_model  # 此路径通常包括 model 和 params 两个文件
        NetType:                                   # 填写网络类型，如 OCR、SSD
    # ...
    LEGO:
        # 当 Framework 为 LEGO 时需填写
        ProtoPath:
        PrototxtPath:
        ModelPath:

    TENSORFLOW:
        # 当 Framework 为 TENSORFLOW 时需填写
        ModelPath: /path/to/your/model/
        OutPuts:

    ONNX:
        # 当 Framework 为 ONNX 时需填写
        ModelPath: /path/to/your/model/
        TxtPath:

3、转换

在完成配置文件的修改后，您只需执行 python converter.py 就可以进行模型转换了。 还有一种方法，不用修改配置文件，通过传参数方式，直接运行converter.py 就可以，具体方法请见 命令行方式 示例

命令行方式

介绍每个参数的含义

  • 通用参数的含义

    • --framework 待转换模型的原框架, 例如: Caffe、Fluid、Tensorflow、ONNX 和 Lego
    • --save_path 保存转换后模型的路径，默认是 ./output
    • --result_name 转换后模型的name，默认是 googlenet
    • --open_launch_board 是否将生成的模型在网页上打印出来，默认是ON打印网络结构
    • --board_server_ip 显示网络结构的IP地址，默认是0.0.0.0 即本地IP的地址
    • --board_server_port 显示网络结构的端口地址，默认是8888
    • --optimized_graph_enable 是否显示优化后的网络图，默认是OFF关闭
    • --optimized_graph_path 保持优化后网络的路径

  • CAFFE框架

    • --caffe_proto_paths caffe.proto的路径
    • --caffe_proto_txt_path prototxt的路径
    • --caffe_model_path model的路径
    • caffe_remark 是否是Training模式，如果是，需要备注；否则，可以不填

    example：

    1) $ python converter.py --framework CAFFE --result_name mobilenet_ssd  --caffe_proto_paths    ./model/caffe.proto  --caffe_proto_txt_path  ./model/mobilenet_ssd.prototxt --caffe_model_path   ./model/mobilenet_ssd.caffemodel -- caffe_remark Training
2) $ python converter.py --framework CAFFE --result_name mobilenet_ssd  --caffe_proto_paths    ./model/caffe.proto  --caffe_proto_txt_path  ./model/mobilenet_ssd.prototxt --caffe_model_path   ./model/mobilenet_ssd.caffemodel

  • FLUID框架

    • --fluid_debug 不需要填写，默认NULL
    • --fluid_model_path 包括 model 和 params 两个文件的路径
    • fluid_net_type 填写网络类型，如 OCR、SSD

    example：

    1) $ python converter.py --framework FLUID --result_name mobilenet_ssd --fluid_model_path  ./model/mobilenet_ssd/ --fluid_net_type  SSD
2) $ python converter.py --framework FLUID --result_name mobilenet_v1 --fluid_model_path  ./model/mobilenet_v1/

  • TENSORFLOW框架

    • --tensorflow_model_path 模型路径

    example：

    1) $ python converter.py --framework TENSORFLOW --result_name mobilenet_ssd --tensorflow_model_path  ./model/mobilenet_ssd.pb

  • ONNX框架

    • --onnx_model_path 模型路径

    example：

    1) $ python converter.py --framework TENSORFLOW --result_name mobilenet_ssd --onnx_model_path  ./model/mobilenet_ssd.onnx

  • LEGO框架

    • --lego_proto_paths lego.proto的路径
    • --lego_proto_txt_path prototxt的路径
    • --lego_model_path model的路径

    example：

    1) $ python converter.py --framework LEGO --result_name mobilenet_ssd  --lego_proto_paths    ./model/lego.proto  --lego_proto_txt_path  ./model/mobilenet_ssd.prototxt --lego_model_path   ./model/mobilenet_ssd.model

4、预览

最后一步，就是在浏览器中查看令人振奋的转换结果！网址是在 config.yaml 中配置的，例如 http://0.0.0.0:8888 。

注意：若您使用了默认的 IP 地址 0.0.0.0，请在预览时使用真实的服务器地址 real_ip:port 替代它。