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/PyTorch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 >= 3.5
paddlepaddle 2.0.0-rc1 或者 develop

按需安装以下依赖
tensorflow ： tensorflow == 1.14.0
caffe ： 无
onnx ： onnx >= 1.6.0 pytorch：torch >=1.5.0 (script方式暂不支持1.7.0)

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==1.0.0rc0 --index https://pypi.Python.org/simple/

使用方法

TensorFlow

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

Caffe

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

ONNX

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

PyTorch

PyTorch不支持命令行使用方式，详见PyTorch2Paddle

Paddle2ONNX

Paddle2ONNX功能已迁移至新的github: https://github.com/PaddlePaddle/paddle2onnx, 欢迎大家去新的代码仓库查看详细介绍以及新功能。

参数选项

参数
--framework	源模型类型 (tensorflow、caffe、onnx)
--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
--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
--paddle_type	[可选] 该参数指定转换为动态图代码（dygraph）或者静态图代码（static），默认为dygraph

使用转换后的模型

• 静态图： 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模型静态图代码。
  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paddle.static.load_inference_model。
• 动态图： 转换后的模型包括model.pdparams和x2paddle_code.py两个文件，以及inference_model一个目录。
  model.pdparams中保存了模型参数。
  x2paddle_code.py是转换后的python模型动态图代码。
  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paddle.static.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. X2Paddle支持的op列表
5. PyTorch模型导出为ONNX模型
6. X2Paddle添加内置的Caffe自定义层

更新历史

2020.12.09

1. 新增PyTorch2Paddle转换方式，转换得到Paddle动态图代码，并动转静获得inference_model。 方式一：trace方式，转换后的代码有模块划分，每个模块的功能与PyTorch相同。 方式二：script方式，转换后的代码按执行顺序逐行出现。
2. 新增Caffe/ONNX/Tensorflow到Paddle动态图的转换。
3. 新增TensorFlow op（14个）：Neg、Greater、FloorMod、LogicalAdd、Prd、Equal、Conv3D、Ceil、AddN、DivNoNan、Where、MirrorPad、Size、TopKv2
4. 新增Optimizer模块，主要包括op融合、op消除功能，转换后的代码可读性更强，进行预测时耗时更短。

Acknowledgements

X2Paddle refers to the following projects:

• MMdnn