paddlelite对tensorflow模型文件转换并且使用

以你之姓@ 2022-12-11 12:14 453阅读 0赞

paddlelite作为部署的工具，还是十分强大的

如果不是paddle训练后保存的模型文件，而是tf等框架训练后的模型文件，其工作流程大致如下：

（1）转换成paddle的模型文件

（2）对paddle模型文件进行优化，转换成\*.nb的文件

（3）编译，这一步可以省略，我用python预测可以不使用这个就行

具体如下：

# 一、转换模型文件 #

模型文件选择的是上次[这篇文章里面的][Link 1]model-mobilenet\_v1\_075.pb

当然，转换之前需要安装环境，需要用到的工具的[X2Paddle][]

1.安装tf1.14，目前只支持1.14,2.0以上不支持，1.15没有测过，推荐的是1.14，如果大于2.0的话X2Paddle是安装不成功的

安装tf的过程略去了

2.安装paddlelite和paddle

paddle安装请参考：[https://www.paddlepaddle.org.cn/][https_www.paddlepaddle.org.cn]

paddlelite请参考 ：[https://paddle-lite.readthedocs.io/zh/latest/quick\_start/python\_demo.html][https_paddle-lite.readthedocs.io_zh_latest_quick_start_python_demo.html]

3.安装X2Paddle

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

如果以上顺利的话，接下来就可以直接转换模型了

x2paddle --framework=tensorflow --model=model-mobilenet\_v1\_075.pb --save\_dir=pd\_model

在过程中会让你 输入input的shape，这里我输入提示的，因为我没有仔细研究这个模型的输入的形状，要是严谨，必须统一一致。

回车

如果不出错就会在当前路径下生成一个名为pd\_model文件夹，里面 包含两个文件夹：

![20200930160314968.png][]

文档里面对其解释为 ：

![20200930160354840.png][]

我们要用到的是inference\_model这个，另外一个暂时不用

# 二、对paddle模型文件进行优化，转换成\*.nb的文件 #

因为上面安装好了paddlelite，因此可以使用这个命令

paddle_lite_opt --model_dir=./inference_model       --optimize_out=mobilenet_v1_opt      --optimize_out_type=naive_buffer

注意的是，我没有使用--valid\_targets=x86，因为系统的原因

![20200930161057510.png][]

成功后会 生成一个名为mobilenet\_v1\_opt.nb的文件

![2020093016160670.png][]

三、预测使用

现在就可以使用python读取这个\*.nb的文件了

from paddlelite.lite import *
    from  PIL import Image
    import numpy as np
    
    config = MobileConfig()
    config.set_model_from_file('C:\\Users\\Administrator\\Documents\\X2Paddle\\mobilenet_v1_opt.nb')
    predictor = create_paddle_predictor(config)
    print(predictor)
    image = Image.open('C:\\Users\\Administrator\\Documents\\X2Paddle\\321.jpg')
    resized_image = image.resize((224, 224), Image.BILINEAR)
    image_data = np.array(resized_image).flatten().tolist()
    input_tensor = predictor.get_input(0)
    input_tensor.resize([1, 3, 224, 224])
    input_tensor.set_float_data(image_data)
    
    predictor.run()
    output_tensor = predictor.get_output(0)
    print(output_tensor.shape())

结果：

![20200930161639467.png][]

明显这个不是预期的形状，就是因为在转换的时候形状设定太任意的缘故，这个模型文件的input肯定不是（None,3,224,224）

至此，第三方训练好的模型 文件能够转换成paddlelite需要的文件了，美中不足就是目前还不支持TF2.0

[Link 1]: https://blog.csdn.net/zhou_438/article/details/108869477
[X2Paddle]: https://paddle-lite.readthedocs.io/zh/latest/user_guides/x2paddle.html#tensorflow
[https_www.paddlepaddle.org.cn]: https://www.paddlepaddle.org.cn/
[https_paddle-lite.readthedocs.io_zh_latest_quick_start_python_demo.html]: https://paddle-lite.readthedocs.io/zh/latest/quick_start/python_demo.html
[20200930160314968.png]: /images/20221123/f2012187974f423d935db48625fa2be2.png
[20200930160354840.png]: /images/20221123/6dffbaf7b03c461c90918bba436bb531.png
[20200930161057510.png]: /images/20221123/18e7b582a7d941209f9c08050524caf2.png
[2020093016160670.png]: /images/20221123/4278402455d54c969e61d42884e8148f.png
[20200930161639467.png]: /images/20221123/39a74b5bb12b41108d5769359e77b028.png