『paddle』X2Paddle 学习笔记：模型转换与部署

X2Paddle 是飞桨生态下的模型转换工具，致力于帮助其它深度学习框架用户快速迁移至飞桨框架。目前支持 推理模型的框架转换 与 PyTorch训练代码迁移，提供了详细的不同框架间 API 对比文档，降低开发者上手飞桨核心的学习成本。

支持主流深度学习框架
目前已经支持 Caffe/TensorFlow/ONNX/PyTorch 四大框架的预测模型的转换，PyTorch 训练项目的转换，涵盖了目前市面主流深度学习框架
支持的模型丰富
在主流的 CV 和 NLP 模型上均支持转换，涵盖了 19+ 个 Caffe 预测模型转换、27+ 个 TensorFlow 预测模型转换、32+ 个ONNX预测模型转换、27+ 个 PyTorch 预测模型转换、2+ 个 PyTorch 训练项目转换，详见 支持列表
简洁易用
一条命令行或者一个 API 即可完成模型转换

预测模型转换
支持 Caffe/TensorFlow/ONNX/PyTorch 的模型一键转为飞桨的预测模型，并使用 PaddleInference/PaddleLite 进行 CPU/GPU/Arm 等设备的部署
PyTorch训练项目转换
支持 PyTorch 项目 Python 代码（包括训练、预测）一键转为基于飞桨框架的项目代码，帮助开发者快速迁移项目，并可享受 AIStudio平台。
API对应文档
详细的 API 文档对比分析，帮助开发者快速从 PyTorch 框架的使用迁移至飞桨框架的使用，大大降低学习成本 【新内容，了解一下！】

如需使用稳定版本，可通过pip方式安装X2Paddle：

pip install x2paddle

如需体验最新功能，可使用源码安装方式：

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

TensorFlow模型转换

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

ONNX模型转换

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

Caffe模型转换

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

转换参数说明

参数	作用
–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

项目转换包括3个步骤