Skip to content

tensorlayer/Paddle2TLX

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

4 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

paddle2tlx

持续更新...

功能简介

paddle2tlx 是一款面向 TensorLayerX 的模型转换工具,可以方便的将由 PaddlePaddle 实现的模型迁移到 TensorLayerX 框架上运行。

使用描述

参数说明

参数名称 参数描述 备注
modle_name 模型名称 可选(便于转换后验证模型)
model_type 模型类别 可选(便于转换后验证模型)
input_dir_pd paddle源工程目录 必选
output_dir_tlx tensorlayerx目标工程目录 必选
save_tag 是否保存转换后的预训练模型 模型脚本中设置
pretrained_model 转换后预训练模型保存路径 模型脚本中设置

使用方式

准备转前 paddle 模型工程代码

将 paddle 模型代码放在自己创建的一个文件夹下,转前和转后代码按模型任务类别进行划分,文件夹包含当前模型源码文件和依赖代码。预训练模型权重存放路径采用的是脚本指定的外部文件夹。以图像分类模型为例,转前模型文件夹结构如下,其中包含60个分类任务的模型定义脚本:

pd_models/  # 转前模型根目录
└── paddleclas  # 图像分类模型
    ├── alexnet.py
    ├── convnext.py
    ├── cspdarknet.py
    ├── cswin_transformer.py
    ├── darknet53.py
    ├── deit.py
    ├── __init__.py
    ├── ops # 依赖算子
    │   ├── __init__.py
    │   ├── ops_fusion.py
    │   └── theseus_layer.py
    └── utils  # 通用方法
        ├── common_func.py
        └── __init__.py
    ...

执行转换

Pycharm中执行转换

改变 paddle2tlx/convert.py 文件以下几个变量的默认值,然后运行该文件执行转换。

  • input_dir_pd:paddle 模型工程代码文件夹
  • output_dir_tlx:转换后 tensorlayerx 模型存放文件夹
  • model_name:模型名称(可选)
  • model_type:模型类别(可选)

命令行方式转换

# 1. 首先, 将 paddle2tlx 工具包装到自己创建的 Python 环境中
pip install -e .

# 2. 然后, 执行代码转换
# 方式1 - 推荐
# 先执行代码转换
paddle2tlx --input_dir_pd pd_models/paddleclas --output_dir_tlx tlx_models/paddleclas
# 转换后单独验证模型
cd examples
python validation.py --input_dir_pd ../pd_models/paddleclas --output_dir_tlx ../tlx_models/paddleclas --model_name vgg16 --model_type clas

# 方式2
# 转换+验证某个模型
paddle2tlx --input_dir_pd pd_models/paddleclas --output_dir_tlx tlx_models/paddleclas --model_name vgg16 --model_type clas

转换后模型的目录结构和转前目录结构保持一致。不同任务类别模型的训练脚本和测试脚本存放在 examples 目录下,可留作单独测试用。不同设备间迁移测试模型时,可以保留 pd_models 和 tlx_models 下的模型工程代码和 examples 目录。

对于不支持的 API 算子,还需对转换工具做适配优化。

预训练模型存放路径

如果预训练模型提供了下载链接,会将预训练模型自动下载到 ~/.cache/paddle/hapi/weights 目录,不同任务存放在各自的子文件夹下,如分类模型会自动下载到 ~/.cache/paddle/hapi/weights/paddleclas 目录。

如果预训练模型没有提供下载链接或是自己训练,会将预训练模型统一下载到 pretrain 目录下,同样按任务区分。

更新记录

模型适配

分类模型

序号 模型 类别误差 前后误差 状态 方向 总表序号
1 vgg16(pretrained model) 一致 0.0 完成 PaddleClas 31
2 alexnet(pretrained model) 一致 0.0 完成 PaddleClas 1
3 resnet50(pretrained model) 一致 0.0 完成 PaddleClas 32
4 resnet101(pretrained model) 一致 0.0 完成 PaddleClas 33
5 googlenet(pretrained model) 一致 0.0 完成 PaddleClas 14
6 mobilenetv1(pretrained model) 一致 0.0 完成 PaddleClas 23
7 mobilenetv2(pretrained model) 一致 0.0 完成 PaddleClas 24
8 mobilenetv3(pretrained model) 一致 0.0 完成 PaddleClas 25
9 shufflenetv2(pretrained model) 一致 0.0 完成 PaddleClas 39
10 squeezenet(pretrained model) 一致 0.0 完成 PaddleClas 40
11 inceptionv3(pretrained model) 一致 0.0 完成 PaddleClas 19
12 regnet(pretrained model) 一致 0.0 完成 PaddleClas 30
13 tnt(pretrained model) 一致 0.0 完成 PaddleClas 41
14 darknet53(pretrained model) 一致 0.0 完成 PaddleClas 46
15 densenet(pretrained model) 一致 0.0 完成 PaddleClas 5
16 rednet50(pretrained model) 一致 0.0 完成 PaddleClas 28
17 rednet101(pretrained model) 一致 0.0 完成 PaddleClas 29
18 cspdarknet53(pretrained model) 一致 0.0 完成 PaddleClas 2
19 efficientnet_b1(pretrained model) 一致 0.0 完成 PaddleClas 11
20 efficientnet_b7(pretrained model) 一致 0.0 完成 PaddleClas 12
21 dla34(pretrained model) 一致 0.0 完成 PaddleClas 7
22 dla102(pretrained model) 一致 0.0 完成 PaddleClas 8
23 dpn68(pretrained model) 一致 0.0 完成 PaddleClas 9
24 dpn107(pretrained model) 一致 0.0 完成 PaddleClas 10
25 ghostnet(pretrained model) 一致 0.0 完成 PaddleClas 13
26 hardnet39(pretrained model) 一致 0.0 完成 PaddleClas 17
27 hardnet85(pretrained model) 一致 0.0 完成 PaddleClas 18
28 resnest50(pretrained model) 一致 0.0 完成 PaddleClas 34
29 resnext50(pretrained model) 一致 0.0 完成 PaddleClas 35
30 resnext101(pretrained model) 一致 0.0 完成 PaddleClas 36
31 rexnet(pretrained model) 微小误差 0.00061244145 完成 PaddleClas 37
32 se_resnext(pretrained model) 一致 0.0 完成 PaddleClas 38
33 esnet_x0_5(pretrained model) 一致 0.0 完成 PaddleClas 47
34 esnet_x1_0(pretrained model) 一致 0.0 完成 PaddleClas 48
35 vit(pretrained model) 一致 0.0 完成 PaddleClas
36 alt_gvt_small(pretrained model) 一致 0.0 完成 PaddleClas 15
37 alt_gvt_base(pretrained model) 一致 0.0 完成 PaddleClas 16
38 swin_transformer_base(pretrained model) 0.0 PaddleClas 3
39 swin_transformer_small(pretrained model) 0.0 PaddleClas 4
40 pcpvt_base(pretrained model) 一致 0.0 完成 PaddleClas 26
41 pcpvt_large(pretrained model) 一致 0.0 完成 PaddleClas 27
42 xception41(pretrained model) 一致 0.0 完成 PaddleClas 42
43 xception65(pretrained model) 一致 0.0 完成 PaddleClas 43
44 xception41_deeplab(pretrained model) 一致 0.0 完成 PaddleClas 44
45 xception65_deeplab(pretrained model) 一致 0.0 完成 PaddleClas 45
46 levit(pretrained model) 一致 0.0 完成 PaddleClas 21
47 mixnet(pretrained model) 微小误差 0.00048300158 完成 PaddleClas 22
48 convnext(pretrained model) 一致 0.0 完成 PaddleClas 新增
49 cswin(pretrained model) 一致 0.0 完成 PaddleClas 新增
50 deittiny(pretrained model) 一致 0.0 完成 PaddleClas 新增
51 deitsmall(pretrained model) 一致 0.0 完成 PaddleClas 新增
52 deitbase(pretrained model) 一致 0.0 完成 PaddleClas 新增
53 dvt(pretrained model) 一致 0.0 完成 PaddleClas 新增
54 peleenet(pretrained model) 一致 0.0 完成 PaddleClas 新增
55 pp_hgnet(pretrained model) 一致 0.0 完成 PaddleClas 新增
56 pp_lcnet(pretrained model) 一致 0.0 完成 PaddleClas 新增
57 pp_lcnet_v2(pretrained model) 一致 0.0 完成 PaddleClas 新增
58 pvt_v2(pretrained model) 一致 0.0 完成 PaddleClas 新增
59 res2net(pretrained model) 一致 0.0 完成 PaddleClas 新增
60 van(pretrained model) 一致 0.0 完成 PaddleClas 新增

分割模型

序号 模型 前后误差 状态 方向 总表序号
1 fast_scnn 0.0 完成 PaddleSeg 76
2 hrnet 0.0 完成 PaddleSeg 75
3 encnet 0.0 完成 PaddleSeg 77
4 bisenet 0.0 完成 PaddleSeg 83
5 fastfcn 0.0 完成 PaddleSeg 73
6 enet 0.0 完成 PaddleSeg 74

检测模型

序号 模型 前后误差 状态 方向 总表序号
1 yolov3 0.0 完成 PaddleDec 54
2 ssd 0.0 完成 PaddleDec 60
3 yolox 0.0 完成 PaddleDec 57
4 picodet_lcnet 0.0 完成 PaddleDec 67
5 fcos_r50 0.0 完成 PaddleDec 68
6 fcos_dcn 0.0 完成 PaddleDec 69
7 RetinaNet 0.0 完成 PaddleDec 64
8 Mask_RCNN 0.0 完成 PaddleDec 63
9 Faster_RCNN 0.0 完成 PaddleDec 62
10 CascadeRCNN 0.0 完成 PaddleDec 70
11 SOLOv2 0.0 完成 PaddleDec 72
12 GFL 0.0 完成 PaddleDec 新增
13 TOOD 0.0 完成 PaddleDec 新增
14 CenterNet 0.0 完成 PaddleDec 新增
15 TTFNet 0.0 完成 PaddleDec 新增

遥感模型

序号 模型 前后误差 状态 方向 总表序号
1 bit 0.0 完成 PaddleRS 98
2 cdnet 0.0 完成 PaddleRS 87
3 stanet 0.0 完成 PaddleRS 88
4 fcef 0.0 完成 PaddleRS 89
5 fccdn 0.0 完成 PaddleRS 91
6 dsamnet 0.0 完成 PaddleRS 97
7 snunet 0.0 完成 PaddleRS 90
8 dsifn 0.0 完成 PaddleRS 95
9 unet 0.0 完成 PaddleRS 84
10 farseg 0.0 完成 PaddleRS 85
11 deeplab 0.0 完成 PaddleRS 86

生成模型

序号 模型 前后误差 状态 方向 总表序号
1 cyclegan 0.0 完成 PaddleGAN 78
2 starganv2 0.0 完成 PaddleGAN 80
3 prenet 0.0 完成 PaddleGAN 81
4 u-gat-it 0.0 完成 PaddleGAN 82
5 styleganv2 0.0 完成 PaddleGAN 79

自然语言模型

序号 模型 前后误差 状态 方向 总表序号
1 TextCNN 0.0 完成 PaddleNLP 100
2 LSTM 0.0 完成 PaddleNLP 93
3 RNN 0.0 完成 PaddleNLP 94

功能优化

20221028

待补充

依赖环境

python=3.7
paddlepaddle==2.3.0
tensorlayerx==0.5.7  # latest

详见 requirements.txt 文件

参考

About

Transfer PaddlePaddle's codes to TensorLayerX's codes

Resources

License

Stars

Watchers

Forks

Releases

No releases published

Packages

No packages published