tensorflow模型转ncnn

最新推荐文章于 2024-04-29 15:08:19 发布

原创

最新推荐文章于 2024-04-29 15:08:19 发布 · 4k 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#tensorflow #ncnn

本文详细介绍了如何将TensorFlow的.ckpt模型转换为PB模型，并进一步转化为NCNN模型。过程中涉及修改NCNN的CMakeList，添加缺失的层支持，如卷积、反卷积和空洞卷积。虽然NCNN对TensorFlow的支持有限，需要手动实现一些层，但通过理解原理和适配，可以成功完成转换。

第一步把tensorflow保存的.ckpt模型转为pb模型, 并记下模型的输入输出名字.
第二步去ncnn的github上把仓库clone下来, 按照上面的要求装好依赖并make.
第三步是修改ncnn的CMakeList, 具体修改的位置有:

ncnn/CMakeList.txt 文件, 在文件开头处加入add_definitions(-std=c++11), 末尾处加上add_subdirectory(examples), 如果ncnn没有examples文件夹,就新建一个, 并加上CMakeList.txt文件.
ncnn/tools/CMakeList.txt 文件, 加入add_subdirectory(tensorflow)

原版的tools/tensorflow/tensorflow2ncnn.cpp里, 不支持tensorflow的elu, FusedBathNormalization, Conv2dBackpropback操作, 其实elu是支持的,只需要仿照relu的格式, 在.cpp文件里加上就行. FusedBatchNormalization就是ncnn/layer/里实现的batchnorm.cpp, 只是`tensorflow2ncnn里没有写上, 可以增加下面的内容:

else if (node.op() == "FusedBatchNorm")
{
    fprintf(pp, "%-16s", "BatchNorm");
}
...
else if (node.op() == "FusedBatchNorm")
{
    std::cout << "node name is