SOPHON SDK对于paddle模型转换的常见问题

静态图保存*.pdmodel和*.pdpot 与*.pdmodel和*.pdiparams的区别？

其主要差别在于保存结果的应用场景：

*.pdmodel，*.pdparams，*.pdopt 三种由save接口保存（2.0的paddle.static.save或者1.8的fluid.io.save）。

*.pdmodel 和 *.pdiparams 由 save_inference_model接口保存（2.0的paddle.static.save_inference_model或者1.8的fluid.io.save_inference_model）

save接口:

该接口用于保存训练过程中的模型和参数，一般包括*.pdmodel，.pdparams，.pdopt三个文件。其中*.pdmodel是训练使用的完整模型program描述，区别于推理模型，训练模型program包含完整的网络，包括前向网络，反向网络和优化器，而推理模型program仅包含前向网络，.pdparams是训练网络的参数dict，key为变量名，value为Tensor array数值，.pdopt是训练优化器的参数，结构与*.pdparams一致

save_inference_model接口:

该接口用于保存推理模型和参数，2.0的paddle.static.save_inference_model保存结果为*.pdmodel和*.pdiparams两个文件，其中*.pdmodel为推理使用的模型program描述，.pdiparams为推理用的参数，这里存储格式与.pdparams不同（注意两者后缀差个i），*.pdiparams为二进制Tensor存储格式，不含变量名。1.8的fluid.io.save_inference_model默认保存结果为__model__文件，和以参数名为文件名的多个分散参数文件，格式与2.0一致。

详情请参考： 模型保存与载入-使用文档-PaddlePaddle深度学习平台

如何生成*.pdmodel和*.pdiparams？

• 动态图存储模型结构和参数 根据训练模式不同，分为两种情况：
  动转静训练 + 模型&参数存储:
  动转静训练相比直接使用动态图训练具有更好的执行性能，训练完成后，直接将目标Layer传入 paddle.jit.save 存储即可。

  动态图训练 + 模型&参数存储:
  动态图模式相比动转静模式更加便于调试，如果仍需要使用动态图直接训练，也可以在动态图训练完成后调用paddle.jit.save 直接存储模型和参数。

• 静态图推理模型&参数保存
  保存/载入静态图推理模型，可以通过 paddle.static.save/load_inference_model实现。 静态图导出推理模型需要指定导出路径、输入、输出变量以及执行器。save_inference_model 会裁剪Program的冗余部分，并导出两个文件： path_prefix.pdmodel 、path_prefix.pdiparams。
  注意事项请参考： 模型保存与载入-使用文档-PaddlePaddle深度学习平台

• checkpoint（persistable 模型）转换为inference模型保存
  在任务的训练阶段，通常我们会保存一些 checkpoint（persistable 模型），这些只是模型权重文件，不能直接被预测引擎直接加载预测，所以我们通常会在训练完之后，找到合适的 checkpoint 并将其转换为 inference 模型。需要构建训练引擎，之后保存 inference 模型即可。 在paddleclas模型库的 tools/export_model.py 中提供了完整的示例，只需执行下述命令即可完成转换：

  python tools/export_model.py \
      -