Convert ONNX model file to Caffe2 model file(pb)

最新推荐文章于 2024-06-04 10:32:43 发布
最新推荐文章于 2024-06-04 10:32:43 发布
阅读量288 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/weixin_41521681/article/details/113361351
这篇博客介绍了如何使用convert-onnx-to-caffe2命令将ONNX模型转换为Caffe2格式。ONNX模型的数据和结构都存储在一个文件中，而Caffe2则分为init_net.pb（参数）和predict_net.pb（网络结构）两个文件。通过提供的shell命令，可以方便地进行转换操作。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

Convert ONNX model file to Caffe2 model file(pb)

onnx-caffe2 has bundled a shell command convert-onnx-to-caffe2 for converting ONNX model file to Caffe2 model file.

$ convert-onnx-to-caffe2 assets/squeezenet.onnx --output predict_net.pb --init-net-output init_net.pb
Note in ONNX model file, parameters and network structure are all stored in one model file, while in Caffe2, they are normally stored in separated init_net.pb (parameters) and predict_net.pb (network structure) files.

ref:

https://github.com/onnx/tutorials/blob/master/tutorials/OnnxCaffe2Import.ipynb

TensorFlow 保存模型为 PB 文件 & 加载PB文件代码

TensorFlow 保存模型为 PB 文件 & 加载PB文件代码

从Tensorflow模型文件中解析并显示网络结构图（pb模型篇）

https://www.jianshu.com/p/b547c163e202
https://github.com/huachao1001/CNNGraph

模型转换 PyTorch转ONNX 入门
黎国溥
02-17 1万+
本文主要介绍如何将PyTorch模型转换为ONNX模型，为后面的模型部署做准备。转换后的xxx.onnx模型，进行加载和测试。最后介绍使用Netron，可视化ONNX模型，看一下网络结构；查看使用了那些算子，以便开发部署。目录前言一、PyTorch模型转ONNX模型1.1 转换为ONNX模型且加载权重1.2 转换为ONNX模型但不加载权重1.3 torch.onnx.export() 函数二、加载ONNX模型三、可视化ONNX模型。
caff2 与 pytorch 模型的转换--onnx
qq_30006593的博客
08-18 3803
onnx和caffe2的安装参考另一篇博客 caffe2新版本中添加了onnx-caffe2,所以无需再安装 Pytorch to ONNX import torch from pnasnet import PNASNet5Large from torch.autograd import Variable model = PNASNet5Large(50) m = torch.load(...
Convert ONNX models into Apple Core ML format onnx 转换为 mlmodel
Sico2Sico
05-25 2215
Convert ONNX models into Apple Core ML format 安装onnx-coreml /// 如果报错 使用python3 因为你的电脑可能有两个版本的python mac自带的python的是2 pip install torchvision onnx-coreml /// 或者 pip3 install torchvision onnx-coreml 创建 onnx_to_coreml2.py import sys from onnx import onn
【.pt模型转换为.onnx模型】模型转换 英特尔神经计算棒 树莓派
dujuancao11的博客
03-07 3899
背景：树莓派要用英特尔神经计算棒，先要将pytorch训练生成的.pt文件转换为ONNX，再转换为IR，本来直接在树莓派上的原生树莓派系统尝试，明明已经显示输出了模型详细信息，可文件夹中没有出现.onnx文件，于是直接拿windows系统新建有pytorch的环境来尝试，尝试成功。 转换代码 注意点：要根据你的代码进行修改，修改最初的包等 import torch from models.with_mobilenet import PoseEstimationWithMobileNet from.
模型部署系列：ONNX模型格式的构建、分析和优化指南
2401_85375298的博客
06-04 3080
ONNX（Open Neural Network Exchange，开放式神经网络交换格式）是一种**模型文件格式**，它在模型训练和模型推理中间提供了**中间桥梁**，使得上游不同的训练框架都能导出ONNX格式的模型，给到下游不同的推理框架都可以读取ONNX进行部署。
【caffe】Caffe模型转换为ONNX模型(新版)
花丸大老师的博客
04-18 1万+
在了解了caffe模型的结构和ONNX的结构后，我用python写了一个caffe转onnx的小工具，现只测试了resnet50、alexnet、yolov3的caffe模型和onnx模型推理结果，存在误差，但是在可接受范围内。本工具在转换模型的时候是不需要配置caffe的，只需要安装好protobuf即可。在进行推理测试的时候才需要配置好pycaffe。
Caffe2 - (七)Caffemodel 转换为 Caffe2 pb 模型
长风破浪会有时，直挂云帆济沧海
01-03 8570
Caffe2 - Caffemodel 转换为 Caffe2 pb 模型 1. 单输入单输出 - caffe_translator.py Caffe2 提供了将 caffemodel 转换为 caffe2 模型的工具——caffe_translator.py. 其使用： python -m caffe2.python.caffe_translator deploy.prototx
使用ONNX将模型转移至Caffe2和移动端
吴建明wujianming_110117
02-13 650
使用ONNX将模型转移至Caffe2和移动端 本文介绍如何使用 ONNX 将 PyTorch 中定义的模型转换为 ONNX 格式，然后将其加载到 Caffe2 中。一旦进入 Caffe2， 就可以运行模型来仔细检查它是否正确导出，然后展示了如何使用 Caffe2 功能（如移动导出器）在移动设备上执行模型。 需要安装onnx和Caffe2。 可以使用pip install onnx来获取 onnx。 注意：需要 PyTorch master 分支，可以按照这里说明进行安装。 1.引入模型 一些包的导入 imp
PyTorch 图像：06.使用ONNX将模型转移至Caffe2和移动端
睡前人工智能共享实验室
08-11 773
使用ONNX将模型转移至Caffe2和移动端 在本教程中，我们将介绍如何使用 ONNX 将 PyTorch 中定义的模型转换为 ONNX 格式，然后将其加载到 Caffe2 中。一旦进入 Caffe2，我们就可以运行模型来仔细检查它是否正确导出，然后我们展示了如何使用 Caffe2 功能（如移动导出器）在移动设备上执行模型。 在本教程中，您需要安装onnx和Caffe2。您可以使用pip install onnx来获取 onnx。 注意：本教程需要 PyTorch master 分支，可以按照这里说
ubuntu@ubuntu:~$ mmconvert -sf caffe -iw model.caffemodel -in deploy.prototxt -df onnx -om output.onnx Traceback (most recent call last): File "/home/ubuntu/.local/bin/mmconvert", line 8, in <module> sys.exit(_main()) File "/home/ubuntu/.local/lib/python3.10/site-packages/mmdnn/conversion/_script/convert.py", line 102, in _main ret = convertToIR._convert(ir_args) File "/home/ubuntu/.local/lib/python3.10/site-packages/mmdnn/conversion/_script/convertToIR.py", line 15, in _convert from mmdnn.conversion.caffe.transformer import CaffeTransformer File "/home/ubuntu/.local/lib/python3.10/site-packages/mmdnn/conversion/caffe/transformer.py", line 4, in <module> from mmdnn.conversion.caffe.graph import GraphBuilder, NodeKind, LAYER_IN_TRAIN_PROTO File "/home/ubuntu/.local/lib/python3.10/site-packages/mmdnn/conversion/caffe/graph.py", line 9, in <module> from mmdnn.conversion.caffe.mapper import get_handler_name File "/home/ubuntu/.local/lib/python3.10/site-packages/mmdnn/conversion/caffe/mapper.py", line 6, in <module> from mmdnn.conversion.caffe.common_graph import Node File "/home/ubuntu/.local/lib/python3.10/site-packages/mmdnn/conversion/caffe/common_graph.py", line 9, in <module> from mmdnn.conversion.common.IR.graph_pb2 import GraphDef, NodeDef, TensorShape File "/home/ubuntu/.local/lib/python3.10/site-packages/mmdnn/conversion/common/IR/graph_pb2.py", line 32, in <module> _descriptor.EnumValueDescriptor( File "/home/ubuntu/.local/lib/python3.10/site-packages/google/protobuf/descriptor.py", line 920, in __new__ _message.Message._CheckCalledFromGeneratedFile() TypeError: Descriptors cannot be created directly. If this call came from a _pb2.py file, your generated code is out of date and must be regenerated with protoc >= 3.19.0. If you cannot immediately regenerate your protos, some other possible workarounds are: 1. Downgrade the protobuf package to 3.20.x or lower. 2. Set PROTOCOL_BUFFERS_PYTHON_IMPLEMENTATION=p
最新发布
03-14
根据错误提示，可能需要使用protoc >=3.19.0重新生成_pb2.py文件，但用户可能无法立即重新生成，所以降级protobuf更为实际。 另外，用户可能同时使用TensorFlow或其他库，这些库可能有自己的protobuf依赖，需要确保...
Pytorch合并Conv和BN并转onnx
liulibo1的博客
04-11 815
【代码】Pytorch合并Conv和BN并转onnx。
pytorch转caffe2模型
weixin_40671425的博客
05-30 4562
项目需要用c++调用caffe2接口进行工程化部署，但是模型是用pytorch实现并训练。这就需要把pytorch预训练模型转化为可供c++调用的模型。 目前的问题是：训练环境和工程部署环境是不同的。利用python3.6+pytorch进行训练，模型部署是python2.7+caffe2。 总体流程： 1，在训练环境下也就是python3.6+...
安装onnx
热门推荐
NEVERGUVEIP的博客
03-12 1万+
1、安装pip【https://blog.youkuaiyun.com/quantum7/article/details/83543591】 sudo apt-get install python-pip #python2 sudo apt-get install python3-pip #python3 2、caffe安装（ubantu>=17）【http://caff...
gcc4.8+Caffe2(0.8)+onnx(1.2)+onnx-caffe2在anaconda中的安装,不需要root,源码编译.
qq_30006593的博客
08-18 1181
caffe2的cuda8预编译是gcc5以上的. gcc5以下的只有cuda9和cpu版本 对于gcc4.8和cuda8的caffe2没有预编译.  源码安装caffe2 git clone --recursive https://github.com/pytorch/pytorch.git cd pytorch git submodule update --init CONDA_INST...
pt-onnx-ncnn转换的问题记录（接yolov5训练）
sinat_38961618的博客
07-24 3132
pt-onnx-ncnn转换的问题记录
模型部署 ONNX模型转换说明
Fantastic
09-18 3669
模型转换ONNX pytorch模型转换ONNX模型 torch.onnx torch.onnx.export(model, args, f, export_params, verbose=False, training= False) #Function to Convert to ONNX def Convert_ONNX(): # set the model to inference mode model.eval() # Let's create a dummy
【.pth模型转换为.onnx模型】模型转换 英特尔神经计算棒 树莓派
dujuancao11的博客
03-07 1763
转换代码 注意点：要根据你的代码进行修改，修改最初的包等 import torch from models.with_mobilenet import PoseEstimationWithMobileNet from modules.load_state import load_state from action_detect.net import NetV2 def convert_onnx(): print('start!!!') device = 'cuda' if
转换onnx_ONNX简化节点和修改教程
weixin_32642653的博客
01-11 4223
在训练完深度学习的pytorch或者tensorflow模型后，有时候需要把模型转成 onnx，但是很多时候，很多节点比如cast节点，Identity 这些节点可能都不需要，我们需要进行简化，这样会方便我们把模型转成ncnn或者mnn等这些端侧部署的模型格式或者通过tensorRT进行部署。方法1：使用 onnx-simplifier 进行精简一个方法是使用 [onnx-simplif...
Caffe2ONNX范例教程与github工程实践指南
为了使用caffe2onnx，开发者首先需要获取到Caffe模型，即包含`.caffemodel`和`.prototxt`文件。然后可以通过访问所提供的GitHub工程（***）来执行转换过程。该工程提供了一系列的脚本和工具，用于读取Caffe格式的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值