MNN编译模型转换工具

编译和安装 MNN

要在不同平台上编译和安装 MNN，首先需要满足以下环境要求：

• Microsoft Visual Studio（>=2017）
• CMake（>=3.13）
• PowerShell
• Ninja（构建工具，比 nmake 更快）

可以从以下链接下载 CMake 和 Ninja：

• CMake 下载地址
• Ninja 下载地址
• 安装完重启电脑

安装 Protobuf

Protobuf 是 MNN 依赖的库，确保安装 3.0 及以上版本。

# macOS
brew install protobuf

其他平台请参考 官方安装步骤。

编译 MNN 主库

cd MNN
mkdir build
cd build
cmake -G "Ninja" -DMNN_BUILD_SHARED_LIBS=OFF -DMNN_BUILD_CONVERTER=ON -DCMAKE_BUILD_TYPE=Release -DMNN_WIN_RUNTIME_MT=ON ..
ninja

如遇到无法正常编译的问题，可以参考 此博客。

模型转换

MNN 提供了 MNNConvert 工具，可以将其他格式的模型转换为 MNN 格式。

使用示例

Usage:
  MNNConvert [OPTION...]

  -h, --help            Convert Other Model Format To MNN Model
  -v, --version         show current version
  -f, --framework arg   model type, ex: [TF,CAFFE,ONNX,TFLITE,MNN]
      --modelFile arg   tensorflow Pb or caffeModel, ex: *.pb,*caffemodel
      --prototxt arg    only used for caffe, ex: *.prototxt
      --MNNModel arg    MNN model, ex: *.mnn
      --benchmarkModel  Do NOT save big size data, such as Conv's weight,BN's
                        gamma,beta,mean and variance etc. Only used to test
                        the cost of the model
      --bizCode arg     MNN Model Flag, ex: MNN
      --debug           Enable debugging mode.

TensorFlow/ONNX/TFLite 模型转换示例

./MNNConvert -f TF/ONNX/TFLITE --modelFile XXX.pb/XXX.onnx/XXX.tflite --MNNModel XXX.XX --bizCode XXX

例如：

./MNNConvert -f TF --modelFile path/to/mobilenetv1.pb --MNNModel model.mnn --bizCode MNN

Caffe 模型转换示例

./MNNConvert -f CAFFE --modelFile XXX.caffemodel --prototxt XXX.prototxt --MNNModel XXX.XX --bizCode XXX

例如：

./MNNConvert -f CAFFE --modelFile path/to/mobilenetv1.caffemodel --prototxt path/to/mobilenetv1.prototxt --MNNModel model.mnn --bizCode MNN

查看版本号

./MNNConvert --version

MNNDump2Json

将 MNN 模型二进制文件 dump 成可读的类 JSON 格式文件，以方便对比原始模型参数。

PyTorch 模型转换

使用 PyTorch 的 onnx.export 接口转换为 ONNX 模型文件：

import torch
import torchvision

dummy_input = torch.randn(10, 3, 224, 224, device='cuda')
model = torchvision.models.alexnet(pretrained=True).cuda()

input_names = ["actual_input_1"] + ["learned_%d" % i for i in range(16)]
output_names = ["output1"]

torch.onnx.export(model, dummy_input, "alexnet.onnx", verbose=True, input_names=input_names, output_names=output_names, do_constant_folding=True)

然后将 ONNX 模型文件转换为 MNN 模型：

./MNNConvert -f ONNX --modelFile alexnet.onnx --MNNModel alexnet.mnn --bizCode MNN