openvino2tensorflow：简化ONNX到TensorFlow的转换

白羿锟

于 2024-09-10 10:05:45 发布

阅读量288

点赞数 4

本文链接：https://blog.csdn.net/gitblog_00595/article/details/142089535

版权

openvino2tensorflow：简化ONNX到TensorFlow的转换

openvino2tensorflowThis script converts the ONNX/OpenVINO IR model to Tensorflow's saved_model, tflite, h5, tfjs, tftrt(TensorRT), CoreML, EdgeTPU, ONNX and pb. PyTorch (NCHW) -> ONNX (NCHW) -> OpenVINO (NCHW) -> openvino2tensorflow -> Tensorflow/Keras (NHWC/NCHW) -> TFLite (NHWC/NCHW). And the conversion from .pb to saved_model and from saved_model to .pb and from .pb to .tflite and saved_model to .tflite and saved_model to onnx. Support for building environments with Docker. It is possible to directly access the host PC GUI and the camera to verify the operation. NVIDIA GPU (dGPU) support. Intel iHD GPU (iGPU) support.项目地址:https://gitcode.com/gh_mirrors/op/openvino2tensorflow

项目介绍

openvino2tensorflow 是一个专为那些缺乏从ONNX到TensorFlow转换技能的用户设计的工具。尽管该项目仍在开发中，存在一些bug，但它比直接使用OpenVINO进行转换要简单得多。该工具的主要目的是解决 onnx-tensorflow 中大规模的Transpose外推问题。通过 openvino2tensorflow，用户可以将ONNX/OpenVINO IR模型转换为TensorFlow的 saved_model、tflite、h5、tfjs、tftrt（TensorRT）、CoreML、EdgeTPU、ONNX和 pb 格式。

项目技术分析

openvino2tensorflow 支持多种深度学习框架的模型转换，包括PyTorch、Caffe、MXNet和Keras。它能够处理从PyTorch（NCHW）到ONNX（NCHW）再到OpenVINO（NCHW）的转换，并最终输出TensorFlow/Keras（NHWC/NCHW）格式的模型。此外，该项目还支持使用Docker构建环境，并能够直接访问主机PC的GUI和摄像头以验证操作。

该项目使用了特殊定制的TensorFlow二进制文件和特殊定制的TensorFlow Lite二进制文件，以确保转换过程的稳定性和高效性。

项目及技术应用场景

openvino2tensorflow 适用于以下场景：

模型格式转换：从PyTorch、Caffe、MXNet等框架的模型转换为TensorFlow格式。
多平台部署：支持将模型转换为TFLite、TFJS、TF-TRT、CoreML、EdgeTPU等多种格式，便于在不同平台上部署。
模型优化：通过OpenVINO的优化，进一步提升模型的性能。
开发环境构建：支持使用Docker构建开发环境，简化环境配置的复杂性。

项目特点

简化转换流程：相比直接使用OpenVINO，openvino2tensorflow 提供了更简单的转换流程，降低了用户的学习成本。
多格式输出：支持多种输出格式，包括 saved_model、tflite、h5、tfjs、tftrt、CoreML、EdgeTPU、ONNX和 pb，满足不同平台的需求。
Docker支持：提供Docker环境构建支持，确保开发环境的统一性和可移植性。
特殊定制二进制文件：使用特殊定制的TensorFlow和TensorFlow Lite二进制文件，确保转换过程的稳定性和高效性。
持续更新：项目仍在积极开发中，不断修复bug并增加新功能，确保工具的持续改进。