常见深度学习模型文件后缀及MindSpore模型文件导出方法

 1. 常见深度学习模型文件后缀

常见深度学习模型文件后缀如下：

• ONNX (.onnx, .pb, .pbtxt)
• Keras (.h5, .keras)
• CoreML (.mlmodel)
• Caffe2 (predict_net.pb, predict_net.pbtxt)
• MXNet (.model, -symbol.json)
• TensorFlow Lite (.tflite)
• Caffe (.caffemodel, .prototxt)
• PyTorch (.pth)
• Torch (.t7)
• CNTK (.model, .cntk)
• PaddlePaddle(__model__)
• Darknet (.cfg)
• scikit-learn (.pkl)
• TensorFlow.js (model.json, .pb)
• TensorFlow (.pb, .meta, .pbtxt)
• MindSpore (MinIR, AIR, ONNX)

2. MindSpore框架下模型文件导出方法及后缀 

在使用MindSpore进行模型训练过程后，如果想继续在不同硬件平台上做推理，可通过网络和CheckPoint格式文件生成对应的MINDIR、AIR和ONNX格式文件。

• MINDIR：MindSpore框架的一种基于图表示的函数式IR，其最核心的目的是服务于自动微分变换，目前可用于MindSpore Lite端侧推理。
• AIR：全称Ascend Intermediate Representation，类似ONNX，是华为定义的针对机器学习所设计的开放式的文件格式，能更好地适配Ascend AI处理器。
• ONNX：全称Open Neural Network Exchange，是一种针对机器学习所设计的开放式的文件格式，用于存储训练好的模型。

以下通过实例来介绍保存CheckPoint格式文件和导出MINDIR、AIR和ONNX格式文件的方法。

 2.1 导出MindIR格式文件方法

保存了CheckPoint文件后，如果想继续在MindSpore Lite端侧做推理，需要通过网络和CheckPoint生成对应的MINDIR格式模型文件。当前支持基于静态图，且不包含控制流语义的推理网络导出。导出该格式文件的代码样例如下：

（注意：以下操作都需要提前安装MindSpore工具包）

from mindspore.train.serialization import export

import numpy as np

resnet = ResNet50()

# return a parameter dict for model

param_dict = load_checkpoint("resnet50-2_32.ckpt")

# load the parameter into net

load_param_into_net(resnet, param_dict)

input = np.random.uniform(0.0, 1.0, size=[32, 3, 224, 224]).astype(np.float32)

export(resnet, Tensor(input), file_name='resnet50-2_32.mindir', file_format='MINDIR')

建议使用.mindir作为MINDIR格式文件的后缀名。

2.2 导出AIR格式文件方法

如果想继续在昇腾AI处理器上做推理，需要通过网络和CheckPoint生成对应的AIR格式模型文件。导出该格式文件的代码样例如下：

from mindspore.train.serialization import export

import numpy as np

resnet = ResNet50()

# return a parameter dict for model

param_dict = load_checkpoint("resnet50-2_32.ckpt")

# load the parameter into net

load_param_into_net(resnet, param_dict)

input = np.random.uniform(0.0, 1.0, size=[32, 3, 224, 224]).astype(np.float32)

export(resnet, Tensor(input), file_name='resnet50-2_32.air', file_format='AIR')

使用export接口之前，需要先导入mindspore.train.serialization。input用来指定导出模型的输入shape以及数据类型。

建议使用.air作为AIR格式文件的后缀名。

2.3 导出ONNX格式文件方法

如果想继续在昇腾AI处理器、GPU、CPU等多种硬件上做推理，需要通过网络和CheckPoint生成对应的ONNX格式模型文件。导出该格式文件的代码样例如下：

 

from mindspore.train.serialization import export

import numpy as np

resnet = ResNet50()

# return a parameter dict for model

param_dict = load_checkpoint("resnet50-2_32.ckpt")

# load the parameter into net

load_param_into_net(resnet, param_dict)

input = np.random.uniform(0.0, 1.0, size=[32, 3, 224, 224]).astype(np.float32)

export(resnet, Tensor(input), file_name='resnet50-2_32.onnx', file_format='ONNX')

建议使用.onnx作为ONNX格式文件的后缀名。