MMdnn keras to Tensorflow

相关链接：
MMdnn
Keras README
TensorFlow README

逐步转换（用于调试）：

1.将模型（包括架构和权重）从Keras转换为IR
例子：

把cnn.h5和cnn.json转换生成了tf-cnn.json,tf-cnn.npy,tf-cnn.pb

命令： mmtoir -f keras -d tf-cnn -n cnn.json -w cnn.h5

转化成功：
可能出现的错误：

这个错误是因为 cnn.h5文件和cnn.json文件不匹配导致的。即不是同一套代码生成的。

2.将模型从IR转换为Tensorflow代码段
例子：mmtocode -f tensorflow --IRModelPath tf-cnn.pb --IRWeightPath tf-cnn.npy --dstModelPath tf-cnn.py


这个时候生成了tf-cnn.py
注意：会遇到这个问题，对照下面图片修改，3个地方即可。注意改axis = 1

3.将模型从IR转换为Tensorflow模型

例子： mmtomodel -f tensorflow -in tf-cnn.py -iw tf-cnn.npy -o tf_cnn --dump_tag SERVING



这时候生成了tf_cnn文件夹，tf_cnn文件夹里面有这variables和saved_model.pb两个文件

4.重用转换后的Tensorflow模型
如果要重新训练转换后的模型，可以在转换后的代码文件中将变量is_train从“False”更改为“True”，然后使用“–dump_tag TRAINING”将其转储。

export_dir = "./tf_resnet152"
with tf.Session(graph=tf.Graph()) as sess:
    tf.saved_model.loader.load(sess, [tf.saved_model.tag_constants.TRAINING], export_dir)

    x = sess.graph.get_tensor_by_name('input:0')
    y = sess.graph.get_tensor_by_name('xxxxxx:0')
    ......
    _y = sess.run(y, feed_dict={x: _x})

例子:mmtomodel -f tensorflow -in tf-cnn.py -iw tf-cnn.npy -o tf_cnn --dump_tag TRAINING

5.MMdnn的局限性：

把keras的CNN部分转换完后，后面加上RNN