onnx转tensorflow的pb格式(已解决生成的pb文件是一个文件夹的问题)

最新推荐文章于 2024-10-10 08:48:19 发布
最新推荐文章于 2024-10-10 08:48:19 发布
阅读量2.6k 收藏 14
点赞数 1
分类专栏： FPGA学习笔记 文章标签： 深度学习 tensorflow python
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.csdn.net/qq_42870876/article/details/115319417
版权

onnx转pb这个问题把我卡了几天了，用网上的办法转换过，生成的pb文件都是一个文件夹的形式，最终发现是onnx-tf的版本问题，需要把onnx-tf的1.7.0版本换成1.6.0即可解决问题。

这一步之前请先安装：Tensorflow、tensorflow-addons、onnx

我的版本如下：
onnx 1.8.1
onnx-tf 1.6.0
tensorflow 2.4.1
tensorflow-addons 0.12.1

如果有旧版本的先请卸载旧的onn-tf：

pip uninstall  onnx-tf

onnx-tf的1.6.0版本在这里下载：
https://github.com/onnx/onnx/releases/tag/v1.6.0
github上不去的话我这也有百度云可以下：
链接：https://pan.baidu.com/s/1ETbi-fI1ke1lfWQ0oT8LbA
提取码：1234

在这里插入图片描述
下载以后cmd进入终端，运行setup.py进行安装

python setup.py install

安装完成以后可以看一下自己的版本号：
在这里插入图片描述
全部安装好了以后直接在终端转换就可以啦：

onnx-tf convert -i runs/train/exp5/weights/best.onnx -o runs/train/exp5/weights/yolov5_orange.pb

（注：runs/train/exp5/weights/best.onnx 换成自己保存的onnx文件 和runs/train/exp5/weights/yolov5_orange.pb 换成自己想保存的位置和pb文件的名字 ）

生成成功啦：
在这里插入图片描述

pytorch 模型转onnx；onnx再转pb
weixin_42357472的博客
04-16 1525
1、pytorch 模型转onnx import torchvision import torch.onnx import torch.nn as nn # Standard ImageNet input - 3 channels, 224x224, # values don't matter as we care about network structure. # But they can also be real inputs. dummy_input = torch.randn(1, 3, 22
深度解析ML.NET与TensorFlow在C++中的图片分类实现
qq_38334677的博客
06-01 83
图片分类是计算机视觉中的一项基本任务，旨在将输入图片分配到一个预定义的类别标签。它在很多领域都有应用，如自动驾驶、医疗影像分析、面部识别等。实现图片分类的关键在于构建一个能够识别图片特征并进行分类的模型。ML.NET是微软开发的一个跨平台、开源的机器学习框架，旨在使.NET开发者能够轻松地将机器学习集成到他们的应用程序中。ML.NET提供了丰富的API和工具，支持多种机器学习任务，包括分类、回归、聚类、异常检测等。
onnx模型转tensorflow模型
热门推荐
NEVERGUVEIP的博客
03-20 1万+
ONNX是开源神经网络交换平台，有了它基本上不用纠结用什么深度学习框架的问题了。我现在记录一下怎么将onnx模型转换成tensorflow模型。 1、安装tensorflow和onnx 我是通过Anaconda安装的。【详情】这个博客记载了安装Anaconda和onnx的详情，安装好Anaconda后，至于安装tensorflow只需要输入【conda install tensorflow】就...
探索ONNX与TensorFlow的桥梁：ONNX-TensorFlow项目推荐
最新发布
gitblog_00976的博客
10-10 617
探索ONNX与TensorFlow的桥梁：ONNX-TensorFlow项目推荐 项目地址:https://gitcode.com/gh_mirrors/on/onnx-tensorflow 项目介绍 在机器学习和深度学习领域，模型的互操作性是一个关键问题。为了解决这一问题，Open Neural Network Exchange (ONNX) 应运而生，它是一个开放的标准格式，用于表示机器学习模...
onnx模型转tensorflow的pb格式
Oliver_jiang的博客
08-26 7412
onnx模型转tensorflow的pb格式 遇到了很多坑，最常见的就是少了什么模块，或某个模块没有啥属性， 如: module ‘tensorflow’ has no attribute ‘ceil’ 记录一下现在转换成功的方式， 首先：git clone https://github.com/onnx/onnx-tensorflow.git 之后在终端安装： pip install -e. pip install tensorflow-addons 都安装好了后就可以直接在终端转换了： onnx-tf
tensorflow | onnx模型转pb
weixin_66442839的博客
03-27 620
tensorflow | onnx模型转pb
pytorch保存的pth模型通过onnx转换成pb模型记录
xywy2008的专栏
04-02 4553
pytorch保存的pth模型通过onnx转换成pb模型记录 一、pth转onnx 主要采用torch.onnx.export() 函数。 pytorch保存的模型有两种，一种是包含网络结构的，一种是不包含网络结构只有权重参数的。对于第一种加载模型后，直接转换即可。对于第二种，需要先实例化模型结构，然后pth文件加载权重参数，然后用torch.onnx.export() 进行转换。 本人转换的模型是最新开源的车道线检测算法RESA，项目地址是https://github.com/ZJULearnin
机器学习实践：onnx模型转为Tensorflow2的pb模型2020
yuetan的博客
12-18 1746
安装Tensorflow，如果已安装则检查 Tensorflow版本是否大于2.3.1 安装tensorflow-addons 从源码安装最新的onnx(2020/12),参考git 将YoloV5中的torch pt模型输出为onnx模型，参考git 将onnx转化为tf的pb模型 import onnx, onnxruntime from onnx_tf.backend import prepare import torch import numpy as np impor..
PINTO_model_zoo：一个共享TensorFlow Keras生成的经过训练的模型的调整结果的存储库。 训练后量化（权重量化，整数量化，完全整数量化，Float16量化），量化意识训练。 TensorFlow Lite。 OpenVINO。 CoreML。 TensorFlow.js。 TF-TRT。 MediaPipe。 ONNX。 [.tflite，.h5，.pb，saved_model，tfjs，t​​ftrt，mlmodel，.xml.bin，.onnx]
02-06
使用模型之前，请阅读每个文件夹正下方的LICENSE文件的内容。 我的模型转换脚本是根据MIT许可证发布的，但是源模型本身的许可证受提供者存储库的许可证约束。 共享Tensorflow生成的经过训练的模型的调整结果的存储...
TensorFlow学习记录：saved_model模块的用法
weixin_41137655的博客
08-14 9756
TensorFlow中的saved_model模块用于生成冻结图文件，并且saved_model模块封装了平常用的Saver类。与Saver类不同的是，saved_model模块生成的模型文件集成了打标签的操作，可以更方便地部署在生产环境中。 关于为什么要用saved_model模块，这篇文章讲得挺好的。请点击这里 一个saved_model对象可以存储一个或多个MetaGraphDef。那什么时...
深度学习的数据格式转换（mobilenet+ssd,centernet）
sinat_37114941的博客
01-08 2353
深度学习的数据格式转换（mobilenet+ssd,centernet） 初步生成VOC2012数据集 1、数据标注 有目标的图片标注 应用labelImg对图片进行标注 下载链接：https://github.com/tzutalin/labelImg 背景图片的标注 应用以下代码，自动生成无标注目标的xml文件 参考链接：https://www.jianshu.com/p/5b2254fdf8...
tensorflow-onnx：将TensorFlow模型转换为ONNX
02-06
tf2onnx-将TensorFlow模型转换为ONNX。 构建类型 操作系统 Python 张量流 Onnx Opset 状态 单元测试-基本 Linux，MacOS * ，Windows * 3.6、3.7、3.8 1.12-1.15、2.1-2.4 7-13 单元测试-完整 Linux，MacOS，Windows 3.6、3.7、3.8 1.12-1.15、2.1-2.4 7-13 支持的版本 ONNX tensorflow-onnx将使用系统上安装的ONNX版本，如果未找到，则安装最新的ONNX版本。 我们支持ONNX opset-6至opset-13。 默认情况
tflite2onnx:将TensorFlow Lite模型（* .tflite）转换为ONNX
05-03
tflite2onnx-将TensorFlow Lite模型转换为ONNX tflite2onnx将TensorFlow Lite（TFLite）模型（ *.tflite ）转换为ONNX模型（ *.onnx ），并正确处理了数据布局和量化语义（有关详细信息，请*.onnx）。 强调 如果您想将TensorFlow模型（冻结图*.pb ， SavedModel或其他格式）转换为ONNX，请尝试 。 或者，您可以先将其为TFLite（ *.tflite ）模型，然后再将TFLite模型转换为ONNX。 微软在tf2onnx实现了另一个TensorFlow Lite至ONNX模型转换器（我们于2020年5月开源tflite2onnx ）。 tf2onnx似乎能够像我们一样转换量化，并且似乎能够转换尚不支持的RNN网络。 如果tflite2onnx缺少任何功能，请尝试tf2onnx --t
Python-ONNX模型转换工具目前已支持KerasCoreMLLightGBMScikitLearn
08-11
ONNXMLTools enables conversion of models to ONNX. Currently supports Keras, CoreML, LightGBM and Scikit-Learn
如何将自己训练的yolov3网络转化为openvino的IR格式
weixin_41105274的博客
07-28 1617
如何将自己训练的yolov3网络转化为openvino的IR格式 接着上一篇文章继续（后续会附上链接，这里只是记述一下） 这里有必要解释一下： （1）因为选用的是kears的yolov3算法实现，训练模型保存的是*.h5格式，由于openvino不支持*.h5格式的模型直接转换成IR模型,需要先把*.h5转换成其他格式,比如pb、onnx（听说现在最新版本的openvino好像支持了，不过没尝试）,再转换成IR，这里选择转换成tf的pb模型，再转换成IR模型。 （2）如果想在 Intel OpenVINO
onnx模型转pb模型踩坑记录
Christo的博客
06-12 1349
方法1 import onnx from onnx_tf.backend import prepare onnx_input_path = './models/model.onnx' pb_output_path = './models/model.pb' onnx_model = onnx.load(onnx_input_path) # load onnx model tf_exp = prepare(onnx_model) # prepare tf representation tf_exp.ex
模型转换：pytorch模型转onnx, onnx转tensorflow, tensorflow转tflite
Hello Word!
08-19 4008
pass
pth转onnx再转pb(resa模型为例)
qq_45013882的博客
02-08 650
pth转onnx 以下转onnx代码参考https://blog.csdn.net/xywy2008/article/details/115400323 import os import torch import argparse import json import torch from models.resa import RESANet from utils.config import Config from datasets import build_dataloader def loa.
onnx转tensorflow
05-16
要将ONNX模型转换为TensorFlow模型，可以使用ONNX-TF工具包。可以按照以下步骤进行转换： 1. 安装ONNX-TF工具包：使用以下命令安装：`pip install onnx-tf` 2. 将ONNX模型转换为TensorFlow模型：使用以下命令进行转换：`onnx-tf convert -i input.onnx -o output.pb` 其中，`input.onnx`是输入的ONNX模型路径，`output.pb`是输出的TensorFlow模型路径。 3. 加载和使用TensorFlow模型：使用以下代码加载和使用转换后的TensorFlow模型： ```python import tensorflow as tf # 加载模型 with tf.io.gfile.GFile('output.pb', 'rb') as f: graph_def = tf.compat.v1.GraphDef() graph_def.ParseFromString(f.read()) tf.import_graph_def(graph_def, name='') # 运行模型 with tf.Session() as sess: input_tensor = sess.graph.get_tensor_by_name('input_tensor:0') output_tensor = sess.graph.get_tensor_by_name('output_tensor:0') output = sess.run(output_tensor, feed_dict={input_tensor: input_data}) ``` 其中，`input_tensor`和`output_tensor`分别是输入和输出的张量，`input_data`是输入数据。
评论 2
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