在了解了caffe模型的结构和ONNX的结构后,我用python写了一个caffe转onnx的小工具,现只测试了resnet50、alexnet、yolov3的caffe模型和onnx模型推理结果,存在误差,但是在可接受范围内。本工具在转换模型的时候是不需要配置caffe的,只需要安装好protobuf即可。在进行推理测试的时候才需要配置好pycaffe。
新版简介
前面写过的那版caffe2onnx的工具,由于对参数数据有很多多余的操作,会导致如vgg16这种参数量较大的模型难以转换,因此在读取参数的同时就将其转为tensor和tensor value info,并且在每个算子节点构建的时候直接转为onnx中NodeProto的类型。
caffe-onnx代码
结构
src: 主要代码,包括OPs、caffe2onnx.py、c2oObject.py、load_save_model.py、op_layer_info.py。
caffemodel: 存放caffe模型,其中有为了测试用准备的caffe模型。
onnxmodel: 默认存放onnx模型的路径。
proto: 存放proto文件,caffe_pb2.py为官方caffe.proto编译产生的,caffe_upsample_pb2.py为我为了读取yolov3中upsample层,自行修改caffe.proto文件后编译产生的。
convert2onnx: 运行caffe模型转onnx模型文件。
使用方法
git clone https://github.com/htshinichi/caffe-onnx.git
cd caffe-onnx
usage: convert2onnx.py [-h] [CNP] [CMP] [ON] [OSP]
positional arguments:
CNP caffe's prototxt file path
CMP caffe's caffemodel file path
ON onnx model name
OSP onnx model file saved path
默认值:
CNP default="./caffemodel/test/test.prototxt"
CMP default="./caffemodel/test/test.caffemodel"
ON default=“test”
OSP default="./onnxmodel/"
现在支持的算子 Current Support Operator
Convolution
Concat
Dropout
InnerProduct(Reshape+MatMul+Add)
LRN
Pooling
ReLU
Softmax
Eltwise
Upsample
BatchNorm
Scale
测试转换用模型 Test Caffe Model
- Resnet50
- AlexNet
- Agenet
- Yolo V3
- vgg16