SNPE模型转换(1)

一、简介

在SNPE中运行时，需要将Caffe、TensorFlow等模型转化为DLC模型，所以在此之前需要进行模型转换。接下来我们将对常见几种模型的转换进行介绍。

二、模型转换

Caffe、Caffe2模型转换：
机器学习框架具有用于存储神经网络模型的特定格式。 SNPE通过将它们转换为框架中立的深度学习容器（DLC）格式来支持这些各种模型。 SNPE运行时将DLC文件用于神经网络的执行。

将模型从Caffe转换为DLC：
经过训练的Caffe模型包括：
具有网络定义的Caffe prototxt文件（net_definition.prototxt）
具有权重和偏差的Caffe二进制原型文件（trained_model.caffemodel）
snpe-caffe-to-dlc工具将Caffe模型转换为等效的SNPE DLC文件。 以下命令会将AlexNet Caffe模型转换为SNPE DLC文件：
snpe-caffe-to-dlc --caffe_txt $SNPE_ROOT/models/alexnet/caffe/deploy.prototxt
–caffe_bin $SNPE_ROOT/models/alexnet/caffe/bvlc_alexnet.caffemodel
–dlc alexnet.dlc
可以通过遵循“获取AlexNet”教程来获取AlexNet模型文件。

将模型从Caffe2转换为DLC
经过训练的Caffe2模型包括：
具有网络定义的二进制protobuf文件
具有权重和偏差的二进制protobuf文件
snpe-caffe2-to-dlc工具将Caffe2模型转换为等效的SNPE DLC文件。 以下命令会将AlexNet Caffe2模型转换为SNPE DLC文件。
snpe-caffe2-to-dlc --predict_net predict_net.pb
–exec_net exec_net.pb
–input_dim data 1,3,227,227
–dlc alexnet.dlc

可以从Github上的Caffe2项目获得AlexNet模型文件。

TensorFlow模型转换：
经过训练的TensorFlow模型包含冻结的TensorFlow模型（PB文件）或一对检查点和图元文件的任一内容。
snpe-tensorflow-to-dlc工具将冻结的TensorFlow模型或图元文件转换为等效的SNPE DLC文件。 以下命令会将Inception v3 TensorFlow模型转换为SNPE DLC文件：
snpe-tensorflow-to-dlc --graph $SNPE_ROOT/models/inception_v3/tensorflow/inception_v3_2016_08_28_frozen.pb
–input_dim input “1,299,299,3” --out_node “InceptionV3/Predictions/Reshape_1” --dlc inception_v3.dlc
–allow_unconsumed_nodes

TensorFlow图和SNPE层映射：
像许多其他神经网络运行时引擎一样，SNPE使用层作为构建块来定义神经网络的结构。 另一方面，TensorFlow将神经网络定义为节点图，并将层定义为图中的一组节点。考虑到这一点，为了将TensorFlow图正确转换为SNPE DLC文件，定义TensorFlow图时必须满足以下要求：
1、属于一个层的所有节点必须在唯一的TensorFlow范围内定义。
2、一个节点只能属于一个图层。
默认情况下，snpe-tensorflow-to-dlc转换器使用严格的层解析算法，该算法要求将Tensorflow图中的所有节点解析为一个层。 如果图形包含与图层无关的节点（例如训练节点），则可能需要使用“ allow_unconsumed_nodes”转换器选项。

Tensorflow图兼容性：
以下各节描述了Tensorflow图操作的哪些拓扑与每个SNPE支持的层兼容。

卷积：

三、总结

在本篇文章中，我们对TensorFlow和Caffe的模型转化进行了介绍，下面我们将继续对SNPE的模型转化进行探索。