caffe不支持relu6_模型迁移必备-如何将TensorFlow、Caffe模型转移到PaddlePaddle

自从百度2018年推出飞桨（PaddlePaddle）的第一个0.14版本后，不少开发者感兴趣并参与贡献其中，但一直存在代码转移的问题。比如，你有一项工作使用TensorFlow完成，简答粗暴地切换到PaddlePaddle平台几乎相当于把之前的代码重写一遍，等于做一次没什么意义的二次开发。而笔者的工作中就遇到了这个问题，直到我发现了X2Paddle。

X2Paddle是一个用于支持将除Paddle以外的其他框架训练的模型转换至PaddlePaddle模型的工具，深度学习的应用分为训练和预测两部分。由于项目需求，需要将TensorFlow模型转到Paddle上跑，查阅资料中发现了这个工具。

1/ 快速上手

首先安装和配置好X2Paddle。这个过程非常简单，我把它放在文末，你仍然可以在文末的系统兼容性板块找到配置方法。

注意，使用conda的小伙伴可能找不到conda，这时候你应该去.bashrc添加一下，使用类似的命令：
echo 'export PATH="XXXX:$PATH" >> ~/.bashrc
source ~/.bashrc

配置好以后，不说废话。TensorFlow用户可以这样转换模型：

x2paddle --framework=tensorflow --model=你的TensorFlow模型.pb --save_dir=你转换后的PaddlePaddle模型目录

但是在转换语义分割模型时目前还不支持其他框架训练出来的模型，官方给的建议是直接用官方的模型跑：PaddlePaddle/PaddleSeg

同样的代码适用于Caffe：

x2paddle --framework=caffe --prototxt=deploy.prototxt --weight=deploy.caffemodel --save_dir=pd_model

传统ONNX规范也是被支持的：

x2paddle --framework=onnx --model=onnx_model.onnx --save_dir=pd_model

转换后的模型包括model_with_code和inference_model两个目录，前者是转换后的Python源代码，后者就是可以直接用存储预测模型save_inference_model和加载预测模型load_inference_model两个接口处理的目标。

目前官方还在不断更新ops，如果发现一些比较新的还没支持，建议随时更新一下X2Paddle可能有帮助。

偶尔会遇到Unknown shape for input tensor[tensor name: "input"]， Please define shape of input here的提示，手动给出即可，问题不大，不慌。

---

2/ 作为托底方案的API对照表

在探索的过程中，我发现一个API对应的表格。PaddlePaddle目前把常用的，绝大多数的TensorFlow API全部做了转换文档，可以用来对着改。

埋伏他一手，这个表我用不到，他输定了

在这个表格里，如果两者的功能没有差异，则会标注功能一致，如果功能、参数有差异，后面就会跟着比较详细的注明。（如图）

PaddlePaddle/X2Paddle

---

3/ 兼容性和总结

我在X86的Ubuntu 18.04@Python 3.7.1上运行了X2Paddle转换我的TensorFlow分类模型，损失精度在可接受范围内。感觉非常方便，省了好多时间。主要是 调试的精力 。

但是X2Paddle尚未支持Torch？（我也想不用torch，但实习的组全套的torch）Torch有许多用户，甚至有媒体统计CVPR论文Torch数量是TF四倍。貌似这段时间大火的TensorFlow 2.0也还没有被支持，由于2.0比1.0易用性有较大提升。很多同学朋友一开始只学了2.0。而未来2.0是趋势（万一反压torch一头呢？）。

总结一句，希望这样的工具越来越多。目前的开源框架开发者主要关注的还是社区，社区的敏捷和贡献度直接决定了新手友好程度。而X2Paddle解决了最后1km的问题，即便开发者使用其他框架也可以被支持。同时Paddle2ONNX的给出也解决了从国产到国际的第二步，传统的界限将被打破，未来优势将越来越明显。

---

引用

1. PaddlePaddle/X2Paddle
2. 工具组件 模型转换工具X2Paddle操作大全
3. 如何理解百度飞桨paddleX的产品定位？
4. 飞桨PaddlePaddle：模型转换工具X2Paddle操作大全