一、安装caffe和TensorFlow
安装caffe和TensorFlow,本文用的python接口。安装方法参见网络其他教程。
二、安装mmdnn
源码下载地址:https://github.com/Microsoft/MMdnn ,下载后解压,进入目录,运行:python setup.py install 进行安装。或者直接下载release版本,使用pip install mmdnn-0.2.1-py2.py3-none-any.whl 这里以0.2.1版本为例。
三、下载caffe预训练模型
1.运行:mmdownload -f caffe
查看支持的模型:
Support frameworks: ['resnet50', 'resnet101', 'voc-fcn8s', 'inception_v4', 'voc-fcn16s', 'squeezenet', 'alexnet', 'inception_v1', 'resnet152', 'xception', 'vgg16', 'vgg19', 'voc-fcn32s']
2. 运行:mmdownload -f caffe -n resnet152 -o ./
下载模型,一般比较慢
直接在:http://data.mxnet.io/models/imagenet/test/caffe下载resnet152-deploy.prototxt和resnet152.caffemodel文件
四、转换模型
1. 转换到IR文件
mmtoir -f caffe -n resnet152-deploy.prototxt -w resnet152.caffemodel -o caffe_resnet_IR(注意修改下载的文件名和命令中的一致),若成功会产生caffe_resnet_IR.json(709KB),caffe_resnet_IR.pb(67KB)和caffe_resnet_IR.npy(347MB)三个文件
2.IR转到TensorFlow模型pb文件
运行命令:
mmtocode -f tensorflow --IRModelPath caffe_resnet_IR.pb --IRWeightPath caffe_resnet_IR.npy --dstModelPath tf_resnet152.py ,若运行成功会产生tf_resnet152.py文件。
在当前目录下新建tf_resnet15文件夹
运行命令:python -m mmdnn.conversion.examples.tensorflow.imagenet_test -n tf_resnet152.py -w caffe_resnet_IR.npy --dump tf_resnet152 ,若成功,在tf_resnet152文件夹下会有savemodel.pb文件和variables文件夹。