X2Paddle支持将其余深度学习框架训练得到的模型，转换至PaddlePaddle模型。
##CPU版本安装命令pipistall-fhttps://paddlepaddle.org.c/pip/oschia/cpupaddlepaddle##GPU版本安装命令pipistall-fhttps://paddlepaddle.org.c/pip/oschia/gpupaddlepaddle-gpu环境依赖pytho>=3.5paddlepaddle>=1.5.0
以下依赖只需对应安装自己需要的即可转换tesorflow模型：tesorflow==1.14.0转换caffe模型：caffe==1.0.0转换ox模型：ox==1.5.0pytorch==1.1.0
安装安装方式一（推荐）使用最新的代码版本，可使用如下方式进行安装
pipistallgit+https://github.com/PaddlePaddle/X2Paddle.git@develop安装方式二我们会定期更新pip源上的x2paddle版本
pipistallx2paddle安装方式三gitcloehttps://github.com/PaddlePaddle/X2Paddle.gitcdX2Paddlegitcheckoutdeveloppythosetup.pyistall使用方法TesorFlowx2paddle--framework=tesorflow--model=tf_model.pb--save_dir=pd_modelCaffex2paddle--framework=caffe--prototxt=deploy.proto--weight=deploy.caffemodel--save_dir=pd_modelONNXx2paddle--framework=ox--model=ox_model.ox--save_dir=pd_model参数选项参数 --framework源模型类型(tesorflow、caffe、ox)--prototxt当framework为caffe时，该参数指定caffe模型的proto文件路径--weight当framework为caffe时，该参数指定caffe模型的参数文件路径--save_dir指定转换后的模型保存目录路径--model当framework为tesorflow/pmmx时，该参数指定tesorflow的pb模型文件或ox模型路径--caffe_proto[可选]由caffe.proto编译成caffe_pb2.py文件的存放路径，当存在自定义Layer时使用，默认为Noe使用转换后的模型转换后的模型包括model_with_code和iferece_model两个目录。model_with_code中保存了模型参数，和转换后的pytho模型代码iferece_model中保存了序列化的模型结构和参数，可直接使用paddle的接口进行加载，见load_iferece_model
评论