“一生费城七六人”
- 1. conda装paddle环境
- 1.1 验证是否装好
- 2. x2paddle
- 2.1 介绍
- 2.2 安装
- 3 模型转换
- 3.1 pt -> onnx
- 3.2 onnx > .pdparams
- 3.2.1 会出现的错误情况
- 3-1. 第一种情况
- 3-2. 第二种情况
- 4. 查看结果
- 5. 其他模型
- 6. 终极解法
- 问题阐述：将yoloV5项目移至paddle框架下执行时，会发现飞桨的框架不支持pytorch框架(即yoloV5)，具体表现为paddle框架需要的模型后缀为.pdparams，而原模型为.pt格式。
- 做法是，.pt --> .onnx --> .pdparams
- 这里是已经在yoloV5下训练好的模型，转成.pdparams即可。例训练好的模型为：plate_detect.pt
1. conda装paddle环境
conda create -n paddle_env python=3.9
conda activate paddle_env
# conda设置为清华源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
# 安装paddlepaddle的gpu版本及cudakittool（gpu版本可以使用cpu）
# 但是这里不是最新版本的，最新版本上官网
conda install paddlepaddle-gpu==2.0.2 cudatoolkit=10.2 --channel https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/Paddle/
# 已有numpy，此处安装PIL或matplotlib或OpenCV用于图片显示
pip install nibabel
conda install opencv
# 安装anaconda基本库，速度有慢，报错信息，只要不停止，一直等待即可
# 这一步时间较久
conda install anaconda
# 安装paddleseg
pip install paddleseg -i https://mirror.baidu.com/pypi/simple安装过程如下，成功截图见下下张
1.1 验证是否装好
- 输入python进入环境
python- 导入paddle
import paddle- 键入如下代码，查看是否成功
paddle.utils.run_check()出现successfully,即为成功
2. x2paddle
2.1 介绍
X2Paddle 是飞桨生态下的模型转换工具, 目前已经支持 Caffe/TensorFlow/ONNX/PyTorch 四大框架的预测模型的转换，PyTorch 训练项目的转换，涵盖了目前市面主流深度学习框架,一条命令即可完成转换。
2.2 安装
pip install x2paddle3 模型转换
- 以下操作均在yolov5环境下执行。
本例选用yoloV5训练好的.pt模型，转换为paddle框架能使用的.pdparams模型。
3.1 pt -> onnx
- 安装onnx, onnxruntime, paddle, x2paddle
pip install onnx -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install onnxruntime -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple
pip install x2paddle -i https://mirror.baidu.com/pypi/simple- 命令行操作如下：
python ./export.py --weights plate_detect.pt --img 640 --batch 1参数说明：
data: 数据集yaml文件路径
weights:自己的模型路径
imgsz:图片尺寸
batch-size:默认为1，不用更改
device：运行设备，若cpu，则直接写cpu，若gpu，则写0或0,1,2,3
half: 半精度，建议改为False，否则转换inference模型时会出错
dynamic:建议改为False
simplify:建议为True
opset:onnx协议，建议改为11或12
include:列表形式，储存你需要转换的模型后缀，支持torchscript, onnx, engine, coreml, saved_model, pb, tflite, tfjs- 出现如下界面表示成功。
ONNX export success. saved as …。现在就已经有了onnx模型。默认和原模型同名称，同路径。
3.2 onnx > .pdparams
可以从三种框架下转成paddle下需要的模型，一句话搞定，具体如下:
x2paddle --framework=onnx --model=onnx_model.onnx --save_dir=pd_model #从onnx时
x2paddle --framework=tensorflow --model=tf_model.pb --save_dir=pd_model #从tensorflow时
x2paddle --framework=caffe --prototxt=deploy.prototxt --weight=deploy.caffemodel --save_dir=pd_model #从caffe时此处是从onnx转，运行第一句即可。其中的命令参数如下:
–freamework 需要转换的模型类型（即tensorflow、onnx、caffe）
–model 需要转换的模型路径
–save_dir 保存转换后的模型路径
–prototxt caffe模型的proto文件路径
–weight caffe模型的参数文件路径执行如下语句开始导出：(paddle_inference是我自己建的文件夹)
x2paddle --framework=onnx --model=plate_detect.onnx --save_dir=paddle_inference如下界面导出成功
3.2.1 会出现的错误情况
3-1. 第一种情况
- onnx的版本最新 和 paddlepaddle最新版本 的依赖protobuf有冲突。问题如下：
- 大体就是组件冲突，翻译最下边两行就是问题原因，方法简单，降级onnx版本适应paddlepaddle的依赖版本就行。这里我paddlepaddle==2.4.2，将onnx降级为1.11.0即可。运行如下代码：
pip install onnx==1.10.0 -i https://mirror.baidu.com/pypi/simple3-2. 第二种情况
The opset version of the onnx model is 12, only model with opset_version 10/11 is supported.
- 这应该是yolov5自带的export.py导出的onnx模型是12版本导致的。
这个时候需要打开yolov5下的export.py文件，找到参数设置里的如下句子：parser.add_argument('--opset', type=int, default=12, help='ONNX: opset version')它说12有问题，就换11呗,11还不行就一直下降，我这儿降低到9才好，执行如下语句（搜索一下，应该在97行）
parser.add_argument('--opset', type=int, default=11, help='ONNX: opset version')然后删除那个onnx模型重新执行python export.py即可。
4. 查看结果
上边导出的paddle_inference文件夹下有如下文件和文件夹。
- 下面进行一一说明
- inference_model文件夹： 就是我们需要的推理模型。
- x2paddle_code.py： 转换后paddlepaddle构建的模型文件。
- model.pdparams： 模型文件的权重（不是推理模型权重）
5. 其他模型
其他模型topaddle的时候, x2paddle都可以代劳，但是tensorflow2.0模型需要经过一个中间步骤onnx，因为paddle还不支持对.pb模型的直接转换，详见
所有模型转paddle官方文档
6. 终极解法
现在是2023-5-27，好像yolo已经集成了很多模型在export里边，包含但不限于torchscript, onnx, openvino, engine, coreml, saved_model, pb, tflite, edgetpu, tfjs, paddle,而且导出之后直接是paddleinfer格式。
本文章为转载内容，我们尊重原作者对文章享有的著作权。如有内容错误或侵权问题，欢迎原作者联系我们进行内容更正或删除文章。
