pytorch实践,
目录概述PyTorch Caffe2torchvision(可选)ONNX(可选)MMdnn(可选)概述服务器环境：Ubuntu 16.04 Linux media 50 4。10 .0-30-通用世界协调时2017年8月2日星期三02:13:56 x86 _ 64 GNU/Linux
所用版本：(py火炬咖啡馆2)1。0 .0火炬视觉0。2 .1 ONNX 1。3 .0 MMdnn 0。2 .3
PyTorch咖啡：动态/灵活/简洁的神经网络/深度学习框架
咖啡2:多平台部署的轻量化深度学习框架
PyTorch
咖啡2
开源代码库上的py torch/咖啡2
PyTorch文档
咖啡2 API
安装指南
安装安装Python，OpenCV，numpy，具体步骤可参见谷歌
安装其他附加依赖项：
sudo apt-get更新sudo apt-get install-no-install-recommendes \ build-essential \ git \ lib Google-glog-dev \ lib imp-dev \ libleveldb-dev \ libopenmpi-dev \ libsnappy-dev \ libprotobuf-dev \ openmpi-doc \ proto buf-compiler \ python-pip sudo pip install \ future \ proto buf \ typing \ hypothesis # for Ubuntu 14.04安装库达和cuDNN，另本地重复文件删除辅助工具可选，具体步骤可参见谷歌或CUDA-cud nn-NCCL设置
注意：如果库达版本为8.0,则需要cuDNN 6.0，否则编译过程中会报错
编译安装PyTorch咖啡2:
饭桶克隆https://github.com/pytorch/pytorch.gitcd pytorchgit子模块更新-初始化-递归#复制文件至系统目录需要日本首藤权限sudo python setup.py安装测试测试是否安装成功：
CD ~ python-c import py torch 2/dev/null echo Success echo Failure CD ~ python-c 从caffe 2。python导入核心 2/dev/null echo 成功 echo 失败或
cd ~python从咖啡2.python导入框架导入核心注意：
切换目录是必要操作，因为源代码路径下已存在咖啡2路径
@ Ref[2]
不要将路径设置为您的构建文件夹
不要从pytorch/build目录pytorch根目录或上层目录运行大蟒
既然你有蟒蛇，你应该使用. scripts/build_anaconda.sh，它正确地将咖啡2安装到水蟒的大蟒中
@ Ref[3]
测试国家政治保卫局。参见OGPU支持：
CD $ py torch _ root CD caffe 2/python/operator _ test/python activation _ ops _ test。巴拉圭如有问题，运行后会在顶部提示[使用中央处理器而非GPU]、[缺失一些必要的库]等警告
其他常见问题另可参见：常见问题解答/故障排除帮助咖啡2
火炬视觉火炬视觉：自身独立但主要服务于PyTorch深度学习框架，用于生成图片、视频数据集，同时提供一些流行的模型类和预训练模型
针对计算机视觉的开源代码库数据集、变换和模型
安装sudo pip安装火炬视觉测试cd ~python导入火炬视觉ONNX开放神经网络交换(ONNX)格式
开放神经网络交换作为一种共享模型文件格式，为人工智能模型提供了一种开源格式
在不同的框架之间实现模型交互，并简化从研究到产品化的过程，以提高人工智能社区的创新速度
咖啡，火炬，微软认知工具包，Apache MXNet和其他一些框架都已支持开放神经网络交换
开放神经网络交换
开源代码库上的开放神经网络交换
安装sudo apt-get install proto buf-编译器lib协议-devsudo pip install onnx onnx-caffe 2测试cd ~python导入开放神经网络交换转换开放神经网络交换模型到咖啡2模型onnx-咖啡2绑定了一个壳命令将onnx转换为caffe2用于将开放神经网络交换模型转换为咖啡2模型：
$ convert-onnx-to-caffe 2模型。onnx-输出predict _ net。Pb-init-net-output init _ net。铅注意：
在开放神经网络交换格式中，参数和网络结构存储于同一个模型文件
在咖啡2中，通常存储于独立的两个文件init_net.pb(参数)和predict_net.pb(网络结构)
MMdnn MMdnn:一套能让用户在不同深度学习框架间做相互操作的工具，如模型的转换和可视化，可转换的模型格式包括咖啡，Keras，MXNet，Tensorflow，CNTK，PyTorch，ONNX和CoreML
MMdnn是一套帮助用户在不同深度学习框架之间互操作的工具，例如模型转换和可视化。在Caffe，Keras，MXNet，Tensorflow，CNTK，PyTorch，ONNX和CoreML之间转换模型。
开源代码库上的MMdnn安装#稳定版本udo pip安装mmdnn#最新版本udo pip安装-你去https://github.com/Microsoft/MMdnn.git@master测试cd ~python导入mmdnn简单使用示例mmdownload -h #显示帮助信息mm下载-f张量流-n resnet _ v2 _ 152-o ./mm转换-h #显示帮助信息mm convert-SF tensor flow-in imagenet _ resnet _ v2 _ 152。ckpt。meta-iw imagenet _ resnet _ v2 _ 152。ckpt-dst nodename MMdnn _ Output-df py torch-om TF _ resnet _ to _ PTH。甲状旁腺素用法：mm convert[-h][-src框架{ caffe，caffe2，cntk，mxnet，keras，tensor flow，TF，py torch }][-input weight输入权重][-input weight输入权重，-iw外部工具的模型权重文件的权重路径（例如咖啡权重原型二进制，H5二进制输入网络外部工具的模型网络文件的输入网络路径（例如caffe prototxt，keras json - dstFramework {caffe，caffe2，cntk，mxnet，keras，tensorflow，coreml，pytorch，onnx}，-df {caffe，caffe2，cntk- outputModel OUTPUTMODEL，-om OUTPUTMODEL保存目标模型的路径-dump _ tag {服务、训练}张量流模型转储类型注意：
在转换框架模型至其他格式时，一般需要额外指定-输入形状，如-输入形状224,224,3,否则容易转换失败
如果您想假设一个固定的输入形状，您可以使用"输入形状“like”输入形状224，224，3 "
希望能够对大家有所帮助~转载请注明出处~
返回页首
参考文献[1]咖啡2与PyTorch联手打造科研生产平台PyTorch 1.0
[2]常见问题解答/故障排除帮助咖啡2
[3][咖啡2]关键：根：无法加载咖啡2.python
[4]GitHub-ysh 329/深度学习模型转换器
[5] MMdnn可视化工具
[6]主onnx/教程GitHub上的教程/onnxcaffe 2导入。ipynb
郑重声明：本文由网友发布，不代表盛行IT的观点，版权归原作者所有，仅为传播更多信息之目的，如有侵权请联系，我们将第一时间修改或删除，多谢。