pytorch2keras
1.0.0
Pytorch إلى Keras Model Converter.
pip install pytorch2keras
لاستخدام المحول بشكل صحيح ، من فضلك ، إجراء تغييرات في ~/.keras/keras.json :
...
"backend" : " tensorflow " ,
"image_data_format" : " channels_first " ,
... للتحويل الصحيح إلى تنسيق TensorFlow.js ، يرجى استخدام names='short' .
فيما يلي تعليمات قصيرة كيفية الحصول على نموذج tensorflow.js:
k_model = pytorch_to_keras ( model , input_var , [( 10 , 32 , 32 ,)], verbose = True , names = 'short' ) tensorflowjs_converter ولكنه لا يعمل أحيانًا. كبديل ، قد تحصل على رسم بياني TensorFlow وحفظه كنموذج مجمد: # Function below copied from here:
# https://stackoverflow.com/questions/45466020/how-to-export-keras-h5-to-tensorflow-pb
def freeze_session ( session , keep_var_names = None , output_names = None , clear_devices = True ):
"""
Freezes the state of a session into a pruned computation graph.
Creates a new computation graph where variable nodes are replaced by
constants taking their current value in the session. The new graph will be
pruned so subgraphs that are not necessary to compute the requested
outputs are removed.
@param session The TensorFlow session to be frozen.
@param keep_var_names A list of variable names that should not be frozen,
or None to freeze all the variables in the graph.
@param output_names Names of the relevant graph outputs.
@param clear_devices Remove the device directives from the graph for better portability.
@return The frozen graph definition.
"""
from tensorflow . python . framework . graph_util import convert_variables_to_constants
graph = session . graph
with graph . as_default ():
freeze_var_names =
list ( set ( v . op . name for v in tf . global_variables ()). difference ( keep_var_names or []))
output_names = output_names or []
output_names += [ v . op . name for v in tf . global_variables ()]
input_graph_def = graph . as_graph_def ()
if clear_devices :
for node in input_graph_def . node :
node . device = ""
frozen_graph = convert_variables_to_constants ( session , input_graph_def ,
output_names , freeze_var_names )
return frozen_graph
from keras import backend as K
import tensorflow as tf
frozen_graph = freeze_session ( K . get_session (),
output_names = [ out . op . name for out in k_model . outputs ])
tf . train . write_graph ( frozen_graph , "." , "my_model.pb" , as_text = False )
print ([ i for i in k_model . outputs ])my_model.pb إلى طراز TFJS: tensorflowjs_converter
--input_format=tf_frozen_model
--output_node_names= ' TANHTObs/Tanh '
my_model.pb
model_tfjs const MODEL_URL = `model_tfjs/tensorflowjs_model.pb` ;
const WEIGHTS_URL = `model_tfjs/weights_manifest.json` ;
const model = await tf . loadFrozenModel ( MODEL_URL , WEIGHTS_URL ) ; إنه محول الرسم البياني Pytorch إلى نموذج Keras (TensorFlow الخلفي).
أولاً ، نحتاج إلى تحميل (أو إنشاء) نموذج Pytorch صالح:
class TestConv2d ( nn . Module ):
"""
Module for Conv2d testing
"""
def __init__ ( self , inp = 10 , out = 16 , kernel_size = 3 ):
super ( TestConv2d , self ). __init__ ()
self . conv2d = nn . Conv2d ( inp , out , stride = 1 , kernel_size = kernel_size , bias = True )
def forward ( self , x ):
x = self . conv2d ( x )
return x
model = TestConv2d ()
# load weights here
# model.load_state_dict(torch.load(path_to_weights.pth))الخطوة التالية - قم بإنشاء متغير وهمية بالشكل الصحيح:
input_np = np . random . uniform ( 0 , 1 , ( 1 , 10 , 32 , 32 ))
input_var = Variable ( torch . FloatTensor ( input_np ))نستخدم المتغير الوهمي لتتبع النموذج (مع jit.trace):
from pytorch2keras import pytorch_to_keras
# we should specify shape of the input tensor
k_model = pytorch_to_keras ( model , input_var , [( 10 , 32 , 32 ,)], verbose = True ) يمكنك أيضًا تعيين أبعاد H و W على لا شيء لجعل النموذج الخاص بك غير مؤلّن (مثل NetOwrk Conductional Conversion):
from pytorch2keras . converter import pytorch_to_keras
# we should specify shape of the input tensor
k_model = pytorch_to_keras ( model , input_var , [( 10 , None , None ,)], verbose = True ) هذا كل شيء! إذا كانت جميع الوحدات قد تحولت بشكل صحيح ، فسيتم تخزين نموذج Keras في متغير k_model .
فيما يلي الطريقة الوحيدة pytorch_to_keras من وحدة pytorch2keras .
def pytorch_to_keras (
model , args , input_shapes = None ,
change_ordering = False , verbose = False , name_policy = None ,
):خيارات:
model - نموذج pytorch (nn.module) لتحويل ؛args - قائمة المتغيرات الوهمية مع الأشكال المناسبة ؛input_shapes - (التجريبي) قائمة بأشكال مبالغ فيها للمدخلات ؛change_ordering - (تجريبي) منطقي ، إذا تم تمكينه ، سيحاول المحول تغيير BCHW إلى BHWCverbose - سجل مفصل للتحويل مفصلname_policy - (تجريبي) الاختيار من [ keep ، short ، random ]. حدد المحدد سياسة تسمية الطبقة المستهدفة. التنشيط:
الثوابت
الملاحقات:
العنصر الحكيمة:
خطي
التطبيع:
التجميع:
انظر إلى دليل tests .
هذا البرنامج مغطى بترخيص معهد ماساتشوستس للتكنولوجيا.
