deep learning model convertor
1.0.0
该项目将不断更新……
欢迎拉动请求！
注意：这不是所有框架的转换器，而是不同转换器的集合。因为Github是一个开源平台，我希望我们可以在这里互相帮助，收集每个人的力量。
由于这些不同的框架，出现了针对不同框架的深度学习模型的出色转换器。应该注意的是，我没有测试所有转换器，因此我不能保证每个转换器可用。但是我也希望这个转换器收集可以帮助您！
下面的表是GitHub中所有转换器的概述（不仅包含提供的官方，还有更多用户自由实现）。我只是做一些工作来收集这些转换器。另外，希望每个人都可以支持这个项目，以帮助更多因各种框架而疯狂的人。
| 转换器 | mxnet | 咖啡饼 | caffe2 | CNTK | Theano/Lasagne | 氖 | Pytorch | 火炬 | 凯拉斯 | darknet | 张量 | 连锁商 | Coreml/ios | 桨 | onnx |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| mxnet | - | mmdnn mxnet2caffe mxnet2caffe | mmdnn（通过onnx） | mmdnn | 没有任何 | 没有任何 | mmdnn gluon2pytorch | 没有任何 | mmdnn | 没有任何 | mmdnn | 没有任何 | mxnet-to-coreml mmdnn | 没有任何 | 没有任何 |
| 咖啡饼 | mxnet/tools/caffe_converter resnet_caffe2mxnet mmdnn | - | caffetocaffe2 mmdnn（通过onnx） | CrosstalkCaffe/Caffeconverter mmdnn | caffe_theano_conversion caffe-model-convert caffe-to-theano | caffe2neon | mmdnn pytorch-caffe pytorch-resnet | googlenet-caffe2torch摩卡咖啡 | keras-caffe-converter caffe_weight_converter caffe2keras nn_tools keras keras caffe2keras deep_learning_model_model_converter mmdnn | pytorch-caffe-darknet-convert | mmdnn nn_tools caffe-tensorflow | 没有任何 | Coremlzoo Apple/Coremltools mmdnn | X2PADDLE | caffe2onnx |
| caffe2 | 没有任何 | 没有任何 | - | onnx | 没有任何 | 没有任何 | onnx | 没有任何 | 没有任何 | 没有任何 | 没有任何 | 没有任何 | 没有任何 | 没有任何 | 没有任何 |
| CNTK | mmdnn | mmdnn | ONNX MMDNN（通过ONNX） | - | 没有任何 | 没有任何 | Onnx mmdnn | 没有任何 | mmdnn | 没有任何 | mmdnn | 没有任何 | mmdnn | 没有任何 | 没有任何 |
| Theano/Lasagne | 没有任何 | 没有任何 | 没有任何 | 没有任何 | - | 没有任何 | 没有任何 | 没有任何 | 没有任何 | 没有任何 | 没有任何 | 没有任何 | 没有任何 | 没有任何 | 没有任何 |
| 氖 | 没有任何 | 没有任何 | 没有任何 | 没有任何 | 没有任何 | - | 没有任何 | 没有任何 | 没有任何 | 没有任何 | 没有任何 | 没有任何 | 没有任何 | 没有任何 | 没有任何 |
| Pytorch | mmdnn | brocolli pytorchtocaffe mmdnn pytorch2caffe pytorch-caffe-darknet-convert | ONNX-CAFFE2 MMDNN（通过ONNX） | Onnx mmdnn | 没有任何 | 没有任何 | - | 没有任何 | mmdnn pytorch2keras nn-transfer | pytorch-caffe-darknet-convert | mmdnn pytorch2keras（keras）pytorch-tf | 没有任何 | mmdnn onnx-coreml | 没有任何 | 没有任何 |
| 火炬 | 没有任何 | fb-caffe-exts/torch2 caffe摩卡摩卡式th2caffe | TORCH2CAFFE2 | 没有任何 | 没有任何 | 没有任何 | convert_torch_to_pytorch | - | 没有任何 | 没有任何 | 没有任何 | 没有任何 | TORCH2COREML TORCH2IOS | 没有任何 | 没有任何 |
| 凯拉斯 | mmdnn | keras-caffe-converter mmdnn nn_tools keras2caffe | mmdnn（通过onnx） | mmdnn | 没有任何 | 没有任何 | mmdnn nn-transfer | 没有任何 | - | 没有任何 | nn_tools转换为tensorflow keras_to_tensorflow keras_to_tensorflow mmdnn | 没有任何 | Apple/Coremltools模型转换器keras_models mmdnn | 没有任何 | 没有任何 |
| darknet | 没有任何 | pytorch-caffe-darknet-convert | 没有任何 | mmdnn | 没有任何 | 没有任何 | pytorch-caffe-darknet-convert | 没有任何 | mmdnn | - | dw2tf darkflow lego_yolo | 没有任何 | 没有任何 | 没有任何 | 没有任何 |
| 张量 | mmdnn | mmdnn nn_tools | mmdnn（通过onnx） | 串扰mmdnn | 没有任何 | 没有任何 | pytorch-tf mmdnn | 没有任何 | 型号转换器nn_tools转换为浓度mmdnn | 没有任何 | - | 没有任何 | tfcoreml mmdnn | X2PADDLE | 没有任何 |
| 连锁商 | 没有任何 | 没有任何 | 没有任何 | 没有任何 | 没有任何 | 没有任何 | Chaineer2pytorch | 没有任何 | 没有任何 | 没有任何 | 没有任何 | - | 没有任何 | 没有任何 | 没有任何 |
| Coreml/ios | mmdnn | mmdnn | mmdnn（通过onnx） | mmdnn | 没有任何 | 没有任何 | mmdnn | 没有任何 | mmdnn | 没有任何 | mmdnn | 没有任何 | - | 没有任何 | |
| 桨 | 没有任何 | 没有任何 | 没有任何 | 没有任何 | 没有任何 | 没有任何 | 没有任何 | 没有任何 | 没有任何 | 没有任何 | 没有任何 | 没有任何 | 没有任何 | - | 没有任何 |
| onnx | 没有任何 | 没有任何 | 没有任何 | 没有任何 | 没有任何 | 没有任何 | Onnx2torch onnx2torch | 没有任何 | 没有任何 | 没有任何 | 没有任何 | 没有任何 | 没有任何 | X2PADDLE | - |
在各种神经网络之间转换的一般框架
ONNX是为了统一神经网络转换器的努力，以便为NN世界带来一些理智。由Facebook和Microsoft发布。更多信息在这里。
MMDNN是一组工具，可帮助用户在不同的深度学习框架之间进行操作。例如模型转换和可视化。在Caffeemit，CNTK，Coreml，Keras，Mxnet，Onnx，Pytorch和Tensorflow之间转换模型。
转换为MXNET模型。
一些深度学习模型从各种格式转换为Coremls格式。当前可用的型号：
涵盖的关键主题包括以下内容：
这是一种将深层网络从CAFFE模型转换为MXNET模型的工具。权重直接从CAFFE网络斑点复制。
转换为CAFFE模型。
这是Keras和Caffe之间的转换器。它仅使用KERAS模型来生成caffemodel和frototxt文件，但是如果有的话，也可以将其传递给原始文件。
支持1.9.0或更高的Pytorch
将Pytorch模型转换为caffemodel。
将MXNET模型转换为CAFFE模型。
将MXNET模型转换为CAFFE模型。
将Torch模型转换为CAFFE模型。
该工具使用CAFFE 1.0，Keras 2.1.2和Tensorflow测试1.4.0
工作转换示例：
问题层：
一些方便的公用事业库和Caffe深度学习框架的工具，该框架有一个用于将预训练的火炬模型转换为等效caffe模型的库。**
在Pytorch，Caffe和Darknet模型之间转换。 Caffe Darknet模型可以通过Pytorch直接加载。
将火炬模型转换为其他框架，例如caffe，mxnet ...
特定层的火炬 - nn到咖啡因转换器。
Caffe Tensorflow Keras中模型的神经网络转换器
为Pytorch和Caffe提供神经网络框架的工具。
NN_Tools根据MIT许可发布（有关详细信息，请参阅许可证文件）。
特征：
要求
转换为CAFFE2模型。
这是一个官方的转换器，它不仅为IPYTHON笔记本电脑提供了脚本：如下：
将pytorch转换为caffe2（使部署在移动设备上特别容易）
转换为CNTK模型。
该工具将帮助您将经过训练的型号从Caffe转换为CNTK。
转换训练有素的模型：给出模型脚本及其权重文件，导出到CNTK模型。
Crosstalk来自CNTK贡献。
转换为Theano/Lasagne型号。
这是斯坦福大学CS231N项目的一部分，由Ankit Kumar撰写，数学专业，2015年班级
这是一个存储库，可让您将预贴的咖啡馆型号转换为烤宽面条的型号，这是Theano周围的薄包装纸。您也可以将Caffe模型的体系结构转换为千层面的架构。您不需要安装CAFFE即可使用此模块。
目前，支持以下CAFFE层：
* Convolution
* LRN
* Pooling
* Inner Product
* Relu
* Softmax
将型号从Caffe转换为Theano格式。
将CAFFE模型转换为Theano模型。目前，这在Alexnet上起作用，但应适用于仅包括受到影响的层的任何CAFFE模型。
转换为霓虹灯模型。
将CAFFE模型转换为霓虹灯序列化格式的工具。
该回购包含将Caffe模型转换为与霓虹灯深度学习库兼容的工具。主脚本“ decaffeinate.py”作为输入caffe模型定义文件和相应的模型权重文件，并返回霓虹灯序列化模型文件。该输出文件可用于实例化霓虹灯模型对象，该对象将在霓虹灯中生成一个模型，该模型应复制CAFFE模型的行为。
转换为Pytorch模型。
将mxnet / gluon图转换为pytorch源 +权重。
将接受Caffe的Resnet转换为Pytorch型号。
将火炬T7模型转换为Pytorch模型和源。
chainer2pytorch实现了从锁链模块到pytorch模块的转换，设置了每个模块的参数，以便可以在模块的基础上通过模型移植。
直接将咖啡因的原始版本和权重直接在pytorch中，而没有明确将模型从咖啡馆转换为pytorch。
在Keras和Pytorch模型之间进行转换。
转换为火炬模型。
将BVLC_GOOGLENET.CAFFEMODEL转换为Torch NN型号。
是否想从火炬中的BVLC模型动物园中使用预先训练的Googlenet？您不想将Caffe用作火炬内部的额外依赖性吗？使用这两个脚本在火炬中构建网络定义，并从Caffe模型中复制学习的权重。
将Torch模型转换为CAFFE模型。
将CAFFE模型转换为火炬nn.Sequinential模型。
转换为KERAS模型。
它是Keras和Caffe之间的双向转换器。它使用caffe_weight_converter从.caffemodel中获得权重，并生成等效的keras模型。它还输出用于生成该KERAS模型的Python源代码。
该项目用作此列表上一个项目的一部分：Alexpasqua/keras-caffe-converter，它更完整，记录和易于使用。我建议使用那个。
这是一个Caffe-to-keras重量转换器，即它将.caffemodel权重文件转换为KERAS-2兼容HDF5权重文件。它还可以导出。将作为数量阵列的.caffemodel权重以进一步处理。
该转换器仅转换模型的权重（不是模型定义），这具有很大的优势，即它不会像其他转换器那样遇到未知层类型时破坏它也尝试转换模型定义。当然，缺点是您必须自己编写模型定义。
存储库还为某些流行模型提供了转换的权重。
注意：该转换器已从Caffe的MarcBolaños叉中的代码进行了调整。有关代码出处，请参见ACK。
这旨在用作Caffe模型到Keras模型的转换模块。
请注意，该模块不经常维护。因此，在Keras或Caffe的新版本中引入的一些层或参数定义可能与转换器不兼容。欢迎拉请求！
Caffe Tensorflow Keras中模型的神经网络转换器
Keras的叉子具有多种新功能。 caffe2keras转换器，多模式层等。https://github.com/marcbs/keras
Keras的叉子提供以下贡献：
CAFFE到KERAS转换模块特定于多模式数据的新层联系：[email protected]
github页面：https：//github.com/marcbs
Marcbs/Keras与：Python 2.7和Theano兼容。
将Caffe模型转换为Keras模型的简单工具。
在Keras和Pytorch模型之间进行转换。
将Pytorch型号转换为Keras。
转换为DarkNet模型。
在Pytorch，Caffe和Darknet模型之间转换。 Caffe Darknet模型可以通过Pytorch直接加载。
转换为TensorFlow模型。
Crosstalk来自CNTK。
用于将KERAS型号转换为其他ML框架（Coreml，TensorFlow）的工具。
Caffe Tensorflow Keras中模型的神经网络转换器
将CAFFE型号转换为TensorFlow。
将各种训练有素的型号转换为冷冻Tensorflow协议缓冲区文件，以与C ++ Tensorflow API一起使用。 C ++代码用于使用冷冻型号。
将darknet转换为张量。负载训练有素的重量，使用张量流进行重新训练/微调，将常数图形导出到移动设备。
tensorflow代码要使用darknet的权重在新数据集上重新再润再培训YOLO
该存储库包含在新的综合乐高数据集中使用YOLO进行转移学习的实验，粗糙和无证件！
将KERAS型号转换为张量FROZEN图，以用于手机，等等。
将训练有素的KERAS模型转换为推理TensorFlow模型的常规代码。
将预告片的pytorch模型转换为张量
将pytorch型号转换为张量（通过keras）
这是一个简单的对流器，它将darknet权重文件（.gueights）转换为TensorFlow权重文件（.ckpt）。
没有读书。
转换为连锁型模型。
转换为Coreml模型。
将使用第三方机器学习工具创建的训练有素的模型转换为核心ML模型格式。
如果使用支持的第三方机器学习工具创建和培训模型，则可以使用Core ML工具将其转换为核心ML模型格式。表1列出了受支持的模型和第三方工具。
| 型号类型 | 支持的模型 | 支持的工具 |
|---|---|---|
| 神经网络 | 进料，卷积，经常性 | Caffe V1 Keras 1.2.2+ |
| 树的合奏 | 随机森林，增强的树木，决策树 | Scikit-Learn 0.18 XGBoost 0.6 |
| 支持向量机 | 标量回归，多类分类 | Scikit-Learn 0.18 libsvm 3.22 |
| 广义线性模型 | 线性回归，逻辑回归 | Scikit-Learn 0.18 |
| 功能工程 | 稀疏的矢量化，密集的矢量化，分类处理 | Scikit-Learn 0.18 |
| 管道模型 | 依次封闭的模型 | Scikit-Learn 0.18 |
将MXNET型号转换为Apple Coreml格式。该工具有助于将MXNET模型转换为Apple Coreml格式，然后可以在Apple设备上运行。
该工具有助于将Torch7型号转换为Apple Coreml格式，然后可以在Apple设备上运行。
TORCH7库 - 将NN型号转换为iOS格式。
小型lib到iOS的序列化TORCH7网络。支持的层包括完全连接，汇总和卷积层。该库存储每层necesarry的权重和偏见（如果有），以推断iOS设备。
带有基于Python的转换器的Keras模型可在iOS平台中提供嵌入。
用于将KERAS型号转换为其他ML框架（Coreml，TensorFlow）的工具。
Google与Apple合作，为Coreml Converter公告创建了TensorFlow。
通过采用TensorFlow模型并将其转换为Core ML模型格式（.MLMODEL）的工具提供了对Core ML的支持。
转换为桨模型。
X2PADDLE是一种用于将训练有素的模型转换为其他深度学习框架划桨的工具包。
更详细的模型：X2PADDLE/X2PADDLE_MODEL_ZOO.MD开发·PaddlePaddle/X2PADDLE
