paddle识别的文本顺序（一文看懂如何使用模型转换工具X2Paddle）

本文转载自百度PaddlePaddle深度学习的应用主要包括两个部分，一是通过深度学习框架训练出模型，二是利用训练出来的模型进行预测，现在小编就来说说关于paddle识别的文本顺序?下面内容希望能帮助到你，我们来一起看看吧!

paddle识别的文本顺序

本文转载自百度PaddlePaddle

深度学习的应用主要包括两个部分，一是通过深度学习框架训练出模型，二是利用训练出来的模型进行预测。

开发者基于不同的深度学习框架能够得到不同的训练模型，如果想要基于一种框架进行预测，就必须要解决不同框架的模型之间的匹配问题。基于这种考虑，也为了帮助用户快速从其他框架迁移，PaddlePaddle开源了模型转换工具X2Paddle。

它可以将TensorFlow、Caffe 的模型转换为PaddlePaddle的核心框架Paddle Fluid可加载的格式。同时X2Paddle还支持ONNX格式的模型转换，这样也相当于支持了众多可以转换为ONNX格式的框架，比如PyTorch、MXNet、CNTK等。

项目地址：

https://github.com/PaddlePaddle/X2Paddle

项目概览

X2Paddle最新发布的V0.3版本，包括tensorflow2fluid，caffe2fluid和onnx2fluid。对于TesorFlow和Caffe，我们还提供了它们与Paddle Fluid的常用API对比文档。通过这些文档可以清楚查看这几个框架在API设计上的异同，方便用户快速熟悉PaddlePaddle的接口使用。

caff2fluid

1、支持VGG, ResNet, AlexNet等图像分类模型的转换

2、提供Caffe-PaddlePaddle常用API的对比文档，地址：https://github.com/PaddlePaddle/X2Paddle/tree/master/caffe2fluid/doc

5.加载转换后的PaddlePaddle模型，并进行预测

tensorflow2fluid在tf2fluid/model_loader.py中封装了模型加载方法，可通过如下示例代码加载模型，并进行预测。

import tf2fluid.model_loader as ml import numpy model = ml.ModelLoader("paddle_model", use_cuda=False) numpy.random.seed(13) data = numpy.random.rand(5, 224, 224, 3).astype("float32") # NHWC -> NCHW data = numpy.transpose(data, (0, 3, 1, 2)) results = model.inference(feed_dict={model.inputs[0]:data}) numpy.save("pd_result.npy", numpy.array(results))

可通过调用save_inference_model，将模型结构和模型参数均序列化保存，如下代码所示

model.save_inference_model("new_model_dir")

序列化后的模型加载方式可参考PaddlePaddle官网文档说明：

http://www.paddlepaddle.org/documentation/docs/zh/1.4/api_guides/low_level/inference.html#id4

6.对比转换前后模型之前的预测结果差异

在上文的代码中，我们均通过固定随机数据方式，在TensorFlow和PaddlePaddle模型中输入了相同的样例数据，并将结果保存至tf_result.npy和pd_result.npy中，通过对比两个结果的差异，判断模型的转换是否符合需求。

如下代码对比的仅为输入一个样例数据后的差异对比，实际应用场景中，建议用户根据需求定义自己的测试数据进行更严谨的对比测试。

import numpy paddle_result = numpy.load("pd_result.npy") tensorflow_result = numpy.load("tf_result.npy") diff = numpy.fabs(paddle_result - tensorflow_result) print(numpy.max(diff)) 输出： 1.1920929e-06

总结

X2Paddle以用户的需求为导向，对于用户而言不仅可以方便模型的迁移，同时提供的相应API对比文档也可帮助用户通过现有框架的使用经验快速上手PaddlePaddle的使用。目前X2Paddle已经支持了众多的CV领域的经典模型，有需求的小伙伴们赶紧试用起来吧！

— 完 —

诚挚招聘

量子位正在招募编辑/记者，工作地点在北京中关村。期待有才气、有热情的同学加入我们！相关细节，请在量子位公众号(QbitAI)对话界面，回复“招聘”两个字。

量子位 QbitAI · 头条号签约作者

վ'ᴗ' ի 追踪AI技术和产品新动态

,