Pytorch: преобразование модели 2D-CNN в tflite - PullRequest
Новая
       119

Pytorch: преобразование модели 2D-CNN в tflite

0 голосов
/ 08 мая 2020

Я хотел бы преобразовать модель (например, Mobil enet V2) из ​​pytorch в tflite, чтобы запустить ее на мобильном устройстве.

Кому-нибудь удалось это сделать?

Все, что я обнаружил, это метод, использующий ONNX для преобразования модели в промежуточное состояние. Однако это, похоже, не работает должным образом, так как Tensorflow ожидает порядок каналов NHW C, тогда как onnx и pytorch работают с порядком каналов NCHW.

На github есть обсуждение , однако в моем случае преобразование работало без жалоб до «замороженной модели графа тензорного потока», после попытки преобразовать модель в tflite, он жалуется на неправильный порядок каналов ...

Вот мой код до сих пор : 

import torch
import torch.onnx
import onnx
from onnx_tf.backend import prepare

# Create random input
input_data = torch.randn(1,3,224,224)

# Create network
model = torch.hub.load('pytorch/vision:v0.6.0', 'mobilenet_v2', pretrained=True)
model.eval()

# Forward Pass
output = model(input_data)

# Export model to onnx
filename_onnx = "mobilenet_v2.onnx"
filename_tf = "mobilenet_v2.pb"

torch.onnx.export(model, input_data, filename_onnx)

# Export model to tensorflow
onnx_model = onnx.load(filename_onnx)
tf_rep = prepare(onnx_model)
tf_rep.export_graph(filename_tf)

Все работает без ошибок до этого момента (игнорируя многие предупреждения tf). Затем я ищу имена входных и выходных тензоров, используя netron («input.1» и «473»).

Наконец, я применяю свой обычный tf-график к tf-lite сценарий преобразования из bash: 

tflite_convert \
    --output_file=mobilenet_v2.tflite \
    --graph_def_file=mobilenet_v2.pb \
    --input_arrays=input.1 \
    --output_arrays=473

Моя конфигурация: 

torch                1.6.0.dev20200508 (needs pytorch-nightly to work with mobilenet V2 from torch.hub)
tensorflow-gpu       1.14.0
onnx                 1.6.0              
onnx-tf              1.5.0

Вот точное сообщение об ошибке, которое я получаю от tflite: 

Unexpected value for attribute 'data_format'. Expected 'NHWC'
Fatal Python error: Aborted

ОБНОВЛЕНИЕ :
Обновление моей конфигурации: 

torch                1.6.0.dev20200508 
tensorflow-gpu       2.2.0
onnx                 1.7.0              
onnx-tf              1.5.0

с использованием 

tflite_convert \
    --output_file=mobilenet_v2.tflite \
    --graph_def_file=mobilenet_v2.pb \
    --input_arrays=input.1 \
    --output_arrays=473 \
    --enable_v1_converter  # <-- needed for conversion of frozen graphs

, что приводит к другой ошибке: 

Exception: <unknown>:0: error: loc("convolution"): 'tf.Conv2D' op is neither a custom op nor a flex op

Обновление :
Вот модель mobil enet v2, загруженная через netron:

As I said I use the vanilla mobilenet v2 architecture: no changes from my side

Здесь - ссылка gdrive на мои преобразованные файлы onnx и pb

1 Ответ

0 голосов
/ 12 июня 2020

@ Ahwar опубликовал хорошее решение с помощью записной книжки Google Colab.

Он использует 

torch                    1.5.0+cu101    
torchsummary             1.5.1          
torchtext                0.3.1          
torchvision              0.6.0+cu101

tensorflow               1.15.2         
tensorflow-addons        0.8.3                  
tensorflow-estimator     1.15.1         

onnx                     1.7.0
onnx-tf                  1.5.0

Преобразование работает, и модель можно протестировать на моем компьютере. Однако при переносе модели на мобильный телефон она работает только в режиме ЦП и работает намного медленнее (почти в 10 раз), чем соответствующая модель, созданная непосредственно в тензорном потоке. Режим графического процессора не работает на моем мобильном телефоне (в отличие от соответствующей модели, созданной непосредственно в тензорном потоке)

Обновление:
Очевидно, после преобразования модели mobil enet v2 Замороженный граф тензорного потока содержит намного больше операций свертки, чем исходная модель pytorch (~ 38 000 против ~ 180), как обсуждается в этом выпуске github .

...