文档首页 > > AI工程师用户指南> 管理模型> 压缩和转换模型> 转换模板

转换模板

分享
更新时间: 2019/11/28 GMT+08:00
表1 ModelArts提供转换模板

模板名称

模板描述

模板高级选项

Caffe转Ascend

转换Caffe框架训练出来的模型, 转换后模型可在Ascend芯片上运行。

Tensorflow frozen_graph转TFLite

转换Tensorflow框架训练并以“frozen_graph”格式保存的模型,转换后模型可在ARM上运行。

  • “模型输入tensor名称”:以字符串形式输入模型输入张量名称,以“input1:input2”形式表示。
  • “模型输出tensor名称”:以字符串形式输入模型输出张量名称,以“output1:output2”形式表示。
  • “量化精度”:可选择8bit或32bit。32bit表示直接转换模型,8bit表示模型进行量化。
  • “量化批大小”: 以数值形式输入量化批大小。必须为正整数。

Tensorflow saved_model转TFLite

转换Tensorflow框架训练并以“saved_model”格式保存的模型,转换后模型可在ARM上运行。

  • “模型签名”:以字符串形式输入模型输入tensor签名,默认会选择第一个签名。
  • “传入模型标签”:以字符串形式输入模型输出标签,默认会选择第一个标签。
  • “量化精度”:可选择8bit或32bit。32bit表示直接转换模型,8bit表示模型进行量化。
  • “量化批大小”: 以数值形式输入量化批大小。必须为正整数。

Tensorflow frozen_graph转TensorRT

转换Tensorflow框架训练并以“frozen_graph”格式保存的模型,转换后模型可在GPU上运行。

  • “模型输入tensor名称”:以字符串形式输入模型输入张量名称,以“input1:input2”形式表示。
  • “模型输出tensor名称”:以字符串形式输入模型输出张量名称,以“output1:output2”形式表示。
  • “量化精度”:可选择8bit或32bit。32bit表示直接转换模型,8bit表示模型进行量化。
  • “量化批大小”: 以数值形式输入量化批大小。必须为正整数。

Tensorflow saved_model转TensorRT

转换Tensorflow框架训练并以“saved_model”格式保存的模型,转换后模型可在GPU上运行。

  • “模型签名”:以字符串形式输入模型输入tensor签名,默认会选择第一个签名。
  • “传入模型标签”:以字符串形式输入模型输出标签,默认会选择第一个标签。
  • “量化精度”:可选择8bit或32bit。32bit表示直接转换模型,8bit表示模型进行量化。
  • “量化批大小”: 以数值形式输入量化批大小。必须为正整数。

Tensorflow frozen graph 转 Ascend

转换Tensorflow框架训练并以“frozen_graph”格式保存的模型,转换后模型可在Ascend上运行。

  • “学习框架类型”:请填写学习框架类型,可选值为3,代表TensorFlow框架。
  • “输入张量形状”:请填写输入张量形状, 格式为张量名称:张量维度, 如input:1,224,224,3。必填。
分享:

    相关文档

    相关产品

文档是否有解决您的问题?

提交成功!

非常感谢您的反馈,我们会继续努力做到更好!

反馈提交失败,请稍后再试!

*必选

请至少选择或填写一项反馈信息

字符长度不能超过200

提交反馈 取消

如您有其它疑问,您也可以通过华为云社区问答频道来与我们联系探讨

跳转到云社区