Paddle2ONNX

简体中文 | English

🆕 新开源项目FastDeploy

如若你转换的目的是用于部署TensorRT、OpenVINO、ONNX Runtime，当前飞桨提供FastDeploy，支持150+模型直接部署到这些引擎上，Paddle2ONNX的转换流程也已经无需用户显式调用，帮助大家解决在转换过程中的各种Trick及对齐问题。

• 欢迎Star🌟 https://github.com/PaddlePaddle/FastDeploy
• 使用ONNX Runtime部署Paddle模型 C++ & Python
• 使用OpenVINO部署Paddle模型 C++ & Python
• 使用TensorRT部署Paddle模型 C++ & Python
• PaddleOCR模型部署 C++ & Python
• PaddleDetection模型部署 C++ & Python

简介

Paddle2ONNX 支持将 PaddlePaddle 模型格式转化到 ONNX 模型格式。通过 ONNX 可以完成将 Paddle 模型到多种推理引擎的部署，包括 TensorRT/OpenVINO/MNN/TNN/NCNN，以及其它对 ONNX 开源格式进行支持的推理引擎或硬件。

感谢EasyEdge团队贡献的Paddle2Caffe, 支持将Paddle模型导出为Caffe格式，安装及使用方式参考Paddle2Caffe。

模型库

Paddle2ONNX 建设了一个飞桨热点模型的模型库，包括 PicoDet、OCR、HumanSeg 等多种领域模型，有需求的开发者可直接下载使用，进入目录model_zoo了解更多详情！

环境依赖

• 无

安装

pip install paddle2onnx

• Github 源码安装方式

使用

获取PaddlePaddle部署模型

Paddle2ONNX 在导出模型时，需要传入部署模型格式，包括两个文件

• model_name.pdmodel: 表示模型结构
• model_name.pdiparams: 表示模型参数 [注意] 这里需要注意，两个文件其中参数文件后辍为 .pdiparams，如你的参数文件后辍是 .pdparams，那说明你的参数是训练过程中保存的，当前还不是部署模型格式。 部署模型的导出可以参照各个模型套件的导出模型文档。

命令行转换

paddle2onnx --model_dir saved_inference_model \
            --model_filename model.pdmodel \
            --params_filename model.pdiparams \
            --save_file model.onnx \
            --enable_dev_version True

参数选项

参数	参数说明
--model_dir	配置包含 Paddle 模型的目录路径
--model_filename	[可选] 配置位于 --model_dir 下存储网络结构的文件名
--params_filename	[可选] 配置位于 --model_dir 下存储模型参数的文件名称
--save_file	指定转换后的模型保存目录路径
--opset_version	[可选] 配置转换为 ONNX 的 OpSet 版本，目前支持 7~16 等多个版本，默认为 9
--enable_dev_version	[可选] 是否使用新版本 Paddle2ONNX（推荐使用），默认为 True
--enable_onnx_checker	[可选] 配置是否检查导出为 ONNX 模型的正确性, 建议打开此开关， 默认为 False
--enable_auto_update_opset	[可选] 是否开启 opset version 自动升级功能，当低版本 opset 无法转换时，自动选择更高版本的 opset进行转换， 默认为 True
--deploy_backend	[可选] 量化模型部署的推理引擎，支持 onnxruntime、tensorrt 或 others，当选择 others 时，所有的量化信息存储于 max_range.txt 文件中，默认为 onnxruntime
--save_calibration_file	[可选] TensorRT 8.X版本部署量化模型需要读取的 cache 文件的保存路径，默认为 calibration.cache
--version	[可选] 查看 paddle2onnx 版本
--external_filename	[可选] 当导出的ONNX模型大于 2G 时，需要设置 external data 的存储路径，推荐设置为：external_data

• 使用 onnxruntime 验证转换模型, 请注意安装最新版本（最低要求 1.10.0）

其他优化工具

1. 如你对导出的 ONNX 模型有优化的需求，推荐使用 onnx-simplifier，也可使用如下命令对模型进行优化

python -m paddle2onnx.optimize --input_model model.onnx --output_model new_model.onnx

2. 如需要修改导出 ONNX 的模型输入形状，如改为静态 shape

python -m paddle2onnx.optimize --input_model model.onnx \
                               --output_model new_model.onnx \
                               --input_shape_dict "{'x':[1,3,224,224]}"

3. 如果你有裁剪 Paddle 模型，固化或修改 Paddle 模型输入 Shape 或者合并 Paddle 模型的权重文件等需求，请使用如下工具：Paddle 相关工具

4. 如果你需要裁剪 ONNX 模型或者修改 ONNX 模型，请参考如下工具：ONNX 相关工具

5. PaddleSlim 量化模型导出请参考：量化模型导出ONNX

License

Provided under the Apache-2.0 license.