有什么新的互操作性TensorFlow PyTorch

作者Sivylla Paraskevopoulou,2022年10月4日

70次查看(过去30天)|0个赞|3个评论

深度学习、MATLAB允许用户创建和火车模型在MATLAB或杠杆模型训练在开源通过模型转换。MATLAB R2022b之前,支持模型的转换包万博1manbetx括:进口和出口到ONNX™,和进口TensorFlow™。我们兴奋地分享,MATLAB R2022b,用户现在可以出口模型TensorFlow作为Python®代码,可以导入模型从PyTorch®(从对图像分类的支持)。万博1manbetx

出口到TensorFlow

支持包万博1manbetx深度学习工具箱转换器TensorFlow模型刚才添加的功能从MATLAB TensorFlow,出口使用exportNetworkToTensorFlow函数。

有许多理由兴奋exportNetworkToTensorFlow功能:

您可以导出深度学习网络和层图形(如卷积,LSTM)直接TensorFlow。
很容易出口网络、负载TensorFlow模型,并使用导出的预测模型。一个相关的例子,看到出口网络TensorFlow和图像进行分类。
很容易出口未经训练的层图,负载TensorFlow模型,和火车导出的模型。一个相关的例子,看到出口未经训练的TensorFlow层图。
你可以在任何标准TensorFlow保存导出的模型格式,如SavedModel或HDF5格式,并与你的同事分享在TensorFlow工作。
许多MATLAB层可以转化成TensorFlow层。层的完整列表,请参阅TensorF万博1manbetxlow层支持出口。

我在这里展示的基本工作流如何出口TensorFlow深入学习网络,负载TensorFlow模型,并将其保存在SavedModel格式。

MATLAB代码:

加载一个pretrained网络。的Pretrained深层神经网络文档页面显示您如何获得pretrained网络的所有选项。您也可以创建自己的网络。

网= darknet19;

出口网络净TensorFlow。的exportNetworkToTensorFlow函数可以节省DarkNet19 TensorFlow模型在Python包。

exportNetworkToTensorFlow(净,“DarkNet19”)

DarkNet19包包含四个文件:

_init_。py文件,它定义了DarkNet19文件夹作为常规的Python包。
该模型。py文件,其中包含的代码定义了未经训练的TensorFlow-Keras模型。
README。txt文件,它提供了说明如何加载TensorFlow模型并将其保存在HDF5或SavedModel格式。
权重。h5 HDF5格式的文件包含模型权重。

图:导出TensorFlow DarkNet19模型保存在常规的Python包。

Python代码:

加载出口从DarkNet19 TensorFlow模型方案。

进口DarkNet19模型= DarkNet19.load_model ()

SavedModel格式保存导出的模型。

model.save (“DarkNet19_savedmodel”)

从PyTorch进口

在R2022b我们介绍了深度学习工具箱转换器PyTorch模型万博1manbetx支持包。最初的版本支持导入图像分类模型。万博1manbetx万博1manbetx支持其他类型的模型将被添加在将来的版本中。

使用importNetworkFromPyTorch函数导入PyTorch模型。确保你是进口PyTorch模型是pretrained和追踪。我在这里向你们展示如何从PyTorch导入一个图像分类模型和初始化它。

Python代码:

加载一个pretrained图像的分类模型TorchVision图书馆。

从torchvision进口进口火炬模型模型= models.mnasnet1_0 (pretrained = True)

跟踪PyTorch模型。为更多的信息关于如何跟踪PyTorch模型,去火炬文档:跟踪一个函数。

X = torch.rand (3224224) traced_model = torch.jit.trace (model.forward X)

保存该PyTorch模型。

traced_model.save (“traced_mnasnet1_0.pt”)

MATLAB代码:

PyTorch模型导入MATLAB使用importNetworkTFromPyTorch函数。作为一个未初始化的函数导入模型dlnetwork对象没有一个输入层。

网= importNetworkFromPyTorch (“traced_mnasnet1_0.pt”);

指定的输入规模进口网络和创建一个图像输入层。然后,添加图像输入层网络和初始化网络通过使用进口addInputLayer在R2022b函数(新)。

InputSize = (224 224 3);InputLayer = imageInputLayer (InputSize正常化= "没有");网= addInputLayer(净、InputLayer初始化= true);

您可能已经注意到在上面的代码输入维度PyTorch和MATLAB的顺序不同。有关更多信息,请参见输入维度排序深度学习平台。

更多细节关于如何导入一个PyTorch模型,如何初始化导入的模型,以及如何执行工作流(如预测和培训)导入的模型中,看到的例子的importNetworkTFromPyTorch文档页面。

互操作性能力总结

互操作性支持包允许你连接深度学习与Tens万博1manbetxorFlow工具箱,Pytorch, ONNX。使用导入和导出函数访问模型中可用的开源库,与同事协作工作在其他深度学习框架。

更多信息:

找到所有可用的导入和导出功能(和他们的文档)深度学习进出口。
了解更多关于如何进出口网络,看到的深度学习工具箱之间的互操作性,TensorFlow PyTorch, ONNX。
关于进口车型的常见问题的答案,明白了建议从TensorFlow进口模型,PyTorch ONNX。
如果你工作在MATLAB中,你可以找到一个合适的网络在不断更新模型库:MATLAB深学习模型中心。
看看我们以前的博客文章从TensorFlow进口模型,PyTorch ONNX;你会发现有用的技巧在导入和一个例子你可以下载(重点从TensorFlow进口)。