将机器学习模型转换为onnx，以便在windows ml中使用
keras2onnx的Python项目详细描述
简介
keras2onnx模型转换器允许用户将keras模型转换为ONNX模型格式。 最初，keras转换器是在项目onnxmltools中开发的。KALAS2ONNX转换器的开发被移动到一个^ {A3}以支持更多种类的CARAS模型，并降低了混合多个转换器的复杂性。
自从onnx操作集7以来，所有keras层都支持使用keras2onnx进行转换。有关路缘石层的详细信息，请参阅Keras documentation。KLAS2ONNX转换器还支持通过嵌入到源树中的^ {A5}转换器来避免版本冲突和安装复杂性。
windows机器学习（winml）用户可以使用WinMLTools将keras模型转换为onnx格式。如果要使用keras2onnx转换器，请参考WinML Release Notes来标识winml版本对应的onnx操作集。
keras2onnx已经在python 3.5、3.6和3.7上进行了测试（ci build）。它不支持python 2.x。
注释
tf.keras v.s.keras.io
Keras2onnx转换器现在支持这两种Keras型号。如果用户的keras包是从Keras.io安装的，那么转换器将在keras.io包创建模型时转换模型。否则，它将通过tf.keras转换它。
如果要重写此行为，请在调用转换器python api之前指定环境变量tf_keras=1。
用法
在运行转换器之前，请注意tensorflow必须安装在python环境中， 您可以选择tensorflow包（CPU版本）或tensorflow GPU（GPU版本）
验证预先培训的Keras应用程序模型
从python脚本将模型从keras转换为onnx将非常有用。 您可以使用以下API:
import keras2onnx
keras2onnx.convert_keras(model, name=None, doc_string='', target_opset=None, channel_first_inputs=None):
# type: (keras.Model, str, str, int, []) -> onnx.ModelProto
"""
:param model: keras model
:param name: the converted onnx model internal name
:param doc_string:
:param target_opset:
:param channel_first_inputs: A list of channel first input.
:return:
"""
使用以下脚本将keras应用程序模型转换为onnx，然后执行推断：
import numpy as np
from keras.preprocessing import image
from keras.applications.resnet50 import preprocess_input
import keras2onnx
import onnxruntime
# image preprocessing
img_path = 'street.jpg' # make sure the image is in img_path
img_size = 224
img = image.load_img(img_path, target_size=(img_size, img_size))
x = image.img_to_array(img)
x = np.expand_dims(x, axis=0)
x = preprocess_input(x)
# load keras model
from keras.applications.resnet50 import ResNet50
model = ResNet50(include_top=True, weights='imagenet')
# convert to onnx model
onnx_model = keras2onnx.convert_keras(model, model.name)
# runtime prediction
content = onnx_model.SerializeToString()
sess = onnxruntime.InferenceSession(content)
x = x if isinstance(x, list) else [x]
feed = dict([(input.name, x[n]) for n, input in enumerate(sess.get_inputs())])
pred_onnx = sess.run(None, feed)
将onnx模型加载到运行时会话的另一种方法是首先保存模型：
import onnx
temp_model_file = 'model.onnx'
onnx.save_model(onnx_model, temp_model_file)
sess = onnxruntime.InferenceSession(temp_model_file)
我们成功地转换了所有的keras应用模型，以及其他一些预训练模型。见下文：
| Model Name | Category |
|---|---|
| Xception | Computer Vision |
| VGG16, VGG19 | Computer Vision |
| ResNet50 | Computer Vision |
| InceptionV3, InceptionResNetV2 | Computer Vision |
| MobileNet, MobileNetV2 | Computer Vision |
| DenseNet121, DenseNet169, DenseNet201 | Computer Vision |
| NASNetMobile, NASNetLarge | Computer Vision |
| LPCNet | Speech |
| ACGAN (Auxiliary Classifier GAN) | GAN |
| Adversarial Autoencoder | GAN |
| BGAN (Boundary-Seeking GAN) | GAN |
| BIGAN (Bidirectional GAN) | GAN |
以下模型需要自定义转换，请参见“指令”列。
| Model Name | Category | Instruction |
|---|---|---|
| YOLOv3 | Computer Vision | Readme |
| Mask RCNN | Computer Vision | Readme |
贡献
我们欢迎以反馈、想法或代码的形式作出贡献。
许可证
欢迎加入QQ群-->： 979659372
