Github

https://github.com/Microsoft/MMdnn

一个全面的，跨框架的解决方案转换，可视化和诊断深度神经网络模型。MMdnn中的“MM”代表模型管理，“dnn”是deep neural network的首字母缩写。

通常人们使用深层神经网络的步骤如下:

--------------                                               --------------
| Find model | --------------------------------------------> | Deployment |
--------------      |                                        --------------
                    |                                            ^    ^
                    |        --------------                      |    |
                    -------> | Conversion | ----------------------    |
                             --------------                           |
                                   |                                  |
                                   |           -----------            |
                                   ----------> | Retrain | ------------
                                               -----------

在MMdnn中，我们致力于帮助用户更好地处理他们的工作。

  • Find Model(找到模型)
    • 我们提供一个模型集合来帮助您找到一些流行的模型。
    • 我们提供了一个模型可视化器来更直观地显示网络架构。
  • Conversion(转换)
    • 我们实现了一个通用转换器来在框架之间转换DNN模型，这意味着您可以在一个框架上训练并在另一个框架上部署。
  • Retrain(重新训练)
    • 在转换器中，我们可以生成一些训练/推断代码片段来简化再训练/评估工作。
  • Deployment(发布)
    • 我们提供了一些方法来帮助您将模型部署到其他硬件平台。
      • 安卓
      • Serving

该项目由微软研究院(MSR)设计开发。我们也鼓励研究人员和学生利用这个项目来分析DNN模型，我们欢迎任何新的想法来扩展这个项目。

安装方法：

You can get stable version of MMdnn by

pip install mmdnn

or you can try the newest version by

pip install -U git+https://github.com/Microsoft/MMdnn.git@master

特性

Model Conversion 模型转换

在整个行业和学术界，有许多现有框架可供开发人员和研究人员设计模型，其中每个框架都有自己的网络结构定义和保存模型格式。框架之间的差异阻碍了模型的互操作。

我们提供了一个模型转换器来帮助开发人员通过中间表示格式在框架之间转换模型。

支持的框架有：

测试过的模型：

这个模型转换器在下面的框架上经过了转换测试，用的是ImageNet的模型进行相互转换的。

ModelsCaffeKerasTensorflowCNTKMXNetPyTorchCoreMLONNX
VGG 19√√√√√√√√
Inception V1√√√√√√√√
Inception V3√√√√√√√√
Inception V4√√√o√√√√
ResNet V1×√√o√√√√
ResNet V2√√√√√√√√
MobileNet V1×√√o√√√√
MobileNet V2×√√o√√√√
Xception√√√o×√√√
SqueezeNet√√√√√√√√
DenseNet√√√√√√√√
NASNetx√√o√√√x
ResNext√√√√√√√√
voc FCN  √√    
Yolo3 √ √    

使用方法

一句命令即可实现转换。我们看个从TensorFlow ResNet V2 152到PyTorch转换的示例。

$ mmdownload -f tensorflow -n resnet_v2_152 -o ./
$ mmconvert -sf tensorflow -in imagenet_resnet_v2_152.ckpt.meta -iw imagenet_resnet_v2_152.ckpt --dstNodeName MMdnn_Output -df pytorch -om tf_resnet_to_pth.pth

正在开发支持的框架：

  • Torch7 (help wants)
  • Chainer (help wants)

正在开发支持的模型：

  • Face Detection
  • Semantic Segmentation
  • Image Style Transfer
  • Object Detection
  • RNN

 

模型可视化

您可以使用MMdnn模型可视化器并提交IR json文件来可视化模型。为了运行下面的命令，您需要安装requests、keras和Tensorflow。

Use the Keras "inception_v3" model as an example again.

下载这个预训练好的模型

$ mmdownload -f keras -n inception_v3

将预先训练好的模型文件转换为中间表示

$ mmtoir -f keras -w imagenet_inception_v3.h5 -o keras_inception_v3
  1. 打开 MMdnn model visualizer ，然后选择文件 keras_inception_v3.json

vismmdnn

 

一些例子

Official Tutorial

Users' Examples

 

Logo
GitCode 开源社区

旨在为数千万中国开发者提供一个无缝且高效的云端环境，以支持学习、使用和贡献开源项目。

更多推荐

[转载]在Windows环境下安装GNU Radio

转自：在Windows环境下安装GNURadio_恐弱智_新浪博客GNU Radio是用Python开发的，大部分开源的工程能够在Linux环境下运行良好，而Windows下却运行的很勉强，而且安装配置都很复杂。GNU Radio算是个例外了，不光提供了Windows的二进制安装，还有比较详细的说明。我是Python小白，所以折腾了好久才弄好，特意记录下来，免得以后再装还折腾。GNU Radio的

avatar GitCode 开源社区

centOS 8 使用dnf安装Docker

DNF是什么？CentOS 8使用YUM软件包管理器版本v4.0.4。现在，该版本使用DNF(已删除YUM)。DNF是软件包管理器。它会在Linux发行版上安装，执行更新并删除软件包。使用DNF安装Docker跳过具有损坏依赖性的程序包一个有效的解决方案是使您的CentOS 8系统使用以下--nobest命令安装最符合条件的版本：sudo dnf install docker...

avatar GitCode 开源社区

定时同步数据库表(mysql+linux+crontab)

sync.sh里面的参数需要改变，ip/username/password/database/tablesync.sh#!/bin/sh# Please change the IP and password of the data source db.# Then change the table name.filename=/home/nington/db/$(date +%Y-%m

avatar GitCode 开源社区