[飞桨paddle]1. conda安装paddle环境.模型转换，pytorch（任意模型）-＞paddlepaddle

• 问题阐述：将yoloV5项目移至paddle框架下执行时，会发现飞桨的框架不支持pytorch框架(即yoloV5)，具体表现为paddle框架需要的模型后缀为.pdparams，而原模型为.pt格式。
• 做法是，.pt --> .onnx --> .pdparams
• 这里是已经在yoloV5下训练好的模型，转成.pdparams即可。例训练好的模型为：plate_detect.pt

1. conda装paddle环境

conda create -n paddle_env python=3.9
conda activate paddle_env
# conda设置为清华源
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/free/
conda config --add channels https://mirrors.tuna.tsinghua.edu.cn/anaconda/pkgs/main/
conda config --set show_channel_urls yes
# 安装paddlepaddle的gpu版本及cudakittool（gpu版本可以使用cpu）
# 但是这里不是最新版本的，最新版本上官网
conda install paddlepaddle-gpu==2.0.2 cudatoolkit=10.2 --channel https://mirrors.tuna.tsinghua.edu.cn/anaconda/cloud/Paddle/

# 已有numpy，此处安装PIL或matplotlib或OpenCV用于图片显示
pip install nibabel
conda install opencv

# 安装anaconda基本库，速度有慢，报错信息，只要不停止，一直等待即可
# 这一步时间较久
conda install anaconda
# 安装paddleseg
pip install paddleseg -i https://mirror.baidu.com/pypi/simple

安装过程如下，成功截图见下下张

1.1 验证是否装好

1. 输入python进入环境

python

2. 导入paddle

import paddle

3. 键入如下代码，查看是否成功

paddle.utils.run_check()

出现successfully,即为成功

2. x2paddle

2.1 介绍

X2Paddle 是飞桨生态下的模型转换工具, 目前已经支持 Caffe/TensorFlow/ONNX/PyTorch 四大框架的预测模型的转换，PyTorch 训练项目的转换，涵盖了目前市面主流深度学习框架,一条命令即可完成转换。

2.2 安装

pip install x2paddle

3 模型转换

• 以下操作均在yolov5环境下执行。
  本例选用yoloV5训练好的.pt模型，转换为paddle框架能使用的.pdparams模型。

3.1 pt -> onnx

1. 安装onnx, onnxruntime, paddle, x2paddle

pip install onnx -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install onnxruntime -i https://pypi.tuna.tsinghua.edu.cn/simple
pip install paddlepaddle -i https://mirror.baidu.com/pypi/simple
pip install x2paddle -i https://mirror.baidu.com/pypi/simple

2. 命令行操作如下：

python ./export.py --weights plate_detect.pt --img 640 --batch 1

参数说明：

data: 数据集yaml文件路径
weights:自己的模型路径
imgsz:图片尺寸
batch-size:默认为1，不用更改
device：运行设备，若cpu，则直接写cpu，若gpu，则写0或0,1,2,3
half: 半精度，建议改为False，否则转换inference模型时会出错
dynamic:建议改为False
simplify:建议为True
opset:onnx协议，建议改为11或12
include:列表形式，储存你需要转换的模型后缀，支持torchscript, onnx, engine, coreml, saved_model, pb, tflite, tfjs

3. 出现如下界面表示成功。
   

ONNX export success. saved as …。现在就已经有了onnx模型。默认和原模型同名称，同路径。

3.2 onnx > .pdparams

可以从三种框架下转成paddle下需要的模型，一句话搞定，具体如下:

x2paddle --framework=onnx --model=onnx_model.onnx --save_dir=pd_model   #从onnx时
x2paddle --framework=tensorflow --model=tf_model.pb --save_dir=pd_model  #从tensorflow时
x2paddle --framework=caffe --prototxt=deploy.prototxt --weight=deploy.caffemodel --save_dir=pd_model  #从caffe时

此处是从onnx转，运行第一句即可。其中的命令参数如下:

–freamework	          需要转换的模型类型（即tensorflow、onnx、caffe）
–model	              需要转换的模型路径
–save_dir	          保存转换后的模型路径
–prototxt	          caffe模型的proto文件路径
–weight	              caffe模型的参数文件路径

执行如下语句开始导出：(paddle_inference是我自己建的文件夹)

x2paddle --framework=onnx --model=plate_detect.onnx --save_dir=paddle_inference

如下界面导出成功

3.2.1 会出现的错误情况

3-1. 第一种情况

• onnx的版本最新 和 paddlepaddle最新版本 的依赖protobuf有冲突。问题如下：
• 
• 大体就是组件冲突，翻译最下边两行就是问题原因，方法简单，降级onnx版本适应paddlepaddle的依赖版本就行。这里我paddlepaddle==2.4.2，将onnx降级为1.11.0即可。运行如下代码：

pip install onnx==1.10.0 -i https://mirror.baidu.com/pypi/simple

3-2. 第二种情况

The opset version of the onnx model is 12, only model with opset_version 10/11 is supported.

• 这应该是yolov5自带的export.py导出的onnx模型是12版本导致的。
  这个时候需要打开yolov5下的export.py文件，找到参数设置里的如下句子：
  parser.add_argument('--opset', type=int, default=12, help='ONNX: opset version')
  它说12有问题，就换11呗,11还不行就一直下降，我这儿降低到9才好，执行如下语句（搜索一下，应该在97行）

parser.add_argument('--opset', type=int, default=11, help='ONNX: opset version')

然后删除那个onnx模型重新执行python export.py即可。

4. 查看结果

上边导出的paddle_inference文件夹下有如下文件和文件夹。

• 下面进行一一说明

1. inference_model文件夹： 就是我们需要的推理模型。
2. x2paddle_code.py： 转换后paddlepaddle构建的模型文件。
3. model.pdparams： 模型文件的权重（不是推理模型权重）

5. 其他模型

其他模型topaddle的时候, x2paddle都可以代劳，但是tensorflow2.0模型需要经过一个中间步骤onnx，因为paddle还不支持对.pb模型的直接转换，详见
所有模型转paddle官方文档

6. 终极解法

现在是2023-5-27，好像yolo已经集成了很多模型在export里边，包含但不限于torchscript, onnx, openvino, engine, coreml, saved_model, pb, tflite, edgetpu, tfjs, paddle,而且导出之后直接是paddleinfer格式。