有关将 Apache MXNet 转换为 ONNX,然后加载到 CNTK 的教程 - 深度学习 AMI
AWS 文档中描述的 AWS 服务或功能可能因区域而异。要查看适用于中国区域的差异,请参阅中国的 AWS 服务入门

本文属于机器翻译版本。若本译文内容与英语原文存在差异,则一律以英文原文为准。

有关将 Apache MXNet 转换为 ONNX,然后加载到 CNTK 的教程

注意

从 v28 版本开始,Amazon Deep Learning AMI 中将不再包含 CNTK、Caffe、Caffe2 和 Theano Conda 环境。包含这些环境的先前版本的 Amazon Deep Learning AMI 将继续可用。但是,只有在开源社区针对这些框架发布安全修补程序时,我们才会为这些环境提供更新。

ONNX 概述

开放神经网络交换 (ONNX) 是一种用于表示深度学习模型的开放格式。ONNX 受到 Amazon Web Services、Microsoft、Facebook 和其他多个合作伙伴的支持。您可以使用任何选定的框架来设计、训练和部署深度学习模型。ONNX 模型的好处是,它们可以在框架之间轻松移动。

本教程介绍如何结合使用深度学习 AMI with Conda 与 ONNX。通过执行以下步骤,您可以训练模型或从一个框架中加载预先训练的模型,将此模型导出为 ONNX,然后将此模型导入到另一个框架中。

ONNX 先决条件

要使用此 ONNX 教程,您必须有权访问使用 Conda 版本 12 或更高版本的深度学习 AMI。有关如何开始使用带 Conda 的深度学习 AMI 的更多信息,请参阅使用 Conda 的深度学习 AMI I I

重要

这些示例使用可能需要多达 8 GB 内存(或更多)的函数。请务必选择具有足量内存的实例类型。

使用 Conda 的 Deep Learning AMI 启动终端会话以开始以下教程。

将 Apache MXNet(孵化)模型转换为 ONNX,然后将模型加载到 CNTK 中

如何从 Apache MXNet(孵化)中导出模型

您可以将最新的 MXNet 工作版本安装到您的 Conda 上的任一或两个 MXNet Conda 环境。

    • (适用于 Python 3 的选项)- 激活 Python 3 MXNet 环境:

      $ source activate mxnet_p36
    • (适用于 Python 2 的选项)- 激活 Python 2 MXNet 环境:

      $ source activate mxnet_p27
  1. 其余步骤假定您使用的是 mxnet_p36 环境。

  2. 下载模型文件。

    curl -O https://s3.amazonaws.com/onnx-mxnet/model-zoo/vgg16/vgg16-symbol.json curl -O https://s3.amazonaws.com/onnx-mxnet/model-zoo/vgg16/vgg16-0000.params
  3. 要将模型文件从 MXNet 导出为 ONNX 格式,使用文本编辑器创建一个新文件,并在脚本中使用以下程序。

    import numpy as np import mxnet as mx from mxnet.contrib import onnx as onnx_mxnet converted_onnx_filename='vgg16.onnx' # Export MXNet model to ONNX format via MXNet's export_model API converted_onnx_filename=onnx_mxnet.export_model('vgg16-symbol.json', 'vgg16-0000.params', [(1,3,224,224)], np.float32, converted_onnx_filename) # Check that the newly created model is valid and meets ONNX specification. import onnx model_proto = onnx.load(converted_onnx_filename) onnx.checker.check_model(model_proto)

    您可能会看到一些警告消息,不过您目前可以安全地忽略它们。在您运行此脚本后,您将在同一目录中看到新创建的 .onnx 文件。

  4. 现在您有一个 ONNX 文件,可以将其与以下示例结合使用来尝试运行推理: