[发明专利]一种多神经网络框架间的快速模型验证方法

说明书

本发明公开了一种多神经网络框架间的快速模型验证方法，属于计算机视觉技术领域，所述方法包括以下步骤:(1)搭建pytorch框架环境，导入torch、torch.nn库。(2)基于pytorch框架环境搭建神经网络模型并进行调试，生成格式为.pth的文件。(3)使用torch与caffe间的转换工具，将格式为.pth的文件转换为格式为.caffemodel及prototxt的caffe框架下的文件。(4)搭建caffe框架环境，并验证转换后的文件是否正常运行。(5)验证该模型在实际应用中的可行性。本发明降低了神经网络的开发与调试难度，有效缩短了神经网络模型的研发和应用周期。

技术领域

本发明涉及一种多神经网络框架间的快速模型验证方法，属于计算机视觉、计算机软件技术领域。

背景技术

在运用深度学习方法训练神经网络的产品化的过程中，通常使用的是caffe框架，如华为海思35XX系列监控处理芯片，英特尔神经棒一代，二代，腾讯的NCNN,小米的MACE框架，都只支持在caffe训练出的模型格式，目前工业界对pytorch的支持还不完善。但caffe框架出现时期较早，专注于计算机视觉领域，在该框架下研发新的模型需要的代码冗长，调试较为麻烦，研发周期较长。而pytorch框架出现的较晚，是一个通用的框架，其框架下神经网络模型的研发所需代码较为简单，调试较为方便，研发周期较短。

在相同硬件条件下，caffe比pytorch训练速度更快，精度更高，但较难上手，不容易编写模型。Pytorch相比caffe较容易上手，编写和调试模型更为方便。使用pytorch搭建模型的速度更快，调试更快。相比较之下能使研发周期变短。目前并没有将二者融合的有效方法。

目前已有的深度学习方法训练神经网络并产品化的方法，大多是在caffe框架之中直接进行开发并调试，且由于caffe框架的代码冗长，结构不清晰，在开发及调试过程中需要大量时间，使得研发周期变得很长。且便于研发使用的pytorch框架移植到caffe框架下后需要在caffe框架下重新训练模型，开发时间长。故此提出一种多框架间的快速移植方法进行研发调试，缩短研发周期，具有较强的实用意义。

发明内容

针对现有技术的不足，本发明提供一种多神经网络框架间的快速模型验证方法。

本发明的技术方案如下：

一种多神经网络框架间的快速模型验证方法，所述方法包括以下步骤:

(1)搭建pytorch框架环境，导入torch库、torch.nn库；

(2)基于pytorch框架环境搭建神经网络模型并进行调试，生成格式为.pth的文件；

(3)使用torch与caffe间的转换工具，将格式为.pth的文件转换为格式为.caffemodel及prototxt的caffe框架下的文件；

(4)搭建caffe框架环境，并验证转换后的文件是否正常运行；

(5)验证该模型在实际应用中的可行性，将模型写入需要使用该模型的产品中，观察是否能输出规定输出的文件，测试该产品是否能正常工作。

进一步地，步骤(1)中，安装所需python版本，下载相关python包管理工具，安装对应版本的pytorch和torchvision，其中torchvision用以通过可视化协助搭建者调试神经网络模型，加快网络开发速度，安装完成后运行demo测试是否安装成功。

进一步地，步骤(2)中，在pytorch框架环境下搭建神经网络模型，模型包括数据集处理文件、网络模型文件、网络训练文件、网络测试文件、可视化文件；