--framework

功能说明

原始网络模型框架类型。

Atlas A2 训练系列产品/Atlas 800I A2 推理产品不支持Caffe框架。

关联参数

无。

参数取值

参数值：

0：Caffe
1：MindSpore框架*.air格式的模型文件或TorchAir通过export导出的标准*.air格式文件
3：TensorFlow
5：ONNX

参数值约束：

当--mode为1时，该参数可选，可以指定Caffe、TensorFlow、ONNX原始模型转成json，不指定时默认为离线模型转json，如果指定时需要保证--om模型和--framework类型对应一致，例如：
```
--mode=1 --framework=0 --om=$HOME/module/resnet50.prototxt
--mode=1 --framework=3 --om=$HOME/module/resnet50_tensorflow*.pb
--mode=1 --framework=5 --om=$HOME/module/resnet50.onnx
```
当--mode为0或3时，该参数必选，可以指定Caffe、TensorFlow、MindSpore或ONNX。
当取值为0时，即为Caffe框架网络模型，模型包括后缀为prototxt的模型文件和后缀为caffemodel的权重文件，并且此两个文件的op name和op type必须保持名称一致（包括大小写）。
当取值为3时，即为TensorFlow框架网络模型，只支持FrozenGraphDef格式，即尾缀为pb的模型文件，pb文件采用protobuf格式存储，网络模型和权值数据都储存在同一个文件中。
当取值为5时，即为ONNX格式网络模型，支持ai.onnx算子域中opset v11~v15版本的算子；而PyTorch框架的pth模型，可以转化为ONNX格式的模型或者通过TorchAir export导出标准的*.air格式文件，然后才能进行模型转换。
当取值为1时，且为MindSpore框架网络模型时，请务必查看如下限制：
- 模型转换时，仅支持后缀为*.air的模型文件；
- --mode只支持配置为0；
- --input_format只支持配置为NCHW，配置其它值无效，但模型转换成功；
- MindSpore框架下，使用--input_shape、--out_nodes、--is_output_adjust_hw_layout、--input_fp16_nodes、--is_input_adjust_hw_layout、--op_name_map参数不生效，但模型转换成功；
- 当模型大小超过2G时，在MindSpore框架中保存模型时会同时生成*.air文件、weight文件夹及其中的权重文件，在模型转换时，需要将weight文件夹与*.air文件存放在同级目录下，否则模型转换报错。

示例

ONNX网络模型：

--mode=0 --framework=5 --model=$HOME/module/resnet50.onnx --output=$HOME/module/out/onnx_resnet50 --soc_version=<soc_version>

TensorFlow框架：

--mode=0 --framework=3 --model=$HOME/module/resnet50_tensorflow*.pb --output=$HOME/module/out/tf_resnet50 --soc_version=<soc_version>

Caffe框架：

--mode=0 --framework=0 --model=$HOME/module/resnet50.prototxt --weight=$HOME/module/resnet50.caffemodel  --output=$HOME/module/out/caffe_resnet50 --soc_version=<soc_version>

*.air格式的模型文件：

--mode=0 --framework=1 --model=$HOME/module/ResNet50.air --output=$HOME/module/out/ResNet50_mindspore --soc_version=<soc_version>

支持的型号

Atlas 200/300/500 推理产品

Atlas 推理系列产品

Atlas 训练系列产品

Atlas 200I/500 A2 推理产品

Atlas A2 训练系列产品/Atlas 800I A2 推理产品

依赖约束

如果用户使用Faster RCNN、YOLOv3、YOLOv2、SSD等Caffe框架网络模型进行模型转换，由于此类网络中包含了一些原始Caffe框架中没有定义的算子结构，如ROIPooling、Normalize、PSROI Pooling和Upsample等。为了使昇腾AI处理器能支持这些网络，需要对原始的Caffe框架网络模型进行扩展，降低开发者开发自定义算子/开发后处理代码的工作量，详细扩展方法请参见定制网络修改（Caffe）。
针对TensorFlow框架原始网络模型，如果存在控制流算子（比如swtich/merge/loopcond/If/Case/While等），该类网络模型不能直接使用ATC工具进行模型转换，需要先将控制流算子的网络模型转成函数类算子的网络模型，然后利用ATC工具转换成适配昇腾AI处理器的离线模型，详细转换方式请参见定制网络修改（TensorFlow）。

父主题： 输入选项