Online AI Model Conversion Guide

线上 AI 模型转换简介

在本指南中，我们将引导您使用线上转换工具完成 AI 模型的转换流程。线上转换工具允许您上传模型文件，并将其转换为与 Ameba IC 兼容的格式。

注意：请登录以访问线上转换工具。

请参考下表了解当前支持的线上转换模型。

支持的模型类型
模型	基本功能	所需文件
yolov3-tiny, darknet	目标检测	`.cfg`, `.weights`
yolov4-tiny, darknet	目标检测	`.cfg`, `.weights`
yolov7-tiny, darknet	目标检测	`.cfg`, `.weights`
yolov7-tiny, pytorch	目标检测	`.pt`
scrfd/mobilefacenet	人脸检测与识别	`.pt` 或 `.onnx`
yamnet	声音分类	`.h5`
CNN Gray/RGB	图像分类	`.h5` 或 `.onnx`

量化图片为可选上传项，最多可上传 10 张。

对于 CNN Gray/RGB，请参考以下说明以获取正确的转换模型。

训练模型时：支持的 tensorflow 版本最高为 2.14.1

保存模型时：将标志设置为"include_optimizer=False"

AI 模型转换完成后，系统将通过电子邮件发送下载链接。

更多关于模型部署的信息，请参考定制化 AI 模型部署指南。

有关 MobileFaceNet .pt 到 .onnx 模型转换指南，请参考 MobileFaceNet ONNX 转换章节了解更多详情。

有关 SCRFD .pt 到 .onnx 模型转换指南，请参考 SCRFD 转换为 ONNX 章节了解更多详情。

MobileFaceNet ONNX 转换

MobileFaceNet 是一种高效的卷积神经网络（CNN）模型，使用了超过 100 万个参数。

MobileFaceNet 用于特征提取。由于 MobileFaceNet 属于轻量级模型类型，我们可以将此面部识别系统应用于移动和嵌入式设备。

我们可以从 GitHub 下载源代码和预训练模型：

git clone https://github.com/foamliu/MobileFaceNet.git.
cd MobileFaceNet
mkdir weights
cd weights
wget https://github.com/foamliu/MobileFaceNet/releases/download/v1.0/mobilefacenet.pt

为了获得更好的性能和兼容性，开发者可以通过执行以下命令将 .pt 转换为 .onnx：

python3 convert2onnx.py

代码参考

convert2onnx.py

from mobilefacenet import MobileFaceNet
import torch
import time

if __name__ == '__main__':
    filename = 'weights/mobilefacenet.pt'
    print('loading {}...'.format(filename))
    start = time.time()
    model = MobileFaceNet()
    model.load_state_dict(torch.load(filename, map_location=torch.device('cpu')))
    print('elapsed {} sec'.format(time.time() - start))
    print(model)

    output_onnx = 'weights/MobileFaceNet.onnx'
    print("==> Exporting model to ONNX format at '{}'".format(output_onnx))
    input_names = ["input0"]
    output_names = ["output0"]
    inputs = torch.randn(1, 3, 112, 112)

    torch_out = torch.onnx._export(model, inputs, output_onnx, export_params=True, verbose=False,
                                input_names=input_names, output_names=output_names, opset_version=10)

转换后的 onnx 文件位于 weights/MobileFaceNet.onnx。

SCRFD 转换为 ONNX

SCRFD 是一种高效高精度的人脸检测方法，最初在 Arxiv 上发表。

它提供了一个易于使用的流水线，配合 NAS 支持来训练高效的人脸检测器。

您可以访问 InsignFace 了解更多信息。

对于边缘计算应用，建议开发者使用 SCRFD_500M_KPS。

设置 SCRFD 环境

SCRFD 的默认格式为 PyTorch，因此需要将其转换为 ONNX 格式：

cd ~/insightface/detection/scrfd
python tools/scrfd2onnx.py configs/scrfd/scrfd_500m_bnkps.py scrfd_500mkps.pt --shape 640 640

您可以在 InsignFace 中找到 tools/scrfd2onnx.py。

如果开发者遇到 Python 包依赖问题，可以尝试使用 virtualenv 创建隔离的 Python 环境，并参照我们的 requirements_scrfd.txt 来安装 Python 包。请从 requirements_scrfd 下载。

pip install -r requirements_scrfd.txt

为了向您展示如何快速转换和导出 SCRFD，我们可以从互联网下载预训练权重： scrfd.lite.ai.toolkit

请下载 scrfd_500m_bnkps_shape640x640.onnx 或 scrfd_500m_bnkps_shape320x320.onnx 用于边缘计算应用。