开源
MMdnn 是一个全面的跨框架工具，用于转换、可视化和诊断深度学习 (DL) 模型。“MM”代表模型管理，“dnn”是深度神经网络的首字母缩写。
模型转换
模型再训练
模型搜索和可视化
模型部署
[hidecontent type="logged" desc="隐藏内容：登录后可查看"]
您可以通过以下方式获得 MMdnn 的稳定版本
pip install mmdnn
并确保安装了Python，或者您可以通过以下方式尝试最新版本
[rihide]
pip install -U git+https://github.com/Microsoft/MMdnn.git@master
MMdnn 提供了一个 docker 镜像，其中封装了我们支持的 MMdnn 和深度学习框架以及其他依赖项。您可以通过以下步骤轻松尝试图像：
安装 Docker 社区版（CE）
拉取 MMdnn docker 镜像
docker pull mmdnn/mmdnn:cpu.small
以交互模式运行图像
docker run -it mmdnn/mmdnn:cpu.small
在整个工业界和学术界，有许多现有的框架可供开发人员和研究人员设计模型，其中每个框架都有自己的网络结构定义和保存模型格式。框架之间的差距阻碍了模型的互操作。
我们提供了一个模型转换器来帮助开发人员通过中间表示格式在框架之间转换模型。
[注意] 您可以点击链接获取每个框架的详细README。
当前支持的框架之间的模型转换在一些ImageNet模型上进行了测试。
一条命令实现转换。使用 TensorFlow ResNet V2 152到 PyTorch 作为我们的示例。
$ mmdownload -f tensorflow -n resnet_v2_152 -o ./
$ mmconvert -sf tensorflow -in imagenet_resnet_v2_152.ckpt.meta -iw imagenet_resnet_v2_152.ckpt --dstNodeName MMdnn_Output -df pytorch -om tf_resnet_to_pth.pth
完毕。
我们提供了一个本地可视化工具来显示深度学习模型的网络架构。请参考说明书。
[/hidecontent]
