转换tf模型发生TypeError: pad() got an unexpected keyword argument 'input' 错误

[xingjing1]

tensorflow模型：检测手的一个模型， 转换paddle模型时候发生如下错误：

模型如下： palm_detection.zip

使用的方法是官方文档所介绍的方法： https://github.com/PaddlePaddle/X2Paddle

paddlepaddle版本：paddlepaddle-1.8.5-cp36-cp36m-win_amd64.whl paddlelite版本：paddlelite-2.6.3-cp36-cp36m-win_amd64.whl X2paddle版本：x2paddle-0.8.7-py3-none-any.whl

[jiangjiajun]

你好，请获取最新的github代码，重新安装x2paddle即可

pip uninstall x2paddle
git clone https://github.com/PaddlePaddle/X2Paddle.git
cd X2Paddle
git checkout develop
python setup.py install

[xingjing1]

您好，按照您的方式输出如下信息：

当我跑benchmark时候出现了如下问题： 我是在树莓派上编译的paddle-lite，命令是： ./benchmark_bin --optimized_model_path=./benchmark_models/hand --warmup=10 --repeats=10 --threads=4 --result_filename=./result.txt`

之前benchmark过resnet的，可以正常输出世界。 转换后的模型如下： inference_model.zip

是转换模型不完全吗？

[jiangjiajun]

因为tf的模型输入格式是nhwc， 而paddlelite的benchmark工具可能是针对nchw的输入的，因此会有如上的错误提示

[xingjing1]

因为tf的模型输入格式是nhwc， 而paddlelite的benchmark工具可能是针对nchw的输入的，因此会有如上的错误提示

好的，，那我自己写一个demo吧

[xingjing1]

因为tf的模型输入格式是nhwc， 而paddlelite的benchmark工具可能是针对nchw的输入的，因此会有如上的错误提示

您知道有什么简便的方法可以benchmark这个模型吗？

[jiangjiajun]

因为tf的模型输入格式是nhwc， 而paddlelite的benchmark工具可能是针对nchw的输入的，因此会有如上的错误提示

您知道有什么简便的方法可以benchmark这个模型吗？

在X2Paddle转换后的生成目录，包含了两个文件夹 inference_model和model_with_code，其中在model_with_code目录中，x2paddle_model.py是模型的组网代码， 另外还有模型的权重目录，你可以修改x2paddle_model.py，

例如当前是

from paddle.fluid.initializer import Constant
from paddle.fluid.param_attr import ParamAttr
import paddle.fluid as fluid
import math

def x2paddle_net():
    input = fluid.data(dtype='float32', name='input', shape=[1, 256, 256, 3])
    conv2d_transpose_0 = fluid.layers.transpose(x=input, perm=[0, 3, 1, 2])
    conv2d = fluid.layers.conv2d(input=conv2d_transpose_0, filter_size=[3, 3], param_attr='conv2d_Kernel', stride=[2, 2], num_filters=32, bias_attr='conv2d_Bias', dilation=[1, 1], padding='SAME')
   。。。
   。。。

将其修改，把输入改成NCHW格式，这样可以去掉第二行的transpose, 注意修改第三行的输入变量名，改成如下代码

from paddle.fluid.initializer import Constant
from paddle.fluid.param_attr import ParamAttr
import paddle.fluid as fluid
import math

def x2paddle_net():
    input = fluid.data(dtype='float32', name='input', shape=[1, 3, 256, 256])
    conv2d = fluid.layers.conv2d(input=input, filter_size=[3, 3], param_attr='conv2d_Kernel', stride=[2, 2], num_filters=32, bias_attr='conv2d_Bias', dilation=[1, 1], padding='SAME')

通过修改后的组网代码，加载权重，重新调用fluid.io.save_inference_model即可导出新的部署模型，接着再转成paddlelite的格式，即可使用benchmark工具

[xingjing1]

因为tf的模型输入格式是nhwc， 而paddlelite的benchmark工具可能是针对nchw的输入的，因此会有如上的错误提示

您知道有什么简便的方法可以benchmark这个模型吗？

在X2Paddle转换后的生成目录，包含了两个文件夹 inference_model和model_with_code，其中在model_with_code目录中，x2paddle_model.py是模型的组网代码， 另外还有模型的权重目录，你可以修改x2paddle_model.py，

例如当前是

from paddle.fluid.initializer import Constant
from paddle.fluid.param_attr import ParamAttr
import paddle.fluid as fluid
import math

def x2paddle_net():
    input = fluid.data(dtype='float32', name='input', shape=[1, 256, 256, 3])
    conv2d_transpose_0 = fluid.layers.transpose(x=input, perm=[0, 3, 1, 2])
    conv2d = fluid.layers.conv2d(input=conv2d_transpose_0, filter_size=[3, 3], param_attr='conv2d_Kernel', stride=[2, 2], num_filters=32, bias_attr='conv2d_Bias', dilation=[1, 1], padding='SAME')
   。。。
   。。。

将其修改，把输入改成NCHW格式，这样可以去掉第二行的transpose, 注意修改第三行的输入变量名，改成如下代码

from paddle.fluid.initializer import Constant
from paddle.fluid.param_attr import ParamAttr
import paddle.fluid as fluid
import math

def x2paddle_net():
    input = fluid.data(dtype='float32', name='input', shape=[1, 3, 256, 256])
    conv2d = fluid.layers.conv2d(input=input, filter_size=[3, 3], param_attr='conv2d_Kernel', stride=[2, 2], num_filters=32, bias_attr='conv2d_Bias', dilation=[1, 1], padding='SAME')

通过修改后的组网代码，加载权重，重新调用fluid.io.save_inference_model即可导出新的部署模型，接着再转成paddlelite的格式，即可使用benchmark工具

👍，多谢，我试试

[xingjing1]

您好，我刚接触paddle，麻烦啦 我用如下代码，生成新的inference_model： ` import paddle.fluid as fluid import model_with_code.x2paddle_model as model

[input], [classificators, regressors] = model.x2paddle_net()

exe = fluid.Executor(fluid.CPUPlace()) fluid.io.load_persistables(exe, './model_with_code/weights') path = "./inference_model"

fluid.io.save_inference_model(dirname=path, feeded_var_names=['input'],main_program = , target_vars=[classificators, regressors], executor=exe) ` 进行benchmark，然而还是有segmentation fault错误，是我生成的方式有不对吗？

生成的新inference model和原来的model_with_code都在下面这个文件里。 palm.zip

我用checkforlite检测了一下： 原因是这个吗？

[jiangjiajun]

这个建议在PaddleLite的Repo下提个issue咨询下 https://github.com/PaddlePaddle/Paddle-Lite check_for_lite的原理是查找Paddle-Lite/develop/lite/api/_paddle_use_ops.h代码下是否有相应OP实现，具体是否支持，还以PaddleLite的文档为准