pytorch转caffe 需要结果，有教程就更好了

将一个pytorch的model转为caffe pytorch生成的model的.pth文件链接 https://ws28.cn/f/82oxyp9z4z1 希望能快一些，有教程就更好不过，万分感谢。

你这pth只存了模型权重，没给网络结构怎么转。。。或者给出你的模型开源链接也行。pytorch转caffe很多坑，比较好的方法是楼上的先转onnx再转caffe，但是转onnx也坑，看你的网络能不能支持onnx的结构，有些网络层不支持你只能自己实现下替换才行

将一个pytorch的model转为caffe pytorch生成的model的.pth文件链接 https://ws28.cn/f/82oxyp9z4z1 希望能快一些，有教程就更好不过，万分感谢。
@wangxiaobei2017
@gaomingda
@baobei0112
@xiaohe9275
@warrentdrew
@vvnzhang2095
@mokchih
整个模型保存到了 https://ws28.cn/f/82xk0gs30a5，FBnet在train的时候每一个epoch都会有这么一个模型 然后以accuracy为标准 如果新一轮模型的accracy更高，就会以bestmodel.pth命名保存下来，FBNet-master\supernet_functions\logs这个是.pth存储的地址。 有偿！有偿！有偿！

转换权重参考：https://blog.csdn.net/xinxiang7/article/details/110822493

pytorch转caffe步骤

pytorch转caffe步骤_vvnzhang2095的博客-CSDN博客_pytorch转caffe 写在前面主要记录一下如何用pycaffe写prototxt，以及按pytorch结构写prototxt过程中遇到的坑。步骤先把pytorch的参数权重存起来，例如存到npy文件里对batch normalization层的权重进行融合（未确定是否必要，似乎只是为了节省内存）建立caffe的.prototxt文件，即按照pytorch的网络架构写出caffe的架构（目前只打算写一下这个，... https://blog.csdn.net/vvnzhang2095/article/details/91439924

参考下这个：https://blog.csdn.net/qq_35975447/article/details/107811574

使用的pytorch模型基本都是动态图结构，动态图的问题是一旦前向不完整就无法确定图结构，而caffe是静态图框架，会导致pytorch到caffe的模型转换为遇到很多问题，建议参考下面这个链接进行转换
https://github.com/xxradon/ONNXToCaffe
教程
https://blog.csdn.net/bill20100829/article/details/124183943

我看网上并没有太成熟的pth转到caffe的项目，不过却有一个很成熟的onnx 转到 caffe的项目，项目地址：https://github.com/xxradon/ONNXToCaffe
项目依赖：

- caffe (with python support)
- pytorch (optional if you want to convert onnx)
- onnx
- onnxruntime

那么就先需要将pth转成onnx，这两个的转换方法比较简单，也能找到不少的解决策略，下面例子：

import torch
import torch.onnx
from tinynet import tinynet
import os

def pth_to_onnx(input, checkpoint, onnx_path, input_names=['input'], output_names=['output'], device='cpu'):
    if not onnx_path.endswith('.onnx'):
        print('Warning! The onnx model name is not correct,\
              please give a name that ends with \'.onnx\'!')
        return 0

    model = tinynet() #导入模型
    model.load_state_dict(torch.load(checkpoint)) #初始化权重
    model.eval()
    # model.to(device)
    
    torch.onnx.export(model, input, onnx_path, verbose=True, input_names=input_names, output_names=output_names) #指定模型的输入，以及onnx的输出路径
    print("Exporting .pth model to onnx model has been successful!")

if __name__ == '__main__':
    os.environ['CUDA_VISIBLE_DEVICES']='2'
    checkpoint = './model/your_model.pth'
    onnx_path = './model/your_model.onnx'
    input = torch.randn(input.shape)
    # device = torch.device("cuda:2" if torch.cuda.is_available() else 'cpu')
    pth_to_onnx(input, checkpoint, onnx_path)

转成onnx后，再使用上面介绍的项目，进行转换即可：

python convertCaffe.py ./model/your_model.onnx ./model/your_model.prototxt ./model/your_model.caffemodel

如有帮助，请采纳，多谢！

没有通用的方法，试图使用通用的代码转换权重是徒劳的，pytorch很多人喜欢用自定义的层，各式各样，根本无法使用通用的代码进行转换。我一般是拿到训练的代码，然后在基础网络层里面添加权重转换代码，在pt网络重建并载入权重后，再调用权重转换方法生成指定类型的权重。

直接转onnx

https://blog.csdn.net/vvnzhang2095/article/details/91439924
可以参考一下这个，python转caffe

可以参考一下这篇文章，讲的很仔细，望采纳~https://zhuanlan.zhihu.com/p/352750171