前端模型# 待处理 待修复 配置前端环境 PyTorch 前端环境 TensorFlow 前端环境 MXNET 前端模型 从 mxnet gluon 模型动物园下载模型 编译 Graph 在 TVM 上执行可移植 Graph 使用带有预训练权重的 MXNet Symbol TensorFlow 前端 Tensorflow1 前端 Tensorflow(pb) 转 ONNX Tensorflow 前端之 TF-slim TensorFlow1 推理 升级 TF1 为 TF2 检查点迁移 SavedModel TensorFlow 1:保存和导出 SavedModel TensorFlow 2:保存和导出 SavedModel 保存并导出使用 Keras 定义的 SavedModel 加载 SavedModel TensorFlow 1:使用 tf.saved_model.load 加载 SavedModel TensorFlow 2:加载使用 tf.saved_model 保存的模型 TensorFlow1 pb 推理 TensorFlow2 推理 TensorFlow2 Keras 推理 转换为 ONNX 模型 转换为 TFLite 模型 PyTorch 前端 原语库 深度学习框架是如何提供灵活性的? PyTorch 量化 ONNX 前端 ONNX 概述 访问 ONNX graph 序列化与反序列化 初始化器与默认值 节点属性 评估与运行时 评估节点 逐步评估 评估自定义节点 ONNX Runtime 概述 PyTorch 翻译为 ONNX ONNX 模型精简 torch.Tensor.expand() 转换 torch.Tensor.repeat() 转换 torch 索引转换 torch 切片转换 ONNX GatherND onnx ScatterND onnx flatten onnx conv+reshape onnx L2 范数 BN+conv Resize PyTorch 翻译为 ONNX(temp) PyTorch 算子测试 unsqueeze_constant embedding_bag index_put_slice torchvision 模型 resnet18 ONNX 测试样例 reshape double_reshape expand depth_to_space space_to_depth shape power range squeeze flatten unsqueeze unsqueeze_with_neg_axes gather dynamic_gather gatherelements scatter scatter_elements slice onnx_op_elementwise Caffe 前端 Caffe 简介 PyTorch Relax 前端