python 调用 opt 转化模型¶
安装了 Paddle Lite 的 python 库后，可以通过 python 调用 opt 工具转化模型。（支持 MAC & Ubuntu 系统）
功能一：转化模型为 Paddle Lite 格式¶
opt 可以将 Paddle 原生模型转化为 Paddle Lite 支持的移动端模型：
存储格式转换，有效降低模型体积
执行“量化、子图融合、混合调度、 Kernel 优选”等优化操作，降低运行耗时与内存消耗
(1) 准备待优化的 PaddlePaddle 模型
opt 支持下列5种模型格式
用
--model_dir=指定模型文件夹位置
# contents in model directory should be in one of these formats:
(1) __model__ + var1 + var2 + etc.
(2) model + var1 + var2 + etc.
(3) model.pdmodel + model.pdiparams
(4) model + params
(5) model + weights
其他格式：
用
--model_file=指定模型文件位置用
--param_file=指定参数文件位置
eg. model + param
# 加载这种非标准格式时： 需要指定 模型和参数文件 位置
paddle_lite_opt --model_file=./model --param_file=./param
(2) 终端中执行opt命令转化模型
使用示例：转化mobilenet_v1模型
paddle_lite_opt --model_dir=./mobilenet_v1 \
--valid_targets=arm \
--optimize_out=mobilenet_v1_opt
以上命令可将mobilenet_v1转化为arm平台模型，优化后的模型文件是mobilenet_v1_opt.nb：
注意：若转化失败，提示模型格式不正确时
用
--model_file=指定模型文件位置用
--param_file=指定参数文件位置
(3) 更详尽的转化命令总结：
paddle_lite_opt \
--model_dir=<model_param_dir> \
--model_file=<model_path> \
--param_file=<param_path> \
--optimize_out_type=(protobuf|naive_buffer) \
--optimize_out=<output_optimize_model_dir> \
--valid_targets=(arm|opencl|x86|npu|xpu|huawei_ascend_npu|imagination_nna)\
--enable_fp16=(true|false) \
--quant_model=(true|false) \
--quant_type=(QUANT_INT16|QUANT_INT8)
| 选项 | 说明 |
|---|---|
| --model_dir | 待优化的 PaddlePaddle 模型（非 combined 形式）的路径 |
| --model_file | 待优化的 PaddlePaddle 模型（ combined 形式）的网络结构文件路径。 |
| --param_file | 待优化的 PaddlePaddle 模型（ combined 形式）的权重文件路径。 |
| --optimize_out_type | 输出模型类型，目前支持两种类型：protobuf 和 naive_buffer，其中 naive_buffer 是一种更轻量级的序列化/反序列化实现。若您需要在 mobile 端执行模型预测，请将此选项设置为 naive_buffer。默认为 protobuf。 |
| --optimize_out | 优化模型的输出路径。 |
| --valid_targets | 指定模型可执行的 backend，默认为 arm。可以同时指定多个 backend (以逗号分隔)，opt 将会自动选择最佳方式。如果需要支持华为 NPU（Kirin 810/990 Soc 搭载的达芬奇架构 NPU），应当设置为 "npu,arm"。 |
| --enable_fp16 | 设置是否使用 opt 中的 Float16 低精度量化功能，Float16 量化会提高速度提高、降低内存占用，但预测精度会有降低 |
| --quant_model | 设置是否使用 opt 中的动态离线量化功能。 |
| --quant_type | 指定 opt 中动态离线量化功能的量化类型，可以设置为 QUANT_INT8 和 QUANT_INT16，即分别量化为8比特和16比特。 量化为 int8 对模型精度有一点影响，模型体积大概减小4倍。量化为 int16 对模型精度基本没有影，模型体积大概减小2倍。 |
如果待优化的 fluid 模型是非 combined 形式，请设置
--model_dir，忽略--model_file和--param_file。如果待优化的 fluid 模型是 combined 形式，请设置
--model_file和--param_file，忽略--model_dir。naive_buffer的优化后模型为以.nb名称结尾的单个文件。protobuf的优化后模型为文件夹下的model和params两个文件。将model重命名为__model__用Netron打开，即可查看优化后的模型结构。删除
prefer_int8_kernel的输入参数，opt自动判别是否是量化模型，进行相应的优化操作。opt中的动态离线量化功能和PaddleSlim中动态离线量化功能相同，opt提供该功能是为了用户方便使用。
功能二：统计模型算子信息、判断是否支持¶
opt 可以统计并打印出 model 中的算子信息、判断 Paddle Lite 是否支持该模型。并可以打印出当前 Paddle Lite 的算子支持情况。
（1）使用 opt 统计模型中算子信息
下面命令可以打印出 mobilenet_v1 模型中包含的所有算子，并判断在硬件平台valid_targets下 Paddle Lite 是否支持该模型
paddle_lite_opt --print_model_ops=true --model_dir=mobilenet_v1 --valid_targets=arm
（2）使用 opt 打印当前 Paddle Lite 支持的算子信息
paddle_lite_opt --print_all_ops=true
以上命令可以打印出当前 Paddle Lite 支持的所有算子信息，包括 OP 的数量和每个 OP 支持哪些硬件平台：
paddle_lite_opt --print_supported_ops=true --valid_targets=x86
以上命令可以打印出当valid_targets=x86时 Paddle Lite 支持的所有 OP ：
