模型优化工具 opt¶

Paddle Lite 提供了多种策略来自动优化原始的训练模型，其中包括量化、子图融合、混合调度、Kernel 优选等等方法。为了使优化过程更加方便易用，我们提供了opt 工具来自动完成优化步骤，输出一个轻量的、最优的可执行模型。

具体使用方法介绍如下：

opt 安装和使用方法¶

安装方法
- 环境要求：windows\Mac\Ubuntu
- 环境依赖：
  - python == 2.7\3.5\3.6\3.7
  - pip

# 当前最新版本是 2.9
pip install paddlelite==2.9
# 版本号需高于或等于1.3.3
pip install x2paddle

opt转化和分析模型：可通过终端命令或Python脚本调用
- 终端命令方法（支持Mac/Ubuntu)
- python 脚本方法（支持Window/Mac/Ubuntu）

源码编译 opt 工具¶

您也可以选择从源代码编译 opt 工具，使用编译指令

./lite/tools/build.sh build_optimize_tool

如果在 arm64 架构的 MacOS 下编译 opt 工具失败

方法1: 试着删除 third-party 目录并重新git checkout third-party，然后将上一条指令改为:

arch -x86_64 ./lite/tools/build.sh build_optimize_tool

该命令会编译 x86 格式的 opt 工具，但是不会影响工具的正常使用，编译成功后，在./build.opt/lite/api目录下，生成了可执行文件 opt

方法2: 使用 build_macos.sh 脚本进行编译

./lite/tools/build_macos.sh build_optimize_tool

使用可执行文件 opt 工具

使用 X2paddle 导出 Padde Lite 支持格式¶

背景：如果想用 Paddle Lite 运行第三方来源（TensorFlow、Caffe、ONNX、PyTorch）模型，一般需要经过两次转化。即使用 X2paddle 工具将第三方模型转化为 PaddlePaddle 格式，再使用 opt 将 PaddlePaddle 模型转化为Padde Lite 可支持格式。

使用方法：为了简化这一过程，X2Paddle 集成了 opt 工具，提供一键转换 API，以 ONNX 为例：

API方式

from x2paddle.convert import onnx2paddle

onnx2paddle(model_path, save_dir,
           convert_to_lite=True,
           lite_valid_places="arm",
           lite_model_type="naive_buffer")
# model_path(str) 为 ONNX 模型路径
# save_dir(str) 为转换后模型保存路径
# convert_to_lite(bool) 表示是否使用 opt 工具，默认为 False
# lite_valid_places(str) 指定转换类型，默认为 arm
# lite_model_type(str) 指定模型转化类型，目前支持两种类型：protobuf 和 naive_buffer，默认为 naive_buffer

Notes:

lite_valid_places参数目前可支持 arm、 opencl、 x86、 metal、 xpu、 bm、 mlu、 intel_fpga、 huawei_ascend_npu、imagination_nna、 rockchip_npu、 mediatek_apu、 huawei_kirin_npu、 amlogic_npu，可以同时指定多个硬件平台(以逗号分隔，优先级高的在前)，opt 将会自动选择最佳方式。如果需要支持华为麒麟 NPU，应当设置为 “huawei_kirin_npu,arm”。

命令行方式

x2paddle --framework=onnx --model=onnx_model.onnx --save_dir=pd_model --to_lite=True --lite_valid_places=arm --lite_model_type=naive_buffer

TensorFlow、Caffe 以及 PyTorch 模型转换参考 X2Paddle API