#浮点模型准备

在您阅读本节内容前，我们建议您先阅读我们的 工具链算子支持约束列表 章节，对地平线支持的算子及约束条件进行了解。或在您导出ONNX模型后，可以先参考 验证模型 章节的内容，验证模型是否能被地平线支持完成正常转换部署。

基于公开DL框架训练得到的浮点模型是转换工具的输入，目前转换工具支持的DL框架如下：

框架	地平线工具链
Caffe	支持
PyTorch	支持(转ONNX)
TensorFlow	支持(转ONNX)
TensorFlow Lite	支持(转ONNX)
PaddlePaddle	支持(转ONNX)
其他框架	请联系地平线

以上框架中，除Caffe导出的caffemodel是直接支持的，其余框架均为转到ONNX实现间接支持，ONNX目前支持的opset版本是opset10-19。

• 对于Caffe模型，您可先完成模型浮点精度的评测以确保模型的权重及结构正确。

• 对于ONNX模型，您需先使用HBRuntime进行推理，验证ONNX模型和原DL框架模型推理结果一致（即验证模型合法性）。

对于不同框架到ONNX的转换，目前都有对应的标准化方案，参考如下：

• Pytorch2Onnx：PyTorch官方API支持直接将模型导出为ONNX模型，参考链接：

  https://pytorch.org/tutorials/advanced/super_resolution_with_onnxruntime.html 。

• Tensorflow2Onnx：基于ONNX社区的 onnx/tensorflow-onnx 进行转换，参考链接：

  https://github.com/onnx/tensorflow-onnx 。

• TensorflowLite2Onnx：基于开源工具 tflite2onnx 进行转换，参考链接：

  https://github.com/zhenhuaw-me/tflite2onnx 。

• PaddlePaddle2Onnx：PaddlePaddle官方API支持直接将模型导出为ONNX模型，参考链接：

  https://www.paddlepaddle.org.cn/documentation/docs/zh/api/paddle/onnx/export_cn.html 。

• 更多框架的ONNX转换支持，参考链接：

  https://github.com/onnx/tutorials#converting-to-onnx-format 。