fom转onnx遇到问题

[zhoumenghan]

您好，在将fom动转静保存为pdmodel，pdiparams之后，我利用paddle2onnx，用于将模型转换成onnx格式，但在转换时候遇到一些op无法支持的问题： There's 9 ops are not supported yet =========== grid_sampler =========== =========== logical_not =========== =========== select_input =========== =========== sync_batch_norm =========== =========== logical_or =========== =========== conditional_block =========== =========== reduce_any =========== =========== inverse =========== =========== not_equal =========== 在paddle2onnx的github上提了issue，那边的工程师给出的答复为： 1. Sync_batch_norm 这个属于训练时才会有的Operator，导出来的inference模型不应该有这个OP 2. Select_input/conditional_block这些属于控制流相关的OP，是否一定有必要存在呢，因为目前Paddle2ONNX不支持控制流转换 对于如上2个问题，如果方便的话，请给PaddleGan的Github提个issue反馈此问题~

想问一下针对这些op无法支持的问题，我应该如何解决？谢谢您~

[zhoumenghan]

定位到了控制流相关op的问题，在occlusion_aware.py中： 注释以后 重新动转静，得到pdmodel pdiparams以后，再paddle2onnx： 这三个op有办法可以解决吗？

[LielinJiang]

第一个op，在这里https://github.com/PaddlePaddle/PaddleGAN/blob/develop/ppgan/modules/first_order.py#L25。统一改成使用nn.BatchNorm就好。 剩下的两个op需要paddle2onnx的同学支持下

[zhoumenghan]

第一个op，在这里https://github.com/PaddlePaddle/PaddleGAN/blob/develop/ppgan/modules/first_order.py#L25。统一改成使用nn.BatchNorm就好。 剩下的两个op需要paddle2onnx的同学支持下

我也注意到了first_order.py中的这里：

但我有一个顾虑从，sync_batch_norm改成batchnorm之后，训练好的模型不需要变动吗，还是说需要重新训练模型呢？

[LielinJiang]

第一个op，在这里https://github.com/PaddlePaddle/PaddleGAN/blob/develop/ppgan/modules/first_order.py#L25。统一改成使用nn.BatchNorm就好。 剩下的两个op需要paddle2onnx的同学支持下

我也注意到了first_order.py中的这里：

但我有一个顾虑从，sync_batch_norm改成batchnorm之后，训练好的模型不需要变动吗，还是说需要重新训练模型呢？

不需要变动的，可以直接加载已经训练好的参数。

[zhoumenghan]

看了一下fom的原始pytorch版本代码，训练用的是sync_batch_norm，测试用的是batch_norm, 确实是不用变动，fom的paddle版本这部分实现的工程师可能需要稍微加个类似的判断~

[JunnYu]

问题过于久远，如果有图像和视频生成的需求，可以使用新的跨模态工具: https://github.com/PaddlePaddle/PaddleMIX/tree/develop