下面提供了不同框架和模型优化器参数的相应示例列表：

1. 为二进制 protobuf 格式的 TensorFlow MobileNet 模型启动模型优化器：

mo --input_model MobileNet.pb

为 SavedModel 格式的 TensorFlow BERT 模型启动模型优化器（三个输入）。以显式方式指定输入形状， 其中批次大小和序列长度分别等于 2 和 30：

mo --saved_model_dir BERT --input mask,word_ids,type_ids --input_shape [2,30],[2,30],[2,30]

有关更多信息，请参阅 转换 TensorFlow 模型 指南。

2. 为 ONNX OCR 模型启动模型优化器，并以显式方式指定新输出：

mo --input_model ocr.onnx --output probabilities

有关更多信息，请参阅 转换 ONNX 模型 指南。

3. 为 PaddlePaddle UNet 模型启动模型优化器，并为其输入应用均值/标度值归一化：

mo --input_model unet.pdmodel --mean_values [123,117,104] --scale 255

有关更多信息，请参阅 转换 PaddlePaddle 模型 指南。

1. 为 Apache MXNet SSD Inception V3 模型启动模型优化器，并为输入指定第一通道布局：

mo --input_model ssd_inception_v3-0000.params --layout NCHW

有关更多信息，请参阅 转换 Apache MXNet 模型 指南。

5. 为 Caffe AlexNet 模型启动模型优化器，输入通道采用需要逆向转换的 RGB 格式：

mo --input_model alexnet.caffemodel --reverse_input_channels

有关更多信息，请参阅 转换 Caffe 模型 指南。

6. 为 Kaldi LibriSpeech nnet2 模型启动模型优化器：

mo --input_model librispeech_nnet2.mdl --input_shape [1,140]

有关更多信息，请参阅 转换 Kaldi 模型 指南。

• 要获取特定 TensorFlow、ONNX、PyTorch、Apache MXNet 和 Kaldi 模型的转换方法，请参阅 模型转换教程 。

• 有关 IR 的更多信息，请参阅 OpenVINO? 中的深度学习网络中间表示和操作集 。