openvino中用于将训练的模型转换成IR文件，可以使用mo.py脚本
该脚本位于：
/opt/intel/openvino/deployment_tools/model_optimizer/mo.py
查看其帮助信息：
里面命令行参数较多，其中比较重要的参数为：
-input_model: 为输入的训练的模型，如果使用的是caffe训练的模型则应该为XXX.caffemodel
--output_dir:为输出的转换后IR存放的路径
--log_level：配置转换过程中输出的debug信息级别,支持的配置项为：
{CRITICAL,ERROR,WARN,WARNING,INFO,DEBUG,NOTSET}
--input_shape：为整个深度学习网络的输入shape，有时网络的输入需要用户单独输入，比如caffe在的input layer,其输入可以使用--input_shape指定，其输入的shape为四维，对于caffe其四维空间顺序为[N,C,H,W]，有多个输入需要设置时，需要使用逗号分开，例如：
--input_shape [1,1,240,320],[1,1,240,320]
input_shape需要和--input参数一起使用
--input：指定需要配置输入的哪个层的第几个参数，其格式为port1:node_name1，后面也可以使用port1:node_name1[shape1]，多个之间使用逗号分开
--input_shape和--input结合使用用例：
--input 0:LeftCensus,0:RightCensus --input_shape [1,1,240,320],[1,1,240,320]
分配指定LeftCensus和RightCensus层的第一个参数，制定shape分别为 [1,1,240,320],[1,1,240,320]