最近看到一個巨牛的人工智能教程，分享一下給大家。教程不僅是零基礎，通俗易懂，而且非常風趣幽默，像看小說一樣！覺得太牛了，所以分享給大家。平時碎片時間可以當小說看，【點這裏可以去膜拜一下大神的“小說”】。
上一篇文章《從Tensorflow模型文件中解析並顯示網絡結構圖（pb模型篇）》中介紹瞭如何從pb模型文件中提取網絡結構圖並實現可視化,本文介紹如何從CKPT模型文件中提取網絡結構圖並實現可視化。理論上，既然能從pb模型文件中提取網絡結構圖，CKPT模型文件自然也不是問題，但是其中會有一些問題。
1 解析CKPT網絡結構
解析CKPT網絡結構的第一步是讀取CKPT模型中的圖文件，得到圖的Graph對象後即可得到完整的網絡結構。讀取圖文件示例代碼如下所示。
saver = tf.train.import_meta_graph(ckpt_path+'.meta',clear_devices=True)
graph = tf.get_default_graph()
with tf.Session( graph=graph) as sess:
sess.run(tf.global_variables_initializer())
saver.restore(sess,ckpt_path)
調用graph.get_operations()後即可得到當前圖的所有計算節點，在利用Operation對象與Tensor對象之間的相互引用關係即可推斷網絡結構。但是需要注意的是，從meta文件中導入的圖中獲取計算節點存在如下問題。
包含反向梯度下降計算的所有節點
某些計算節點是按基礎計算（加減乘除等）節點拆分成多個計算節點的，如BatchNorm，但其實是可以直接合併成一個節點的。
pb模型文件可以避免上面第一個問題，將CKPT模型轉pb模型後，可以自動將反向梯度下降相關計算節點移除。對於第二點，pb模型文件會自動將基礎計算組成一個計算節點，但是對於Tensor操作的函數如Slice等函數是無法合併的。因此，對於第2個問題，將CKPT模型轉pb模型後，可以減少這類問題，但是無法避免。徹底避免的方法只能通過自己針對性地實現。經過以上分析，得出的結論是非常有必要將CKPT模型轉pb模型。
2 自動將CKPT轉pb，並提取網絡圖中節點
如果將CKPT自動轉pb模型，那麼就可以複用上一篇文章《從Tensorflow模型文件中解析並顯示網絡結構圖（pb模型篇）》的代碼。示例代碼如下所示。
def read_graph_from_ckpt(ckpt_path,input_names,output_name ):
saver = tf.train.import_meta_graph(ckpt_path+'.meta',clear_devices=True)
graph = tf.get_default_graph()
with tf.Session( graph=graph) as sess:
sess.run(tf.global_variables_initializer())
saver.restore(sess,ckpt_path)
output_tf =graph.get_tensor_by_name(output_name)
pb_graph = tf.graph_util.convert_variables_to_constants( sess, graph.as_graph_def(), [output_tf.op.name])
with tf.Graph().as_default() as g:
tf.import_graph_def(pb_graph, name='')
with tf.Session(graph=g) as sess:
OPS=get_ops_from_pb(g,input_names,output_name)
return OPS
其中函數get_ops_from_pb在上一篇文章《從Tensorflow模型文件中解析並顯示網絡結構圖（pb模型篇）》中已經實現。
3 測試
以《MobileNet V1官方預訓練模型的使用》文中介紹的MobileNet V1網絡結構爲例，下載MobileNet_v1_1.0_192文件並壓縮後，得到mobilenet_v1_1.0_192.ckpt.data-00000-of-00001、mobilenet_v1_1.0_192.ckpt.index、mobilenet_v1_1.0_192.ckpt.meta文件。我們還需要知道mobilenet_v1_1.0_192.ckpt模型對應的輸入和輸出Tensor對象的名稱，官方提供的壓縮包文件中並沒有告知。一種方法是運行官方代碼，把輸入Tensor的名稱打印出來。但是運行官方代碼本身就需要一定的時間和精力，在在上一篇文章《從Tensorflow模型文件中解析並顯示網絡結構圖（pb模型篇）》的代碼實現中已經實現了將原始網絡結構對應的字符串寫入到ori_network.txt文件中。因此，可以先隨意填寫輸入名稱和輸出名稱，待生成ori_network.txt文件後，從文件中可以直觀看到原始網絡結構。ori_network.txt文件部分內容如下所示。
通過該文件可知，輸入Tensor的名稱爲：batch:0，輸出Tensor名稱爲：MobilenetV1/Predictions/Reshape_1:0。有了這些信息後，調用函數read_graph_from_ckpt得到靜態圖的節點列表對象ops，調用函數gen_graph(ops,"save/path/graph.html")後，在目錄save/path中得到graph.html文件，打開graph.html後，顯示結果如下。
