从Tensorflow模型文件中解析并显示网络结构图(CKPT模型篇)

上一篇文章 《从Tensorflow模型文件中解析并显示网络结构图(pb模型篇)》
中介绍了如何从 pb
模型文件中提取网络结构图并实现可视化,本文介绍如何从 CKPT
模型文件中提取网络结构图并实现可视化。理论上,既然能从 pb
模型文件中提取网络结构图, CKPT
模型文件自然也不是问题,但是其中会有一些问题。

 

1 解析CKPT网络结构

 

解析 CKPT
网络结构的第一步是读取 CKPT
模型中的图文件,得到图的 Graph
对象后即可得到完整的网络结构。读取图文件示例代码如下所示。

 

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)

 

调用 graph.get_operations()
后即可得到当前图的所有计算节点,在利用 Operation
对象与 Tensor
对象之间的相互引用关系即可推断网络结构。但是需要注意的是,从 meta
文件中导入的图中获取计算节点存在如下问题。

 

包含反向梯度下降计算的所有节点
某些计算节点是按基础计算(加减乘除等)节点拆分成多个计算节点的,如 BatchNorm
,但其实是可以直接合并成一个节点的。

 

pb
模型文件可以避免上面第一个问题,将 CKPT
模型转 pb
模型后,可以自动将反向梯度下降相关计算节点移除。对于第二点, pb
模型文件会自动将基础计算组成一个计算节点,但是对于Tensor操作的函数如Slice等函数是无法合并的。因此,对于第2个问题,将 CKPT
模型转 pb
模型后,可以减少这类问题,但是无法避免。彻底避免的方法只能通过自己针对性地实现。经过以上分析,得出的结论是非常有必要将 CKPT
模型转 pb
模型。

 

2 自动将CKPT转pb,并提取网络图中节点

 

如果将CKPT自动转pb模型,那幺就可以复用上一篇文章 《从Tensorflow模型文件中解析并显示网络结构图(pb模型篇)》
的代码。示例代码如下所示。

 

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

 

其中函数 get_ops_from_pb
在上一篇文章 《从Tensorflow模型文件中解析并显示网络结构图(pb模型篇)》
中已经实现。

 

3 测试

 

《MobileNet V1官方预训练模型的使用》
文中介绍的MobileNet V1网络结构为例,下载MobileNet_v1_1.0_192文件并压缩后,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。我们还需要知道 mobilenet_v1_1.0_192.ckpt
模型对应的输入和输出 Tensor
对象的名称,官方提供的压缩包文件中并没有告知。一种方法是运行官方代码,把输入Tensor的名称打印出来。但是运行官方代码本身就需要一定的时间和精力,在在上一篇文章 《从Tensorflow模型文件中解析并显示网络结构图(pb模型篇)》
的代码实现中已经实现了将原始网络结构对应的字符串写入到 ori_network.txt
文件中。因此,可以先随意填写输入名称和输出名称,待生成 ori_network.txt
文件后,从文件中可以直观看到原始网络结构。 ori_network.txt
文件部分内容如下所示。

ori_network.txt文件部分内容

通过该文件可知,输入 Tensor
的名称为: batch:0
,输出 Tensor
名称为: MobilenetV1/Predictions/Reshape_1:0
。有了这些信息后,调用函数 read_graph_from_ckpt
得到静态图的节点列表对象 ops
,调用函数 gen_graph(ops,"save/path/graph.html")
后,在目录 save/path
中得到 graph.html
文件,打开 graph.html
后,显示结果如下。

读取并显示CKPT模型的图结构

4 源码地址

 

https://github.com/huachao1001/CNNGraph

发表评论

电子邮件地址不会被公开。 必填项已用*标注