上一篇文章《從Tensorflow模型檔案中解析並顯示網路結構圖（pb模型篇）》中介紹瞭如何從pb模型檔案中提取網路結構圖並實現視覺化,本文介紹如何從CKPT模型檔案中提取網路結構圖並實現視覺化。理論上，既然能從pb模型檔案中提取網路結構圖，CKPT模型檔案自然也不是問題，但是其中會有一些問題。

1 解析CKPT網路結構

解析CKPT網路結構的第一步是讀取CKPT模型中的圖檔案，得到圖的Graph物件後即可得到完整的網路結構。讀取圖檔案示例程式碼如下所示。

    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) 

呼叫graph.get_operations()後即可得到當前圖的所有計算節點，在利用Operation物件與Tensor物件之間的相互引用關係即可推斷網路結構。但是需要注意的是，從meta檔案中匯入的圖中獲取計算節點存在如下問題。

1. 包含反向梯度下降計算的所有節點
2. 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模型檔案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模型檔案會自動將基礎計算組成一個計算節點，但是對於Tensor操作的函式如Slice等函式是無法合併的。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，並提取網路圖中節點

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

3 測試

以《MobileNet V1官方預訓練模型的使用》文中介紹的MobileNet V1網路結構為例，下載MobileNet_v1_1.0_192檔案並壓縮後，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檔案。我們還需要知道mobilenet_v1_1.0_192.ckpt模型對應的輸入和輸出Tensor物件的名稱，官方提供的壓縮包檔案中並沒有告知。一種方法是執行官方程式碼，把輸入Tensor的名稱打印出來。但是執行官方程式碼本身就需要一定的時間和精力，在在上一篇文章《從Tensorflow模型檔案中解析並顯示網路結構圖（pb模型篇）》的程式碼實現中已經實現了將原始網路結構對應的字串寫入到ori_network.txt檔案中。因此，可以先隨意填寫輸入名稱和輸出名稱，待生成ori_network.txt檔案後，從檔案中可以直觀看到原始網路結構。ori_network.txt檔案部分內容如下所示。

通過該檔案可知，輸入Tensor的名稱為：batch:0，輸出Tensor名稱為：MobilenetV1/Predictions/Reshape_1:0。有了這些資訊後，呼叫函式read_graph_from_ckpt得到靜態圖的節點列表物件ops，呼叫函式gen_graph(ops,"save/path/graph.html")後，在目錄save/path中得到graph.html檔案，開啟graph.html後，顯示結果如下。

4 原始碼地址