查看TensorFlow的pb模型文件的ops和tensor並使用TensorBoard可視化

加載pb模型文件，並輸出定義

model = 'model.pb'
with tf.Session() as sess:
    with open(model, 'rb') as model_file:
        graph_def = tf.GraphDef()
        graph_def.ParseFromString(f.read())
        print(graph_def)

採用上述的方式可以在新的會話中重新加載本地的模型文件（pb），然後二進制解析後，輸出可以看到結果。但是如果網絡層結構十分複雜，那麼這種顯示方式就會比較難以閱讀。

加載pb模型文件，並使用Tensorboard可視化

import tensorflow as tf
from tensorflow.python.platform import gfile

model = '1.pb'
graph = tf.get_default_graph()
graph_def = graph.as_graph_def()
graph_def.ParseFromString(gfile.FastGFile(model, 'rb').read())
tf.import_graph_def(graph_def, name='graph')
summaryWriter = tf.summary.FileWriter('log/', graph)

然後會在你的log文件夾下面生成文件。在終端中執行

tensorboard --logdir DIR --host IP --port PORT

一般情況下，不設置host和port，就會在localhost:6006啓動。DIR是路徑（不加引號）。
上面的例子：

tensorboard --logdir log

然後在瀏覽器中訪問localhost:6006就可以可視化你的網絡結構了。

打印pb模型文件中的tensor名字及shape

# coding:utf-8
import tensorflow as tf
from tensorflow.python.platform import gfile

tf.reset_default_graph()  # 重置計算圖
output_graph_path = '1.pb'
with tf.Session() as sess:
    tf.global_variables_initializer().run()
    output_graph_def = tf.GraphDef()
    # 獲得默認的圖
    graph = tf.get_default_graph()
    with gfile.FastGFile(output_graph_path, 'rb') as f:
        output_graph_def.ParseFromString(f.read())
        _ = tf.import_graph_def(output_graph_def, name="")
        # 得到當前圖有幾個操作節點
        print("%d ops in the final graph." % len(output_graph_def.node))

        tensor_name = [tensor.name for tensor in output_graph_def.node]
        print(tensor_name)
        print('---------------------------')
        # 在log_graph文件夾下生產日誌文件，可以在tensorboard中可視化模型
        # summaryWriter = tf.summary.FileWriter('log_graph/', graph)

        for op in graph.get_operations():
            # print出tensor的name和值
            print(op.name, op.values())