TensorBoard：模型解析流程

当我们需要查看模型文件如.pb, .meta等的结构的时候，需要先根据model生成event文件。在生成event文件之后，通过命令行执行tensorboard --logdir=[event dir]即可启动TensorBoard服务，其中命令中中括号内表示event文件所在目录。那么我们来看看，event文件是怎么一步一步呈现出来的。
首先来看一下整个event文件解析流程的时序图：

上图是服务器启动之前所做的解析工作，下面我们就跟着代码，看看每一步都是怎么进行的。
一切还得从文章最开始得那条命令开始说起。既然存在一个tensorboard命令，那么就一定可以找到一个以该命令命名的文件，且该文件所在的路径一定在操作系统的环境变量中。直接使用which tensorboard 可以定位到文件所在目录，在我电脑上，它位于/home/chou/SNPE/venv/bin路径下。

(venv) chou@chou-vb:~/$ which tensorboard
/home/chou/SNPE/venv/bin/tensorboard

打开该文件,很简单，只有几行：

from tensorboard.main import run_main

if __name__ == '__main__':
    sys.argv[0] = re.sub(r'(-script\.pyw?|\.exe)?$', '', sys.argv[0])
    sys.exit(run_main())

从第一行可以看出。真正的入口是tensorboard/main.py中的run_main()函数。我们找到Github下载下来的源代码，开main.py文件并定位到run_main()函数。

def run_main():
  """Initializes flags and calls main()."""
  program.setup_environment()
  
  # 生成TensorBoard实例
  tensorboard = program.TensorBoard(default.get_plugins(),
                                    program.get_default_assets_zip_provider())
  try:
    from absl import app
    # Import this to check that app.run() will accept the flags_parser argument.
    from absl.flags import argparse_flags
    app.run(tensorboard.main, flags_parser=tensorboard.configure)
    raise AssertionError("absl.app.run() shouldn't return")
  except ImportError:
    pass
  tensorboard.configure(sys.argv)
  
  # 调用TensorBoard的main函数
  sys.exit(tensorboard.main())

可以看到，run_main()的主要工作是进行了一些设置，并最终调用了TensorBoard的main函数。

  def main(self, ignored_argv=('',)):

    ...