tensor_flow学习（一）

TensorFlow好乱，各种版本，各种API，保存的模型格式都有好多种，发展得太快，已经扯到蛋了。

我就是想加载一个模型，然后看一看网络结构，就这么简单的事情，真是吐了。

１.用了TensorFlow2.3，因为它能够打开h5格式的模型，但是它的API变化很大，官网教程看得稀里糊涂，没什么章法，还是要到博客上去找，这里有一个取巧的办法，可以把TensorFlow2当作TensorFlow1用

import tensorflow.compat.v1 as tf
tf.disable_v2_behavior()

2.TensorFlow里模型保存至少有四种格式，TensorFlow1有三种，TensorFlow2有两种

https://my.oschina.net/u/4357584/blog/3345911

https://geektutu.com/post/tf2doc-ml-basic-save-model.html

其中saved_model格式两个版本都支持，我下载的一个模型也是这个格式的，按照上边博客的方法

tf.keras.experimental.export_saved_model(model, saved_model_path)

会提示没有export_saved_model这个方法，去官网查了一下TF2.3的API，发现确实没有这个方法，TF2.0的时候是有这个方法的（你更新这么快，然后官网教程这么垃圾，叫人怎么学啊）

3.SavedModel格式的介绍

https://www.tensorflow.org/guide/saved_model?hl=zh-cn

按照官网上的教程，竟然work了

＃mobilenet_save_path = './container_vol/ssd' 这里只需要写到文件夹就行了，不用写到文件
loaded = tf.saved_model.load(mobilenet_save_path)

４.如何现实模型结构

因为pytorch里可以直接把网络结构打印出来，但是TensorFlow里貌似没有这样的函数，但是它有一个更为强大的工具TensorBoard，看看能不能通过TensorBoard来查看

https://colab.research.google.com/github/tensorflow/docs-l10n/blob/master/site/zh-cn/tensorboard/graphs.ipynb?hl=zh-cn#scrollTo=PFgFjlPEqXb9

https://github.com/tensorflow/tensorboard

通过阅读上边的说明，发现要使用TensorBoard必须连接一个log文件

Before running TensorBoard, make sure you have generated summary data in a log directory by creating a summary writer:

# sess.graph contains the graph definition; that enables the Graph Visualizer.

file_writer = tf.summary.FileWriter('/path/to/logs', sess.graph)

但是也没说明白到底要不要有数据，而且TensorFlow2里没有session模块了（https://blog.csdn.net/yuan_xiangjun/article/details/105469721），怎么能把加载好的模型的计算图弄出来呢？

5.TF1和TF2的区别

https://zhuanlan.zhihu.com/p/70232196

看来TF2在graph上边改动很大，因为TensorFlow1的教程比较多，所以放弃TF2了，重新下载一个docker镜像，在TF1上弄。