Inception V3 可視化

Inception v3模型在一臺配有 8 Tesla K40 GPUs，大概價值$30,000的野獸級計算機上訓練了幾個星期，因此不可能在一臺普通的PC上訓練。因此，我們將會下載預訓練好的Inception模型，然後用它來做圖像分類。

Inception v3模型大約有2500萬個參數，分類一張圖像就用了50億的乘加指令。在一臺沒有GPU的現代PC上，分類一張圖像轉眼就能完成。

我們可以通過python下載inception pretrain模型，下載完成後需要解壓到指定目錄，然後利用Tensorboard實現IInception V3可視化。

下載並解壓代碼如下：

# coding=utf-8
import tensorflow as tf
import os
import tarfile
import requests
inception_pretrain_model_url = 'http://download.tensorflow.org/models/image/imagenet/inception-2015-12-05.tgz'
# 下載inception pretrain模型
inception_pretrain_model_dir = "inception_pretrain"
if not os.path.exists(inception_pretrain_model_dir):
os.makedirs(inception_pretrain_model_dir)
filename = inception_pretrain_model_url.split('/')[-1]
filepath = os.path.join(inception_pretrain_model_dir, filename)
if not os.path.exists(filepath):
print("開始下載: ", filename)
r = requests.get(inception_pretrain_model_url, stream=True)
with open(filepath, 'wb') as f:
for chunk in r.iter_content(chunk_size=1024):
if chunk:
f.write(chunk)
print("下載完成, 開始解壓: ", filename)
tarfile.open(filepath, 'r:gz').extractall(inception_pretrain_model_dir)

下載完成後，我們接下來利用tensorboard可視化工具來看看效果。

以classify_image_graph_def.pb為例，這是google訓練好的模型，先加載inception graph，再寫到本地log file。

代碼如下：

# TensorBoard log目錄
log_dir = 'inception_log'
if not os.path.exists(log_dir):
os.makedirs(log_dir)
inception_pretrain_model_dir = "inception_pretrain"
if not os.path.exists(inception_pretrain_model_dir):
os.makedirs(inception_pretrain_model_dir)
# 加載inception graph
# classify_image_graph_def.pb為google訓練好的模型
inception_graph_def_file = os.path.join(inception_pretrain_model_dir, 'classify_image_graph_def.pb')
with tf.Session() as sess:
with tf.gfile.FastGFile(inception_graph_def_file, 'rb') as f:
graph_def = tf.GraphDef()
graph_def.ParseFromString(f.read())
tf.import_graph_def(graph_def, name='')
writer = tf.summary.FileWriter(log_dir, sess.graph)
writer.close()

至此，在本地文件夾log_dir(當前為inception_log)目錄下就生成了一個文件，該文件可以利用以下命令可視化。

生成的文件

tensorboard --logdir=inception_log

最終我們可以看到其結構如下：