[原文连接]（https://blog.csdn.net/u014061630/article/details/80557028）

使用Tensorboard分析pb文件有两种方法：

方法一：

• 利用pb文件恢复计算图

• 利用Tensorboard查看计算图的结构

方法二

• 利用tensorflow提供的tools里的import_pb_to_tensorboard.py这个工具，但是这个工具linux版本的tensorflow没有安装（Win下默认安装），需要的可以去下载[https://github.com/tensorflow/tensorflow/tree/master/tensorflow/python/tools]

方法一

1.从pb文件中恢复计算图

import tensorflow as tf

model = 'model.pb') #请将这里的pb文件路径改为自己的
graph = tf.get_default_graph()
graph_def = graph.as_graph_def()
graph_def.ParseFromString(tf.gfile.FastGFile(model, 'rb').read())
tf.import_graph_def(graph_def, name='graph')
summaryWriter = tf.summary.FileWriter('log/', graph)

2.利用Tensorboard查看计算图

在命令行运行以下命令，启动Tensorboard

#命令行运行里执行
tensorboard --logdir log/ #这里的路径就是1中最后一行图保存的路径，请根据自己的需要更改

方法二

利用tools里面的import_pb_to_tensorboard.py工具

#命令行
python -m tensorflow.python.tools.import_pb_to_tensorboard \
  --model_dir="your_path/model.pb" 
  --log_dir="your_log_path"  
tensorboard --logdir="your_log_path" #启动tensorboard  

或者

#python3
from tensorflow.python.tools.import_pb_to_tensorboard import import_to_tensorboard
model = os.path.join(model_dir, 'tensorflow_inception_graph.pb')
import_to_tensorboard(model_dir=model, log_dir='log/') 
#命令行
tensorboard --logdir="your_log_path" #启动tensorboard

经过查看源码，第二种方法其实是对第一种方法的包装。
两种方法是一致的，只不过第二种方法更加便捷。