二、教你怎麽看source code，找到核心程序码 ep.22：Deeplab的model 部署

文章说明

文章分段

1. 文章说明
2. deeplab的简单介绍、於我的意义 ep.1
3. tensorflow的程序码特色 ep.2
4. 训练流程的细节 ep.3
5. 逛deeplab的github程序

前情提要

上次说到模型是由一个副程序_build_deeplab去建立的，但由於Deeplab有支援multi GPU，所以在建立整个训练流程时，需要部署模型与资料，也就是说，我可能需要去看model_deploy这个东西是怎麽处理送来的_build_deeplab。

好吧，不管怎麽样，我就先从model_deploy开始看吧。

逛deeplab的github程序(cont.)

model_deploy是从deployment这里import进来的，我从github的deeplab资料夹往上层移动，但没有看到有叫做deployment的资料夹，所以我又往deeplab的README.md去看，找到Installation的连结，也没有看到，只有看到slim，所以先去slim资料夹找。

幸运的是，部署的功能的确是在slim这个专案内。

赶紧来看deployment.py

deployment.py

一开始呼叫的是create_clones()，model_fn的参数放的是_build_deeplab()这个副程序的名字，然後args放的是model_args。

create_clones就是在处理每个GPU上需要的资源：组成模型的tensor。就一般认知而言，每个变数在同一个程序中，必须是不同的名称，才能正常运作，但是在Deep Learning开出来的模型中，随便就会产生出好几百万个变数，所以在命名时为了方便，可以加入scope，去简单的把变数分组。

具体作法就是：假设今天有个scope叫做「Tesla」，那麽在这个with这个scope底下所有新产生的tensor，他的tensor name都会自带Tesla/作为标示，像是如果在这个底下建立一个conv layer， 那麽这个conv layer的名称就会是Tesla/Conv_xx。

然後因为slim的API预设会让convlution layer加上一个bias，所以其实他的名称会是Tesla/Conv_xx/BiasAdd的样子

那为了能在不同的clone上辨识同名同姓的tensor，所以在使用multi gpu时，会需要把模型中同样名称的tensor，再用scope加入一个可以标示他属於哪个clone的标示，就是像上图187行在做的事一样。

每一层关於scope的部分，都是在处理这个名称问题。

预备处理好到时候产生model时，各clone需要调整名称的问题，192行就呼叫了model_fn，然後...*你以为他是return 一个outputs吗？
*错了！才不是呢，因为_build_deeplab()这个method根本没有return值！！没有吧？

他其实是把model_fn(*args, **kwargs)整个放入outputs这个变数，然後再把它放到Clone里。

Clone是什麽？

这个要拉到上面看118行，他是一个有名称的tuple，有outputs：经过模型後的output、scope：会建立在哪个scope里、device：会在哪片GPU上跑。

然後把设定append进clones变数里，回传它。

讲到这边，看来似乎得去看_build_deeplab到底在做什麽，才会明白outputs这个栏位放的是什麽东西。

我暂时无法理解，他在写这个model_fn时，设定的这三个参数要怎麽从model_args取得，但没关系，反正我只要知道他会传过来就行。

总而言之，这个method会取得已经处理好的dataset做成的iterator，和训练集的分类数量，以及忽略计算的label是哪个。

还记得我们的sample格式有key name为common.IMAGE跟common.LABEL的栏位。

• 231行将samples取出一个batch。
• 234-235行将取出的资料，用tf.identity把他们转成同维同shape的tensor value。

後面的ModelOptions的呼叫方式不太懂，希望明天的我会懂。