如何获取VGG、ResNet等TensorFlow图的图数据及访问方式

核心结论 #

这类图分区论文中用到的VGG、ResNet等TensorFlow计算图完全公开可获取，不存在需要特殊授权的访问门槛，常见获取路径整理如下：

• 自主导出渠道
  你可以直接基于TensorFlow官方内置的预训练模型接口，在本地生成和论文实验配置一致的计算图：
  • 调用tf.keras.applications模块下的VGG、ResNet对应API实例化模型后，通过tf.function追踪、或TensorFlow图导出工具固化为.pb格式的静态计算图
  • 导出过程中可以根据论文的实验设置，固定输入张量的batch size、特征图尺寸，保证导出的图结构和实验标准对齐
• 论文配套开源渠道
  所有公开发表的、涉及VGG/ResNet图分区实验的研究工作（覆盖MLSys、OSDI、ASPLOS等相关领域顶会），都会在开源代码仓库的实验数据目录下，公开自己测试时使用的全部TensorFlow计算图文件，这类文件完全匹配论文报告的实验配置，不需要自己二次校准导出参数，直接下载即可使用
• 基准测试集配套渠道
  面向深度学习系统、图分区方向的开源基准测试套件，已经提前整理好了统一校准过的、不同规模的VGG、ResNet系列TensorFlow计算图，覆盖不同TensorFlow版本的图格式，可直接用于分区算法的横向对比实验

注意事项：不同实验场景下的TensorFlow图可能存在版本差异——部分早期研究使用TensorFlow 1.x导出的静态计算图，部分新研究使用TensorFlow 2.x动态图转换得到的静态图，获取文件后可通过tensorboard工具可视化核验图的节点数量、网络层数是否和参考论文的描述一致，避免因图配置偏差导致实验结果不可比。

内容的提问来源于stack exchange，提问作者Skh