google-ai-edge/model-explorer

Model Explorer – AI 模型图的可视化工具

它是什么

• 一个开源可视化工具，读取神经网络模型（TensorFlow、TFLite、TensorFlow-JS、MLIR、PyTorch-Exported-Program 等），并将其计算图显示为交互式分层图。

为什么重要

• 大型模型可能有数百个操作，分布在许多逻辑块中。Model Explorer 将操作分组到嵌套层中，允许您展开或折叠部分，以便查看全局或深入单个操作。
• 它帮助开发人员调试形状不匹配、定位意外操作，并理解模型结构，而无需阅读原始代码。

主要功能（根据 README 描述）

• 分层视图 – 层可以嵌套；点击展开/折叠。
• 突出显示输入/输出 – 快速定位输入和输出节点。
• 元数据覆盖 – 将自定义信息（例如张量形状、数据类型）附加到节点。
• 交互式弹出窗口 – 悬停或点击节点以查看详细信息。
• 搜索 – 按名称或类型查找操作。
• 重复层检测 – 显示相同的子图。
• GPU 加速渲染 – 即使对于大型图也能平滑导航。
• 扩展框架 – 开发人员可以为新模型格式添加适配器。
• 命令行和 API – 从终端使用该工具（model-explorer）或将其嵌入 Python 代码。
• Web 组件 – 可视化核心也作为 npm 包（ai-edge-model-explorer-visualizer）发布，用于集成到 Web 应用中。

支持的模型格式

• TensorFlow Lite (.tflite)
• TensorFlow (SavedModel/graphdef)
• TensorFlow.js (.json)
• MLIR（Google 编译器堆栈使用的中间表示）
• PyTorch Exported Program（类似 TorchScript 的新格式）
• 社区适配器支持 ONNX、VGF、TOSA 和 PTE。

快速开始

# 安装 Python 包
pip install ai-edge-model-explorer
# 启动 GUI
model-explorer path/to/your/model.tflite

• 基于 Web 的版本也托管在 Hugging Face Spaces 上，可快速上传。
• 详细的分步说明在项目 Wiki 中（安装、用户指南、CLI 指南、API 指南、Colab 笔记本以及如何编写自己的适配器）。

可扩展性

• 该仓库鼓励贡献自定义适配器。“开发适配器扩展”Wiki 页面解释了所需接口，维护者将在 README 中添加新适配器的链接。
• 可视化组件可通过 npm 包嵌入到其他前端中，src/custom_element_demos 文件夹中提供了演示。

社区与资源

• YouTube 上的视频介绍和 Google Research Blog 上的博客文章提供了高层概述。
• 用户可以通过 Google 表单参与有关该工具的研究。

谁应该使用

• 需要检查或调试模型架构的 ML 工程师。
• 构建新模型格式并希望快速可视化它们的研究人员。
• 构建 AI 驱动的 Web 应用并需要现成图可视化器的前端开发人员。

---

底线：Model Explorer 是一个实用的跨框架 AI 模型可视化调试辅助工具，提供桌面 GUI 和可重用的 Web 组件，并具有清晰的路径来扩展对其他模型格式的支持。