1 安装bazel

        Bazel是google推出的一款工程编译工具，并且已经将其开源。

        Bazel可以快速地构建可靠的代码，谷歌的大多数软件都是由它来构建，因此，在谷歌的开发环境里，它主要负责处理代码构建相关问题：大规模数据构建问题，共享代码库问题，从源代码构建的软件的相关问题。

        Bazel支持多种语言并且跨平台，还支持自动化测试和部署、具有再现性（Reproducibility）和规模化等特征。Bazel在谷歌大规模软件开发实践能力方面起着至关重要的作用。简单来说，Bazel类似于make。

1.1 Ubuntu18.04

未安装JDK8

sudo add-apt-repository ppa:webupd8team/java
sudo apt-get update
sudo apt-get install oracle-java8-installer

已安装JDK8

echo "deb http://storage.googleapis.com/bazel-apt stable jdk1.8" | sudo tee /etc/apt/sources.list.d/bazel.list
curl https://storage.googleapis.com/bazel-apt/doc/apt-key.pub.gpg | sudo apt-key add -
sudo apt-get update
sudo apt-get install bazel
sudo apt-get upgrade bazel

1.2 CentOS

1. Download the corresponding .repo file from Fedora COPR and copy it to /etc/yum.repos.d/.
2. Run the following command:

yum install bazel

2 模型导出

        模型导出使用export.py文件，只需修改其中模型的输出路径，并且根据自己的文件位置传入正确的参数即可，导出成功后，在设定的输出文件夹中可以得到pb格式的模型文件，其大小与原来ckpt.data文件相同。

python export.py --model_file models/your_model.ckpt --model_name your_model_name

3 模型量化

git clone https://github.com/tensorflow/tensorflow
cd tensorflow
sudo bazel build tensorflow/tools/graph_transforms:transform_graph 
sudo bazel-bin/tensorflow/tools/graph_transforms/transform_graph --in_graph=/your/.pb/file  --outputs="output_node_name"  --out_graph=/the/quantized/.pb/file  --transforms='quantize_weights' 

4 模型调优

TotalVariation

Total Variation Regularization. To encourage spatial smoothness in the output image y^y, we follow prior work on feature inversion [6,20] and super- resolution [48,49] and make use of total variation regularizer ℓTV(y^)ℓTV(y).

        在读杨培文的博文《风格迁移三部曲》时发现了其提到了一个TV Loss，说是为了平滑图像。它的计算方法很简单：

        将图像水平和垂直平移一个像素，与原图相减，然后计算绝对值的和，就是Total Variation。本来是想自己实现一个tv_loss，然后改进现有的风格迁移算法，但在现有代码中搜索时发现，原作者已经实现好了tv_loss，只是在yml的配置文件中，给tv_loss设置的权重为0，即没有使用这项损失。由于不知道tv_loss该设为多少，打算通过多次实验试出最佳值。