tf.summary.trace_export 用于停止并导出由 tf.summary.trace_on 启动的追踪，生成可供 TensorBoard 查看的计算图和性能分析数据，需在 eager 模式下配合至少一次模型执行使用。
用 tf.summary.trace_export 导出 GraphDef 供 TensorBoard 查看
TensorFlow 2.x 默认启用 Eager Execution，计算图不显式构建，直接调用 tf.summary.trace_on 和 tf.summary.trace_export 是最轻量、兼容性最好的方式。它不依赖模型是否继承 tf.keras.Model，只要在 eager 模式下执行过一次前向传播即可。
- 必须在
tf.summary.trace_on后立即运行至少一次模型调用（如model(x)），否则导出为空 - 导出路径需为完整目录（如
"./logs/trace"），TensorBoard 会自动识别其中的plugins/profile/子结构 - 若用
tf.function包装模型，需确保 trace 在@tf.function内部或外层统一开启，否则可能只捕获 Python 层调用 - 导出后启动 TensorBoard：
tensorboard --logdir=./logs/trace --bind_all，然后访问http://localhost:6006/#graphs
对 Keras 模型使用 tf.keras.utils.plot_model 生成静态结构图
这个函数画的是模型的层连接拓扑（Layer Graph），不是运行时的实际计算图（GraphDef），适合快速确认输入输出形状、层类型和连接关系，但不反映 control flow（如 tf.cond）、梯度计算路径或变量绑定细节。
-
show_shapes=True能显示每层输入/输出 shape，但对动态 batch size（如None）只显示占位符 -
expand_nested=True可展开tf.keras.Sequential或子模型，但对自定义tf.keras.layers.Layer中的内部tf.function无效 - 输出格式依赖
pydot和graphviz：需系统安装graphviz，Python 安装pydot，否则报错ImportError: Failed to import pydot - 生成的
.png文件不包含 op-level 信息（如AddV2、MatMul），仅含 Keras 层名（如Conv2D、Dense）
手动提取并可视化 ConcreteFunction 的底层 GraphDef
当需要 inspect 实际编译后的计算图（比如调试 tf.function 内部优化、查看 fused ops 或 control dependencies），必须从 ConcreteFunction 提取 graph.as_graph_def()，再用第三方工具解析。
- 获取方式：
cf = model.call.get_concrete_function(input_spec); graph_def = cf.graph.as_graph_def()，注意get_concrete_function必须传入与实际输入匹配的tf.TensorSpec -
graph_def是 protobuf 格式，不能直接 human-read；可用tf.train.write_graph(graph_def, './graph', 'model.pbtxt', as_text=True)输出可读文本 - 文本文件中大量出现
_XlaLaunch、StatefulPartitionedCall等封装 op，说明 XLA 或函数内联已生效，此时原始层名可能被抹除 - 想图形化查看？可转成 ONNX（用
tf2onnx）再用 Netron 打开，但部分 TF 特有 op（如ResourceGather）可能丢失或报错
避免常见陷阱：Eager vs Graph 模式混淆导致图为空
很多用户发现 TensorBoard 里 graphs 页面空白，或 plot_model 报 AttributeError: 'Tensor' object has no attribute 'shape'，根本原因在于混用了 eager 执行和图构建预期。
立即学习“Python免费学习笔记（深入）”；
- 不要在
tf.function外部调用tf.summary.trace_on却在内部执行模型——trace 必须覆盖实际执行路径 - Keras 模型若用
model.compile(..., run_eagerly=True)，plot_model正常，但trace_export会失效（因为没触发图构建） - 检查当前模式：
tf.executing_eagerly()返回True表示 eager 模式；若为False，说明意外进入了 legacy graph mode，需排查是否调用了tf.compat.v1.disable_eager_execution() - 对 SavedModel 加载的模型，
tf.saved_model.load返回的是签名函数集合，需先获取具体 signature（如infer = loaded.signatures['serving_default']），再对其调用get_concrete_function
tf.summary.trace_export 配合 profiler 插件，并在训练 step 中开启 trace；静态图工具永远看不到这些动态行为。 
