1

我使用make_image_classifier命令行工具重新训练了一个 mobilenet_v2 模型以重新训练模型，并使用tfjs-converter为浏览器准备模型。

make_image_classifier \
  --image_dir image_data \
  --tfhub_module https://tfhub.dev/google/tf2-preview/mobilenet_v2/feature_vector/4 \
  --saved_model_dir trained_models/1 \
  --labels_output_file class_labels.txt \
  --tflite_output_file trained_model.tflite

tensorflowjs_converter \
    --input_format=tf_saved_model \
    --output_format=tfjs_graph_model \
    --signature_name=serving_default \
    --saved_model_tags=serve \
    ./trained_models/1 \
    ./web_model

为了测试 TF Lite 模型，我使用了tflite 示例代码。我遵循了工具的说明，因此使用了提供的代码。

如果我现在尝试在浏览器中预测图像，我不会得到预期的输出。看起来只有概率在没有标签的情况下被打印出来。

const MODEL_URL = 'model/model.json';
const model = await tf.loadGraphModel(MODEL_URL);

var canvas = document.getElementById("canvas").getContext("2d");;
const img = canvas.getImageData(0,0, 224,224)

const tfImg = tf.browser.fromPixels(img).expandDims(0);
const smalImg = tf.image.resizeBilinear(tfImg, [224, 224]);

let result = await model.predict(smalImg);

console.log(result.print())

输出：张量 [[0.0022475, 0.0040588, 0.0220788, 0.0032885, 0.000126, 0.0030831, 0.8462179, 0.1188994],]

用 python 测试模型效果很好，我得到了带有标签和概率的预期输出。难道我做错了什么？

4

1 回答 1

1

在 python 代码中，predition 之后有以下内容：

  # output_data is the predition result
  results = np.squeeze(output_data)
  top_k = results.argsort()[-5:][::-1]
  labels = load_labels(args.label_file)
  for i in top_k:
    if floating_model:
      print('{:08.6f}: {}'.format(float(results[i]), labels[i]))
    else:
      print('{:08.6f}: {}'.format(float(results[i] / 255.0), labels[i]))

在js中预测之后需要做同样的处理。的数组labels包含数据集的所有标签。它需要在 js 中加载，因为它是从labels.txt文件中加载到 python 代码中的。

const topkIndices = result.topk(5) 
const topkIndices = await topk.indices.data();
const categories = (Array.from(topkIndices)).map((p: number) => labels[p]);

const topkValues = await topk.values.data()
const data = Array.from(topkValues).map(p => p * 100);
// categories will contain the top5 labels and
// data will contain their corresponding probabilities
于 2020-01-15T10:59:22.833 回答