问题标签 [tensorflowjs-converter]

我正在使用 tensorflow js 按照本指南从 keras 加载模型 但是在这行代码中

我收到错误

我能做些什么来解决它。此错误的可能原因是什么？谢谢您的帮助 。

注意：我在我的服务器中启用了 cors，所以我认为这与我的服务器无关。我正在使用本地主机（不是指南中提到的）也如我使用的文档中所述

tfjs.keras.converters.save_keras_model()

我按照https://blog.keras.io/building-powerful-image-classification-models-using-very-little-data.html的示例在一些图像上训练了一个 CNN 模型。我的模型代码是相同的，我只是在另一个图像数据集上对其进行了训练：也用于两个类之间的分类。

结果是您在训练集上所期望的：图像被正确分类为 0 或 1。

我按照 https://js.tensorflow.org/tutorials/import-keras.html 的“替代方案：使用 Python API 直接导出到 TF.js 层格式”部分以 te​​nsorflowjs 友好格式保存了 模型

但是，当我尝试使用 javascript 访问 html 页面中的结果时，几乎每个图像（或接近它）都会得到 1：即使图像在 Keras 中给出 0。

我什至将图像保存为 JSON 中的张量，在 Keras 中得到 0，在 TensorflowJS 中得到 1。这是一个错误还是我在某个地方犯了错误？

这是我在 TensorflowJS 中访问 json 的代码：

这是我的python代码：

对于完全相同的数据和相同的模型，我得到了 PREDICTION JS 1 和 PREDICTION PYTHON 0.0：有人在我的代码中看到任何问题吗？

EDIT1：我在 Xubuntu 18.04.1 LTS 上并使用以下软件版本：

EDIT2：我打开了以下问题https://github.com/tensorflow/tfjs/issues/776并已修复。

我在 Python 中使用 Tensorflow 来定义和训练模型，然后将其保存到 saved_model 并使用 TensorflowJS 将其加载到网站上。我做了一个下面介绍的最小工作示例，并将问题隔离到收集操作。我正在使用 Windows 7 x64、Python 3.5.2、numpy 1.15.1（强制安装 tensorflowjs - 之前有 15.2）和最新版本的 tensorflowjs 使用简单安装pip install tensorflowjs。浏览器是 Chrome，它都使用 Wamp 在 localhost 上提供。

第 1 步：Python

第 2 步：tfjs-converter 命令

第三步：服务网站：

产生的错误是：

在控制台之上还有：

所以缺少 getIndices ，它没有在导入的 tfjs 脚本中声明，只调用...

任何帮助深表感谢！

tensorflowjs 版本：0.11.7 Keras
版本：2.0.4

我正在尝试在浏览器上运行 Keras 转换模型。对于转换，我使用了 tensorflowjs 转换器，转换很顺利。但是，在加载时，

在具有超过 2000 (2560000) 个元素的矩阵上调用正交初始化器：可能会导致缓慢。

弹出此消息并发生内存爆炸，最后浏览器停止工作。以下是我的 keras 模型架构： 当我们运行 tensorflowjs 代码来加载上述模型时，会弹出以下警告：

有没有一种方法可以加快正交初始化过程，从而在更短的时间内以更少的努力加载模型？任何帮助将不胜感激。

我已经将 keras 模型转换为 tensorflowjs 模型。但是当我试图在浏览器中加载相同的内容时，它会给出错误提示

未捕获（承诺中）错误：提供的权重数据没有目标变量：block1_conv1_1/kernel。

我在 keras 的 vgg16 模型上使用了迁移学习。

在 Stack Overflow 社区的帮助下，我开始了解 TensorFlow 的“高级”API 的复杂性，Estimator. 我，也许是愚蠢地认为，如果 TensorFlow 和 TensorFlow JS 相处融洽，很可能是通过EstimatorAPI...

所以在这个Colab中，我有一个简单的自定义Estimator，它被简单地连接起来，以便像.train_and_evaluate工作这样的方法，并且在“训练”之后Estimator通过export_savedmodel.

现在，假设我想继续通过 TensorFlow js 在浏览器中使用这个经过训练的模型。

幸运的是，有一个关于如何为 TensorFlow JS转换 a 的指南：saved_model

虽然论点有描述......

• --output_node_names输出节点的名称，以逗号分隔。
• --saved_model_tags 仅适用于 SavedModel 转换，要加载的 MetaGraphDef 的标签，以逗号分隔的格式。默认服务。
• --signature_name 仅适用于 TensorFlow Hub 模块转换，签名加载。默认为默认值。请参阅https://www.tensorflow.org/hub/common_signatures/。

对于Colab中的演示估算器，我不确定应该用什么替换这些。

为什么？对于初学者来说，best_model使用 的导出器serving_input_receiver_fn在通过加载时具有不同的输出

比从

即前者输出的预测特征特征的关键是后者的“输出”和“标签”。

哪个，原谅我的小咆哮，为什么没有Estimator办法加载导出的模型？

所以：

1. 我的“ output_node_names”是什么？

2. 因为这是一个 SavedModel，tags我需要什么？

我将不胜感激任何指导。

我按照此处的说明将使用 Python 生成的 Tensorflow 模型导入到 Tensorflow.js 中。

该模型是使用tf.estimatorAPI创建的，该 API 会根据此页面自动保存模型文件。

使用 pip安装后tensorflowjs，运行转换脚本时出现以下错误：

以下是模型文件夹中的文件：

我是 Tensorflow 的新手，我开发了一个模型，它使用 Tensorflow、OpenCV 检测一种特殊类型的卡片，我能够在离线模式下使用我的网络摄像头正确检测到卡片，但我想将它迁移到网络（tensorflowjs ) 但我在转换方面面临一些问题。

我有检查点、元数据文件以及冻结的推理图 pb 文件

我使用以下代码生成了节点名称列表

这是使用 tensorflow import_meta_graph()的输出文件 输出节点名称

我关心的是我应该在下面的命令中传递什么输出节点名称

我想在客户端使用真实的网络摄像头运行我现有的模型，任何解决方案和建议将不胜感激

设置细节：

张量流 1.12.0

使用 Anaconda 的 Python 3.5。

我正在 ionic 3 框架中制作一个用于识别手写字符的应用程序，为此，我正在使用 tensorflowjs。问题是当一切都解决后，预测总是返回相同的值。

模型（使用 tensorflowjs-converter 从 keras 转换而来）本地存储在assets/models/model.json.

我试图预测的图像是从 HTMLCanvasElement 中提取的，您可以在其中绘制字符，然后函数getCanvas()从中检索 ImageData：

[1, 32, 32, 3]然后，计算模型的输入张量，data然后，我将其输入到模型中evaluateModel()。在该函数中，我加载model.jsonwithtf.loadModel()并尝试预测图像的类别：

一切正常，没有任何错误，但是当将输出预测记录到控制台时，它总是返回相同的值。此外，预测数组非常平坦，指出 python 中的模型在测试中达到 99,01% 的准确率：

尝试解决此问题时，我想到的唯一两件事是：

1. ImageData 未正确提取画布绘图，因此预测始终返回相同的值。
2. 上的权重model.json没有被访问或加载，因此模型返回相同的值。

有任何想法吗？

任何帮助表示赞赏。

我正在 ionic3 框架中开发一个用于识别绘制字符的应用程序，但我在导入模型时遇到了问题。tensorflowjs_converter我以两种不同的方式将模型从 Keras（转换为）导入到我的 ionic3 应用程序中：

1. 和model.json权重文件（分片）放置在文件夹/assets/models中。
2. 和model.json权重文件（分片）托管在 Firebase 存储中。

使用第一种方法在浏览器中启动应用程序时，模型和权重已正确加载，并且我能够预测类。但是当启动应用程序时，使用相同的方法进入我的 Android 设备ionic cordova run android --device，模型似乎没有从权重文件中检索数据，因为它给出了以下错误：

Based on the provided shape, [3, 3, 32, 64], the tensor should have 18432 values but has 917.

现在，我尝试将文件托管在 Firebase 存储中以尝试解决此问题。我从存储中检索，但在浏览器和设备中model.json仍然得到与上述相同的错误。

根据在应用程序中本地存储碎片和模型的经验，我得出的结论是，无论哪种方式，设备都无法识别碎片。

此外，当在 device 中使用 firebase 存储方法时，当尝试从 url 获取模型时，我发现以下错误：Failed to fetch.

这是检索分片和模型的代码：

modelURL并shards包含来自 firebase 存储的下载 url。模型和分片保持在同一级别：

因此，我将模型的下载 url 传递到tf.loadModel：

那么，有什么方法可以将碎片传递到tf.loadModel()，从 firebase 存储中获取，以便在我的设备和浏览器中检索从模型中预测所需的所有数据？

谢谢您的帮助。