我使用mxnet框架训练了一个模型。该模型的推理时间约为 9 毫秒。该模型主要由conv层组成，使用depthwise separable convolution。

我想在浏览器中运行该模型。我将模型转换为 ONNX 格式，然后从

ONNX -> tensorflow -> tensorflowjs。

tensorflowjs 模型的推理时间约为 129 毫秒。

有什么建议可以提高模型的性能吗？

我也尝试过ONNXJS，但它似乎仍然有一些错误。

我是 tensorflow.js 和 tensorflow 的新手

上下文：我们已经训练了一个模型，使用自定义视觉从图像中识别，头发长度：短、中、长。该模型已导出，我们希望在本地与 tensorflow js 一起使用。从自定义视觉导出的文件是 *.pb 文件和 labels.txt 文件。

我使用了 tensorflowjs_converter python 脚本，这是我用来将冻结模型 *.pb 转换为 json 模型的命令：

然后我将这个 model.json 和碎片粘贴到我的 Angular 客户端的 assets 文件夹中。然后我尝试加载模型并给他一个图像来获得预测，但我得到的只是索引值，因为我只需要 0：长，1：中，2：短头发长度。这是控制台的捕获

这是我在客户端（打字稿）中用于预测的类：

这是调用上述类的类，我只给出了 canvas 元素：

我的问题是：

转换 python 命令是否正确？

我是否错过了客户中的某些内容以获得正确的索引？

感谢您的时间和回答

如果您需要更多信息，我很乐意将它们提供给您

2019 年 10 月 3 日更新

我确实使用 npm 将 tensorflowjs 更新到 1.0.0

我看到 FrozenModel 现在已弃用

导出我的自定义视觉模型会给我一个 model.pb 和 labels.txt 文件，如下所示：

我已经尝试将这些文件与 python 一起使用，一切正常......我现在想将此 model.pb 文件转换为 model.json 文件以将其与 tensorflowjs 一起使用，为此我需要使用 tensorflowjs_converter，问题是该文件转换此保存模型的结构无效，请参阅：https ://www.tensorflow.org/guide/saved_model#structure_of_a_savedmodel_directory

唯一有效的是，如果我在转换器中使用 freeze_model 格式并给出输出节点名称：损失...像这样tensorflowjs_converter --input_format=tf_frozen_model --output_node_names='loss' --output_json OUTPUT_JSON C:\python\tf_models\hairlength\model.pb C:\python\tf_models\exports\

这些是我在运行上述命令时得到的输出： 然后我加载模型，这是我使用导出的 json 模型加载和预测的代码（我使用了 predict() 并像你建议的那样删除了输入和输出节点） ：

调用类是这个：

然后发送从网络摄像头流中获取的画布元素会给我这个错误：

由于文件结构错误，如何使用“已保存模型”格式运行转换器命令？

为什么我会收到“无法编译片段着色器错误，无穷大：tf-core.esm 中未声明的标识符”？

感谢您的时间和回答

我有使用 TensorflowJs Converter 转换的预训练 keras 模型。我正在尝试将它们加载到以下脚本中

(index.js)

执行时出现以下错误node index.js

和

我也试过这个

但在这里我得到

系统信息

节点 v10.15.3 和 TensorflowJs v1.0.1

我遇到了一个问题，比如Loading saved_model 导致“无法编译片段着色器”用于收集操作 在此处输入图像描述

这是关于我的模型的一些事情：

我只是像那个网页一样转换我的 saved_model 。

这是 Python tensorflow 输入，如你所知，模型曾经是 python 脚本，我想将其转换为 tfjs。

我更新了 tf.js，但 loadFrozenModel 已被删除，我将其更改为 loadGraphModel，错误是“未捕获（承诺中）错误：无法解析来自 ./web_model/tensorflowjs_model.pb 的响应的模型 JSON。您的路径包含 . pb 文件扩展名。TensorFlow.js 1.0 中删除了对 .pb 模型的支持，转而支持 .json 模型。您可以使用 TensorFlow.js 1.0 转换脚本重新转换您的 Python TensorFlow 模型，也可以使用以下命令转换您的 .pb 模型tensorflow/tfjs-converter 存储库中的 'pb2json'NPM 脚本。”

所以我尝试使用 tensorflowjs 转换器 1.0.1 而不是 0.8，而我的 tf 版本是 1.13。

错误是“tensorflow.python.eager.lift_to_graph.UnliftableError：无法提升张量，因为它通过至少一条路径传递依赖于占位符，例如：IdentityN（IdentityN）<-scores（BiasAdd）<-scores/MatMul（MatMul） <- dropout/dropout/mul (Mul) <- dropout/dropout/Floor (Floor) <- dropout/dropout/add (Add) <- dropout_keep_prob (Placeholder)"

我认为是因为我错误的saved_model，

所以我改变了我的代码。

保存时“警告：tensorflow：来自 D:\Python\Python35\lib\site-packages\tensorflow\python\saved_model\signature_def_utils_impl.py:205: build_tensor_info（来自 tensorflow.python.saved_model.utils_impl）已弃用并将被删除在未来的版本中。更新说明：此功能将仅通过 v1 兼容库作为 tf.compat.v1.saved_model.utils.build_tensor_info 或 tf.compat.v1.saved_model.build_tensor_info 提供。"

错误是“由于缺少 TensorBoard 安装而导致 tf.compat.v2.summary API 受限 2019-03-20 19:43:18.894836: I tensorflow/core/grappler/devices.cc:53] 符合条件的 GPU 数量（核心数 > = 8）：0（注意：TensorFlow未在CUDA支持下编译）2019-03-20 19：43：18.909183：I tensorflow/core/grappler/clusters/single_machine.cc:359]开始新会话2019-03-20 19：43：18.931823：I tensorflow/core/platform/cpu_feature_guard.cc:142]您的 CPU 支持未编译此 TensorFlow 二进制文件以使用的指令：AVX2 2019-03-20 19:43:18.989768：E tensorflow/core/ grappler/grappler_item_builder.cc:636] Init node embedding/W/Assign 在图 Traceback 中不存在（最近一次调用最后一次）：文件“d:\anaconda3\lib\site-packages\tensorflow\python\grappler\tf_optimizer. py"，第 43 行，OptimizeGraph 详细，graph_id，状态）SystemError：返回NULL而不设置错误

在处理上述异常的过程中，又出现了一个异常：

Traceback（最近一次调用最后一次）：文件“d:\anaconda3\lib\runpy.py”，第 193 行，在 _run_module_as_main“ main ”中", mod_spec) 文件 "d:\anaconda3\lib\runpy.py"，第 85 行，在 _run_code exec(code, run_globals) 文件 "D:\Anaconda3\Scripts\tensorflowjs_converter.exe__main__.py"，第 9 行，在文件中“d:\anaconda3\lib\site-packages\tensorflowjs\converters\converter.py”，第 358 行，在主 strip_debug_ops=FLAGS.strip_debug_ops 文件“d:\anaconda3\lib\site-packages\tensorflowjs\converters\tf_saved_model_conversion_v2 .py”，第 271 行，convert_tf_saved_model 具体_func) 文件“d:\anaconda3\lib\site-packages\tensorflow\python\framework\convert_to_constants.py”，第 140 行，convert_variables_to_constants_v2 graph_def = _run_inline_graph_optimization(func) 文件“d: \anaconda3\lib\site-packages\tensorflow\python\framework\convert_to_constants.py”，第 59 行，在 _run_inline_graph_optimization 返回 tf_optimizer.OptimizeGraph(config, meta_graph) 文件“d:\anaconda3\lib\site-packages\tensorflow\python\grappler\tf_optimizer.py”，第 43 行，在 OptimizeGraph 详细，graph_id，状态）文件“d： \anaconda3\lib\site-packages\tensorflow\python\framework\errors_impl.py”，第 548 行，在退出 c_api.TF_GetCode(self.status.status)) tensorflow.python.framework.errors_impl.InvalidArgumentError：导入元图失败，请查看错误日志以获取更多信息。”

我希望你能给我一些帮助，这个问题几乎让我发疯。谢谢！

我只想将 python 模型转换为 tensorflow.js 模型，但保存为 .pb 后，我运行“tensorflowjs_converter --input_format=tf_saved_model --output_format=tfjs_graph_model --signature_name=serving_default --saved_model_tags=serve ./saved_model ./web_model "，出现错误。

2019-03-20 23:07:05.970985: I tensorflow/core/grappler/devices.cc:53] 符合条件的 GPU 数量（核心数 >= 8）：0（注意：TensorFlow 未在 CUDA 支持下编译）2019- 03-20 23:07:05.978764: I tensorflow/core/grappler/clusters/single_machine.cc:359] 开始新会话 2019-03-20 23:07:05.985340: I tensorflow/core/platform/cpu_feature_guard.cc:142 ] 您的 CPU 支持未编译此 TensorFlow 二进制文件以使用的指令：AVX2 2019-03-20 23:07:06.072370: E tensorflow/core/grappler/grappler_item_builder.cc:636] 初始化节点变量/分配不存在于图回溯（最近一次调用最后一次）：文件“d:\anaconda3\lib\site-packages\tensorflow\python\grappler\tf_optimizer.py”，第 43 行，在 OptimizeGraph 详细，graph_id，状态） SystemError：返回 NULL 而不设置一个错误

在处理上述异常的过程中，又出现了一个异常：

Traceback（最近一次调用最后一次）：文件“d:\anaconda3\lib\runpy.py”，第 193 行，在 _run_module_as_main“ main ”中", mod_spec) 文件 "d:\anaconda3\lib\runpy.py"，第 85 行，在 _run_code exec(code, run_globals) 文件 "D:\Anaconda3\Scripts\tensorflowjs_converter.exe__main__.py"，第 9 行，在文件中“d:\anaconda3\lib\site-packages\tensorflowjs\converters\converter.py”，第 358 行，在主 strip_debug_ops=FLAGS.strip_debug_ops 文件“d:\anaconda3\lib\site-packages\tensorflowjs\converters\tf_saved_model_conversion_v2 .py”，第 271 行，convert_tf_saved_model 混凝土_func) 文件“d:\anaconda3\lib\site-packages\tensorflow\python\framework\convert_to_constants.py”，第 140 行，convert_variables_to_constants_v2 graph_def = _run_inline_graph_optimization(func) 文件“d: \anaconda3\lib\site-packages\tensorflow\python\framework\convert_to_constants.py”，第 59 行，在 _run_inline_graph_optimization 返回 tf_optimizer.OptimizeGraph(config, meta_graph) 文件“d:\anaconda3\lib\site-packages\tensorflow\python\grappler\tf_optimizer.py”，第 43 行，在 OptimizeGraph 详细，graph_id，状态）文件“d： \anaconda3\lib\site-packages\tensorflow\python\framework\errors_impl.py”，第 548 行，在退出 c_api.TF_GetCode(self.status.status)) tensorflow.python.framework.errors_impl.InvalidArgumentError：导入元图失败，请查看错误日志以获取更多信息。

这是我的代码。并且tensorflow的版本是1.14.0（预览因为我安装tf 2.0失败）

我在将 Keras 模型转换为 Layers API 格式模型以与 tensorflowjs 一起使用时遇到问题

我使用命令：

我收到一个错误“KeyError：无法打开属性（无法找到属性 'keras 版本'）”

这是错误日志的图像：

我是机器学习的新手，我正在关注这个关于如何使用 mobilenet 编写模型的博客。

我设法转换了 .h5 文件模型并尝试在我的网络应用程序上实现它。

不幸的是，当我尝试加载 JSON 模型时，我收到了这个错误：

未捕获（承诺中）错误：提供的权重数据没有目标变量：block1_conv1_2/kernel。

浏览器上的错误截图

我在命令行中转换了 .h5 模型，如下所示：

tensorflowjs_converter --input_format keras model.h5 ConvertedModel/

在浏览器中加载模型的代码，我跟着这个博客

要查看模型的代码，请参阅博客链接。但下面是如何编译模型的屏幕截图。 模型编译

依赖项：

• 张量流 1.13.1
• Python 3.6.0
• 张量流js 1.0.1

任何解决此问题的帮助将不胜感激。太感谢了。

我正在尝试在我的虚拟环境中安装 tensorflowjs，但出现以下错误：

我尝试升级 pip 并使用 virtualenv 和 venv 创建虚拟环境，并使用和不使用选项 --no-cache-dir 进行安装。

为了重现错误，我执行以下操作：

这导致输出：

我在 macOS 10.13.6 上使用 Python 3.7.2，pip 19.0.3。

当我尝试将 faster_rcnn_inception_v2_coco 保存的模型转换为 Javascript 格式时，我收到了一个问题：

KeyError: <tf.Tensor 'SecondStagePostprocessor/BatchMultiClassNonMaxSuppresion/map/while/Switch_1:0' shape=<unkknown> dtype=float32>

环境：python3.6，tensorflowjs 1.0.1，MacOS Mojave 10.14.3

重现步骤：

1. 下载faster_rcnn_inception_v2_coco tar并解压
2. 尝试转换

您能根据这个问题提出一些想法吗？

谢谢

从 TensorFlow.js 中的通用句子编码器开始，我注意到嵌入中的数字范围不是我所期望的。我期待在 [0-1] 或 [-1,1] 之间有一些分布，但没有看到其中任何一个。

对于“猫太棒了！”这句话。这是一个可视化，其中每个维度都投影到 [-0.5, 0.5] 的比例上：

这是“我想知道这个句子的嵌入是什么”的相同类型的可视化（我尝试的前 10 个句子的模式相似）：

为了调试，我查看了演示 Colab notebook中是否出现了同样的事情，似乎是这样。如果我看到这两个句子的嵌入范围，这就是我看到的：

输出显示：

所以这又不是我所期待的——范围比我预期的要窄。我认为这可能是我错过的 TF 约定，但在TFHub 页面或文本嵌入指南或论文中看不到它，因此如果不深入研究培训代码，我不确定在哪里可以查看。

colab notebook 示例代码有一个例句，上面写着：

Universal Sentence Encoder 嵌入也支持短段落。段落的长度没有硬性限制。粗略地说，嵌入越“稀释”的时间越长。

但是对于 colab 中的所有其他示例，甚至是一个单词示例，嵌入的范围大致相同。

我假设这个范围不仅是任意的，而且范围以零和小为中心对我来说确实有意义，但我试图了解这个比例是如何形成的。