问题标签 [tensorflowjs-converter]

是否可以将图形模型转换为图层模型？官方的 TensorFlow js 转换器（https://github.com/tensorflow/tfjs/tree/master/tfjs-converter）目前不支持这个功能还是有什么原因不能工作？

我正在使用 make_image_classifier python 脚本在一组新图像上重新训练 mobilenetv2。我的最终目标是在浏览器中使用 tfjs 进行预测。

这正是我正在做的事情：

第 1 步：重新训练模型

第 2 步：使用 tensorflowjs_converter 将 tf 保存的模型转换为图模型

第 3 步：在浏览器中加载新模型，预处理图像输入并要求模型进行预测

我得到无效的结果。我检查了初始模型所做的预测，它们是正确的，所以我想要么转换没有正确发生，要么我没有以与初始脚本相同的方式预处理图像。

帮助。

PS：运行转换器时，我收到以下消息。不确定它是否与我所经历的直接相关。

tensorflow/core/graph/graph_constructor.cc:750 节点“StatefulPartitionedCall”有 71 个输出，但 _output_shapes 属性指定了 605 个输出的形状。输出形状可能不准确。

我将 Keras 模型转换为 tfjs，并在浏览器中运行它时收到以下警告：

topology.ts:1114 输入张量的形状 ([null,1024]) 与 layer dense: [null,[224,224,3]] 的期望不匹配

模型摘要如下所示：

对于预测，我实施了以下方法：

如何解决警告信息？

TensorFlow.js 版本 v1.5.2

浏览器版本 Chrome 79.0.3945.130

描述我使用 tensorflow 1.15.0 和 faster_rcnn_inception_v2_coco_2018_01_28 训练自己的对象的问题或功能请求。之后保存的模型使用 tensorflow 转换器转换 web 模型。tensorflowjs 版本是 1.5.2。

This created model using web app error The shape of dict['image_tensor'] provided in model.execute(dict) must be [X,X,X,X], but was [X,X,X]

创建保存的模型

转换保存的模型

tensorflowjs 网络应用

这个过程有什么问题？

我正在尝试将冻结图转换为 json 文件。我使用这个命令：

但它给出了这个错误：

我不知道为什么它会KeyError: "The name 'SemanticPredictions' refers to an Operation not in the graph."出错。

我正在尝试在 TensorFlow.js 中使用使用 TF 对象检测 API 创建的对象检测模型。

我使用以下方法转换了模型：

tensorflowjs_converter --input_format=tf_saved_model inference_graph/saved_model inference_graph/web_model

它可以毫无问题地转换并加载到我的 javascript 代码中。现在我有点不确定我的下一步应该是什么。我必须将 Python 翻译成 JavaScript，但某些领域我不确定。

使用python中的对象检测API，有很多步骤；（1）预处理图像，例如转换为 RGB、numpy 数组重塑、扩展尺寸（我知道如何处理它）和（2）单个图像函数的运行推断，我不知道我会怎么做在 tensorflow.js 中进行。

我试图找到一些关于在 tensorflow.js 中部署对象检测模型的一般信息，但除了预训练模型外，我找不到太多信息。

关于这个主题的任何信息都会很棒！谢谢！

我想加载keras已转换为tensorflow.js兼容格式的模型来执行推理。我的代码看起来像这样

我收到了这个错误 Error: Failed to parse model JSON of response from /home/user/Desktop/Github/tfjs_model/tfjs/tfjs_model/model.json'. Please make sure the server is serving valid JSON for this request. ，我查看了很多地方（Github 问题，堆栈溢出），但似乎找不到修复方法。如何解决？`

我使用 Keras 构建并训练了一个模型，并使用 tensorflowjs 转换器（tfjs.converters.save_keras_model() 函数）保存了它。

后来，当试图在 tensorflowjs 中加载它时，我收到以下错误： Error: The first layer in a Sequential model must get an 'inputShape' or 'batchInputShape' argument.

但是在签入包含模型结构的 JSON 文件后，指定了一个输入形状。知道为什么 tfjs 无法加载它吗？这可能是由不同的变量名称引起的（batch_input_shape在我的 JSON 文件和batchInputShape错误消息中）。

以下是我构建和训练模型的方法：

这是 JSON 文件。我不知道第三个null变量是从哪里来的，但是如果我改变它，我会得到一个错误，说维度的数量是错误的。

我用 tensorflow keras 在 python 中训练了一个模型，model.save(...)用tf.loadGraphModel("myurl"). 但我在 webconsole 上收到错误消息：TypeError: e.node is undefinedin operation_mapper.ts:74:20. 该网站可以在这里找到，我的脚本在这里。

我在 python 环境中的 Tensorflow 中创建了一个 UNet 模型，并通过 tfjs.converters.save_keras_model() 使用 tfjs 保存了它

模型总结如下。

当我检查 model.input_shape 它输出 - (None, 256, 256, 3)

因此，模型定义了输入形状，但是在将其加载到 tfjs 时，错误表明 Sequential 的第一层应该具有 input_shape 或 batch_input_shape

当我从 tfjs 转换后检查 model.json 时，它具有以下第一个输入层的配置

那么，我应该怎么做才能在浏览器上加载 TensorFlowJS 中的模型呢？