问题

我开发了一个简单的 NodeJS 应用程序，用于使用@tensorflow/tfjs-node. 在我的开发 PC (Windows 10 Pro) 上一切正常，但尝试在我的 Raspberry Pi 2B (Raspbian 10) 上执行时，出现以下错误：

我可以用以下几行重现它：

我认为该错误与 SavedModel 版本有关，但我不知道如何将其转换为在 Rapsberry Pi 中使用，或者如果我在 Windows 或 Raspbian 中执行 NodeJS 应用程序需要不同的 SavedModel。

细节

环境

• 发展：
  • 操作系统：Windows 10 专业版
  • 节点JS：v12.16.2
  • 新PM：6.11.3
• 目标（树莓派）：
  • 操作系统：Raspbian 10
  • 节点JS：v12.18.3
  • 新PM：6.14.6

NodeJS 应用程序

@tensorflow/tfjs-node@2.0.1是在package.json.

训练

该模型是按照本指南在 Python 上训练的（使用的 TensorFlow 版本是1.15.2）。

保存模型

SavedModel 的详细信息（执行的命令saved_model_cli show --dir saved_model --tag_set serve --signature_def serving_default）：

我正在努力让保存处理程序工作以保存我的模型。我已经查看了所有堆栈溢出和 GitHub，但没有骰子。

啊啊啊救命啊！！！大声笑提前谢谢一堆！:)

这是我的模型代码：

这是我的package.json依赖项：

错误信息：

我正在尝试使用 face-api.js 面部识别功能，如果安装了 Node 后端，它会运行得更快。我已经使用 npm 安装了后端，如下所示：

face-api.js 函数都可以正常工作，只是因为后端没有加载而很慢。

当我尝试根据说明加载后端时，使用：

这是我在运行时遇到的错误：

有任何想法吗？我看到上周提出了类似的问题，但没有回应。所有帮助和建议表示赞赏。非常感谢。

我正在尝试训练一个非常需要内存的 Tensorflow.js 模型，但我遇到了一些非常奇怪的 Node.js 行为。

看来我不能强制节点拥有更多内存！即使在我的机器上目前安装了 32 GB，其中只占用了 17 GB，所以如果有的话，它应该占用至少 15 GB。然而它通常在分配 3-5GB 后就死掉了。

这是 Node.js 中的错误吗？也许是早期版本的回归？我有什么选择，或者我可能必须重新编译我自己的 Node 二进制文件？如果我这样做，那会奏效吗？

编辑：我运行 64 位节点。node -p "os.arch()"说x64。

I am trying tfjs-node in my machine for one of my projects and i keep getting the below issue.

My environment is as below:
OS: MAC OSX Catalina 10.15.6
Node: 14.5.0
Python: 3.8.3

Please suggest me some way, as i tried reinstalling all dependencies and changed my node versions. nothing helped.

Thanks.

背景：

我正在使用 LSTM（内置于 tensorflow.js）根据输入文本文件生成文本。我将文本文件拆分为样本，我最初使每个样本的长度为 10。然后我将它放大到 20，一切都很好。最后，我把它放大到 100，LSTM 的梯度爆炸了，损失变成了 NaN。

我尝试了梯度裁剪、梯度归一化、权重正则化、批量减小、更改模型的架构……没有任何效果。

唯一有帮助的是减小我的 LSTM 的大小（从 3 512 层到 3 64 层），但我希望我的模型保持其计算能力。

我的模型结构如下：

然后，我以以下方式编译我的模型：

我检查了我的训练数据，它都是有效的。

如果渐变被剪裁，为什么我的 LSTM 渐变仍然会爆炸？是否有其他原因导致 NaN 损失？关于如何解决它的任何想法？

（权重正则化、批量减小和梯度裁剪的传统方法不起作用。）

完整代码：https ://gist.github.com/N8python/22c42550ae1cf50236a4c63720cc3ee8

我正在通过loadGraphModelof@tensorflow/tfjs-converter包从 TFHub 加载模型。

这工作正常。然后我在本地下载了模型以进行离线预测：

我现在想在本地加载这个模型。对于其他模型，我使用的tfjs.loadLayersModel(this.path)是支持文件协议的方法file://，但是如果我尝试加载此模型，我会收到以下错误

事实上，model.json这些键是缺失的。我试图以这种方式从集线器加载图表：

那么如何GraphModel像从本地文件系统保存和重新加载一样在本地加载这个 TFHub？

希望使用 nodejs 在 tfjs 中执行初始步骤。目前，为了测试，我只能使用具有以下配置的计算机： Windows 7 SP1 8Gb Ram e7500 (no AVX) GeForce 750Ti node v12.19.0

使用 tfjs-node 时，出现错误：

据我了解，这是因为处理器很旧，没有 AVX。我能否以某种方式重建 tfjs-node 以在我的处理器上工作，构建 tfjs-node-gpu 将是理想的。如果有这样的机会，我该怎么办？

我遇到过来自 fo40225 ( https://github.com/fo40225 ) 的程序集，但它们是用于 Python 的。

我正在用 tfjs 和一些（假）医疗数据（乳腺癌）做一个 POC 脚本。数据如下所示：

[206, 293, 140, 126, 117, 27, 35, 152, 239, 79]，结果 (ys) 为 [1]，其中 1 为恶性，0 为良性。

该脚本似乎可以训练，但准确性/损失永远不会改变，无论数据如何，我都会得到相同的结果。我已经验证了数据/格式。下面的脚本：

需要明确的是，我现在不关心超准确的结果或优化，我只希望脚本实际训练模型。

我按照以下教程安装了 tensorflow 模型：

• https://flows.nodered.org/node/node-red-contrib-tf-model
• https://github.com/tensorflow/tfjs/blob/master/tfjs-node/WINDOWS_TROUBLESHOOTING.md

采取的步骤：

1. 我首先@tensorflow/tfjs-node通过运行以下代码直接安装了内部 Node-RED：

2. 跑npm install下C:\Users\username\.node-red\node_modules\@tensorflow\tfjs-node：

3. 最后npm install node-red-contrib-tf-model在同一个目录下运行：

发生的错误：

我安装了正确的 tfjs-node 版本，为什么会出现这个错误？

编辑：尝试直接从 Node-RED 本身安装模块并获得以下信息

当我检查上面的目录时，发现我确实有'tfjs_binding.node'。

我在这里做错了什么？有人可以帮帮我吗。