tensorflow-handbook-javascript

用JavaScript加载Python版本存储格式的模型

一般TensorFlow的模型，以Python版本为例，会被存储为以下四种格式之一：

1. TensorFlow SavedModel
2. TensorFlow Hub Module
3. Keras Module

Google 目前最佳实践中，推荐使用 SavedModel 方法进行模型保存。同时所有以上格式，都可以通过 tensorflowjs-converter 转换器，将其转换为可以直接被 TensorFlow.js 加载的格式，在JavaScript语言中进行使用。

TensorFlow.js转换器tensorflowjs_converter

tensorflowjs_converter可以将Python存储的模型格式，转换为JavaScript可以直接调用的模型格式。

安装tensorflowjs_converter：

pip install tensorflowjs

tensorflowjs_converter的使用细节，可以通过--help参数查看程序帮助：

tensorflowjs_converter --help

以下我们以MobilenetV1为例，看一下如何对模型文件进行转换操作，并将可以被TensorFlow.js加载的模型文件，存放到/mobilenet/tfjs_model目录下。

转换SavedModel

将/mobilenet/saved_model转换到/mobilenet/tfjs_model：

tensorflowjs_converter \
    --input_format=tf_saved_model \
    --output_node_names='MobilenetV1/Predictions/Reshape_1' \
    --saved_model_tags=serve \
    /mobilenet/saved_model \
    /mobilenet/tfjs_model

Hub例子

将https://tfhub.dev/google/imagenet/mobilenet_v1_100_224/classification/1转换到/mobilenet/tfjs_model：

tensorflowjs_converter \
    --input_format=tf_hub \
    'https://tfhub.dev/google/imagenet/mobilenet_v1_100_224/classification/1' \
    /mobilenet/tfjs_model

Keras例子

将/tmp/model.h5转换到/tmp/tfjs_model：

tensorflowjs_converter \
    --input_format keras \
    /tmp/model.h5 \
    /tmp/tfjs_model

用JavaScript加载和运行

为了加载转换完成的模型文件，我们需要安装tfjs-converter和@tensorflow/tfjs模块：

npm install @tensorflow/tfjs

然后，我们就可以通过JavaScript来加载TensorFlow模型了！

import * as tf from '@tensorflow/tfjs';

const MODEL_URL = 'model_directory/model.json';

const model = await tf.loadGraphModel(MODEL_URL);
// 对Keras或者tfjs原生的层模型，使用下面的加载函数:
// const model = await tf.loadLayersModel(MODEL_URL);

const cat = document.getElementById('cat');
model.execute(tf.browser.fromPixels(cat))

This site is open source. Improve this page.