将Keras模型导入TensorFlow.js

最新推荐文章于 2025-03-07 16:17:43 发布

一个追逐自我的程序员

最新推荐文章于 2025-03-07 16:17:43 发布

阅读量2.7k

点赞数

分类专栏：深度学习

本文链接：https://blog.youkuaiyun.com/qq_34739497/article/details/81316136

版权

本文介绍了如何将使用Python Keras API创建的模型转换为TensorFlow.js图层格式，以便在浏览器环境中进行推理和训练。首先，通过`model.save()`保存HDF5 (.h5) 文件，然后使用`tensorflowjs_converter`将其转换为TF.js所需的JSON和权重文件。转换后的模型可以通过Web服务器提供，并使用model.json的URL在TensorFlow.js中加载。注意，跨源资源共享（CORS）配置对于从JavaScript加载模型是必需的。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Keras模型（通常通过Python API创建）可以以多种格式之一保存。“整个模型”格式可以转换为TensorFlow.js图层格式，可以直接加载到TensorFlow.js进行推理或进一步培训。

目标TensorFlow.js图层格式是一个包含model.json文件和一组二进制格式的分片权重文件的目录。该model.json文件包含模型拓扑（又名“架构”或“图形”：层的描述及其连接方式）和权重文件的清单。

要求
转换过程需要Python环境; 你可能想用pipenv或virtualenv保持一个孤立的。要安装转换器，请使用pip install tensorflowjs。

将Keras模型导入TensorFlow.js分为两步。首先，将现有的Keras模型转换为TF.js图层格式，然后将其加载到TensorFlow.js中。
步骤1.将现有的Keras模型转换为TF.js图层格式
Keras模型通常通过via保存model.save(filepath)，生成一个包含模型拓扑和权重的HDF5（.h5）文件。要将此类文件转换为TF.js图层格式，请运行以下命令，其中path/to/my_model.h5是源Keras .h5文件，并且path/to/tfjs_target_dir是TF.js文件的目标输出目录：

tensorflowjs_converter --input_format keras \
                       path/to/my_model.h5 \
                       p

最低0.47元/天解锁文章