将Azure自定义视觉训练模型与tensorflow.js结合使用
我已经用Azure Custom Vision训练了一个模型，并下载了适用于安卓的TensorFlow文件(参见：https://docs.microsoft.com/en-au/azure/cognitive-services/custom-vision-service/export-your-model)。如何将其与tensorflow.js一起使用
我需要一个模型(pb文件)和权重(json文件)。然而，Azure给了我一个.pb和一个带有标签的文本文件。
根据我的研究，我还了解到还有不同的pb文件，但我找不到哪种类型的Azure Custom Vision导出。
我找到tfjs converter了。这是为了转换TensorFlow SavedModel (来自Azure的*.pb文件是SavedModel吗？)或Keras模型转换为web友好格式。但是，我需要填写"output_node_names“(如何获得这些？)。我也不能100%确定我的安卓pb文件是否等于"tf_saved_model“。
我希望有人有一个建议或起点。
回答 2
Stack Overflow用户
发布于 2019-09-28 04:44:06
只是模仿我说的here来帮你省点时间。我真的希望直接导出到tfjs的选项很快就可以使用。
为了让导出的TensorFlow模型为我工作，我执行了以下步骤：
- 将PadV2操作替换为Pad.这个python函数应该可以做到这一点。
input_filepath是.pb模型文件的路径，output_filepath是要创建的更新后的.pb文件的完整路径。
import tensorflow as tf
def ReplacePadV2(input_filepath, output_filepath):
graph_def = tf.GraphDef()
with open(input_filepath, 'rb') as f:
graph_def.ParseFromString(f.read())
for node in graph_def.node:
if node.op == 'PadV2':
node.op = 'Pad'
del node.input[-1]
print("Replaced PadV2 node: {}".format(node.name))
with open(output_filepath, 'wb') as f:
f.write(graph_def.SerializeToString())- Install tensorflowjs 或更早版本。在更高版本中转换冻结模型is deprecated。
- 调用转换器时，将
--input_format设置为tf_frozen_model，将output_node_names设置为model_outputs。这是我使用的命令。
tensorflowjs_converter --input_format=tf_frozen_model --output_json=true --output_node_names='model_outputs' --saved_model_tags=serve path\to\modified\model.pb folder\to\save\converted\output理想情况下，tf.loadGraphModel('path/to/converted/model.json')现在应该可以工作了(针对tfjs 1.0.0及更高版本进行了测试)。
Stack Overflow用户
发布于 2019-02-25 17:59:45
部分答案：
尝试使用output_node_names来实现相同的事情-以下是答案的开始：
tensorflowjs_converter --input_format=tf_frozen_model --output_node_names='model_outputs' model.pb web_model我还不确定如何将它合并到相同的代码中-你有什么@Kasper Kamperman吗？
https://stackoverflow.com/questions/49840929
复制相似问题
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号