Tensorflow.js导入冻结的模型会导致缺少dict值ImageTensor错误

const tf = require('@tensorflow/tfjs-node'); // 或 '@tensorflow/tfjs-node-gpu'

// 假设你有一个图像文件
const image = await tf.node.decodeImage(imageBuffer);

// 调整图像大小以匹配模型输入形状
const resizedImage = tf.image.resizeBilinear(image, [224, 224]);

// 扩展维度以匹配模型输入形状
const inputTensor = resizedImage.expandDims(0);

const inputTensor = resizedImage.expandDims(0).toFloat();

const modelUrl = 'path/to/your/frozen_model.pb';
const model = await tf.loadGraphModel(modelUrl);

console.log('Model loaded:', model);
console.log('Input tensor shape:', inputTensor.shape);
console.log('Input tensor dtype:', inputTensor.dtype);

const tf = require('@tensorflow/tfjs-node'); // 或 '@tensorflow/tfjs-node-gpu'

async function runInference(imageBuffer) {
  // 加载冻结模型
  const modelUrl = 'path/to/your/frozen_model.pb';
  const model = await tf.loadGraphModel(modelUrl);

  // 解码图像文件
  const image = await tf.node.decodeImage(imageBuffer);

  // 调整图像大小以匹配模型输入形状
  const resizedImage = tf.image.resizeBilinear(image, [224, 224]);

  // 扩展维度并转换为 float32 类型
  const inputTensor = resizedImage.expandDims(0).toFloat();

  // 进行推理
  const predictions = model.predict(inputTensor);

  // 处理预测结果
  console.log('Predictions:', predictions);
}

// 假设你有一个图像文件的 Buffer
const imageBuffer = ...;
runInference(imageBuffer);