Firebase Keras部署用于Tensorflow.js

我需要能够为Tensorflow.js预测部署一个keras模型，但似乎只支持一个TFLite对象。js似乎接受JSON文件进行加载，但不接受keras SavedModel（.pb+/assets+/variables）

我怎样才能达到这个目标

请注意Tensorflow.js部分：有很多指向的指针，但与我要查找的函数最接近的API函数是该函数，它需要

.pb

和

weights\u manifest.json

。在我看来，在将其发送到GCloud之前，我必须以编程方式进行组装，因为keras SavedModel并不同时包含这两个变量（我的包含.pb+/assets+/variables）

对于一个简单的部署特性来说，这似乎很乏味，我想我的问题只会涉及到每个工具的常见用法

---

我要找的是一条来自Keras=>Firebase/GCloud=>Tensorflow.js的简单路径。

所以我理解你的困惑，但你已经准备好了一半。 因此，如果我理解正确，您的keras模型具有以下文件和文件夹：

saved_model.pb
/assests
/variables

这足以将keras模型转换为tensorflow.js模型。 按以下方式使用转换器脚本。确保您拥有最新版本的

tfjs

。如果您没有最新版本，请尝试创建

虚拟环境

并安装最新的

tfjs

，否则它将中断您的

tensorflow

版本

import tensorflowjs as tfjs
import tensorflow as tf

model=tf.keras.models.load_model('path/to/keras/model')

tfjs.converters.save_keras_model(model, 'path/where/you/will/like/to/have/js/model/converted')

转换模型后，您将收到

js

model的以下文件

model.json
something.bin

您必须使用Web服务器托管这些文件，并使其可用于loadLayersModel API，如下所示：

const model = await tf.loadLayersModel(
     'location/of/model.json');

就是这样，您已经将模型从Keras转换为Tensorflowjs，并在js中上传

---

我希望我的回答能对你有所帮助。

所以我理解你的困惑，但你已经准备好了一半。 因此，如果我理解正确，您的keras模型具有以下文件和文件夹：

saved_model.pb
/assests
/variables

这足以将keras模型转换为tensorflow.js模型。 按以下方式使用转换器脚本。确保您拥有最新版本的

tfjs

。如果您没有最新版本，请尝试创建

虚拟环境

并安装最新的

tfjs

，否则它将中断您的

tensorflow

版本

import tensorflowjs as tfjs
import tensorflow as tf

model=tf.keras.models.load_model('path/to/keras/model')

tfjs.converters.save_keras_model(model, 'path/where/you/will/like/to/have/js/model/converted')

转换模型后，您将收到

js

model的以下文件

model.json
something.bin

您必须使用Web服务器托管这些文件，并使其可用于loadLayersModel API，如下所示：

const model = await tf.loadLayersModel(
     'location/of/model.json');

就是这样，您已经将模型从Keras转换为Tensorflowjs，并在js中上传

我希望我的回答能帮助你