Javascript tensorflowjs加载重新训练的coco ssd模型-在浏览器中不工作

我使用Python模型/研究/对象检测API用我自己的数据集重新训练coco ssd。 我已经保存了模型&模型在ipython笔记本中工作。 我使用tfjs_转换器来转换它 tensorflowjs_转换器--输入格式=tf_保存的_模型--输出格式=tensorflowjs--输出节点名称=“检测”框、检测类、检测分数、数量检测”-保存的_模型标签=服务/保存的_模型/web模型

试验1；我的代码

    image.src = imageURL;
    var img;
    const runButton = document.getElementById('run');
    runButton.onclick = async () => {
        console.log('model start');
        const model = await modelPromise;

        console.log('model loaded');
        const zeros = tf.zeros([1, 224, 224, 3]);

        const batched = tf.tidy(() => {
        if (!(image instanceof tf.Tensor)) {
            img = tf.fromPixels(image);
         }
      // Reshape to a single-element batch so we can pass it to executeAsync.
          return img.expandDims(0);
       });
       console.log('model loaded - now predict .. start');
       const result = await model.executeAsync(batched) ;
       console.log('model loaded - now predict - ready'); //  Error seen 
       batched.dispose();
       tf.dispose(result);

    model loaded - now predict .. start ( i tried chaning the model to Coco-ssd model same error)
   tensor_array.ts:116 Uncaught (in promise) Error: TensorArray : Could not write to TensorArray index 0,
          because the value dtype is int32, but TensorArray dtype is float32.
      at e.write (tensor_array.ts:116)
      at tensor_array.ts:162
      at Array.forEach (<anonymous>)
      at e.writeMany (tensor_array.ts:162)
      at e.scatter (tensor_array.ts:252)
      at control_executor.ts:127
      at callbacks.ts:17
      at Object.next (callbacks.ts:17)
      at callbacks.ts:17```

     Test 2; ---- using tfjs-model/coco-ssd/demo ----------------------------------
      did yarn , yarn watch  

    I replaced the coo-ssd model which works correctly, with my re-trained model  (only switched the models)
      //BASE_PATH = "https://storage.googleapis.com/tfjs-models/savedmodel/";
        BASE_PATH = "http://localhost:1234/web_model/";
    //this.modelPath = "" + BASE_PATH + this.getPrefix(e) + 
    "/tensorflowjs_model.pb", this.weightPath = "" + BASE_PATH + 
    this.getPrefix(e) + "/weights_manifest.json";
    ``this.modelPath = "" + BASE_PATH +  "tensorflowjs_model.pb", 
      this.weightPath = "" +BASE_PATH + "weights_manifest.json";``

    I get an error
    io_utils.ts:116 Uncaught (in promise) RangeError: byte length of float32Array should be a multiple of 4
        at new Float32Array (<anonymous>)
        at o (io_utils.ts:116)
        at Object.decodeWeights (io_utils.ts:79)
        at e.<anonymous> (frozen_model.ts:109)
        at exports_regularizers.ts:47
        at Object.next (exports_regularizers.ts:47)
        at s (exports_regularizers.ts:47)```


    model loaded - now predict .. start ( i tried chaning the model to Coco-ssd model same error)
    ```tensor_array.ts:116 Uncaught (in promise) Error: TensorArray : Could not write to TensorArray index 0,
          because the value dtype is int32, but TensorArray dtype is float32.
        at e.write (tensor_array.ts:116)
        at tensor_array.ts:162
        at Array.forEach (<anonymous>)
        at e.writeMany (tensor_array.ts:162)
        at e.scatter (tensor_array.ts:252)
        at control_executor.ts:127```
        at callbacks.ts:17
        at Object.next (callbacks.ts:17)
        at callbacks.ts:17

image.src=imageURL；
var-img；
const runButton=document.getElementById（'run'）；
runButton.onclick=async（）=>{
log（'modelstart'）；
常量模型=等待模型承诺；
log（'model-loaded'）；
常数零=tf.zeros（[1224224,3]）；
常量批处理=tf.tidy（（）=>{
if（！（tf.张量的图像实例））{
img=tf.fromPixels（图像）；
}
//重塑为单个元素批处理，以便将其传递给executeAsync。
返回img.expandDims（0）；
});
log（'model loaded-now predict..start'）；
const result=await model.executeAsync（批处理）；
log（'model-loaded-now predict-ready'）；//看到错误
batched.dispose（）；
tf.处置（结果）；
模型已加载-现在预测..开始（我尝试将模型更改为Coco ssd模型相同错误）
tensor_数组.ts:116未捕获（承诺中）错误：Tensorary:无法写入Tensorary索引0，
因为值dtype是int32，而TensorArray dtype是float32。
在e.write（张量数组ts:116）
在张量数组中。ts:162
在Array.forEach（）处
在e.writeMany（张量数组：162）
在e.scatter（张量数组ts:252）
在控制室执行人ts:127
在回拨时。ts:17
at Object.next（callbacks.ts:17）
在回拨时。ts:17```
测试2；----使用tfjs模型/coco ssd/demo----------------------------------
你看了吗
我将正常工作的coo ssd型号替换为经过重新培训的型号（仅切换型号）
//基本路径=”https://storage.googleapis.com/tfjs-models/savedmodel/";
基本路径=”http://localhost:1234/web_model/";
//this.modelPath=”“+基本路径+this.getPrefix（e）+
“/tensorflowjs_model.pb”，this.weightPath=”“+BASE_PATH+
this.getPrefix（e）+“/weights\u manifest.json”；
``this.modelPath=”“+BASE_PATH+“tensorflowjs_model.pb”，
this.weightPath=”“+基本路径+“weights\u manifest.json”``
我犯了一个错误
io_utils.ts:116未捕获（承诺中）RangeError:float32Array的字节长度应为4的倍数
在新的Float32Array（）上
at o（io_utils.ts:116）
在Object.decodeWeights（io_utils.ts:79）
在东面（冻结模式ts:109）
在出口处。ts:47
在Object.next（导出正则化子.ts:47）
在s（出口量：47）```
模型已加载-现在预测..开始（我尝试将模型更改为Coco ssd模型相同错误）
```tensor_数组.ts:116未捕获（承诺中）错误：Tensorary:无法写入Tensorary索引0，
因为值dtype是int32，而TensorArray dtype是float32。
在e.write（张量数组ts:116）
在张量数组中。ts:162
在Array.forEach（）处
在e.writeMany（张量数组：162）
在e.scatter（张量数组ts:252）
在控制室执行人ts:127```
在回拨时。ts:17
at Object.next（callbacks.ts:17）
在回拨时。ts:17

该错误与您用于预测的张量图像有关

tf.fromPixel使用dtype int创建一个值范围为0到255的张量图像。由于您的模型正在等待dtype float32的张量，因此您可以将该类型强制转换为float，也可以将张量值更改为0到1之间

• 铸造到浮动32

img=tf.fromPixels（image.cast（'float32'））

• 将值移动到0和1之间

img=tf.fromPixels（image）.div（256）

试试这些转换参数。在使用mobilenet_v1进行重新培训后，这些参数对我有效 output_node_names=“后处理器/ExpandDims_1，后处理器/Slice”

---

< /P>我使用了CO-SDS-TunSoFalm模型示例代码，它工作了，然后我将Python Coco SSD模型转换成TysRoojjs模型，当使用相同的示例代码时，它也给出了相同的错误。这是一个转换问题吗？@集成，这里没有问题。考虑我的答案的更新，更多的解释Img= TF.FaskListar（图像）。（'float32'）；不工作相同错误：TensorArray:无法写入TensorArray索引0，因为值dtype为int32，但TensorArray dtype为float32。更改张量的类型后，不能出现相同的错误。请确保tensor.dtype显示

float32

，因为model.predict正在等待float32dtype和casting到

float32

dtype或除以

256

将把dtype从

int32

更改为

float32

这里是我转换的ssd\u mobilenet\u v1\u coco\u 2017\u 11\u 17.tar.gz这是一个冻结的模型。运行这个转换tensorflowjs\u转换器--input\u format=tf\u freezed\u model–output\u node\u names='Postprocessor/ExpandDims_1，后处理器/Slice'--保存的_模型_标签=serve./冻结的_推理_graph.pb./web_模型_1--当我将原始jsmodel替换为转换后的模型时，与上述错误相同--未捕获（承诺中）RangeError:Float32Array的字节长度应为4Try的倍数this:tensorflowjs\u转换器--input\u format=tf\u saved\u模型--output\u node\u names=“后处理器/ExpandDims\u 1，后处理器/Slice”--saved_model_tags=服务saved_model web_model注：尝试转换最新型号：ssd_mobilenet_v1_coco_2018_01_28.tar我从2017年起就没有尝试过该型号。