Javascript 未知正则化器：tensorflowjs中的L2

我已经使用model在python中训练了一个模型

reg = 0.000001
model = Sequential()
model.add(Dense(24, activation='tanh', name='input_dense', input_shape=input_shape))
model.add(GRU(24, activation='tanh', recurrent_activation='sigmoid', return_sequences=True, kernel_regularizer=regularizers.l2(reg), recurrent_regularizer=regularizers.l2(reg), reset_after=False))
model.add(Flatten())
model.add(Dense(2, activation='softmax'))

但当我使用“tensorflowjs_转换器——输入格式keras”转换这个模型并加载到浏览器中时，出现了错误

未处理的拒绝（错误）：未知正则化器：L2。这可能是应得的 由于下列原因之一：

正则化器是在Python中定义的，在这种情况下，它需要移植到TensorFlow.js或您的JavaScript代码中

自定义正则化器是在JavaScript中定义的，但未在tf.serialization.registerClass（）中正确注册

model.json文件内容为

{
“格式”：“图层模型”，
“生成者”：“keras v2.4.0”，
“convertedBy”：“TensorFlow.js Converter v2.3.0”，
“模型拓扑”：{
“keras_版本”：“2.4.0”，
“后端”：“tensorflow”，
“模型配置”：{
“类别名称”：“顺序”，
“配置”：{
“名称”：“顺序”，
“层”：[
{
“类名称”：“输入层”，
“配置”：{
“批处理输入形状”：[null，22，13]，
“dtype”：“float32”，
“稀疏”：错误，
“衣衫褴褛”：错误，
“名称”：“输入\u密集\u输入”
}
},
{
“类名”：“稠密”，
“配置”：{
“名称”：“输入”，
“可培训”：没错，
“批处理输入形状”：[null，22，13]，
“dtype”：“float32”，
“单位”：24，
“激活”：“tanh”，
“使用偏见”：正确，
“内核_初始值设定项”：{
“类别名称”：“GlorotUniform”，
“config”：{“seed”：null}
},
“bias_初始值设定项”：{“class_name”：“Zeros”，“config”：{}，
“内核正则化器”：null，
“偏差正则化器”：null，
“活动\正则化器”：null，
“内核约束”：null，
“偏差约束”：空
}
},
{
“类别名称”：“GRU”，
“配置”：{
“名称”：“gru”，
“可培训”：没错，
“dtype”：“float32”，
“返回_序列”：true，
“返回状态”：false，
“向后走”：错，
“有状态”：错误，
“展开”：错误，
“时间大调”：错，
“单位”：24，
“激活”：“tanh”，
“反复激活”：“乙状结肠”，
“使用偏见”：正确，
“内核_初始值设定项”：{
“类别名称”：“GlorotUniform”，
“config”：{“seed”：null}
},
“循环_初始值设定项”：{
“类名称”：“正交”，
“配置”：{“增益”：1.0，“种子”：null}
},
“bias_初始值设定项”：{“class_name”：“Zeros”，“config”：{}，
“内核正则化器”：{
“类别名称”：“L2”，
“配置”：{“l2”：9.999999774752427E-7}
},
“递归正则化器”：{
“类别名称”：“L2”，
“配置”：{“l2”：9.999999774752427E-7}
},
“偏差正则化器”：null，
“活动\正则化器”：null，
“内核约束”：null，
“循环_约束”：空，
“偏差约束”：空，
“辍学”：0.0，
“经常性辍学”：0.0，
"落实":二,，
“复位后”：false
}
},
{
“类名称”：“展平”，
“配置”：{
“名称”：“展平”，
“可培训”：没错，
“dtype”：“float32”，
“数据格式”：“最后一个通道”
}
},
{
“类名”：“稠密”，
“配置”：{
“名称”：“密度”，
“可培训”：没错，
“dtype”：“float32”，
“单位”：2，
“激活”：“softmax”，
“使用偏见”：正确，
“内核_初始值设定项”：{
“类别名称”：“GlorotUniform”，
“config”：{“seed”：null}
},
“bias_初始值设定项”：{“class_name”：“Zeros”，“config”：{}，
“内核正则化器”：null，
“偏差正则化器”：null，
“活动\正则化器”：null，
“内核约束”：null，
“偏差约束”：空
}
}
]
}
},
“培训配置”：{
“损失”：“绝对熵”，
“指标”：[“准确度”]，
“加权_度量”：空，
“损失权重”：空，
“优化器配置”：{
“类别名称”：“Nadam”，
“配置”：{
“名称”：“那达慕”，
“学习率”：0.002000094909926，
“衰变”：0.004000000189989805，
“beta_1”：0.8999979761581421，
“beta_2”：0.9990000128746033，
“ε”：1e-7
}
}
}
},
“权重最大”：[
{
“路径”：[“group1-shard1of1.bin”]，
“重量”：[
{“name”：“dense/kernel”，“shape”：[528,2]，“dtype”：“float32”}，
{“name”：“dense/bias”，“shape”：[2]，“dtype”：“float32”}，
{“name”：“gru/gru_cell/kernel”，“shape”：[24,72]，“dtype”：“float32”}，
{
“名称”：“gru/gru_单元/循环_内核”，
“形状”：[24,72]，
“数据类型”：“float32”
},
{“name”：“gru/gru_cell/bias”，“shape”：[72]，“dtype”：“float32”}，
{“name”：“input_dense/kernel”，“shape”：[13,24]，“dtype”：“float32”}，
{“名称”：“输入密度/偏差”，“形状”：[24]，“数据类型”：“浮动32”}
]
}
]
}

选项1

没有类

L1

和

L2

；它们只是接口（更多）

有一个类

L1L2

，它将接受配置并返回正确的正则化器。您可以手动将所有出现的

L2

替换为

L1L2

选择2

注册一个L2类

class L2 {

    static className = 'L2';

    constructor(config) {
       return tf.regularizers.l1l2(config)
    }
}
tf.serialization.registerClass(L2);

// now load the model