Javascript 错误：加载模型时无法读取为文件

我认为我犯了一个新手错误，但我很难找出到底出了什么问题

错误：

C:\Users\Awesome\Google Drive\Source\Programming\JS\Testing>节点分类rlc.jpg
（节点：38620）未处理的PromisejectionWarning:错误：无法读取为文件：“model.json”
在readFile（C:\Users\Awesome\Google Drive\Source\Programming\JS\Testing\node\u modules\filereader\filereader.JS:266:15）
在FileReader.self.readAsText（C:\Users\awome\Google Drive\Source\Programming\JS\Testing\node\u modules\FileReader\FileReader.JS:295:7）
在C:\Users\Awesome\Google Drive\Source\Programming\JS\Testing\node\u modules\@tensorflow\tfjs core\dist\io\browser\u files.JS:226:36
在新的承诺下(


库希望文件位于
loadFromFiles
函数中。
默认情况下，无法在节点中使用该文件。
所以您需要在节点环境中以某种方式填充它，查看这些库

使用
文件api的示例：

const fs=require（'fs'）；
const path=require（'path'）；
const FileAPI=require（'file-api'）；
const uploadModel=“model.json”
const uploadModelPath=path.join（process.cwd（），uploadModel）；
//聚填料
Object.keys（FileApi）.forEach（key=>{
进程[key]=FileApi[key]；
})
const uploadModelFile=新文件（{
缓冲区：fs.readFileSync（uploadModelPath）
});

此库非常旧，可能无法使用，您可以尝试搜索其他polyfill库或编写您的库。
您可以查看文件的读取方式，也可以分叉并添加处理节点文件的可能性。
使用文件api处理您的解决方案。出现以下错误：C:\Users\Aweasome\Google Drive\Source\Programming\JS\Testing\node\U modules\file\file.JS:35抛出新错误（“无名称”）；^错误：在新文件中没有名称（C:\Users\Awesome\Google Drive\Source\Programming\JS\Testing\node\u模块\←[4M文件←[24m\File.js:35:13）在对象上。（C:\Users\Awesome\Google Drive\Source\Programming\js\Testing\classify.js:24:25）”。继续挖掘感谢您的建议。您需要为文件指定名称，如
name:“abc-song.txt“
。您可以在node_moduels中看到库的源代码，我曾经通过阅读库的源代码来理解问题。我发现，将mime回滚到以前的版本以解决另一个问题，现在似乎正在执行，但函数“processMetaData”在@teachablemachine中，模块正在为提供的无效metada抛出错误。调查仍在继续，再次感谢。
const tf = require('@tensorflow/tfjs');
const tfnode = require('@tensorflow/tfjs-node');
const tmImage = require('@teachablemachine/image');
const fs = require('fs');
global.FileReader = require('filereader');
const uploadModel =  "model.json"
const uploadWeights = "weights.bin"
const uploadMetadata = "metadata.json"

const readImage = path => {
    const imageBuffer = fs.readFileSync(path);
    const tfimage = tfnode.node.decodeImage(imageBuffer);
    return tfimage;
}

const imageClassification = async path => {
    const image = readImage(path);
    const model = await tmImage.loadFromFiles(uploadModel,uploadWeights,uploadMetadata);
    const predictions = await model.predict(image);
    console.log('Classification Results:', predictions);
}

if (process.argv.length !== 3) throw new Error('Incorrect arguments: node classify.js <IMAGE_FILE>');

imageClassification(process.argv[2]);

/Testing
  /node_modules
  classify.js
  metadata.json
  model.json
  package-lock.json
  rlc.jpg
  weights.bin