在javascript中从本地文件系统加载Tensorflow js模型

我已将keras模型转换为tensorflow json格式，并将其本地保存在我的计算机中。我试图使用下面的命令在javascript代码中加载json模型

model = await tf.loadModel('web_model')

但是模型没有加载。 有没有办法从本地文件系统加载tensorflow json模型？

您可以尝试：

const model = await tf.models.modelFromJSON(myModelJSON)

---

查看我们的装载模型文档：

您可以使用

tf.loadModel

获取一个字符串，该字符串是指向需要通过HTTP提供服务的模型定义的URL。这意味着您需要启动一个http服务器来服务这些文件（由于CORS，它将不允许您向文件系统发出请求）

---

此软件包可以为您做到这一点：

LoadModel

在引擎盖下使用

fetch

。和fetch无法直接访问本地文件。它用于获取服务器提供的文件。更多关于这个。 要使用浏览器加载本地文件，有两种方法，要求用户使用

<input type="file"/>

js

const uploadJSONInput = document.getElementById('upload-json');
const uploadWeightsInput = document.getElementById('upload-weights');
const model = await tfl.loadModel(tf.io.browserFiles(
 [uploadJSONInput.files[0], uploadWeightsInput.files[0]]));

使用服务器为本地文件提供服务

要做到这一点，可以使用下面的npm模块为包含权重和模型的目录提供服务。可以使用以下命令安装它：

 npm install http-server -g

在目录中，可以运行以下命令来启动服务器：

http-server -c1 --cors .

现在可以加载模型：

 // load model in js script
 (async () => {
   ...
   const model = await tf.loadFrozenModel('http://localhost:8080/model.pb', 'http://localhost:8080/weights.json')
 })()

---

我知道您正试图在浏览器中加载模型，但如果有人在节点中尝试加载模型，请按以下方法操作：

const tf = require("@tensorflow/tfjs");
const tfn = require("@tensorflow/tfjs-node");
const handler = tfn.io.fileSystem("./path/to/your/model.json");
const model = await tf.loadLayersModel(handler);

---

这在node中对我有效。多亏了

jafaircl

您可以使用不安全的chrome实例：

C:\Program Files (x86)\Google\Chrome\Application>chrome.exe --disable-web-security --disable-gpu --user-data-dir=C:/Temp

然后您可以添加此脚本来重新定义fetch函数

async function fetch(url) {
  return new Promise(function(resolve, reject) {
    var xhr = new XMLHttpRequest
    xhr.onload = function() {
      resolve(new Response(xhr.responseText, {status: 200}))
    }
    xhr.onerror = function() {
      reject(new TypeError('Local request failed'))
    }
    xhr.open('GET', url)
    xhr.send(null)
  })
}

在此之后，舒尔建议您使用正确的型号加载器

---

但您的权重将不正确-据我所知，存在一些编码问题。

如果您试图在服务器端加载它，请使用

@tensorflow/tfjs节点

而不是

@tensorflow/tfjs

，并更新到

0.2.1

或更高版本以解决此问题。

我正在使用React js加载模型（用于图像分类和更多机器学习内容）

Tensorflow.js不支持Api来读取以前训练过的模型

const file=new Blob（）
file.src=modelJSON
const files=new Blob（）
files.src=modelWeights
console.log（文件）
const model=wait tf.loadLayersModel（tf.io.browserFiles（[file，files]）；

[！[在此处输入图像描述][1][1]

如果您使用web应用程序（对于tensorflow.lite，您可以使用opencv.readTensorflowmodel（model.pb，weight.pbtxt），则可以在Express.js中创建一个APi来为您的模型（model.json和weigths.bin）提供服务器

参考资料：

const classifierModel=wait tf.loadLayersModel（
"https://rp5u7.sse.codesandbox.io/api/pokeml/classify"
); 
常量im=新图像（）
im.src=imagessample/'../../../../../../Models/shapeClassification/Samples/images（2.png'）；
const abc=此预处理图像（im）；
const preds=await classifierModel.predict（abc）/.argMax（-1）；
log（“”，preds，'Principal'，preds.shape[0]，'DATA'，preds.dataSync（））
const responde=[…preds.dataSync（）]
log（'Maxmimo Valor'，Math.max.apply（Math，response.map（函数（o）{return o；}）））
设indiceMax=this.indexOfMax（响应）
console.log（indiceMax）
console.log（“”，this.labelReturn（indiceMax））

如果您正在使用Django，您应该：

在应用程序中创建一个目录static，并将模型放在那里

将该静态目录加载到要使用模型的模板中：

var modelPath = "{% static 'sampleModel.json' %}">

<script>model = await tf.loadGraphModel(modelPath)</script>

不要忘记加载tensorflow.js库：

现在，您可以加载您的模型：

var modelPath = "{% static 'sampleModel.json' %}">

<script>model = await tf.loadGraphModel(modelPath)</script>

model=wait tf.loadGraphModel（modelPath）

---

我猜您不是从开发服务器上提供服务？使用浏览器打开html文件会导致用于获取文件的xhr请求出现问题。也许可以尝试一下。我刚刚开始探索tensorflow js，并使用浏览器测试内容。非常感谢您的帮助。但是，在尝试在mo中加载文件时，我遇到了以下错误del Uncaught（承诺中）TypeError:未能在“FileReader”上执行“readAsText”：参数1不是“Blob”类型。可能，您必须在使用事件侦听器加载文件后读取该文件。您无法使用

modelFromJSON

<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs"></script>

<script>model = await tf.loadGraphModel(modelPath)</script>