Javascript TF.js在浏览器中以model.json格式加载对象检测模型

我使用Colab在python中训练了一个.pb对象检测模型，并使用。我需要在浏览器中加载这个模型（没有Node.js！），并在那里运行推理。 这是生成的“我的模型”文件夹的结构：

model
| - model.json
| - labels.json
| - group1-shard1of2.bin
| - group1-shard2of2.bin

建议以下内容加载此类模型：

const model = await tf.loadGraphModel('model/model.json');

或

我正在使用

tf.loadGraphModel

函数。加载模型可以完美地工作，但当我尝试使用以下代码对其进行推理时：

// detect objects in the image.
const img = document.getElementById('img'); 
model.predict(img).then(predictions => {
    console.log('Predictions: ');
    console.log(predictions);
});

const tensor = tf.browser.fromPixels(img);

它抛出以下错误：

Uncaught (in promise) Error: The dict provided in model.execute(dict) has keys [...] that are not part of graph
at e.t.checkInputs (graph_executor.js:607)
at e.t.execute (graph_executor.js:193)
at e.t.execute (graph_model.js:338)
at e.t.predict (graph_model.js:291)
at predictImages (detector.php:39)

我是否使用了错误的加载函数，模型加载过程是否失败（即使它没有抛出任何错误？）或者推理函数是否错误？ 提前感谢您的支持

编辑：在使用@edkeveke的建议将图像转换为张量后，首先使用以下代码：

// detect objects in the image.
const img = document.getElementById('img'); 
model.predict(img).then(predictions => {
    console.log('Predictions: ');
    console.log(predictions);
});

const tensor = tf.browser.fromPixels(img);

并使用以下公式运行推理：

model.predict(tensor.expandDims(0));

我收到了以下错误消息：

Uncaught (in promise) Error: This execution contains the node 'Preprocessor/map/while/Exit_2', which has the dynamic op 'Exit'. Please use model.executeAsync() instead. Alternatively, to avoid the dynamic ops, specify the inputs [Preprocessor/map/TensorArrayStack/TensorArrayGatherV3]
    at e.t.compile (graph_executor.js:162)
    at e.t.execute (graph_executor.js:212)
    at e.t.execute (graph_model.js:338)
    at e.t.predict (graph_model.js:291)
    at predictImages (detector.php:38)

将

model.predict（）

替换为

model.executeAsync（）

后，它返回的结果与我从对象检测模型得到的结果不同：

detector.php:40 (2) [e, e]0: e {kept: false, isDisposedInternal: false, shape: Array(3), dtype: "float32", size: 3834, …}1: e {kept: false, isDisposedInternal: false, shape: Array(4), dtype: "float32", size: 7668, …}length: 2__proto__: Array(0)

这是我目前为止的完整代码（使用PHP以HTML添加的图像）：

异步函数predictImages（）{//async
日志（“加载模型”）；
//加载模型。
const model=await tf.loadGraphModel（'model/model.json'）；
log（“模型加载”）；
//预测所有图像
for（设i=0；i{
log（'Predictions:'）；
控制台日志（预测）；
});
}否则{
打破
}
}
}
预测图像（）；

模型。predict

需要一个张量，但它被赋予了一个HTMLImageElement。首先，需要从HTMLImageElement构造一个张量

const tensor = tf.browser.fromPixels(img)

然后，张量可以作为

模型的参数。预测

model.predict(tensor) // returns a 3d

最后但并非最不重要的是确保张量形状是模型所期望的形状（3d或4d）。如果模型期望4d，那么它应该是

model.predict(tensor.expandDims(0))

按照您的建议加载图像的工作是完美的，但是当我使用我在问题中添加的代码运行预测时，它返回以下内容：
detector.php:40（2）[e，e]0:e{keep:false，isDisposedInternal:false，shape:Array（3），dtype:“float32”，size:3834，}1:e{keep:false，isDisposedInternal:false，shape:Array（4），dtype:“float32”，size:7668，…}length:2__-proto__;u:Array（0）
我的代码有什么问题？代码没有问题<代码>预测
是张量数组。如果你想得到它的值，你需要做
预测[index].dataSync（）
，索引为0或1，这取决于模型的输出。但是，如果希望返回数据保持与张量相同的形状，可以使用
arraySync
而不是
dataSync
，我认为这是另一个问题。您可以关闭此选项并打开一个新问题，显示您当前拥有的输出。您可以向上投票此答案并将其标记为已接受，因为它解决了您最初关于从图像预测的问题：）