Javascript 相同模型和张量下tensorflowjs和keras的不同结果
我在一些图像上训练了一个CNN模型，以。我的模型代码是相同的，我只是在另一个图像数据集上训练它：也用于两个类之间的分类 结果与您在训练集上期望的一样：图像正确分类为0或1 我以tensorflowjs友好的格式保存了模型，并遵循了本文的“备选方案：使用Python API直接导出到TF.js层格式”一节 然而，当我尝试使用javascript访问html页面中的结果时，几乎每个图像（或接近图像）都会得到1：即使图像在Keras中给出0 我甚至在JSON中将图像保存为张量，在Keras中得到0，在TensorflowJS中得到1。这是一个错误还是我在什么地方犯了错误 以下是我在TensorflowJS中访问json的代码：Javascript 相同模型和张量下tensorflowjs和keras的不同结果,javascript,python,tensorflow,keras,tensorflowjs-converter,Javascript,Python,Tensorflow,Keras,Tensorflowjs Converter,我在一些图像上训练了一个CNN模型，以。我的模型代码是相同的，我只是在另一个图像数据集上训练它：也用于两个类之间的分类 结果与您在训练集上期望的一样：图像正确分类为0或1 我以tensorflowjs友好的格式保存了模型，并遵循了本文的“备选方案：使用Python API直接导出到TF.js层格式”一节 然而，当我尝试使用javascript访问html页面中的结果时，几乎每个图像（或接近图像）都会得到1：即使图像在Keras中给出0 我甚至在JSON中将图像保存为张量，在Keras中得到0，在
<html>
<head>
<!-- Load TensorFlow.js -->
<meta http-equiv="content-type" content="text/html; charset=utf-8" />
<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@0.13.0"></script>
<script>
// https://stackoverflow.com/a/18324384/2730032
function callAjax(url, callback){
var xmlhttp;
// compatible with IE7+, Firefox, Chrome, Opera, Safari
xmlhttp = new XMLHttpRequest();
xmlhttp.onreadystatechange = function(){
if (xmlhttp.readyState == 4 && xmlhttp.status == 200){
callback(xmlhttp.responseText);
}
}
xmlhttp.open("GET", url, true);
xmlhttp.send();
}
tf.loadModel('/model.json').then(model => {
callAjax('/tensor.json', res => {
arr = JSON.parse(res);
const example = tf.tensor(arr).reshape([1, 150, 150, 3]);
const prediction = model.predict(example);
prediction.data().then(res => {
console.log('PREDICTION JS', res[0]);
})
});
})
</script>
</head>
<body>
</body>
</html>
Python 3.6.6
Keras 2.2.4
tensorflow 1.11.0
tensorflowjs 0.6.2
numpy 1.15.2
EDIT2:我打开了以下问题，它已经被修复。升级到tfjs的最新版本（目前为0.13.3）解决了这个问题。 可以查看和查看问题的更多上下文
Mac 10.15、TF2.3、Python 3.8、纯JavaScript TFJS 2.6.0、Web服务器上的类似问题：python3-m http.server 在大型、深度CNN+RNN Keras网络的所有单元上，推断结果始终保持在0.5左右 解决方案： 不要将tensorflowjs_转换器用于.h5到TFJS的转换 tensorflowjs_向导允许您关闭数字压缩，提供与Python TF2.3几乎相同的结果（在我的示例中，最后一层最多6位数字）
<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@0.13.3"></script>