使用Keras预先训练的接收v3/Exception模型时预测不正确

我正试图让预先训练好的Keras接收v3/Exception模型在tensorflow.js中工作。模型的负载非常好，但是输出预测远远不正确（参见InceptionV3预测照片）

我还保存/转换了ResNet50模型，该模型运行良好

这些模型目前是否与tensorflow.js完全不兼容？还是我的代码有问题

模型通过以下方式保存/转换：

from keras.applications import inception_v3
model = inception_v3.InceptionV3(include_top=True, weights='imagenet')
model.save("InceptionV3.h5", False)

tensorflowjs_converter --input_format=keras InceptionV3.h5 InceptionV3

此处提供代码（angular应用程序）：

重要的部分是：

版本：

• 铬：72.0.3626.109
• @张量流/tfjs@1.0.0-阿尔法3

---

我已经解决了这个问题，以备将来参考。结果是，在将图像输入模型之前，我没有将图像标准化到[-1,1]范围内 但是，我不知道为什么ResNet50没有标准化就可以工作

规范化代码：

 let tensor = tf.browser.fromPixels(canvas, number_channels);
 let normalizationOffset = tf.scalar(127.5);
 var normalized = tensor.toFloat().sub(normalizationOffset).div(normalizationOffset);
 var batched = resized.reshape([1, imgSize, imgSize, 3]);
 var output = model.predict(batched) as any;

---

您可能希望添加其他标签，如

keras

，

预训练模式

，

深度学习

，以增加获得响应的机会。只是好奇：您是否计划在browser或node.js中使用InceptionV3模式？该模型的层数相当大（>300），在浏览器中可能运行速度不够快。我尝试将InceptionV3转换为TF.js格式，并将其加载到TF.js（Node.js和浏览器）。（Python）Keras和JavaScript的结果确实不同。但差异大多很小（感谢大家的关注！在我的例子中，TF.js的预测结果远远不正确，TF.js的前三名结果是：（扁形虫，扁形虫“，1），（水壶，水壶”，2.24e-18），（双筒望远镜，望远镜，望远镜，歌剧眼镜”，1.84e-22），而当我使用Keras进行测试时，前三名结果是：（'tabby'，0.44），（‘埃及猫’，0.25），（‘老虎猫’，0.062）如果您能够接收到准确的预测，则我转换模型的方式或图像输入过程一定有问题。这可能是由于TF.js的webGL后端处理1x1 conv2d内核的方式存在错误。请参阅上的跟踪问题，对于由此带来的不便，深表歉意。我们将尽快修复它。