使用tensorflow.js和node.js在批量图像上建立训练模型

我的目标是创建node.js脚本，在包含jpeg/png图像的文件夹中训练模型，并将其用于图像分类。我已经在中的图像集上生成了一个测试模型，并成功地在nodejs中加载了该模型——预测工作得很好

问题是，我现在正在努力复制nodejs中teachablemachine上使用的浏览器内逻辑，以便在本地训练模型。我不知道如何从tensor3d图像对象（代码中的

readImage（path）

output）组合输入张量。我使用了

tf.stack

，它似乎产生了正确的维度，但是拟合从未开始收敛，即使在50个时代之后

我真的很感谢大家的意见，因为整个周末我都在为这个问题绞尽脑汁

以下是我使用的代码：

const tf=require（'@tensorflow/tfjs'）；
const tfnode=require（“@tensorflow/tfjs node”）；
常数fs=要求（'fs'）；
const util=require（'util'）；
const readdir=util.promisify（fs.readdir）；
const IMAGE_HEIGHT=224；
const IMAGE_WIDTH=224；
常数标签\u平面\u尺寸=2；
函数readImage（路径）{
const imageBuffer=fs.readFileSync（路径）；
const tfimage=tfnode.node.decodeImage（imageBuffer，3）；
常量smallimg=tf.image.resizeblinear（tfimage，[图像高度，图像宽度]）
常量floatimg=tf.cast（smallimg，'float32'）；
返回浮动img；
}
异步函数loadImagesDir（{images}，dir）{
让文件计数=0；
试一试{
files=wait readdir（dir）；
forEach（函数（文件）{
如果（/^（？）。*\（（png）|（jpg）|（jpeg）|（gif））$/gi.test（文件））{
console.log（文件）；
让此_image=readImage（dir+'/'+文件）；
图像。推送（此图像）；
文件计数++；
}
});
}捕捉（错误）{
console.error（'无法扫描目录：'+err）；
}
返回文件计数；
}
函数getLabelsSubArray（图像计数，classId）{
返回数组（图像计数）.fill（classId）；
}
异步函数loadImages（）{
常量图像=[]；
让标签=[]；
让imgcount；
image_count=等待加载imagesdir（{images}，'train_data/squares'）；
labels=labels.concat（getLabelsSubArray（image_count，1））；
image_count=wait loadImagesDir（{images}，'train_data/circles'）；
labels=labels.concat（getLabelsSubArray（image_count，2））；
返回{图像：图像，标签：标签}；
}
异步函数loadTestImages（）{
常量图像=[]；
让标签=[]；
让imgcount；
image_count=wait loadImagesDir（{images}，'test_data/squares'）；
labels=labels.concat（getLabelsSubArray（image_count，1））；
image_count=wait loadImagesDir（{images}，'test_data/circles'）；
labels=labels.concat（getLabelsSubArray（image_count，2））；
返回{图像：图像，标签：标签}；
}
/**帮助类处理加载训练和测试数据*/
类MnistDataset{
构造函数（）{
this.dataset=null；
此值为0.trainSize=0；
this.testSize=0；
此.trainBatchIndex=0；
this.testBatchIndex=0；
}
/**加载培训和测试数据*/
异步加载数据（）{
this.dataset=wait Promise.all([
loadImages（），loadTestImages（）
]);
this.trainSize=this.dataset[0].images.length；
this.testSize=this.dataset[1].images.length；
log（“LEN:，this.trainSize，this.testSize”）；
}
getTrainData（）{
返回此.getData（true）；
}
getTestData（）{
返回此.getData（false）；
}
getData（isTrainingData）{
让图像索引；
让标签索引；
如果（isTrainingData）{
imagesIndex=0；
}否则{
图像索引=1；
}
返回{
images:tf.stack（this.dataset[imagesIndex].images），
标签：tf.oneHot（tf.tensor1d（标签'int32'），标签为扁平尺寸）
};
}
}
module.exports=新的MnistDataset（）帮不了你，但我可以问一下：你在用密集单元=64做什么？