Python TensorFlow.js-使用预训练的ResNet50网络

我在Python中通过Keras API使用TensorFlow创建了一个神经网络，该网络利用

ResNet50

预训练网络能够对133种不同的狗进行分类

我现在希望能够部署这个模型，以便通过TensorFlow.js使用它，但是我在让

ResNet50

工作时遇到了困难。我能够毫无问题地将我从头创建的NN传输到TensorFlow.js，但使用预训练网络传输NN并不那么简单

下面是我正在尝试调整的Python代码：

from keras.applications.resnet50 import ResNet50
ResNet50_model = ResNet50(weights="imagenet") # download ImageNet challenge weights

def extractResNet50(tensor): # tensor shape is (1, 224, 224, 3)
    return ResNet50(weights='imagenet', include_top=False, pooling="avg").predict(preprocess_input(tensor))

def dogBreed(img_path):
    tensor = convertToTensor(img_path) # I can do this in TF.js already with no issue

    resnetTensor = extractResNet50(tensor) # tensor returned in shape (1, 2048)
    resnetTensor = np.expand_dims(resnetTensor, axis=0) # repeat this line 2 more times to get shape (1, 1, 1, 1, 2048)

    # code below I can convert to TF.js without issue
    prediction = model.predict(resnetTensor[0])

---

除了

dogbride（）

中的第1行和第4行代码外，我如何将以上所有内容转换为TensorFlow.js中使用的内容？

Resnet是一个如此庞大的网络，它还没有在浏览器上导入，我怀疑它是否有一天会被导入。至少与tensorflowJs的最新版本不同（版本0.14）

另一方面，您可以做的一件事是保存Python keras模型，然后在Js上导入冻结的模型进行预测

更新： 您正在使用resnet50作为模型的功能提取器。在这种情况下，要保存的冻结模型需要同时包含Resnet50和模型拓扑和权重

1-不要在python中使用两个独立的体系结构，而是直接使用tensorflow而不是keras创建一个网络。然后冻结的模型将包含Resnet。这可能无法在浏览器中正常工作，因为Resnet的大小相当大（我自己没有测试过）

---

2——而不是在浏览器中使用ReNETE，考虑使用<代码> COCOSSD 或<代码> MaseNeNET>代码>，可以在浏览器中作为特征提取器使用。您可以在

上看到如何使用它们，这很有意义。但是，我已经尝试只导入模型和权重，但问题是模型的输入形状是ResNet50的输出形状

（1,1,12048）

。这是一个不寻常的形状，试图重塑一个形象，以。我如何将尺寸为100x100px的彩色图像（因此形状是

（1100,100,3）

）重塑为

（1,1,12048）

？我编辑了我的问题。希望它能给你一些关于如何实现你想要的东西的见解