在javascript中从本地文件系统加载Tensorflow js模型答案

【问题标题】：Load Tensorflow js model from local file system in javascript在javascript中从本地文件系统加载Tensorflow js模型
【发布时间】：2019-05-07 11:19:55
【问题描述】：

我已将 keras 模型转换为 tensorflow json 格式并将其保存在本地计算机中。我正在尝试使用以下命令在 javascript 代码中加载该 json 模型

model = await tf.loadModel('web_model')

但是模型没有被加载。有没有办法从本地文件系统加载 tensorflow json 模型？

【问题讨论】：

我猜你不是从开发服务器上服务的？使用浏览器打开 html 文件会导致用于获取文件的 xhr 请求出现问题。也许试试npmjs.com/package/http-server
我刚刚开始探索 tensorflow js 并使用我的浏览器进行测试

标签： javascript tensorflow tensorflow.js

【解决方案1】：

我知道您正在尝试在浏览器中加载您的模型，但如果有人来到这里尝试在 Node 中执行此操作，方法如下：

const tf = require("@tensorflow/tfjs");
const tfn = require("@tensorflow/tfjs-node");
const handler = tfn.io.fileSystem("./path/to/your/model.json");
const model = await tf.loadLayersModel(handler);

【讨论】：

【解决方案2】：

LoadModel 在后台使用fetch。并且 fetch 不能直接访问本地文件。它旨在用于获取服务器提供的文件。更多关于这个here。使用浏览器加载本地文件，有两种方法，要求用户使用

上传文件

<input type="file"/>

或由服务器提供文件。

在这两种情况下，tf.js 提供了加载模型的方法。

通过要求用户上传文件来加载模型

html

<input type="file" id="upload-json"/>
<input type="file" id="upload-weights"/>

js

const uploadJSONInput = document.getElementById('upload-json');
const uploadWeightsInput = document.getElementById('upload-weights');
const model = await tfl.loadModel(tf.io.browserFiles(
 [uploadJSONInput.files[0], uploadWeightsInput.files[0]]));

使用服务器提供本地文件

为此，可以使用以下 npm 模块 http-server 来提供包含权重和模型的目录。可以使用以下命令安装：

 npm install http-server -g

在目录中，可以运行以下命令来启动服务器：

http-server -c1 --cors .

现在可以加载模型了：

 // load model in js script
 (async () => {
   ...
   const model = await tf.loadFrozenModel('http://localhost:8080/model.pb', 'http://localhost:8080/weights.json')
 })()

【讨论】：

非常感谢您的帮助。但是我在尝试加载模型中的文件时遇到以下错误 Uncaught (in promise) TypeError: Failed to execute 'readAsText' on 'FileReader': parameter 1 is not of type 'Blob'.
也许，您必须在使用事件监听器加载文件后读取文件
使用 http 服务器为我工作

【解决方案3】：

const tf = require('@tensorflow/tfjs');
const tfnode = require('@tensorflow/tfjs-node');

async function loadModel(){
    const handler = tfnode.io.fileSystem('tfjs_model/model.json');
    const model = await tf.loadLayersModel(handler);
    console.log("Model loaded")
}


loadModel();

这在节点中对我有用。感谢jafaircl。

【讨论】：

【解决方案4】：

你可以试试：

const model = await tf.models.modelFromJSON(myModelJSON)

Here it is in the tensorflow.org docs

【讨论】：

您无法使用modelFromJSON 加载分片权重（.bin 文件）

【解决方案5】：

如果您将 React 与 create-react-app 一起使用，您可以将保存的模型文件保存在您的 public folder 中。

例如，假设您想使用blazeface model。你会

Download the .tar.gz model 来自该网页。
将模型解压到应用的公共目录中。所以现在您在公共子目录中拥有来自 .tar.gz 文件的文件：
```
%YOUR_APP%/public/blazeface_1_default_1/model.json
%YOUR_APP%/public/blazeface_1_default_1/group1-shard1of1.bin
```

在你的 React 应用中加载模型

tf.loadGraphModel(process.env.PUBLIC_URL + 'blazeface_1_default_1/model.json'

【讨论】：

【解决方案6】：

查看我们关于加载模型的文档：https://js.tensorflow.org/api/latest/#Models-Loading

您可以使用 tf.loadModel 获取一个字符串，该字符串是您的模型定义的 URL，需要通过 HTTP 提供服务。这意味着您需要启动一个 http-server 来提供这些文件（由于 CORS，它不允许您向文件系统发出请求）。

这个包可以为你做到这一点：npmjs.com/package/http-server

【讨论】：

【解决方案7】：

您可以使用不安全的 chrome 实例：

C:\Program Files (x86)\Google\Chrome\Application>chrome.exe --disable-web-security --disable-gpu --user-data-dir=C:/Temp

你可以添加这个脚本来重新定义 fetch 函数

async function fetch(url) {
  return new Promise(function(resolve, reject) {
    var xhr = new XMLHttpRequest
    xhr.onload = function() {
      resolve(new Response(xhr.responseText, {status: 200}))
    }
    xhr.onerror = function() {
      reject(new TypeError('Local request failed'))
    }
    xhr.open('GET', url)
    xhr.send(null)
  })
}

之后请务必使用正确的模型加载器 my comment about loader issue

但是您的权重会不正确 - 据我了解存在一些编码问题。

【讨论】：

【解决方案8】：

如果您尝试在服务器端加载它，请使用@tensorflow/tfjs-node 而不是@tensorflow/tfjs 并更新到0.2.1 或更高版本以解决此问题。

【讨论】：

【解决方案9】：

我正在使用 React js 加载模型（用于图像分类和更多机器学习的东西）

Tensorflow.js 不支持 Api 读取先前训练的模型

    const file= new Blob()
    file.src=modelJSON
    const files= new Blob()
    files.src=modelWeights
    console.log(files)
    const model= await tf.loadLayersModel(tf.io.browserFiles([file, files]));

[![在此处输入图片描述][1]][1]

如果您使用 Web 应用程序（对于 tensorflow.lite，您可以使用 opencv.readTensorflowmodel(model.pb , 重量.pbtxt)

参考：How to load tensorflow-js weights from express using tf.loadLayersModel()?

     const classifierModel = await tf.loadLayersModel(            
            "https://rp5u7.sse.codesandbox.io/api/pokeml/classify"
        ); 
        const im = new Image()
            im.src =imagenSample//'../../../../../Models/ShapesClassification/Samples/images (2).png';
        const abc= this.preprocessImage(im);
const preds = await classifierModel.predict(abc)//.argMax(-1);
            console.log('<Response>',preds,'Principal',preds.shape[0],'DATA',preds.dataSync())
            const responde=[...preds.dataSync()]
            console.log('Maxmimo Valor',Math.max.apply(Math, responde.map(function(o) { return o; })))
            let indiceMax = this.indexOfMax(responde)
            console.log(indiceMax)
            console.log('<<<LABEL>>>',this.labelsReturn(indiceMax))

【讨论】：

【解决方案10】：

如果你使用的是 Django，你应该：

在您的应用中创建一个目录static并将您的模型放在那里。
将该 static 目录加载到您要使用模型的模板中：
```
var modelPath = "{% static 'sampleModel.json' %}">
```

别忘了加载 tensorflow.js 库：

<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs"></script>

现在您可以加载模型了：

<script>model = await tf.loadGraphModel(modelPath)</script>

【讨论】：