TensorFlow.js加载Layers模型报错：InputLayer需指定batchInputShape或inputShape

核心原因 #

Keras v3与TensorFlow.js Converter v4.x存在兼容性适配问题，或模型导出/转换环节未明确固化输入形状，导致转换后的TFJS模型丢失输入层的形状配置。

具体解决步骤 #

• 固化Keras模型输入形状后再导出
  在训练代码的模型导出环节，明确设置输入层形状，避免导出时丢失关键配置：

  # 替换为你训练时实际使用的输入形状，示例为(224,224,3)
  model.input.set_shape((None, 224, 224, 3))
  # Keras v3推荐使用官方保存方法
  keras.saving.save_model(model, "cloud_model.h5")
  

• 转换时强制指定输入形状
  使用TensorFlow.js Converter转换时，通过参数明确输入形状，覆盖自动检测的潜在问题：

  tensorflowjs_converter --input_format=keras --output_format=tfjs_layers_model --input_shape=1,224,224,3 ./cloud_model.h5 ./tfjs_output
  

  其中1,224,224,3对应[batch_size, height, width, channels]，batch_size设为1或null均可，核心是严格匹配训练时的输入维度。

• 调整版本兼容

  • 若上述方法无效，尝试降级Keras至v2.15.0（TFJS对Keras v2的支持更成熟稳定），重新训练导出后再转换。
  • 或升级TensorFlow.js Converter至最新稳定版，修复Keras v3的转换适配问题。

• 应急修复model.json
  打开转换后的model.json，找到InputLayer的配置节点，手动添加形状字段：

  "config": {
    "name": "input_layer",
    "inputShape": [224, 224, 3]
  }
  

  注意形状需与训练时完全一致，此方法仅作临时应急，优先推荐前两种方案。

内容的提问来源于stack exchange，提问作者Riku