TensorFlow GPU版转TensorFlowJS遇重复权重名kernel错误求助

问题核心原因 #

报错本质是Keras模型中存在重复的权重名称（比如多个层的kernel参数自动命名冲突），和GPU环境配置无关，之前调整显卡驱动、镜像版本的操作未触及问题根源。

具体解决步骤 #

1. 修正模型权重命名冲突 #

加载H5模型后手动重命名重复权重，或在模型构建阶段避免命名重复：

• 已训练模型的权重修正代码：

  import tensorflow as tf
  model = tf.keras.models.load_model("your_model.h5")
  
  seen_weights = set()
  for layer in model.layers:
      for weight in layer.weights:
          if weight.name in seen_weights:
              # 用层名作为前缀生成唯一权重名
              new_name = f"{layer.name}_{weight.name}"
              weight._name = new_name
          seen_weights.add(weight.name)
  
  model.save("fixed_model.h5")
  

• 模型构建时显式指定层名称（从根源避免冲突）：

  # 示例：给每个可训练层设置唯一name参数
  input_layer = tf.keras.layers.Input(shape=(10,), name="input_layer")
  dense1 = tf.keras.layers.Dense(64, activation='relu', name="dense_hidden_1")(input_layer)
  dense2 = tf.keras.layers.Dense(32, activation='relu', name="dense_hidden_2")(dense1)
  output_layer = tf.keras.layers.Dense(2, activation='softmax', name="output_layer")(dense2)
  model = tf.keras.Model(inputs=input_layer, outputs=output_layer)
  

2. 用TFJS Python API替代命令行工具导出 #

跳过tensorflowjs_converter命令行，直接用Python代码导出，兼容性更好：

import tensorflowjs as tfjs
model = tf.keras.models.load_model("fixed_model.h5")
tfjs.converters.save_keras_model(model, "./tfjs_exported_model")

3. 替代导出方案 #

如果上述方法仍无效，可尝试以下路径：

• 先导出为TensorFlow SavedModel格式，再转TFJS：

  model.save("./saved_model_dir")
  

  然后执行命令行转换：

  tensorflowjs_converter --input_format=tf_saved_model ./saved_model_dir ./tfjs_model
  

• 转ONNX格式后用ONNX.js在Web端运行：

  import tf2onnx
  tf2onnx.convert.from_keras(model, output_path="./model.onnx")
  

  之后可通过ONNX.js在浏览器中加载运行该模型。

内容的提问来源于stack exchange，提问作者Layer