TensorFlow.js客户端Azure自定义视觉模型图像分类异常问题排查

• 检查图像预处理逻辑
  Azure Custom Vision导出的模型对输入图像有严格的预处理要求，必须和训练时的流程完全匹配：

  • 图像尺寸：确认模型要求的输入分辨率（如224x224），上传图片必须缩放到对应尺寸，不能直接使用原图尺寸
  • 像素值归一化：多数TF.js模型要求将0-255的像素值转换为0-1或-1到1的范围，比如训练时用了除以255，代码里要添加image.div(255)的处理
  • 通道顺序：确认是RGB还是BGR，Custom Vision导出的模型一般采用RGB格式，避免通道顺序搞反

• 验证模型加载与输出解析

  • 模型加载完成后，打印model.inputShape和model.outputShape，确认输入输出维度符合预期（比如输入应为[null, height, width, 3]，输出为[null, classCount]）
  • 预测时要保证传入的张量维度正确，单张图片需扩展维度为[1, height, width, 3]，可使用tf.expandDims(image, 0)实现
  • 解析结果时，若模型输出未经过softmax处理，需先转换再取概率最高的类别，示例代码：

const predictions = await model.predict(inputTensor).data();
const softmaxed = tf.softmax(tf.tensor(predictions)).dataSync();
const topClassIndex = softmaxed.indexOf(Math.max(...softmaxed));

• 排查资源加载与缓存问题

  • 打开浏览器控制台（F12）的Network标签，确认model.json及权重文件的HTTP状态码为200，确保模型资源加载正常
  • 清空浏览器缓存或重启Live Server，避免旧模型缓存导致的异常

• 测试已知样本与核对类别顺序

  • 使用Azure门户中测试过的正确分类图片，上传到本地应用并打印所有类别的预测概率，若只有Apple概率接近1，基本可确定预处理步骤出错
  • 核对本地代码中的类别数组顺序，必须和Azure Custom Vision中的类别顺序完全一致，不能出现顺序错位

内容的提问来源于stack exchange，提问作者Rjelf93