如何将Keras权重转换为JSON？TensorFlowJS相关问题求助

一、明确model.loadWeights()的核心用法 #

这个方法的作用是给TensorFlow.js的LayersModel加载权重，仅支持两种输入格式：

• 键为权重名称、值为嵌套数值数组的JSON对象
• 键为权重名称、值为tf.Tensor对象的NamedTensorMap

关键提示：Keras原生的HDF5（.h5）权重文件无法直接传入，必须转成上述格式之一。

二、找到pykeras.py并转换权重 #

你找不到这个脚本是因为它不在node_modules中，而是属于TensorFlow.js的Python工具包：

1. 先安装Python版TensorFlow.js：

pip install tensorflowjs

2. 定位脚本位置：
   • 虚拟环境下：路径一般是venv/lib/pythonX.X/site-packages/tensorflowjs/scripts/pykeras.py
   • 全局安装下：路径通常是/usr/local/lib/pythonX.X/site-packages/tensorflowjs/scripts/pykeras.py（X.X对应你的Python版本）
3. 执行转换命令：

python 你的pykeras.py路径 convert --weights 你的模型.h5路径 --output_dir 输出目录

执行后会在输出目录生成JSON格式的权重文件，即可用于model.loadWeights()。

三、更简便的替代方案：使用tensorflowjs_converter #

官方现在更推荐用这个工具直接转换整个模型（结构+权重），步骤更简洁：

1. 安装好tensorflowjs后执行：

tensorflowjs_converter --input_format keras 你的模型.h5路径 输出目录

2. 转换完成后，输出目录会生成model.json和权重文件，直接用以下代码加载整个模型即可，无需手动调用model.loadWeights()：

import * as tf from '@tensorflow/tfjs';

async function loadModel() {
  const model = await tf.loadLayersModel('输出目录/model.json');
  // 模型可直接使用
}

四、手动构建权重JSON（可选） #

如果需要自定义权重转换，可在Python中手动提取并生成JSON：

import json
from tensorflow.keras.models import load_model

model = load_model('你的模型.h5')
weights_dict = {}
for layer in model.layers:
    for weight in layer.weights:
        weights_dict[weight.name] = weight.numpy().tolist()

with open('weights.json', 'w') as f:
    json.dump(weights_dict, f)

之后在JS中加载该JSON并传入model.loadWeights()：

async function loadWeights() {
  const model = await tf.loadLayersModel('模型结构.json'); // 先加载模型结构文件
  const weightsData = await fetch('weights.json').then(res => res.json());
  await model.loadWeights(weightsData);
}

内容的提问来源于stack exchange，提问作者user12582392