在Windows浏览器中用TensorFlow.js如何实现模型本地磁盘存读？

针对你基于MobileNet训练图像分类模型的场景，以下是具体的本地保存和加载操作步骤，分浏览器和Node.js两种环境说明：

一、保存训练后的模型及分类器数据 #

1. 浏览器环境（下载到本地） #

在浏览器中，TensorFlow.js支持直接触发下载，将模型打包为zip文件保存到本地：

// 保存MobileNet模型（浏览器自动下载zip包，包含model.json和权重文件）
await _net.model.save('downloads://my-image-model');

如果你的代码中使用了knnClassifier（即代码里的_classifier），仅保存MobileNet模型不够，还需要单独保存分类器的训练数据：

// 导出KNN分类器的数据集
const classifierDataset = _classifier.getClassifierDataset();
// 将分类器数据保存为本地文件
await tf.io.save('downloads://my-classifier-data', {
  modelArtifactsInfo: { dateSaved: new Date() },
  weights: classifierDataset
});

2. Node.js环境（写入本地磁盘） #

在Node.js环境下，使用tf.node.save()直接将模型写入指定路径：

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

// 保存模型到本地目录
await tf.node.save(_net.model, 'file://./saved-models/my-image-model');

同样，针对KNN分类器，需要序列化其数据后写入文件：

const fs = require('fs');
const classifierDataset = _classifier.getClassifierDataset();

// 序列化分类器数据为JSON格式
const serializedData = JSON.stringify(
  Object.fromEntries(
    Object.entries(classifierDataset).map(([key, tensor]) => [key, Array.from(tensor.dataSync())])
  )
);
// 写入本地文件
fs.writeFileSync('./saved-models/classifier-data.json', serializedData);

二、从本地加载模型及分类器数据 #

1. 浏览器环境（从本地文件加载） #

通过文件选择器让用户上传之前保存的文件，然后加载：

// 加载模型（绑定文件输入框事件）
document.getElementById('model-upload').addEventListener('change', async (e) => {
  const modelFile = e.target.files[0];
  _net.model = await tf.loadLayersModel(tf.io.browserFiles([modelFile]));
});

// 加载KNN分类器数据
document.getElementById('classifier-upload').addEventListener('change', async (e) => {
  const classifierFile = e.target.files[0];
  const reader = new FileReader();
  reader.onload = () => {
    const serializedData = JSON.parse(reader.result);
    const classifierDataset = Object.fromEntries(
      Object.entries(serializedData).map(([key, data]) => [key, tf.tensor(data)])
    );
    _classifier.setClassifierDataset(classifierDataset);
  };
  reader.readAsText(classifierFile);
});

2. Node.js环境（从本地路径加载） #

直接从指定目录加载模型和分类器数据：

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

// 加载本地模型
_net.model = await tf.loadLayersModel('file://./saved-models/my-image-model/model.json');

// 加载KNN分类器数据
const serializedData = fs.readFileSync('./saved-models/classifier-data.json', 'utf8');
const classifierDataset = Object.fromEntries(
  Object.entries(JSON.parse(serializedData)).map(([key, data]) => [key, tf.tensor(data)])
);
_classifier.setClassifierDataset(classifierDataset);

关键提示 #

• 如果你仅用MobileNet做特征提取，核心训练数据在KNN分类器中，其实无需重复保存MobileNet，直接重新加载官方预训练模型即可，这样能节省存储空间：

  // 重新加载官方MobileNet，无需自己保存
  _net = await mobilenet.load();
  

• 模型加载时，model.json必须和对应的权重文件放在同一目录下，否则会加载失败。

内容的提问来源于stack exchange，提问作者user4657635