如何在Python TensorFlow中加载使用TensorFlowJS模型？

你手里的由model.json+若干权重分片组成、JS侧通过tf.loadGraphModel()加载的TFJS模型，完全可以在Python版TensorFlow环境中直接调用，不需要依赖网页/JS运行环境，操作步骤如下：

• 先安装TensorFlow官方提供的TFJS转换工具，执行pip安装命令：
  pip install tensorflowjs
• 确认本地模型文件结构：把model.json和所有shard1ofX格式的权重分片放在同一个文件夹内，不要遗漏任何分片，也不要修改分片文件的命名。
• 执行转换命令，将TFJS格式模型转为Python TensorFlow原生支持的SavedModel格式：

注意：你的模型是GraphModel类型而非LayersModel，转换参数不要填错，否则会触发格式不兼容报错。

tensorflowjs_converter --input_format=tfjs_graph_model --output_format=tf_saved_model 你的TFJS模型所在文件夹路径 转换后模型的输出保存路径

• 转换完成后，直接在Python代码中用TensorFlow原生接口加载模型即可，示例代码：

import tensorflow as tf
# 加载转换完成的模型
model = tf.saved_model.load("转换后的SavedModel文件夹路径")
# 后续可根据模型的输入输出签名，传入预处理完成的数据执行推理

补充说明：你手里配套JS代码里的输入预处理、输出后处理逻辑，可以直接对照逻辑翻译成Python代码实现，全程不需要调用任何JS相关依赖。网上大部分教程只讲其他格式转TFJS的正向流程，官方其实已经内置了TFJS转Python可读格式的反向转换能力，不需要使用第三方非官方转换脚本，避免出现权重丢失、算子不兼容的问题。

内容的提问来源于stack exchange，提问作者Plotin