TensorFlow.js加载转换后Keras模型报model.execute键错误如何解决

你遇到的报错内容：

Unhandled Rejection (Error): The dict provided in model.execute(dict) has keys:

错误含义 #

该报错说明你调用model.predict时传入的参数不符合图模型的输入要求：

• 直接传入DOM图片元素，没有转为符合模型要求的张量格式
• 图模型需要传入和输入签名匹配的键值对对象，你传的是单个元素，没有对应输入key

修复步骤 #

• 第一步：确认模型输入签名
  加载模型完成后打印输入信息，拿到模型要求的输入key、张量维度、数据格式：

  const model = await tf.loadGraphModel('model.json')
  console.log(model.inputs)
  

  输出中name字段就是需要传入的输入key，shape字段就是要求的张量维度。

• 第二步：预处理图片为符合要求的张量
  不能直接传入图片DOM元素，需要按训练时的预处理逻辑转换张量：

  // 请替换代码中尺寸、归一化逻辑为你模型训练时的对应参数
  const imgTensor = tf.browser.fromPixels(imageElement)
    .resizeNearestNeighbor([224, 224]) // 替换为模型训练用的输入宽高
    .toFloat()
    .div(tf.scalar(255)) // 训练时归一化到0-1则保留，归一化到-1~1替换为.div(127.5).sub(1)
    .expandDims() // 补充batch维度，符合[batch, h, w, c]的输入要求
  

• 第三步：按输入签名传入参数
  调用predict时传入键值对，key为上一步拿到的输入名称：

  // 把input_1替换为你拿到的实际输入key
  const predictions = await model.predict({
    "input_1": imgTensor
  }).data()
  

• 可选优化（Keras模型专用）
  如果你是原生Keras导出的SavedModel，建议转换时修改输入格式为keras_saved_model，转换后用loadLayersModel加载，无需手动匹配输入key：
  转换命令：

  tensorflowjs_converter \
  --input_format=keras_saved_model \
  model_name \
  web_model
  

  加载代码：

  const model = await tf.loadLayersModel('model.json')
  // 预处理后的张量可直接传入，无需包装为键值对
  const predictions = await model.predict(imgTensor).data()
  

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