如何在Google Colab中将TensorFlow Protobuf模型转换为TensorFlow.js格式

1. 前置环境配置 #

• 挂载Google Drive存储（避免Colab实例重启文件丢失），执行代码：

from google.colab import drive
drive.mount('/content/drive')

运行后按照提示完成授权，即可在Colab中访问你的Google Drive文件，将你导出的exported_models文件夹提前上传到Drive的对应目录，比如/content/drive/MyDrive/路径下。

• 安装匹配版本的tensorflowjs依赖：
  因为你使用的TensorFlow版本为2.3.1，不能直接安装最新版tensorflowjs，否则会出现兼容性错误，执行以下命令安装对应兼容版本：
  !pip install tensorflowjs==2.8.6
  安装完成后可以执行!tensorflowjs_converter --version确认安装成功。

2. 模型转换操作 #

• 先确认你的SavedModel目录路径，即包含assets、variables文件夹的saved_model目录的完整路径，示例路径为/content/drive/MyDrive/exported_models/saved_model
• 执行转换命令：
  !tensorflowjs_converter --input_format=tf_saved_model --output_format=tfjs_graph_model /content/drive/MyDrive/exported_models/saved_model /content/drive/MyDrive/exported_models/tfjs_output
  其中：
  • 第一个路径为输入的SavedModel文件夹路径，替换为你自己的实际路径
  • 第二个路径为转换后TFJS模型的输出目录，转换完成后该目录下会生成model.json结构文件和若干.bin权重分片文件

3. 核心注意事项 #

• 版本匹配：TensorFlow和tensorflowjs的大版本必须对应，TF2.3.x系列固定使用2.8.x版本的tensorflowjs，不要随意升级版本
• 文件存储：所有输入、输出文件都必须存放在挂载的Google Drive路径下，Colab实例的临时存储目录（/content下非drive目录）在实例关闭后会清空所有数据
• 格式适配：如果是TensorFlow Object Detection导出的模型，必须指定output_format=tfjs_graph_model，不要使用tfjs_layers_model参数，后者不支持这类计算图格式的模型转换
• 体积优化：如果需要减小模型体积适配网页端加载，可以在转换命令中添加量化参数--quantize_uint8 "['']，在精度损失可控的前提下将模型体积压缩约75%
• 结果校验：转换完成后执行!ls 你的输出目录路径，确认model.json和权重文件都正常生成，没有出现空文件或缺失文件的情况

4. 云存储部署操作 #

转换完成后不需要下载到本地，可以直接在Colab中安装对应云存储的Python SDK，直接将输出目录下的所有文件上传到云存储即可，全程不需要本地设备参与操作。

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