如何在TensorFlow.js中导入预训练EfficientNet模型而不初始化权重？

问题本质 #

你碰到的错误核心在于：原ImageNet预训练的EfficientNet使用了TensorFlow.js（TFJS）未内置的自定义初始化器和自定义Swish层。tfjs-converter转换模型时只会保留这些自定义组件的名称，不会自动生成对应的JavaScript实现，导致TFJS加载时无法识别它们。

第一步：注册自定义初始化器 EfficientConv2DKernelInitializer #

原EfficientNet的EfficientConv2DKernelInitializer是针对卷积核优化的He初始化变种，我们需要在TFJS中实现并注册这个初始化器，让TFJS能识别它：

// 实现EfficientConv2DKernelInitializer的TFJS版本
class EfficientConv2DKernelInitializer extends tf.initializers.Initializer {
  constructor() {
    super();
  }

  apply(shape, dtype) {
    dtype = dtype || 'float32';
    // 对应原Python实现的计算逻辑：基于输出通道的He初始化
    const fanOut = shape[0] * shape[1] * shape[3];
    const stddev = Math.sqrt(2.0 / fanOut);
    return tf.randomNormal(shape, 0, stddev, dtype);
  }

  getConfig() {
    return {};
  }

  static get className() {
    return 'EfficientConv2DKernelInitializer';
  }
}

// 将初始化器注册到TFJS的序列化系统
tf.serialization.registerClass(EfficientConv2DKernelInitializer);

第二步：注册自定义Swish层 #

如果原模型中的Swish是作为自定义层实现的（而非直接使用TFJS内置的激活函数），需要注册对应的层类：

// 实现自定义Swish层
class Swish extends tf.layers.Layer {
  constructor(config) {
    super(config);
  }

  call(inputs) {
    // Swish激活的核心逻辑：x * sigmoid(x)
    return tf.mul(inputs, tf.sigmoid(inputs));
  }

  static get className() {
    return 'Swish';
  }

  getConfig() {
    return super.getConfig();
  }
}

// 将Swish层注册到TFJS的序列化系统
tf.serialization.registerClass(Swish);

完整的模型加载代码 #

注意：必须在调用tf.loadLayersModel之前完成上述注册操作，否则TFJS还是会找不到对应的组件：

const start = async () => {
  // 先注册自定义初始化器和层（把上面两段代码放在这里）
  
  const efficientNetURL = '你的转换后模型的model.json地址';
  console.log("开始加载模型");
  let model;
  try {
    model = await tf.loadLayersModel(efficientNetURL, {strict: true});
    console.log(model.summary());
  } catch (error) {
    console.error("加载模型出错：", error);
  }
};
start();

关键提示 #

• 不要用Zeros初始化器替代原初始化器，这会完全破坏预训练权重的有效性——原模型的卷积核是用特定初始化策略训练的，必须用对应的实现才能正确加载并复用预训练权重。
• 如果原模型中的Swish是直接使用激活函数而非自定义层，你可以尝试设置{strict: false}跳过层类型检查，但这是兜底方案，可能导致模型行为异常，优先推荐注册自定义层。

内容的提问来源于stack exchange，提问作者Paul