如何不借助云服务将Python TensorFlow训练的模型转换为TensorFlowJS可用格式
实现流程梳理
你现在手里的checkpoint文件不属于SavedModel格式,需要先转为SavedModel再做后续转换。你提到的预训练模型文件确实不会被修改,训练过程只会更新checkpoint里的参数。
第一步:从训练得到的checkpoint导出SavedModel
你使用的是TensorFlow Object Detection API训练模型,官方已经提供了现成的导出脚本,不需要自行编写加载checkpoint的代码:
- 进入你本地TensorFlow models仓库的
research/object_detection目录 - 执行如下命令,替换为你自己的路径:
python exporter_main_v2.py \ --input_type image_tensor \ --pipeline_config_path Tensorflow\workspace\models\my_ssd_mobnet\pipeline.config \ --trained_checkpoint_dir Tensorflow\workspace\models\my_ssd_mobnet \ --output_directory ./exported_saved_model
- 执行完成后,你会在
exported_saved_model目录下看到saved_model子文件夹,这就是所需的SavedModel格式文件。
第二步:安装tensorflowjs转换工具
tfjs-converter的功能已经合并到tensorflowjs包中,没有被弃用,直接安装即可:
pip install tensorflowjs
第三步:将SavedModel转换为TFJS可加载的格式
执行如下转换命令,替换对应路径:
tensorflowjs_converter \ --input_format=tf_saved_model \ --output_format=tfjs_graph_model \ --signature_name=serving_default \ --saved_model_tags=serve \ ./exported_saved_model/saved_model \ ./tfjs_model
执行完成后,tfjs_model目录下就会生成你需要的model.json和对应的group1-shard*.bin文件。
第四步:准备labels.json文件
将你训练时使用的pbtxt格式标签映射文件手动转为JSON格式即可,参考格式如下:
{ "1": "第一个类别的名称", "2": "第二个类别的名称" }
把转换好的labels.json放到tfjs_model目录下,就可以用原生TensorFlowJS加载运行,不需要任何第三方云服务或者前端框架。
内容的提问来源于stack exchange,提问作者J.Todd
相关产品推荐
相关产品推荐

