使用带有Tensorflow.js的Azure自定义视觉训练的模型

Question

我已经使用Azure Custom Vision训练了一个模型，并下载了Android的TensorFlow文件（请参阅：https://docs.microsoft.com/en-au/azure/cognitive-services/custom-vision-service/export-your-model）。如何与tensorflow.js一起使用？

我需要一个模型（pb文件）和权重（json文件）。但是，Azure给了我一个.pb和一个带有标签的文本文件。

根据我的研究，我还了解到，还有其他pb文件，但是我找不到Azure Custom Vision导出的类型。

我找到了tfjs converter。这是为了将TensorFlow SavedModel（来自Azure的* .pb文件是SavedModel？）或Keras模型转换为Web友好格式。但是，我需要填写“ output_node_names”（如何获取这些？）。我也不确定100％我的Android pb文件是否等于“ tf_saved_model”。

我希望有人提出建议或切入点。

Answer 1

[仅模仿我说的here即可节省您的点击时间。我希望直接导出到tfjs的选项很快可用。

这些是我为获得导出的TensorFlow模型而为我工作的步骤：

1. 用Pad替换PadV2操作。这个python函数应该做到这一点。 input_filepath是.pb模型文件的路径，output_filepath是将要创建的更新的.pb文件的完整路径。

import tensorflow as tf
def ReplacePadV2(input_filepath, output_filepath):
    graph_def = tf.GraphDef()
    with open(input_filepath, 'rb') as f:
        graph_def.ParseFromString(f.read())

    for node in graph_def.node:
        if node.op == 'PadV2':
            node.op = 'Pad'
            del node.input[-1]
            print("Replaced PadV2 node: {}".format(node.name))

    with open(output_filepath, 'wb') as f:
        f.write(graph_def.SerializeToString())

2. Install tensorflowjs 0.8.6或更早的版本。在更高版本中转换冻结的模型is deprecated。
3. [调用转换器时，将--input_format设置为tf_frozen_model，并将output_node_names设置为model_outputs。这是我使用的命令。

tensorflowjs_converter --input_format=tf_frozen_model --output_json=true --output_node_names='model_outputs' --saved_model_tags=serve  path\to\modified\model.pb  folder\to\save\converted\output

理想情况下，tf.loadGraphModel('path/to/converted/model.json')现在应该可以工作了（已针对tfjs 1.0.0及更高版本进行了测试）。

Answer 2

部分答案：

尝试实现相同的目的-这是答案的开始-利用output_node_names：

tensorflowjs_converter --input_format=tf_frozen_model --output_node_names='model_outputs' model.pb web_model

我还不确定如何将其合并到同一代码中-您有@Kasper Kamperman吗？