在 python 中保存 Keras/Sklearn 并在 tensorflow.js 中加载保存的模型

Question

我有一个训练有素的 .pkl 格式的 sklearn SVM 模型和一个 Keras .h5 模型。我可以在浏览器上使用 tensorflow.js 加载这些模型吗？我的大部分编码都是在 python 中完成的，但不确定如何使用 tensorflow.js 我的模型保存代码如下所示

from sklearn.externals import joblib 

joblib.dump(svc,'model.pkl') 
model = joblib.load('model.pkl')  
prediction = model.predict(X_test) 

#------------------------------------------------------------------

from keras.models import load_model

model.save('model.h5')  
model = load_model('my_model.h5')

Answer 1

为了使用 tensorflow-js 部署您的模型，您需要使用 tensorflowjs_converter，因此您还需要安装 tensorflowjs 依赖项。

您可以通过 pip install tensorflowjs 在 python 中做到这一点。

接下来，根据您自定义的名称：tensorflowjs_converter --input_format=keras /tmp/model.h5 /tmp/tfjs_model，通过此操作转换您训练好的模型，其中最后一个路径是转换结果的输出路径。

请注意，转换后您将获得 model.json（模型的架构）和 N 个分片列表（权重分为 N 个分片）。

然后，在 JavaScript 中，您需要使用函数 tf.loadLayersModel(MODEL_URL)，其中 MODEL_URL 是指向您的 model.json 的 url。确保在与 model.json 相同的位置，碎片也位于。

由于这是一个异步操作（您不希望您的网页在加载模型时被阻塞），您需要使用 JavaScript await 关键字；因此 await tf.loadLayersModel(MODEL_URL)

请查看以下link示例：https://www.tensorflow.org/js/guide/conversion

在 python 中保存 Keras/Sklearn 并在 tensorflow.js 中加载保存的模型

Saving a Keras/Sklearn in python and loading the saved model in tensorflow.js

tensorflow

keras

scikit-learn

tensorflow.js