TensorFlow.js使用预训练的resnet50n

Question

我在Python中通过kerasapi使用TensorFlow创建了一个神经网络，它利用了ResNet50预训练网络，能够对133种不同品种的狗进行分类。在

我现在希望能够部署此模型，以便可以通过TensorFlow.js，但是我在让ResNet50工作时遇到了困难。我能把我从头创建的神经网络转移到TensorFlow.js没有问题，但是使用预先训练过的网络传输一个并不那么简单。在

下面是我尝试修改的Python代码：

from keras.applications.resnet50 import ResNet50
ResNet50_model = ResNet50(weights="imagenet") # download ImageNet challenge weights

def extractResNet50(tensor): # tensor shape is (1, 224, 224, 3)
    return ResNet50(weights='imagenet', include_top=False, pooling="avg").predict(preprocess_input(tensor))

def dogBreed(img_path):
    tensor = convertToTensor(img_path) # I can do this in TF.js already with no issue

    resnetTensor = extractResNet50(tensor) # tensor returned in shape (1, 2048)
    resnetTensor = np.expand_dims(resnetTensor, axis=0) # repeat this line 2 more times to get shape (1, 1, 1, 1, 2048)

    # code below I can convert to TF.js without issue
    prediction = model.predict(resnetTensor[0])

除了dogBreed()的第1行和第4行代码之外，我如何将上面的所有内容转换为TensorFlow.js？在

Answer 1

Resnet是一个如此庞大的网络，它还没有被导入浏览器，我怀疑它是否有一天会被导入。至少对于最新版本的tensorflowJs（版本0.14）

另一方面，您可以保存pythonkeras模型，然后将冻结的模型导入Js进行预测。在

更新： 您正在使用resnet50作为模型的功能提取器。在这种情况下，要保存的冻结模型需要同时包含Resnet50和模型拓扑和权重。在

1-不要在python中使用两个独立的体系结构，而是直接使用tensorflow而不是keras来创建一个网络。然后冻结的模型将包含Resnet。这在浏览器中可能无法正常工作，因为Resnet的大小相当大（我自己还没有测试过）

2-不要在浏览器中使用Resnet，而是考虑使用可以在浏览器中用作特征提取程序的coco-ssd或{}。您可以在official repo上看到如何使用它们