tensorflow 使用Python训练模型，js使用模型
这两天的项目需要用到Tensorflow.js来实现一个AI，尽管说Tensorflow.js本身是有训练模型的功能的，不过考虑到js这个东西加载资源要考虑跨域问题等种种因素。最终还是决定使用python的tensorflow来训练模型，然后利用js端来使用模型进行运算，那么关键问题就是：js如何加载python下训练的模型
首先我们用python写一段tensorflow的模型训练代码line.py
#coding=utf-8#
import tensorflow as tf
import numpy as np
x_data=[[0.0,0.0],[0.0,1.0],[1.0,0.0],[1.0,1.0]] #训练数据
y_data=[[0.0],[1.0],[1.0],[0.0]] #标签
x_test=[[0.0,1.0],[1.0,1.0]] #测试数据
xs=tf.placeholder(tf.float32,[None,2])
ys=tf.placeholder(tf.float32,[None,1]) #定义x和y的占位符作为将要输入神经网络的变量
#构建隐藏层，假设隐藏层有20个神经元
W1=tf.Variable(tf.random_normal([2,10]))
B1=tf.Variable(tf.zeros([1,10])+0.1)
out1=tf.nn.relu(tf.matmul(xs,W1)+B1)
#构建输出层，假设输出层有一个神经元
W2=tf.Variable(tf.random_normal([10,1]))
B2=tf.Variable(tf.zeros([1,1])+0.1)
prediction=tf.add(tf.matmul(out1,W2),B2,name="model")
#计算预测值和真实值之间的误差
loss=tf.reduce_mean(tf.reduce_sum(tf.square(ys-prediction),reduction_indices=[1]))
train_step=tf.train.GradientDescentOptimizer(0.1).minimize(loss)
init=tf.global_variables_initializer() #初始化所有变量
sess=tf.Session()
sess.run(init)
for i in range(40): #训练10次
sess.run(train_step,feed_dict={xs:x_data,ys:y_data})
print(sess.run(loss,feed_dict={xs:x_data,ys:y_data})) #打印损失值
re=sess.run(prediction,feed_dict={xs:x_test})
print(re)
for x in re:
if x[0]>0.5:
print(1)
else:
print(0)
# 保存模型为saved_model
tf.saved_model.simple_save(sess, "./saved_model",inputs={"x": xs, }, outputs={"model": prediction, })转换模型tensorflowjs_converter --input_format=tf_saved_model \ --output_node_names="softmax" \ --saved_model_tags=serve ./saved_model \ ./web_model
web_model文件夹中包含
group1-shard1of1是转换后的模型文件
tensorflowjs_model.pb 为 tensorflow.js能识别的模型
weights_manifest.json 为 tensorflow.js能识别的模型参数文件
好的，接下来就是用js调用模型了
<!doctype html>
<html lang="en">
<head>
<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs"> </script>
<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs-converter"></script>
</head>
<body>
<img style="display: none" id="cat" src="high-detail.jpg" width="224" height="224">
<script>
const MODEL_URL = './tensorflowjs_model.pb'
const WEIGHTS_URL = './weights_manifest.json'
async function fun(){
const model = await tf.loadFrozenModel(MODEL_URL, WEIGHTS_URL)
const cs = tf.tensor([[1.0,1.0],[0.0,0.0]])
cs.print()
model.predict(cs).print()
}
fun()
</script>
</body>
</html>注意点：跨域问题，将模型文件与html放在同一个域名目录下，避免出现跨域问题
{{collectdata}}
网友评论0