tensorflow - 如何在不涉及 IBM 云的情况下转换我用 Tensorflow (python) 训练的模型以用于 TensorflowJS(从我现在的步骤开始)？

Question

我想做什么
我正在尝试学习 TensorFlow 对象识别，并且像往常一样学习新事物，我在网上搜索教程。我不想涉及任何第三方云服务或 Web 开发框架，我只想学习使用原生 JavaScript、Python 和 TensorFlow 库来完成。
到目前为止我所拥有的
到目前为止，我已经关注了 a TensorFlow object detection tutorial (伴随着 5+ hour video )到我在 Tensorflow (python) 中训练模型并希望通过 TensorflowJS 将其转换为在浏览器中运行的地步。我也尝试过其他教程，但似乎没有找到一个解释如何在没有第三方云/工具和 React 的情况下执行此操作的教程。
我知道为了将这个模型与 tensorflow.js 一起使用我的目标是获得如下文件:

group1-shard1of2.bin

group1-shard2of2.bin

labels.json

model.json

我已经到了创建 TFRecord 文件并开始训练的地步:

py Tensorflow\models\research\object_detection\model_main_tf2.py --model_dir=Tensorflow\workspace\models\my_ssd_mobnet --pipeline_config_path=Tensorflow\workspace\models\my_ssd_mobnet\pipeline.config --num_train_steps=100

似乎在训练模型后，我只剩下:

文件名为 checkpoint , ckpt-1.data-00000-of-00001 , ckpt-1.index , pipeline.config

预训练模型(我认为这不是在训练期间更改的文件，对吗？)ssd_mobilenet_v2_fpnlite_320x320_coco17_tpu-8

我确信从这一步得到我需要的文件并不难，但老实说，我浏览了很多文档、教程和谷歌，没有看到没有第三方云服务的例子。也许它在文档中，我遗漏了一些明显的东西。
项目目录结构如下所示:

我在哪里寻找答案
出于某种原因，令人沮丧的是，我发现的每一个教程(包括上面链接的那个)使用预训练的 Tensorflow 模型通过 TensorFlowJS 进行对象检测都需要使用 IBM Cloud 和 ReactJS。也许他们都是从他们找到的一些教程中复制的，现在所有的教程都包含这个，我不知道。我所知道的是我正在 build 一个 Electron.js假设计算是在用户设备上进行的，桌面应用程序和对象检测不应该需要网络连接。澄清一下:我正在创建一个用户训练模型的应用程序，所以这不仅仅是一次转换的问题。我希望能够使用 Python Tensorflow 进行训练并将模型转换为在没有任何云 API 的情况下在 JavaScript Tensorflow 上运行。
所以我停止寻找教程并尝试直接查看文档 https://github.com/tensorflow/tfjs .
当您到达 section about importing pre-trained models ， 它说:

Importing pre-trained models

We support porting pre-trained models from:

TensorFlow SavedModel

Keras

所以我点击了 Tensorflow SavedModel 的链接，这将我们带到了一个名为 tfjs-converter 的项目。 .该 repo 说:

This repository has been archived in favor of tensorflow/tfjs.

This repo will remain around for some time to keep history but all future PRs should be sent to tensorflow/tfjs inside the tfjs-core folder.

All history and contributions have been preserved in the monorepo.

这对我来说听起来有点像循环引用，因为它会将我引导到刚刚告诉我去这里的页面。所以此时您想知道整个库是否已被弃用，它会起作用还是什么？无论如何，我在这个 repo 中环顾四周，进入:https://github.com/tensorflow/tfjs-converter/tree/master/tfjs-converter
它说:

A 2-step process to import your model:

1. A python pip package to convert a TensorFlow SavedModel or TensorFlow Hub module to a web friendly format. If you already have a converted model, or are using an already hosted model (e.g. MobileNet), skip this step.
2. JavaScript API, for loading and running inference.

并且基本上说要创建一个 venv 并执行以下操作:

pip install tensorflowjs

tensorflowjs_converter \
    --input_format=tf_saved_model \
    --output_format=tfjs_graph_model \
    --signature_name=serving_default \
    --saved_model_tags=serve \
    /mobilenet/saved_model \
    /mobilenet/web_model

但是等等，检查点文件是否有“TensorFlow SavedModel”？这似乎不清楚，文档没有解释。所以我用谷歌搜索，找到文档，它说:

You can save and load a model in the SavedModel format using the following APIs:

Low-level tf.saved_model API. This document describes how to use this API in detail. Save: tf.saved_model.save(model, path_to_dir)

链接的语法有点推断:

tf.saved_model.save(
    obj, export_dir, signatures=None, options=None
)

举个例子:

class Adder(tf.Module):
  @tf.function(input_signature=[tf.TensorSpec(shape=[], dtype=tf.float32)])
  def add(self, x):
    return x + x

model = Adder()
tf.saved_model.save(model, '/tmp/adder')

但到目前为止，这一点都不熟悉。到目前为止，我不明白如何将训练过程的结果(检查点)加载到变量 model 中。所以我可以将它传递给这个函数。
这段话似乎很重要:

Variables must be tracked by assigning them to an attribute of a tracked object or to an attribute of obj directly. TensorFlow objects (e.g. layers from tf.keras.layers, optimizers from tf.train) track their variables automatically. This is the same tracking scheme that tf.train.Checkpoint uses, and an exported Checkpoint object may be restored as a training checkpoint by pointing tf.train.Checkpoint.restore to the SavedModel's "variables/" subdirectory.

这可能是答案，但我不太清楚就“恢复”而言意味着什么，或者我从那里去哪里，如果这甚至是正确的步骤。所有这些对于学习 TF 的人来说都非常令人困惑，这就是为什么我寻找一个可以做到这一点的教程，但同样，如果没有第三方云服务/React，我似乎找不到一个。
请帮我把点连起来。

Answer 1

您可以将模型转换为 TensorFlowJS 格式，而无需任何云服务。我已经列出了以下步骤。

I'm sure it's not hard to get from this step to the files I need.

您看到的检查点位于 tf.train.Checkpoint格式( relevant source code that creates these checkpoints in the object detection model code )。这与 SavedModel 和 Keras 格式不同。
我们将通过以下步骤:

Checkpoint (current) --> SavedModel --> TensorFlowJS

转换自 tf.train.Checkpoint至 SavedModel请查看 the script models/research/object_detection/export_inference_graph.py 将检查点文件转换为 SavedModel。
下面的代码取自该脚本的文档。请调整您的特定项目的路径。 --input_type应保持为 image_tensor .

python export_inference_graph.py \
    --input_type image_tensor \
    --pipeline_config_path path/to/ssd_inception_v2.config \
    --trained_checkpoint_prefix path/to/model.ckpt \
    --output_directory path/to/exported_model_directory

在输出目录中，您应该会看到一个 savedmodel 目录。我们将在下一步中使用它。
转换 SavedModel到 TensorFlowJS
按照 https://github.com/tensorflow/tfjs/tree/master/tfjs-converter 处的说明进行操作，特别关注“TensorFlow SavedModel 示例”。示例转换代码复制如下。请修改您项目的输入和输出路径。 --signature_name和 --saved_model_tags可能需要改变，但希望不会。

tensorflowjs_converter \
    --input_format=tf_saved_model \
    --output_format=tfjs_graph_model \
    --signature_name=serving_default \
    --saved_model_tags=serve \
    /mobilenet/saved_model \
    /mobilenet/web_model

使用 TensorFlowJS 模型

I know in order to use this model with tensorflow.js my goal is to get files like:

• group1-shard1of2.bin
• group1-shard2of2.bin
• labels.json
• model.json

上面的步骤应该为你创建这些文件，虽然我不认为 labels.json将被创建。我不确定该文件应该包含什么。 TensorFlowJS 将使用 model.json构建推理图，它将从 .bin 加载权重文件。
因为我们将 TensorFlow SavedModel 转换为 TensorFlowJS 模型，所以我们需要使用 tf.loadGraphModel() 加载 JS 模型。 .见 the tfjs converter page for more information .
请注意，对于 TensorFlowJS，TensorFlow SavedModel 和 Keras SavedModel 之间存在差异。在这里，我们正在处理一个 TensorFlow SavedModel。
运行模型的 Javascript 代码可能超出了这个答案的范围，但我建议阅读 this TensorFlowJS tutorial .我在下面包含了一个具有代表性的 javascript 部分。

import * as tf from '@tensorflow/tfjs';
import {loadGraphModel} from '@tensorflow/tfjs-converter';

const MODEL_URL = 'model_directory/model.json';

const model = await loadGraphModel(MODEL_URL);
const cat = document.getElementById('cat');
model.execute(tf.browser.fromPixels(cat));

附加说明

... Which sounds a bit like a circular reference to me,

TensorFlowJS 生态系统已在 tensorflow/tfjs 中得到整合GitHub 存储库。 tfjs-converter documentation现在住在那里。您可以向 https://github.com/tensorflow/tfjs 创建拉取请求修复 SavedModel 链接以指向 tensorflow/tfjs 存储库。