TensorFlow मॉडल को TensorFlow.js में आयात करें

TensorFlow GraphDef-आधारित मॉडल (आमतौर पर Python API के माध्यम से बनाए गए) को निम्नलिखित प्रारूपों में से एक में सहेजा जा सकता है:

1. टेंसरफ्लो सेव्डमॉडल
2. जमे हुए मॉडल
3. टेंसरफ़्लो हब मॉड्यूल

उपरोक्त सभी प्रारूपों को TensorFlow.js कनवर्टर द्वारा एक ऐसे प्रारूप में परिवर्तित किया जा सकता है जिसे अनुमान के लिए सीधे TensorFlow.js में लोड किया जा सकता है।

(नोट: TensorFlow ने सत्र बंडल प्रारूप को हटा दिया है। कृपया अपने मॉडलों को SaveModel प्रारूप में स्थानांतरित करें।)

आवश्यकताएं

रूपांतरण प्रक्रिया के लिए पायथन वातावरण की आवश्यकता होती है; आप Pipenv या वर्चुअलenv का उपयोग करके एक अलग रखना चाह सकते हैं।

कनवर्टर स्थापित करने के लिए, निम्न आदेश चलाएँ:

 pip install tensorflowjs

TensorFlow मॉडल को TensorFlow.js में आयात करना दो चरणों वाली प्रक्रिया है। सबसे पहले, मौजूदा मॉडल को TensorFlow.js वेब प्रारूप में परिवर्तित करें, और फिर इसे TensorFlow.js में लोड करें।

चरण 1. मौजूदा TensorFlow मॉडल को TensorFlow.js वेब प्रारूप में बदलें

पिप पैकेज द्वारा प्रदान की गई कनवर्टर स्क्रिप्ट चलाएँ:

सेव्डमॉडल उदाहरण:

tensorflowjs_converter \
    --input_format=tf_saved_model \
    --output_node_names='MobilenetV1/Predictions/Reshape_1' \
    --saved_model_tags=serve \
    /mobilenet/saved_model \
    /mobilenet/web_model

जमे हुए मॉडल उदाहरण:

tensorflowjs_converter \
    --input_format=tf_frozen_model \
    --output_node_names='MobilenetV1/Predictions/Reshape_1' \
    /mobilenet/frozen_model.pb \
    /mobilenet/web_model

टेन्सरफ़्लो हब मॉड्यूल उदाहरण:

tensorflowjs_converter \
    --input_format=tf_hub \
    'https://tfhub.dev/google/imagenet/mobilenet_v1_100_224/classification/1' \
    /mobilenet/web_model

विस्तृत सहायता संदेश प्राप्त करने के लिए निम्नलिखित आदेश का उपयोग करें:

tensorflowjs_converter --help

कनवर्टर द्वारा बनाई गई फ़ाइलें

उपरोक्त रूपांतरण स्क्रिप्ट दो प्रकार की फ़ाइलें उत्पन्न करती है:

• model.json : डेटा प्रवाह ग्राफ़ और वज़न मैनिफ़ेस्ट
• group1-shard\*of\* : बाइनरी वेट फ़ाइलों का एक संग्रह

उदाहरण के लिए, यहां MobileNet v2 को परिवर्तित करने का आउटपुट दिया गया है:

  output_directory/model.json
  output_directory/group1-shard1of5
  ...
  output_directory/group1-shard5of5

चरण 2: ब्राउज़र में लोड करना और चलाना

1. tfjs-कनवर्टर npm पैकेज स्थापित करें:

yarn add @tensorflow/tfjs या npm install @tensorflow/tfjs

1. फ्रोज़नमॉडल क्लास को इंस्टेंट करें और अनुमान चलाएँ।

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));

मोबाइलनेट डेमो देखें।

loadGraphModel API एक अतिरिक्त LoadOptions पैरामीटर स्वीकार करता है, जिसका उपयोग अनुरोध के साथ क्रेडेंशियल या कस्टम हेडर भेजने के लिए किया जा सकता है। विवरण के लिए, LoadGraphModel() दस्तावेज़ देखें।

समर्थित संचालन

वर्तमान में TensorFlow.js, TensorFlow ऑप्स के सीमित सेट का समर्थन करता है। यदि आपका मॉडल एक असमर्थित ऑप का उपयोग करता है, तो tensorflowjs_converter स्क्रिप्ट विफल हो जाएगी और आपके मॉडल में असमर्थित ऑप की एक सूची प्रिंट कर लेगी। कृपया प्रत्येक ऑपरेशन के लिए एक मुद्दा दर्ज करें ताकि हमें पता चल सके कि आपको किस ऑपरेशन के लिए समर्थन की आवश्यकता है।

केवल वजन लोड करना

यदि आप केवल वज़न लोड करना पसंद करते हैं, तो आप निम्नलिखित कोड स्निपेट का उपयोग कर सकते हैं:

import * as tf from '@tensorflow/tfjs';

const weightManifestUrl = "https://example.org/model/weights_manifest.json";

const manifest = await fetch(weightManifestUrl);
this.weightManifest = await manifest.json();
const weightMap = await tf.io.loadWeights(
        this.weightManifest, "https://example.org/model");
// Use `weightMap` ...