用于通过调用tf.loadModel('https://storage.googleapis.com/tfjs-models/tfjs/mobilenet_v1_0.25_128/model.json')加载模型，但是，我需要更改mobilinet版本。
因此，我从tensorflowhub中获取了所需的版本，在tensorflow_converter上运行它，并获得了两个文件（.pb和weight文件）。然后我使用tf.loadGraphModel加载了它。但是，model.getLayer引发：
model.getLayer不是函数。
加载看起来像这样：
const model = await tf.loadGraphModel(modelUrl); //url points to .pb
然后我将mobilinet模型保存为冻结模型，再次在tensorflow_converter上运行它，然后尝试将其作为tf.loadFrozenModel加载。返回了同样的东西。
我很困惑。
是否有一种方法可以从非keras模型中获取图层？
编辑：为澄清起见，我从tensoflowhub中选取的模型是： https://tfhub.dev/google/imagenet/mobilenet_v2_075_96/classification/2
答案 0 :(得分：1)
LoadFrozenModel。 LoadGraphModel使用较少的参数执行相同的操作。它仅将模型拓扑文件作为参数。
如果加载的对象中没有图层，则可能是因为模型加载不正确或冻结的模型不包含任何层。
答案 1 :(得分：1)
TF.js支持两种API和相应的序列化格式：Layers API（对应于Keras模型）和较低级别的Core API（对应于任意TensorFlow图）。
根据获取模型的位置以及如何转换模型，可以通过tf.loadLayersModel()或tf.loadGraphModel()加载文件，但不能同时加载。请参阅table of available conversions。
即使最初使用Keras训练模型，也可能将其保存为低级TensorFlow图，其中Keras层结构丢失了。我相信目前所有TF-Hub模块都是这种情况。因此，您当前的方法为您提供了tf.GraphModel，无法从中重构图层。
我们在您列出的URL上提供了已经从原始Keras转换为TF.js Layers格式的MobileNet v1，因此您可以直接使用loadLayersModel()（以前为loadModel()）。我们目前不托管转换后的MobileNet v2。但是，您可以获取原始的Keras .h5模型here，然后使用tensorflowjs_converter将其转换为TF.js图层格式。