Question

我遇到类似Loading saved_model causes "Failed to compile fragment shader" for gather op的问题 enter image description here

const MODEL_URL = './web_model/tensorflowjs_model.pb';
const WEIGHTS_URL = './web_model/weights_manifest.json';
async function predict(){
  const model = await tf.loadFrozenModel(MODEL_URL, WEIGHTS_URL);
  var input_x = tf.tensor([[2714,    0,    0,   0,    0,    0,    0,    0,    0,    0,    0,    0,    0,    0,
    0,    0,    0,    0,    0,    0,    0,    0,    0,    0,    0,    0,    0,    0,
    0,    0,    0,    0,    0,    0,    0,    0,    0,    0,    0,    0,    0,    0,
    0,    0,    0,    0,    0,    0,    0,    0]],shape=[1,50],dtype='int32');
  var dropout_keep_prob = 1.0;
  var output = model.execute({dropout_keep_prob:dropout_keep_prob, input_x:input_x});
  console.log(output);
}
predict();

这与我的模特有关：

self.input_x = tf.placeholder(tf.int32, [None, sequence_length], name="input_x")
self.input_y = tf.placeholder(tf.float32, [None, num_classes], name="input_y")
self.dropout_keep_prob = tf.placeholder(tf.float32, name="dropout_keep_prob")
self.scores = tf.nn.xw_plus_b(self.h_drop, W, b, name="scores")
self.predictions = tf.argmax(self.scores, 1, name="predictions")

tf.saved_model.simple_save(sess, "./saved_model",
                           inputs={"input_x": cnn.input_x, }, outputs={"predictions": cnn.predictions,"scores":cnn.scores,})

我只是将我保存的模型转换为该网页。

这是Python tensorflow输入，正如您所知，该模型以前是python脚本，我想将其转换为tfjs。

inputs_major = np.zeros(shape=[1,max_seq_length], dtype=np.int32)
for v in range(len(vec)):
    inputs_major[0][v] = vec[v]

我更新了tf.js，但已删除loadFrozenModel，并将其更改为loadGraphModel，错误为 “未捕获（承诺）错误：无法解析来自./web_model/tensorflowjs_model.pb的响应的模型JSON。您的路径包含.pb文件扩展名。TensorFlow.js 1.0中已删除对.pb模型的支持，而支持。您可以使用TensorFlow.js 1.0转换脚本重新转换Python TensorFlow模型，也可以在tensorflow / tfjs-converter存储库中使用'pb2json'NPM脚本转换.pb模型。”

所以我尝试使用tensorflowjs转换器1.0.1而不是0.8，而我的tf版本是1.13。

“ tensorflow.python.eager.lift_to_graph.UnliftableError：无法拉伸张量，因为它通过至少一条路径可传递地依赖于占位符，例如：IdentityN（IdentityN）<-scores（BiasAdd）<-scores / MatMul（MatMul）<-退出/ dropout / mul（Mul）<-dropout / dropout / Floor（Floor）<-dropout / dropout / add（添加）<-dropout_keep_prob（占位符）“

我认为是因为我的save_model错误，

self.input_x = tf.placeholder(tf.int32, [None, sequence_length], name="input_x")
self.input_y = tf.placeholder(tf.float32, [None, num_classes], name="input_y")
self.dropout_keep_prob = tf.placeholder(tf.float32, name="dropout_keep_prob")
self.scores = tf.nn.xw_plus_b(self.h_drop, W, b, name="scores")
self.predictions = tf.argmax(self.scores, 1, name="predictions")
tf.saved_model.simple_save(sess, "./saved_model",
                           inputs={"input_x": cnn.input_x,},
                           outputs={"predictions": cnn.predictions, "scores": cnn.scores, })

所以我更改了代码。

tf.saved_model.simple_save(sess, "./saved_model",
                           inputs={"input_x": cnn.input_x, "dropout_keep_prob":cnn.dropout_keep_prob,},
                           outputs={"predictions": cnn.predictions, "scores": cnn.scores, })

保存时 “警告：tensorflow：来自D：\ Python \ Python35 \ lib \ site-packages \ tensorflow \ python \ saved_model \ signature_def_utils_impl.py：205：build_tensor_info（来自tensorflow.python.saved_model.utils_impl）已被弃用，并将在a中删除未来版本。更新说明：此功能只能通过v1兼容性库作为tf.compat.v1.saved_model.utils.build_tensor_info或tf.compat.v1.saved_model.build_tensor_info使用。”

错误是 “由于缺少TensorBoard安装而限制了tf.compat.v2.summary API 2019-03-20 19：43：18.894836：I tensorflow / core / grappler / devices.cc：53]合格GPU的数量（核心计数> = 8）：0（注意：TensorFlow未使用CUDA支持进行编译） 2019-03-20 19：43：18.909183：我tensorflow / core / grappler / clusters / single_machine.cc：359]开始新的会话 2019-03-20 19：43：18.931823：I tensorflow / core / platform / cpu_feature_guard.cc：142]您的CPU支持该TensorFlow二进制文件未编译为使用的指令：AVX2 2019-03-20 19：43：18.989768：E tensorflow / core / grappler / grappler_item_builder.cc：636]初始化节点嵌入/ W / Assign在图中不存在追溯（最近一次通话）：在OptimizeGraph中，文件“ d：\ anaconda3 \ lib \ site-packages \ tensorflow \ python \ grappler \ tf_optimizer.py”，第43行详细，graph_id，状态） SystemError：未设置错误就返回NULL

在处理上述异常期间，发生了另一个异常：

回溯（最近通话最近）： _run_module_as_main中的文件“ d：\ anaconda3 \ lib \ runpy.py”，第193行 “ 主要”，mod_spec）文件“ d：\ anaconda3 \ lib \ runpy.py”，第85行，_run_code exec（代码，run_globals）文件“ D：\ Anaconda3 \ Scripts \ tensorflowjs_converter.exe__main __。py”，第9行，在主目录中的文件“ d：\ anaconda3 \ lib \ site-packages \ tensorflowjs \ converters \ converter.py”，第358行 strip_debug_ops = FLAGS.strip_debug_ops）文件“ d：\ anaconda3 \ lib \ site-packages \ tensorflowjs \ converters \ tf_saved_model_conversion_v2.py”，第271行，在convert_tf_saved_model中 concrete_func）文件“ d：\ anaconda3 \ lib \ site-packages \ tensorflow \ python \ framework \ convert_to_constants.py”，行140，位于convert_variables_to_constants_v2中 graph_def = _run_inline_graph_optimization（功能） _run_inline_graph_optimization中的文件“ d：\ anaconda3 \ lib \ site-packages \ tensorflow \ python \ framework \ convert_to_constants.py”，第59行返回tf_optimizer.OptimizeGraph（config，meta_graph）在OptimizeGraph中，文件“ d：\ anaconda3 \ lib \ site-packages \ tensorflow \ python \ grappler \ tf_optimizer.py”，第43行详细，graph_id，状态）退出中的文件“ d：\ anaconda3 \ lib \ site-packages \ tensorflow \ python \ framework \ errors_impl.py”，第548行 c_api.TF_GetCode（self.status.status）） tensorflow.python.framework.errors_impl.InvalidArgumentError：无法导入元图，请检查错误日志以获取更多信息。“

希望您能给我一些帮助，这个问题几乎使我发疯。谢谢！

Answer 1

最后，我放弃了，因为最新版本已删除了loadFrozenModel，并且支持很少。我尝试使用keras模型并且有效。

加载保存的模型会在tfjs中导致“'getIndices'：找不到匹配的重载函数”

1 个答案: