Question

我试图了解有关Tensorflowjs的更多信息，但可悲的是，我一直无法将Keras NLP模型转换为Tensorflowjs。

这就是我要转换的内容

from keras.models import load_model

from keras.preprocessing.sequence import pad_sequences

import pickle

list_classes = ["toxic", "severe_toxic", "obscene", "threat", "insult", "identity_hate"]

model = load_model('Keras_Model/m.hdf5')
with open('Keras_Model/tokenizer.pkl', 'rb') as handler:
    tokenizer = pickle.load(handler)

list_sentences_train = ["I need help Stackoverflow"]

list_tokenized_train = tokenizer.texts_to_sequences(list_sentences_train)
maxlen = 200
X_t = pad_sequences(list_tokenized_train, maxlen=maxlen)


pred = model.predict(X_t)[0]

Tensorflowjs方面：

import tf = require('@tensorflow/tfjs-node')

async function processModel(){
  const model = await tf.loadLayersModel('Server_Model/model.json');
}

如何使Tokenizer运行并做出正确的预测？

Answer 1

实际上，我在Android上对文本进行分类时遇到了同样的问题。我已经准备好使用模型（tflite），但是如何像Keras在Python中那样标记这些语句。

我找到了一个简单的解决方案，我已经讨论过here（适用于Android）。

简单的想法是转换keras.preprocessing.text.Tokenizer 词汇表到JSON文件。可以使用以下任何一种方式解析此JSON文件包括JavaScript在内的编程语言。

令牌生成器包含一个名为word_index的对象。

index = tokenizer.word_index

word_index对象是一个字典，可以像这样转换为JSON，

import json 
with open( 'word_dict.json' , 'w' ) as file:    
    json.dump( tokenizer.word_index , file )

JSON文件包含单词和索引对。您可以按照本link所述在JavaScript中对其进行解析。

将Python Keras NLP模型转换为Tensorflow.js

1 个答案: