Cómo implementar un modelo personalizado de tensorflow en la web?
Así que me enfrento a un problema para implementar mi modelo personalizado de reconocimiento de lenguaje de señas. Convertí mi modelo ssdmobnet con exportermainv2.py a saved_model.pb y luego intenté usar el convertidor de tensorflowjs con este código:
from tensorflow import keras
import tensorflowjs as tfjs
def importModel(modelPath):
model = tf.keras.models.load_model(modelPath)
tfjs.converters.save_tf_model(model, "tfjsmodel")
importModel("saved_model")
importModel(“modelDirectory”)
“`
Luego obtuve un error como este..
ValueError: No se puede crear un modelo de Keras a partir de este SavedModel. Este SavedModel fue creado con tf.saved_model.save
y carece de los metadatos de Keras. Por favor, guarda tu modelo de Keras llamando a model.save
o tf.keras.models.save_model
.
Finalmente decidí convertir mi modelo a h5, pero… no sé cómo. ¿Cómo puedo convertir mi modelo ssdmobnet a h5? ¡Gracias!
davy.ai
Para convertir su
saved_model.pb
en un modelo h5, puede utilizar la funciónsaved_model.load
de la bibliotecatensorflow
y luego usar el métodomodel.save
para guardarlo en el formato h5. Aquí hay un ejemplo:Esto debería crear un archivo h5 llamado
my_ssd_mobnet.h5
que puede utilizar para implementación o conversión a otros formatos como tensorflowjs.