TensorFlow.js模型转换器使用指南：解决Keras模型转换问题

问题背景

在使用TensorFlow.js的模型转换工具时，开发者可能会遇到将Keras保存的HDF5格式模型转换为TensorFlow.js格式的问题。特别是在使用tensorflowjs_converter工具时，如果参数设置不当，会出现"Numpy() is only available when eager execution is enabled"的错误提示。

关键问题分析

这个错误通常发生在以下情况：

1. 开发者使用model.save()保存了HDF5格式的Keras模型
2. 在转换时错误地使用了--input_format=keras_saved_model参数
3. 模型在保存前已经调用了compile方法

正确转换方法

对于Keras保存的HDF5格式模型(.h5文件)，正确的转换命令应该是：

tensorflowjs_converter --input_format=keras model.h5 out/

而不是使用keras_saved_model作为输入格式参数。这是因为HDF5格式和SavedModel格式是Keras支持的两种不同保存格式，需要对应不同的转换参数。

技术细节解析

1. Keras模型保存格式：

   • HDF5格式(.h5)：传统格式，使用model.save('model.h5')保存
   • Keras格式(.keras)：新推荐格式，使用model.save('model.keras')保存
   • SavedModel格式：TensorFlow原生格式

2. 转换工具参数对应关系：

   • keras：对应HDF5格式(.h5)
   • keras_keras：对应新Keras格式(.keras)
   • keras_saved_model：对应SavedModel格式

3. 模型编译状态的影响：

   • 已编译模型在转换时需要特别注意格式匹配
   • 未编译模型转换时问题较少

最佳实践建议

1. 明确模型保存格式后再选择对应的转换参数
2. 对于新项目，建议使用.keras格式保存模型
3. 转换前可以先检查模型是否能正常加载
4. 也可以使用Python API直接转换：

import tensorflowjs as tfjs
tfjs.converters.save_keras_model(model, "out/")

常见问题解决方案

如果遇到转换问题，可以尝试以下步骤：

1. 确认模型保存格式
2. 检查tensorflowjs_converter的参数是否正确
3. 尝试使用Python API进行转换
4. 确保TensorFlow和TensorFlow.js版本兼容

通过理解这些技术细节和遵循正确的转换流程，开发者可以顺利地将Keras模型转换为TensorFlow.js格式，在浏览器或Node.js环境中部署深度学习模型。