TensorFlowTensorFlow.js智能前端实战：保存和加载tf.Model模型

import * as tf from '@tensorflow/tfjs';
import { loadFrozenModel, getFrozenModelMemoryUsage } from '@tensorflow/tfjs-converter';
 
// 假设我们已经有一个保存好的模型文件，比如一个FrozenGraphDef文件
const modelUrl = 'path/to/model.pb';  // 模型文件的URL
const weightsUrl = 'path/to/weights.bin';  // 模型权重文件的URL
 
// 加载模型
const model = await loadFrozenModel(modelUrl, weightsUrl);
 
// 检查模型内存使用情况
const usage = getFrozenModelMemoryUsage(modelUrl);
console.log(`模型大小: ${usage.totalBytes} bytes`);
 
// 使用模型进行推理
// 假设我们有一个输入张量
const input = tf.randomNormal([1, 28, 28, 1]);  // 例如MNIST手写数字识别的输入
 
// 应用模型进行预测
const output = model.predict(input);
 
// 处理输出并做相应的操作
// ...
 
// 清理资源
input.dispose();
output.dispose();

这段代码展示了如何在TensorFlow.js中加载一个已经保存好的模型（例如一个FrozenGraphDef文件），并进行基本的推理操作。代码中包含了加载模型、检查模型内存使用情况、模型预测和资源清理的基本步骤。