TensorFlow.js：tf.GraphModel 类 .executeAsync() 方法

在 TensorFlow.js 中， tf.GraphModel 类可以加载预先训练好的 TensorFlow 模型以进行推理。 一旦模型加载完成，您可以使用tf.GraphModel类中的 .executeAsync() 方法实际执行计算。

方法概述

executeAsync(inputs: Tensor | Tensor[] | NamedTensorMap, outputs?: string|string[]): Promise<Tensor|Tensor[]>

• Inputs：

  • inputs （必选）-一个符合预测图输入的Tensor、Tensor数组或NamedTensorMap对象 。

• Outputs：

  • outputs （optional） -要返回的输出张量的名称或包含输出张量名称的字符串数组。如果提供了此参数，则返回与该名称对应的输出张量。

• 返回类型：

  • 在模型上执行计算后返回 Promise ，包含 Tensor 或 Tensor array 。

示例

首先，您需要引入 TensorFlow.js：

import * as tf from '@tensorflow/tfjs';
import {loadGraphModel} from '@tensorflow/tfjs-converter';

加载模型：

const model = await loadGraphModel('model.json');

执行计算：

const input = tf.tensor2d([[1.0, 2.0]]);
const output = await model.executeAsync(input);

output.print();
// 输出: [-3.1416]

在这种情况下，我们传递了一个2-D张量作为输入给模型，指定了一个包含要执行计算的张量的数组 .executeAsync()方法将返回执行后的输出张量。 在这种情况下，调用 print() 方法显示张量值。

结论

现在您已经知道使用tf.GraphModel 的.executeAsync() 方法通过传递输入张量执行计算，并返回输出张量。 可以使用 outputs 参数来指定要返回的特定张量的名称或由名称组成的数组。