编辑：根据@mrk的评论提供了其他信息
1.我使用KerasCV RetinaNet检测某些对象，然后使用model.save("saved_models/retinanet_model.keras")保存它
模型在Python中运行良好。
1.我想在nodejs中使用此模型;因此，使用以下代码转换它：tensorflowjs_converter --input_format=keras --output_format=tfjs_graph_model saved_models/retinanet_model.keras tfjs_models/retinanet_model

• 转换作业会提供下列警告消息：WARNING:tensorflow:Compiled the loaded model, but the compiled metrics have yet to be built. 'model.compile_metrics' will be empty until you train or evaluate the model.

1.然后，我使用retinaNetModel = await tf.loadGraphModel("file://./tfjs_models/retinanet_model/model.json");将模型加载到nodejs中
然而，retinaNetModel.predict()与原始模型输出并不匹配，无法预测任何内容。
有几个观察我想分享，这使我认为模型在某种程度上没有正确转换;尽管事实上我只得到一个警告，而不是一个错误。

• 在python中，如果模型找不到任何东西，bounding_box、类等的值会得到-1。但是，在tensorflowjs中，它看起来像是随机的负值。我得到两个Tensor作为响应，其中第一个Tensor包含bounding_box的值，第二个Tensor包含类的概率。例如，第二个Tensor类似于：

[
  [
    [ -4.490991592407227, -4.7061991691589355, -4.518319606781006 ],
    [ -4.743373394012451, -4.800686359405518, -4.49501371383667 ],
    ...
    [ -4.731906414031982, -4.996838569641113, -4.9045610427856445 ],
  ]
]

字符串

• 另一个意外的行为与输出Tensor值的大小有关。在tensorflowjs中，类和bounding_boxes有76725个项目/数组。为什么会有这么高的数字？在python中，模型会为bounding_box、类等生成100个长度的数组。

我使用同一台机器来完成所有任务（训练RetinaNet、转换并加载到nodejs中的tensorflowjs）。pip list | grep tensorflow生成以下内容

tensorflow                     2.15.0
tensorflow-datasets            4.9.3
tensorflow-decision-forests    1.8.1
tensorflow-estimator           2.15.0
tensorflow-hub                 0.15.0
tensorflow-io-gcs-filesystem   0.34.0
tensorflow-macos               2.15.0
tensorflow-metadata            1.14.0
tensorflowjs                   4.14.0

型
我使用了相同的图像数据。事实上，我从python中编写了图像数组，并在nodejs中读取它以确保它完全相同。我通过let imageTensor = tf.tensor(pixeldata).reshape([640, 640, 3]);对数据数组进行了整形，因为我的图像是640 x640。
如果你有任何建议/指示，我们将不胜感激。
谢谢你，
道格