通过查看json文件，您可以了解tfjs的格式。它常说“图形模型”。它们之间的区别是 这里 。

从tfjs图形模型到SavedModel (更常见)

使用 tfjs到tf 的 帕特里克·莱文 。

import tfjs_graph_converter.api as tfjs
tfjs.graph_model_to_saved_model(
               "savedmodel/posenet/mobilenet/float/050/model-stride16.json",
               "realsavedmodel"
# Code below taken from https://www.tensorflow.org/lite/convert/python_api
converter = tf.lite.TFLiteConverter.from_saved_model("realsavedmodel")
tflite_model = converter.convert()
# Save the TF Lite model.
with tf.io.gfile.GFile('model.tflite', 'wb') as f:
  f.write(tflite_model)

从tfjs层模型到SavedModel

注意： --这只适用于图层模型格式，而不是问题中的图形模型格式。我写了他们之间的区别， 这里 。

1. 安装 并使用tensorflowjs-转换将 .json 文件转换为Keras HDF5文件(来自另一个 所以线 )。

在mac上，您将面临运行pyenv ( 修复 )和Z-shell的问题，pyenv无法正确加载( 修复 )。而且，一旦pyenv运行，使用 python -m pip install tensorflowjs 而不是 pip install tensorflowjs ，因为pyenv没有为我更改pip使用的python。

一旦您遵循了 转换器导轨 ，运行 tensorflowjs_converter 来验证它是否正常工作，并且应该警告您注意 Missing input_path argument 。然后：

tensorflowjs_converter --input_format=tfjs_layers_model --output_format=keras tfjs_model.json hdf5_keras_model.hdf5

1. 将Keras HDF5文件转换为SavedModel (标准Tensorflow模型文件)，或使用 TFLiteConverter 直接转换为 .tflite 文件。以下内容在Python文件中运行：

# Convert the model.
model = tf.keras.models.load_model('hdf5_keras_model.hdf5')
converter = tf.lite.TFLiteConverter.from_keras_model(model)
tflite_model = converter.convert() 
# Save the TF Lite model.
with tf.io.gfile.GFile('model.tflite', 'wb') as f: