Javascript 如何使用[ModelJSON，ArrayBuffer]调用tf.loadGraphModelSync

我正在try 制作一个包含并可以运行TensorFlow js模型的自含式html文档.我将我的模型从python保存为.h5，然后将其转换为tensorflowjs_convert --input_format keras ....这导致了一个包含model.json的目录(据我所知，它看起来和加载都很好)和权重都存储在一个文件group1-shard1of1.bin中.

我获取每个文件的内容，对它们进行Base64编码，然后将它们作为两个数据URI插入到我的html文件中.

const modelURI = "data:application/json;base64,<Data Here>";
const weightsURI = "data:application/octet-stream;base64,<Data Here>";

Promise.all([fetch(modelURI), fetch(weightsURI)])
    .then(function(resp) {
        return Promise.all([resp[0].json(), resp[1].arrayBuffer()]);
    })
    .then(function(data) {
        tf.loadGraphModelSync([data[0], data[1]]);
    });

问题是，loadGraphModelSync人一直在抱怨

Uncaught (in promise) TypeError: n is null
    value graph_model.js:212
    value graph_model.js:180
    value graph_model.js:167
    loadGraphModelSync graph_model.js:699

我非常确定问题出在我传入的ArrayBuffer上，但我对tfjs甚至是普通的TensorFlow没有足够的经验来了解.

我查看了添加到选项中的pull request，它提到"ArrayBuffer是模型的连接权重的列表"，但我找不到任何关于这到底是什么样子的可用信息.有人知道我在这里传递的权重应该是什么格式吗？另一种加载Base64编码数据的方法也会很有帮助.

Edit 1: 在找不出导致缩小的TensorFlow js包中的问题的原因后，我创建了一个快速BUN项目并安装了TensorFlow js NPM包，这使我能够获得一个更有用的错误:

32091 |             if (metadata.structuredOutputKeys != null) {
32092 |                 this.structuredOutputKeys = metadata.structuredOutputKeys;
32093 |             }
32094 |         }
32095 |         this.signature = signature;
32096 |         this.version = "".concat(graph.versions.producer, ".").concat(graph.versions.minConsumer);
                                         ^
TypeError: null is not an object (evaluating 'graph.versions')
      at .../node_modules/@tensorflow/tfjs-converter/dist/tf-converter.node.js:32096:34
      at .../node_modules/@tensorflow/tfjs-converter/dist/tf-converter.node.js:32063:16
      at .../node_modules/@tensorflow/tfjs-converter/dist/tf-converter.node.js:32053:16
      at loadGraphModelSync (.../node_modules/@tensorflow/tfjs-converter/dist/tf-converter.node.js:32577:5)
      at .../src/index.ts:14:9