tensorflowjs_converter是唯一官方工具，需先将模型保存为SavedModel格式再转换；Keras模型若含自定义层等则无法直接由.h5转换，必须用save_format="tf"；输入输出格式、加载API及权重分片配置须严格匹配。
tensorflowjs_converter 是唯一能完成 Python 模型到浏览器可用 JS 格式转换的官方工具，没有替代方案。直接用 tf.keras.models.save_model 或 model.save() 保存的模型，只是本地磁盘格式，浏览器根本无法加载。
必须先保存为 SavedModel 格式再转换
Keras 模型不能直接从 .h5 转换，除非它完全静态（无自定义层、无 tf.function、无 Lambda 层内嵌 Python 逻辑）。否则会报 Unsupported operation 错误，且不提示具体哪一层出问题。
- 正确做法：用
tf.keras.models.save_model(model, "saved_model_dir", save_format="tf")生成目录结构，确认里面有saved_model.pb、variables/和assets/ - 错误做法：跳过这步，直接对
my_model.h5执行转换命令 —— 大概率失败 - 注意：
model.save("my_model")默认行为在 TF 2.12+ 已默认为 SavedModel，但显式指定save_format="tf"更稳妥
tensorflowjs_converter 命令参数必须匹配模型类型
输入格式和输出格式不配对，会导致加载时报错 Unexpected end of JSON input 或 Cannot read property 'inputs' of undefined，本质是 model.json 结构不合法。
- SavedModel 输入 → 必须用
--input_format=tf_saved_model --output_format=tfjs_graph_model - Keras HDF5 输入 → 可用
--input_format=keras --output_format=tfjs_layers_model，但仅限简单模型 - 漏掉
--signature_name=serving_default？加载时可能找不到输入张量名，尤其当模型有多个 signature 时 - 多输出模型务必检查
model.json中"signature": {"inputs": {}, "outputs": {}}字段是否完整，键名要和 JS 里model.execute({input: ...})的 key 一致
浏览器加载时选错 API 就会报 loadGraphModel is not a function
tf.loadGraphModel() 和 tf.loadLayersModel() 不可互换。前者只认 tfjs_graph_model 输出，后者只认 tfjs_layers_model 输出。混用会直接抛异常，而不是静默失败。
php版微信js-sdk支付接口类
php版微信js-sdk支付接口类
- 用
tf_saved_model转出来的模型 → 必须用await tf.loadGraphModel('model.json') - 用
keras输入转出来的模型 → 必须用await tf.loadLayersModel('model.json') - 加载后调用
model.predict()前，先确认model.inputs和model.outputs是否有值，没值说明加载失败或签名不匹配 - 权重分片文件（如
group1-shard1of5.bin）必须和model.json在同一目录，路径不能带 query 参数或 hash
权重分片和跨域请求是部署时最常卡住的点
转换器默认把权重切成约 4MB 的 .bin 文件，浏览器加载时会发起多个 HTTP 请求。如果服务器没配好 MIME 类型或 CORS，就会卡在某个 .bin 上，控制台报 Failed to load resource: net::ERR_FAILED。
- 确保 Web 服务器返回
Content-Type: application/octet-stream给所有.bin文件 - 本地开发用
http-server或python3 -m http.server启服务，别直接双击 HTML 打开（会触发 file:// 协议跨域） - 生产环境 Nginx 配置需加：
location ~ \.bin$ { add_header Content-Type application/octet-stream; } - 想绕过分片？加参数
--weight_shard_size_bytes=100000000（100MB），但会牺牲缓存效率
model.json 文件名不能改，group*-shard*.bin 的命名规则不能手动调整，任何重命名都会让加载器找不到权重 —— 这是硬编码在 TensorFlow.js 源码里的约定，不是配置项。
