tensorflow.js模型加载失败主因是格式不兼容或路径错误：必须用tensorflowjs_converter转为model.json+bin格式，且通过tf.loadlayersmodel()在web服务器下以url路径加载，禁用file://协议。
因为直接导出的 TensorFlow SavedModel 或 HDF5 文件不能被浏览器执行——网页端需要的是 TensorFlow.js 兼容的模型格式，不是原生 TF 的权重+图结构。
TensorFlow.js 加载失败：模型路径或格式不匹配
常见错误是浏览器控制台报 404 Not Found 或 Unexpected token （说明返回了 HTML 而非 JSON/weights.bin）。这通常不是代码写错，而是模型没放在 Web 服务器可访问路径下，或没用 <code>tf.loadLayersModel() 正确加载。
- 确保模型文件（
model.json+group1-shard1of1.bin等）和 HTML 在同一 Web 服务下，比如用python -m http.server 8000启动本地服务，而不是双击打开 HTML - 不要用
tf.loadGraphModel()加载 Keras 导出的模型；必须用tf.loadLayersModel() - 路径必须是相对或绝对 URL，不能是本地文件路径（
file://协议被现代浏览器禁止跨域读取）
转换时未指定 input shape 导致推理报错
LSTM、RNN 类模型在转成 TF.js 格式后，若输入 shape 不固定（如 batch 维为 null），tf.model.predict() 会抛出 Invalid input tensor shape。
- 导出前，在 Keras 模型中显式设置
batch_input_shape（例如(1, 100, 6)），再用model.save('web_model') - 转换时用命令行工具需加
--input_shapes "input_name:[1,100,6]"；用 Python API 则调用tf.keras.models.save_model(..., include_optimizer=False)后再转 - JS 端调用前，确认输入
tf.tensor的 shape 与模型期望完全一致，包括 dtype（常用'float32'）
WebGL 后端初始化失败导致白屏或卡死
TensorFlow.js 默认尝试 WebGL，但部分集成显卡、旧驱动或企业锁屏环境会静默失败，回退到 CPU 后端又因内存不足崩溃。
- 启动时强制指定后端：
await tf.setBackend('wasm');（WASM 更稳定，适合简单模型）或await tf.setBackend('cpu');（仅调试用） - 检查
tf.getBackend()返回值，确认是否真切换成功 - 避免在页面加载完成前就调用模型加载；务必等
tf.ready()完成后再loadLayersModel() - 大模型（>10MB）建议启用权重分片（
shardSizeBytes参数）并配合 Service Worker 缓存，否则容易触发浏览器内存限制
最易被忽略的是：TF.js 模型必须由 tensorflowjs_converter 工具生成，不能把 .h5 或 .tflite 文件直接扔进网页——这两者根本不在同一个运行时环境里。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
