Cuando intento usar model.predict(tensor) para obtener un resultado del modelo, aparece el error indicado en el título. Sé que el tamaño de la textura de WebGL es una limitación de hardware que no se puede superar, por lo que me preguntaba si hay alguna forma de reducir el tamaño de la textura de un modelo de tensorflow o de alguna manera hacerlo en tensorflowjs. Intenté usar el backend de Web Assembly, pero no funciona muy bien para mi causa de uso.

¿Hay algún indicador que pueda usar para administrar el tamaño de la textura de mi modelo?

Gracias de antemano, y cualquier ayuda sería apreciada. A continuación se muestra mi código tensorflowjs.

 import { Dimensions } from 'react-native'; import * as ImageManipulator from 'expo-image-manipulator'; import * as tf from '@tensorflow/tfjs'; import { bundleResourceIO, decodeJpeg } from '@tensorflow/tfjs-react-native'; import { Base64Binary } from '../utils/b64'; import { image } from '@tensorflow/tfjs'; import * as FileSystem from 'expo-file-system'; const results = ['Not Melanoma', 'Melanoma']; const transformImageToTensor = async (uri) => { //.ts: const transformImageToTensor = async (uri:string):Promise<tf.Tensor>=>{ //read the image as base64 const img64 = await FileSystem.readAsStringAsync(uri, { encoding: FileSystem.EncodingType.Base64, }); const imgBuffer = tf.util.encodeString(img64, 'base64').buffer; const raw = new Uint8Array(imgBuffer); let imgTensor = decodeJpeg(raw); const scalar = tf.scalar(255); //resize the image imgTensor = tf.image.resizeNearestNeighbor(imgTensor, [300, 300]); //normalize; if a normalization layer is in the model, this step can be skipped const tensorScaled = imgTensor.div(scalar); //final shape of the rensor const img = tf.reshape(tensorScaled, [-1, 50, 50, 1]); return img; }; const predict = async (model, tensor) => { const output = await model.predict(tensor); return output.dataSync(); }; export const process = async (image, setDiagnosis, setLoading) => { console.log('inside process btw'); await tf.ready(); const modelJSON = require('../assets/models/model.json'); const modelWeights = require('../assets/models/group1-shard1of1.bin'); const model = await tf.loadLayersModel( bundleResourceIO(modelJSON, modelWeights) ); console.log('model loaded'); const tensor = await transformImageToTensor(image); console.log('converted to tensor'); const prediction = await predict(model, tensor); console.log('converted to tensor and prediction happened'); const highestPrediction = prediction.indexOf( Math.max.apply(null, prediction) ); console.log(highestPrediction); setDiagnosis(results[highestPrediction]); setLoading(false); };