在上一篇文章《浏览器中的手写数字识别》中，讲到在浏览器中训练出一个卷积神经网络模型，用来识别手写数字。值得注意的是，这个训练过程是在浏览器中完成的，使用的是客户端的资源。
虽然TensorFlow.js的愿景是机器学习无处不在，即使是在手机、嵌入式设备上，只要运行有浏览器，都可以训练人工智能模型，但是考虑到手机、嵌入式设备有限的计算能力（虽然手机性能不断飞跃），复杂的人工智能模型还是交给更为强大的服务器来训练比较合适。况且目前主流的机器学习采用的是python语言，要让广大机器学习工程师从python转向js，估计大家也不会答应。
如果是这样的话，那TensorFlow.js推出还有何意义呢？
这个问题其实和TensorFlow Lite类似，我们可以在服务器端训练，在手机上使用训练出的模型进行推导，通常推导并不需要那么强大的计算能力。
在本文，我们将探索如何在TensorFlow.js中加载预训练的机器学习模型，完成图片分类任务。
在TensorFlow官网，访问 https://www.tensorflow.org/js/models/ 这个网址，可以看到里面有实时姿态预测模型、目标检测模型、语音识别模型、分类模型等等：
这里我们选择MobileNets模型。MobileNets是一种小型、低延迟、低耗能模型，满足各种资源受限的使用场景，可用于分类、检测、嵌入和分割，功能上类似于其他流行的大型模型（如Inception）。 MobileNets在延迟、大小和准确性之间取得了平衡。
有两种使用MobileNets模型的方案：
- 直接调用MobileNets模型的JS封装库
- 自己编写代码加载json格式的MobileNets模型
直接调用MobileNets模型的JS封装库
JS封装库直接将MobileNets模型封装为JS对象，我们就像调用普通的JS对象那样，调用对象方法，完成模型加载、推断。
比如访问 https://github.com/tensorflow/tfjs-models/tree/master/mobilenet ，我们可以看到该mobilenet对象提供两个主要的API：
参数：
- 版本：MobileNet版本号。1表示MobileNet V1，2表示使用MobileNet V2。默认值为1。
- alpha：较小的alpha会降低精度，但会提高性能。默认值为1.0。
参数：
- img：进行分类的Tensor或image元素。
- topk：要返回多少个Top概率。默认值为3。
借助于封装的JS库，在浏览器中使用MobileNets就相当简单了：
注意： 这里的js代码会去google storage 加载MobileNets的JSON格式模型，而由于一些不能说的原因，国内无法访问到，
这个示例写的比较简单，从浏览器控制台输出log，显示结果，在chrome浏览器中可以打开开发者工具查看：
加载json格式的MobileNets模型
使用封装好的JS对象确实方便，但使用自己训练的模型时，并没有人为我们提供封装对象。这个时候我们就要考虑自行加载模型，并进行推断。在JS世界，JSON是使用得非常普遍的数据交换格式。TensorFlow.js也采用JSON作为模型格式，也提供了工具进行转换。
本来这里想详细写一下如何加载json格式的MobileNets模型，但由于MobileNets的JS模型托管在Google服务器上，国内无法访问，所以这里先跳过这一步。在下一篇文章中我将说明如何从现有的TensorFlow模型转换为TensorFlow.js模型ilego.club/ai/index.html ，直接体验浏览器中的机器学习。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/189618.html