wx-tfjs-demo

wx-tfjs-demo 项目介绍

项目概述

wx-tfjs-demo 是一个示例项目，展示了如何在微信小程序中使用 TensorFlow.js 进行人工智能模型的加载和推理。项目的源代码与小程序「AI Pocket」项目保持不定期同步更新，用户可以通过此项目学习如何在小程序中实现复杂的 AI 功能。

如何运行

环境要求

要运行 wx-tfjs-demo，用户需要满足以下环境要求：

• 推荐系统：MacOS
• NodeJS：v18.x.x
• 微信基础库版本：>= 2.29.0
• 微信开发者工具：>= v1.06.2210310

与此同时，用户需要在微信开发者工具中进行一些项目配置：

• 勾选「ES6 转 ES5」
• 勾选「增强编译」
• 在测试时勾选「不校验合法域名……」

操作步骤

1. 将代码克隆到本地。
2. 修改 project.config.json 中的 appid 为自己的小程序 ID。
3. 执行 npm i 安装项目依赖。有时可能需要使用 npm i --force。
4. 使用 npm run build 编译项目。
5. 使用手机扫描微信开发者工具生成的预览二维码进行预览。

实现历程

早期探索

在最初，项目通过改造 TensorFlow.js 的核心代码（tfjs-core）来实现其在小程序中的运行。通过调用小程序的摄像头功能，将拍摄的图像显示在canvas上，然后获取「类 ImageData」的数据，并使用 TensorFlow.js 的 API 实现预测功能。

现有实现

随着技术的发展，如今不再需要对 TensorFlow.js 进行复杂的改造。通过微信小程序已经开放的 API 和 tfjs 的微信插件，可以方便地实现模型的加载、训练和预测。目前面临的挑战是不同设备对于拍摄到的帧数据处理的差异，不过解决方案已经趋于成熟，适配多种设备和平台的数据一致性。

小程序展示

小程序当前为「AI Pocket」，这是一个功能丰富且具有教育意义的小程序。用户可以通过扫码体验该小程序，并欢迎大家提供反馈和改进意见。

合作与交流

合作机会

本项目的开发者在前后端开发、Docker 和 Swarm、持续部署和人工智能 NLP 等领域有丰富的经验。项目源码开源，鼓励大家参与到项目的共同开发中，并对商业应用持开放态度，但建议尊重开源协议。

技术交流

用户还可以通过关注开发者的个人博客或微信公众号「猎人杂货铺」获取更多的技术分享与生活感悟，欢迎加入「AI Pocket 交流群」进行更全面的交流和探讨。