WeChat アプレットは TensorFlow のデモを実行し、コードはアプレット「AI Pocket」と同期して随時更新されます。
推奨システム:MacOS
NodeJS: v18.xx
WeChat 基本ライブラリのバージョン: >= 2.29.0
WeChat 開発者ツール: >= v1.06.2210310
WeChat開発者ツールのプロジェクト構成:
appid
構成を変更するnpm i
依存関係をインストールします ( npm i --force
使用する必要がある場合があります)npm run build
コンパイルの依存関係TensorFlow.js を小さなプログラムで実行できるように tfjs-core を変換します。アプレットはイメージングのためにカメラを呼び出し、 canvas
に画像を表示します。 canvas
の「ImageData のような」データはアプレットの API を通じて取得でき、その後 tfjs API を呼び出して予測を実装します。
実装の不安定な経験に興味がある場合は、tfjs の WeChat アプレットへの移植と TensorFlowJS の移植の再試行に関するブログ投稿を読むことができます。
tfjs は、特に「移植」を実現するためにplatform
拡張することによって複数のプラットフォームのサポートをエレガントに実装しており、WeChat アプレットもより有利な API を公開しているため、tfjs を変更する煩わしい方法はもう使用されていません。 tfjs の中に組み込まれ、モデルの読み込み、トレーニング、予測、その他の機能を提供します。
以前よりもはるかに便利になりましたが、アプレットのonCameraFrame
で取得したフレーム データは表示されているものと一致せず、元のフレーム データは異なるデバイス (同じデバイスのフロント カメラとリア カメラであっても) によって異なって処理されます。正確な予測結果を得るのは非常に困難です。
現在、一連のフレーム データ クロップ方法を考え出し、簡単にテストしましたが、結果は良好です。対応できないモデルがある場合は、課題とPRを提出してください。
ミニ プログラムのフレーム データ クロップ方法が、さまざまなプラットフォームで一貫性を持つようになりました。
ミニプログラムの名前が「AIポケット」に変わりましたが、まだ意味があると感じているので、このミニプログラムは本格的に行う予定です。ミニ プログラムの QR コードを添付します。ぜひ体験して、改善点を提案してください。
フロントエンドとバックエンドの開発、Docker & Swarm、継続的デプロイ、人工知能 NLP の経験を積んできました。機会があれば、お気軽に連携についてお問い合わせください。さまざまな連絡方法。
さらに、このプロジェクトのコードはオープンソースであり、興味のある学生は貢献することを歓迎します。もちろん商用利用に制限はありませんが、他人の作品を尊重し、「不親切」な行為は行わないでください。このプロジェクトが役に立った場合は、お気軽にチップをお願いします。
私の個人ブログまたは個人の WeChat 公開アカウント「ハンター食料品店」をフォローしてください。テクノロジーの共有や生活に関する洞察が頻繁にあります。
公式アカウントをフォローしてメッセージを残して「AIポケット通信グループ」のQRコードを取得するとコミュニケーションが円滑に進みます! ~