渣本二面阿里受挫，Pipcook 1，2024最新前端面试题目解答

}

}

}

从上图可以看到 Pipeline 十分简单，只需要按照预先定义的字段配置你需要的插件及参数即可，然后再通过 Pipcook Tools 来运行它就行了：

$ pipcook run https://foobar.xzz/mobilenet-classification.json

Pipcook Tools 支持运行本地和远程的 Pipeline，这意味着开发者可以通过 CDN、GitHub 或者任意 HTTP 服务来分享你的 Pipeline。

在经过一定时间的训练之后，就会在当前目录下的 output 文件夹下看到生成的模型文件和相关的 JavaScript 库了：

生成的模型包

生成后的使用方式也十分简单：

$ cd ./output && npm install

$ node -e “require(‘./output’)(‘input data’)”

除此之外，你也可以通过 Pipboard 随时下载历史的训练结果，如下图所示：

Pipboard

为了方便开发者使用，Pipcook 已经内置了一些任务类型的 Pipeline：

• 文本类

• • 文本分类：text-bayes-classification（基于朴素贝叶斯的分类）、fasttext-classification（基于 FastText 的文本分类）

• 文本创作：chinese-poem-creation（生成中国诗歌）

• 视觉类

• • 图片分类：mobilenet-image-classification（基于 mobilenet 的图片分类）

• 目标检测：object-detection（基于 detectron2 开发的目标检测）

• 图片风格迁移：image-generation-cycle-gan（基于 CycleGAN 的图片生成）

---

---

如何开发插件

---

---

通过上面的介绍，读者基本已经了解了 Pipcook 主要的使用场景了，对，那就是 —— Pipeline，但要说到 Pipeline 却离不开插件，我们为 Pipcook 的 Pipeline 生态构建了一套开放的插件机制，通过这套机制，任何开发者都可以随时随地基于 Node.js 为 Pipcook 拓展插件。

首先，一个插件，也是一个 NPM 包，在 NPM 包的基础上，Pipcook 增加了一些拓展字段，即在 package.json 中增加了一些额外的定义，下面就是一个简单的定义：

{

“name”: “my-own-pipcook-plugin”,

“version”: “1.0.0”,

“description”: “my own pipcook plugin”,

“dependencies”: {

“@pipcook/pipcook-core”: “^0.5.0”

},

“pipcook”: {

“category”: “dataCollect”,

“datatype”: “image”

},

“conda”: {

“python”: “3.7”,

“dependencies”: {

“tensorflow”: “2.2.0”

}

}

}

首先，每个插件都必须依赖 @pipcook/pipcook-core，它包含了实际定义插件所依赖的类型定义和一些工具函数。然后是 “pipcook” 节点，它定义了插件的基本信息，比如类别和数据类型，它用于 Pipcook 对插件本身做归类和整理，接下来就是 “conda” 节点（可选），如果插件依赖 Python 环境，那么开发者可以通过这个字段配置 Python 的依赖，比如上述就表示插件依赖 Python 版 tensorflow@2.2.0，在 Pipcook 安装插件时就会自动进行安装。

定义好这些基本信息后，就可以开始写具体的插件代码了，还记得前面在说明 Pipeline 流程时的那张图吗？每一种插件类型的写法都是不一样的，比如一个简单的 data collect 插件如下：

const collectTextline: DataCollectType = async (args: ArgsType): Promise => {

const { uri, dataDir } = args;

await fs.copy(uri, dataDir + ‘/my-own-dataset.csv’);

return null;

};

export default collectTextline;

插件的输入是 ArgsType，输出是 void，那么来看看 data process 插件：

const doubleSize: DataProcessType = async (sample: Sample, metadata: Metadata, args?: ArgsType): Promise => {

// double the data

sample.data = sample.data * 2;

};

export default doubleSize;

看，无论是输入的参数还是函数返回值，都不一样了。但读者也不需要害怕，Pipcook 中的插件类型都是固定的，并且每一种插件的写法和类型定义也都定义好了，具体可以阅读 Pipcook 的插件规范文档。

另外，正如在开篇所说的，Pipcook 通过 Boa 提供了无缝接入 Python 生态的能力，也正因为这种能力，才帮助 JavaScript 社区解决了机器学习生态成熟度和前沿技术使用的问题，那么究竟如何开始使用 Boa 呢？

首先，在 package.json 中的依赖中添加 @pipcook/boa 及对应版本，另外在 “conda.dependencies” 中添加依赖的 Python 包，然后就能在插件中使用了：

const boa = require(‘@pipcook/boa’);

const tensorflow = boa.import(‘tensorflow’);

PipApp（实验功能）

---

---

Pipcook 开发团队一直在思考什么样的编程方式，能让前端工程师更容易地使用机器学习，未来机器学习究竟会在前端领域是什么样的呢？因此我们开发了 PipApp，为开发者屏蔽掉了更多技术细节，让开发者只需要关注机器学习的“业务逻辑”。

下面我们来看看一个 PipApp 长什么样：

import { createLearnable, nlp } from ‘@pipcook/app’;

const isCooking = createLearnable(async function(sentence: string) {

return (await nlp.classify(sentence));

});

const isBooking = createLearnable(async function(sentence: string) {

return (await nlp.classify(sentence));

});

(async () => {

console.log(await isCooking(‘test’));

console.log(await isBooking(‘booking test’));

})();

上面的例子，首先通过 createLearnable 创建了一个机器学习上下文，你可以把它理解成一种特殊的 async function，只有在 Learnable 函数块中才能使用 PipApp 提供的机器学习 API。上面的例子，分别创建了两个机器学习流程，在其中都使用了 nlp.classify 来完成一个文本分类的任务。

与运行 Pipeline 不同，PipApp 需要创建一个完整的项目目录，因此在开始之前，我们需要从初始化一个 Node.js 项目开始。

$ npm init

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数前端工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Web前端开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上前端开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注前端）

最后

文章到这里就结束了，如果觉得对你有帮助可以点个赞哦

CodeChina开源项目：【大厂前端面试题解析+核心总结学习笔记+真实项目实战+最新讲解视频】

一个人可以走的很快，但一群人才能走的更远。如果你从事以下工作或对以下感兴趣，欢迎戳这里加入程序员的圈子，让我们一起学习成长！

AI人工智能、Android移动开发、AIGC大模型、C C#、Go语言、Java、Linux运维、云计算、MySQL、PMP、网络安全、Python爬虫、UE5、UI设计、Unity3D、Web前端开发、产品经理、车载开发、大数据、鸿蒙、计算机网络、嵌入式物联网、软件测试、数据结构与算法、音视频开发、Flutter、IOS开发、PHP开发、.NET、安卓逆向、云计算

yc9kzRw6-1712327966453)]

一个人可以走的很快，但一群人才能走的更远。如果你从事以下工作或对以下感兴趣，欢迎戳这里加入程序员的圈子，让我们一起学习成长！

AI人工智能、Android移动开发、AIGC大模型、C C#、Go语言、Java、Linux运维、云计算、MySQL、PMP、网络安全、Python爬虫、UE5、UI设计、Unity3D、Web前端开发、产品经理、车载开发、大数据、鸿蒙、计算机网络、嵌入式物联网、软件测试、数据结构与算法、音视频开发、Flutter、IOS开发、PHP开发、.NET、安卓逆向、云计算