一个简单的机器学习案例：10分钟,训练一个“剪刀石头布”识别器

一.介绍

这是一个利用tensorflow.js库的网页端的网络。
在没有使用TensorFlow.js库之前，想要实现这个功能，需要花很长时间来完成算法编写，包括数据图像的采集、模型的训练、参数的调整，最终结果可能得经过分类模型（如：VGG、ResNet、ShuffleNet等）的卷积层、全连接层，最终以概率的方式呈现，预期效果可以达到，但是花费的时间代价也很大，
利用这个tensorflow.js库可以在网页端完成这些操作，训练包括预测的时间取决于自己使用的计算机。

二.实现过程

1.数据集

首先这是训练所使用的数据集，其中包含2893张剪刀石头布的图片，所有这些数据都是以白色背景构成的，每幅图像为300×300像素：
http://www.laurencemoroney.com/rock-paper-scissors-dataset/

2.网页数据集加载

解决浏览器加载图片的限制，使用精灵表单（spritesheet）将一组图像粘合成一个图像，此时，图像中每个像素都变成1像素高清图像，将它们堆叠创建一个保存所有图像的10MB大小的大图像