1、直接
利用Javascript和tensorflow.js直接写关于前端的机器学习代码进行训练。
不过我个人认为效率不高,毕竟直接在前端进行训练,计算什么的根本跟不上,不过之前也有听过可以利用node,可能稍微会好一些,没用过,也不太清楚啥情况,之后会进行尝试,可行性等之后用过再单独发篇吧。
刚开始学的时候都是直接看的官方给出的例子,什么mnist这种最基本的,但是真正自己写,实现的时候真的是不是很容易,到现在也不能和vue完美结合,学艺不精啊,慢慢来8。
2、间接
我觉得目前主流的应该是这种方法,避开前端训练困难的难处,利用前端实现的好处。
由于JS中调用的是.json文件,也就是模型,那么问题也就演变为了如何通过训练获得一个.json模型
- 先用
model = load_model('model_h5')
这句代码可以将一个keras模型保存为.h5文件
这时在你的根目录下就会出现一个名为model.h5的文件
- 再在bash中使用
tensorflowjs_converter --input_format keras model.h5 tfjs_target
这样就会在根目录下得到一个名为tfjs_target的文件夹,这就是tensorflow.js的layer格式,文件夹中包含一个.json文件和一组二进制格式的权重文件分片,到此就可以尽情地在JS中实现这个模型的功能啦!
!!!?1⃣️一下,目前只能把keras模型进行如上操作,因为tensorflow.js目前只支持keras模型。
第一次写,随个笔,突然想到这个了,就写了,当时是花了2天时间才弄明白呢,溜了,赶工去喽。