当微信小程序遇上TensorFlow - tensorflow.js篇

在上一篇推送《重磅好消息！TensorFlow开始支持微信小程序》中，介绍了TensorFlow开始支持微信小程序平台，并计划将我之前开发的人工智能微信小程序识狗君使用tensorflow js改写。

这个端午节，趁着放假，空余时间比较多，开始研究微信小程序中如何使用tensorflow.js。

在写下上一篇推送后，我简单尝试过在微信小程序中使用tensorflow.js，发现直接使用还是存在一点问题，所以本次的目标是走通简单的流程：加载预训练模型mobilenet，可以用来识别图片所属分类。

示例代码位于: https://github.com/mogoweb/aidog  

请切换到tfjs分支。

运行起来，效果是这样的：

嗯，示例是简单了一点，但所有使用tensorflow js的关键步骤都包括。

下面就简要描述一下我所遇到的坑及解决之道：

loadLayersModel无法加载模型

使用tfjs定义模型，训练模型并进行预测都没问题，但是使用 loadLayersModel 加载预训练模型，却出现如下错误：

为什么会出现这个问题呢，原来tfjs-core为了可移植性，平台相关的操作，由各平台自行实现。从网络上获取数据就是这样的平台相关操作，浏览器、Node各有自己的实现方法。浏览器的实现依赖于fetch API，而微信小程序上，非常遗憾的看到了一条更新日志：

微信小程序中，网络请求可以通过 wx.request 实现，问题是如何实现全局的fetch函数呢？这可难倒了我。在网上搜索的时候，发现了一个项目：

https://github.com/HunterXuan/wx-tfjs-core.git

原来这哥们早就研究过将tfjs移植倒微信小程序平台，写了几篇博客，值得看一看。参考了他的修改，我也完成了tfjs-core的改造，参考我在GitHub上建的项目:

https://github.com/mogoweb/wechat-tfjs-core.git

我的修改有点不同，新定义了PlatformMP，主要是考虑到微信小程序和普通浏览器还有一些差异，以后存在差异的代码都放到PlatformMP里面实现。

是不是还有更好的方法，比如不需要修改tfjs的代码，在微信小程序里面实现全局fetch函数？我不太确定，希望前端高手指点。

预训练模型被墙

由于一些众所周知的原因，访问Google的服务总是不顺畅。我长期挂VPN，这倒不是问题。关键是，如果在微信小程序中访问Google，这就有些麻烦，不可能期望用户能够个个玩转VPN。

幸运的是，tfjs上有一个issue：Model accessibility issues in China #1375 。里面给出了临时解决方案，我们可以通过镜像：https://cnpmjs.org/mirrors/tfjs-models/ 获取模型。

这个镜像能够存在多久还是个未知数，可能最靠谱的还是将模型同步下来，自己存储。这种方式还没有来得及研究，有时间再看看。

获取图像数据

在tfjs-examples中，是通过：tf.browser.fromPixels 接口获取图像数据，但在微信小程序中却行不通，因为微信小程序平台中移除掉了document对象。好在以前在开发识狗君微信小程序识研究过通过wx canvas获取图像数据，具体实现请参考源码。

有一点需要注意，通过canvas获取到的图像数据是RGBA格式，而mobilenet模型接收的却是RGB，为此我写了一个转换函数：

// RGBA to RGB
var rgbData = new Uint8Array(res.width * res.height * 3);
let idx = 0;
for (let i = 0; i < res.data.length; i +=4) {
  rgbData[idx] = res.data[i];
  rgbData[idx + 1] = res.data[i + 1];
  rgbData[idx + 2] = res.data[i + 2];
  idx += 3;
}

感觉这个函数实现得效率有些低，是否有更好的方法，还请高手指教。

async / await

作为一名浏览器内核开发人员，平常也接触一些js代码，但前端发展实在太迅猛了，好些新式的js代码已经完全看不懂。比如在tfjs-examples代码中，就有许多async / await等用法，模块导出也有好几种方式，Promise又是什么鬼？搞的我头晕脑胀，多亏了知识搜索能力还不错，遇到问题就Google，每次都能逢凶化吉。

要在微信小程序中使用async / await，需要打开项目配置的增强编译开关：

待完善问题

1. 模型每次都需要从网络加载，需要研究如何利用微信小程序的storage，这样模型可以缓存到本地，避免每次从网络加载。由于微信小程序包有大小限制，所以将模型打包到小程序不可能。

2. 将自己的模型转化为tfjs模型，并在微信小程序中使用。

3. 不修改tfjs-core，将平台相关代码放到微信小程序中实现。

你还可以看：

当微信小程序遇上TensorFlow：Server端实现

当微信小程序遇上TensorFlow：Server端实现补充

当微信小程序遇上TensorFlow：小程序实现

当微信小程序遇上TensorFlow：接收base64编码图像数据

当微信小程序遇上TensorFlow：终章

识狗君微信小程序的部署