使用 Colab 在 tf.keras 中训练模型，并使用 TensorFlow.js 在浏览器中运行

文 / Zaid Alyafeai

我们将创建一个简单的工具来识别图纸并输出当前图纸的名称。 此应用程序将直接在浏览器上运行，无需任何安装。我们会使用 Google Colab 来训练模型，并使用 TensorFlow.js 在浏览器上部署它。

【想获取 TensorFlow js. 视频教程，请前往 Bilibili，TensorFlow 渠道查看：https://www.bilibili.com/video/BV1D54y1p7PQ】

代码和演示 

在 GitHub 上找到现场演示和代码。 另外，请务必在此处测试 Google Colab 上的 notebook。

注：此处链接

https://colab.research.google.com/github/zaidalyafeai/zaidalyafeai.github.io/blob/master/sketcher/Sketcher.ipynb

数据集

我们将使用 CNN 识别不同类型的图样。 CNN 将在 Quick Draw 数据集上进行训练。 该数据集包含大约 345 个类别 5000 万个图样。

类的子集

传递途径

我们将使用 Keras 在 Google Colab 的 GPU 上免费训练模型，然后使用 TensorFlow.js（tfjs）直接在浏览器上运行。 我在 TensorFlow.js 上制作了一个教程，烦请阅读之后再继续。 这是该项目的传递途径：

在 Colab 上培训 

Google 在 GPU 上提供免费处理能力。 您可以在本教程中看到如何创建笔记本和激活 GPU 编程。

输入

我们将基于 tensorflow 使用 keras 

1    import os    

2    import glob    

3    import numpy as np    

4    from tensorflow.keras import layers    

5    from tensorflow import keras    

6    import tensorflow as tf    

加载数据

由于内存有限，我们不会对所有类别进行训练。 我们只使用 100 个数据集。 每个类别的数据在 Google Cloud 上可用作形状为 [N，784] 的 numpy 数组，其中 N 是该特定类的图像数。 我们首先下载数据集

1    import urllib.request    

2    def download():    

3

4        base = 'https://storage.googleapis.com/quickdraw_dataset/full/numpy_bitmap/'    

5        for c in classes:    

6            cls_ur