wx-tfjs-demo

微信小程序运行 TensorFlow 的 Demo，代码与小程序「AI Pocket」不定期同步更新。

如何运行

运行环境要求

推荐系统：MacOS

NodeJS：v18.x.x

微信基础库版本：>= 2.29.0

微信开发者工具：>= v1.06.2210310

微信开发者工具的项目配置：

• 勾选「ES6 转 ES5」
• 勾选「增强编译」
• 测试时请勾选「不校验合法域名……」

使用方式

1. 克隆代码到本地
2. 修改 project.config.json 中的 appid 配置
3. npm i 安装依赖（有时可能需要使用 npm i --force）
4. npm run build 编译依赖
5. 手机扫描开发者工具的预览码

Story

早期实现方式

改造 tfjs-core，使 TensorFlow.js 可以运行在小程序中。小程序调用摄像头成像，将图片显示在 canvas 上，通过小程序的 API 可以获取到 canvas 的「类 ImageData」数据，再调用 tfjs 的 API 实现预测。

对实现的坎坷经历感兴趣的，可以看看博文 tfjs 移植到微信小程序 和 TensorFlowJS 移植再次尝试。

目前实现方式

由于 tfjs 已经优雅地实现对多平台的支持，具体表现为可以扩展 platform 实现「移植」，而且微信小程序也开放了更多有利的 API，目前不再采用侵入式地魔改 tfjs 的方式，而是借助 tfjs 的微信插件来提供模型的加载、训练、预测等功能。

尽管相比以前方便多了，但是由于小程序的 onCameraFrame 获取到的帧数据与所展示的不一致，而且是在不同的设备上（甚至相同设备的前后摄像头）对原始帧数据的处理方式都不一样，要想得到准确的预测结果，真叫人头大。

目前，我已经摸索出一套帧数据裁切方式，而且简单测试了下，效果不错。如果有照顾不到的机型，欢迎提 Issues & PR。

现在小程序的帧数据裁切方式在不同平台已经趋于一致。

小程序 Demo

小程序改名「AI Pocket」了，感觉还是挺有意义的，所以我打算认真做好这个小程序了。附上小程序二维码，欢迎大家体验 & 提出改进意见！

合作与交流

合作

本人在前后端开发、Docker & Swarm、持续部署、人工智能 NLP 领域都有所积累，能够快速提供成套的解决方案，如果有机会，欢迎通过各种联系方式咨询合作事宜。

另外，本项目代码开源，欢迎各位感兴趣的同学一起添砖加瓦。当然，也不限制商用，但是请尊重他人的劳动成果，不要做一些「不厚道」的事。如果本项目对你有帮助，欢迎随意打赏。

交流

可以关注下我的 个人博客，或者个人微信公众号「猎人杂货铺」，会经常有一些技术分享 & 生活感悟，欢迎多多交流！

关注公众号，留言获取「AI Pocket 交流群」的二维码，方便交流！~