当微信小程序遇上TensorFlow - 官方文档
前一段时间为了在微信小程序中使用tensorflow.js，对tfjs-core代码做了一些修改，具体情况请参考我之前写的几篇文档：
后来，我厚着脸皮向tensorflow/tfjs-core项目提交了一个PR，不出意外，这个提交被拒了。当然谷歌的开发人员还是比较友好，给了我一个文档链接：
https://mp.weixin.qq.com/wxopen/plugindevdoc?appid=wx6afed118d9e81df9
原来google有一份这样的开发指导文档，而且还是中文的，为啥没在tfjs的文档中列出？循着这份文档，我还找到了tensorflow项目组的tfjs微信小程序示例：
https://github.com/tensorflow/tfjs-wechat/tree/master/demo/mobilenet
这个项目说明也是中文的，看来微信小程序虽然红红火火，但真的还是仅限于中文世界。
就如同我所预想的，按照这个文档，一定不会那么顺利，实际做下来，也确实印证了这一点，下面就谈谈几个要点：
- 官方是采用微信小程序插件来增加tensorflow js支持的，要在微信小程序中使用tfjs插件，不能使用测试号，需要在小程序管理后台的“设置-第三方服务-插件管理”中添加插件。具体方法为： 开发者可登录小程序管理后台，通过 appid [wx6afed118d9e81df9] 查找插件并添加。本插件无需申请，添加后可直接使用。
- 直接导入github.com/tensorflow/tfjs-wechat/tree/master/demo/mobilenet中的代码，到了 点击微信开发工具中的‘构建npm’菜单 这一步，总是提示： 没有找到可以构建的 npm 包
尝试了很多次，也上网寻求帮助，始终无法解决。后来还是决定自己新建一个项目，然后在项目根目录执行：
$ npm init在后续的提示里，一直按回车键，使用默认值：
This utility will walk you through creating a package.json file.
It only covers the most common items, and tries to guess sensible defaults.
See `npm help json` for definitive documentation on these fields
and exactly what they do.
Use `npm install <pkg>` afterwards to install a package and
save it as a dependency in the package.json file.
Press ^C at any time to quit.
package name: (wechat-tfjs-examples)
version: (1.0.0)
description:
entry point: (app.js)
test command:
git repository: (https://github.com/mogoweb/wechat-tfjs-examples)
keywords:
author:
license: (ISC)
About to write to D:\work\ai\wechat-tfjs-examples\package.json:
{
"name": "wechat-tfjs-examples",
"version": "1.0.0",
"description": "微信小程序中使用TensorFlow js的示例代码，pages下面每个目录一个示例。",
"main": "app.js",
"scripts": {
"test": "echo \"Error: no test specified\" && exit 1"
},
"repository": {
"type": "git",
"url": "git+https://github.com/mogoweb/wechat-tfjs-examples.git"
},
"author": "",
"license": "ISC",
"bugs": {
"url": "https://github.com/mogoweb/wechat-tfjs-examples/issues"
},
"homepage": "https://github.com/mogoweb/wechat-tfjs-examples#readme"
}
Is this OK? (yes)在项目下多了package.json文件，往该文件中添加：
"devDependencies": {
"miniprogram-api-typings": "^2.6.5-2"
},
"dependencies": {
"@tensorflow/tfjs-core": "1.2.2",
"@tensorflow/tfjs-converter": "1.2.2",
"@tensorflow/tfjs-layers": "1.2.2",
"fetch-wechat": "0.0.3"
}接着执行：
$ npm install再点击开发工具中的 构建npm ，就可以继续下去。这时可能会弹出提示：
未找到npm包入口文件忽略之。
3. TensorFlow.js有一个联合包 - @tensorflow/tfjs，包含了四个分npm包：
tfjs-core: 基础包 tfjs-converter: GraphModel 导入和执行包 tfjs-layers: LayersModel 创建，导入和执行包 tfjs-data：数据流工具包 对于小程序而言，由于有2M的app大小限制，不建议直接使用联合包，而是按照需求加载分包。
- 如果小程序只需要导入和运行GraphModel模型的的话，建议只加入tfjs-core和tfjs-converter包。这样可以尽量减少导入包的大小。
- 如果需要创建,导入或训练LayersModel模型，需要再加入 tfjs-layers包。
在我的示例代码中，使用到tfjs-core和tfjs-layers包，导入代码如下：
import * as tf from '@tensorflow/tfjs-layers';
import * as tfc from '@tensorflow/tfjs-core';小结
使用tensorflow的官方方法，可以跟上tfjs的最新进展，可以在第一时间上使用最新特性，推荐使用这种方法。但我之前的尝试也不是毫无价值，tfjs官方没有增加对模型本地缓存的支持，每次都需要从网络加载模型，当然不排除以后tfjs官方也会添加这样的特性。
我把调试好的tensorflow示例放在github上，请访问：
https://github.com/mogoweb/wechat-tfjs-examples
然后切换到 official 分支。
腾讯云开发者
