DDR爱好者之家

TensorFlow.js 微信小程序插件开始支持模型缓存的方法
站长资源 2024/11/24 佚名
71 1538
DDR爱好者之家 Design By 杰米

通常情况下，微信小程序追求的是短小精悍，即开即用，用完即走，适用于一些简单的应用场景。然而，随着微信小程序开放能力的提高，人们发现用微信小程序可以实现越来越多的功能，小程序也越来越复杂，越来越庞大起来。这个可以从小程序的大小限制的变化看出，最开始小程序的大小限制为1M，后来限制为2M，最新微信又给小程序提供了分包加载机制，开发者将小程序划分成不同的子包，用户在使用时按需进行加载，所有分包大小限制提高到8M。

虽然小程序的大小限制已经大大提升，但对于小程序开发者而言，仍然捉襟见肘。随便几个图片资源、js库就可能导致小程序超重，尤其对于人工智能小程序而言，更是如此。现在的深度学习模型，动辄几十M，多则一两百M。这个时候开发人员就需要进行取舍，选择那些模型规模小，但精度不那么高的模型。比如图片分类，我们就不要选择Inception V3或ResNet之类的超大规模模型，而是选择针对移动设备优化的MobileNet，也能取得不错的效果。

不过即使是MobileNet，其模型大小也有好几M，对于精简小程序大小仍是一个很大的负担。一种解决方案是从网络加载模型，不增加小程序的体积，但这并不是一个完美的解决方案，毕竟每次推导都需要从网络下载模型，会有一定的网络延迟。在前端开发中，为了保持系统的流畅，通常会采用一些缓存技巧来避免每次从网络加载图片、JS等文件。那能否将模型也作为资源缓存起来呢？

Google团队显然也意识到了这种需求，先是在TensorFlow.js中增加了对tfjs模型缓存的支持。最近，TensorFlow.js 微信小程序插件也得到了更新，支持微信小程序模型缓存。

模型缓存利用了微信小程序的storage接口，需要注意微信小程序对storage的限制：同一个微信用户，同一个小程序 storage 上限为 10MB。storage 以用户维度隔离，同一台设备上，A 用户无法读取到 B 用户的数据；不同小程序之间也无法互相读写数据。所以我们只能选用小于10M的模型。

启用模型缓存也非常简单，步骤如下：

修改app.json文件，将tfjsPlugin的版本修改为0.0.8.

"plugins": {
 "tfjsPlugin": {
  "version": "0.0.8",
  "provider": "wx6afed118d9e81df9"
 }
}

在app.js中提供localStorageHandler函数.

var fetchWechat = require('fetch-wechat');
var tf = require('@tensorflow/tfjs-core');
var plugin = requirePlugin('tfjsPlugin');
//app.js
App({
 // expose localStorage handler
 globalData: {localStorageIO: plugin.localStorageIO},
 ...
});

在模型加载时加入localStorageHandler逻辑。

const LOCAL_STORAGE_KEY = 'mobilenet_model';
export class MobileNet {
 private model: tfc.GraphModel;
 constructor() { }
 
 
 async load() {
 
 
  const localStorageHandler = getApp().globalData.localStorageIO(LOCAL_STORAGE_KEY);
  try {
   this.model = await tfc.loadGraphModel(localStorageHandler);
  } catch (e) {
   this.model =
    await tfc.loadGraphModel(MODEL_URL);
   this.model.save(localStorageHandler);
  }
 }

和浏览器缓存机制有点不同的是，只有在代码包被清理的时候本地缓存才会被清理。如果需要处理缓存，可以通过 wx.setStorage/wx.setStorageSync、wx.getStorage/wx.getStorageSync、wx.clearStorage/wx.clearStorageSync，wx.removeStorage/wx.removeStorageSync 对本地缓存进行读写和清理。

另外需要注意的是，当前tfjs模型托管在tfhub上，需要翻墙访问。项目中的说明文件也提及了这个问题，给出了解决方案，但那是针对以前托管在谷歌云上的模型，建立了中国国内用户可以访问到的镜像。耐心等待吧，相信Google的开发人员会解决tfhub的镜像问题的。

以上就是TensorFlow.js 微信小程序插件开始支持模型缓存的方法的详细内容，更多关于TensorFlow小程序支持模型缓存请关注其它相关文章！

DDR爱好者之家 Design By 杰米
广告合作：本站广告合作请联系QQ：858582 申请时备注：广告合作（否则不回）
免责声明：本站资源来自互联网收集,仅供用于学习和交流,请遵循相关法律法规,本站一切资源不代表本站立场,如有侵权、后门、不妥请联系本站删除！
DDR爱好者之家 Design By 杰米
ddrfans.com DDR爱好者之家
8,675无损音乐
1,324高清电影
213破解软件
70,141收录资讯

《魔兽世界》大逃杀！60人新游玩模式《强袭风暴》3月21日上线

暴雪近日发布了《魔兽世界》10.2.6 更新内容，新游玩模式《强袭风暴》即将于3月21 日在亚服上线，届时玩家将前往阿拉希高地展开一场 60 人大逃杀对战。

艾泽拉斯的冒险者已经征服了艾泽拉斯的大地及遥远的彼岸。他们在对抗世界上最致命的敌人时展现出过人的手腕，并且成功阻止终结宇宙等级的威胁。当他们在为即将于《魔兽世界》资料片《地心之战》中来袭的萨拉塔斯势力做战斗准备时，他们还需要在熟悉的阿拉希高地面对一个全新的敌人──那就是彼此。在《巨龙崛起》10.2.6 更新的《强袭风暴》中，玩家将会进入一个全新的海盗主题大逃杀式限时活动，其中包含极高的风险和史诗级的奖励。

《强袭风暴》不是普通的战场，作为一个独立于主游戏之外的活动，玩家可以用大逃杀的风格来体验《魔兽世界》，不分职业、不分装备（除了你在赛局中捡到的），光是技巧和战略的强弱之分就能决定出谁才是能坚持到最后的赢家。本次活动将会开放单人和双人模式，玩家在加入海盗主题的预赛大厅区域前，可以从强袭风暴角色画面新增好友。游玩游戏将可以累计名望轨迹，《巨龙崛起》和《魔兽世界：巫妖王之怒 经典版》的玩家都可以获得奖励。

更新日志

友情链接

杰晶网络 DDR爱好者之家 南强小屋 黑松山资源网 白云城资源网
DDR爱好者之家 Design By 杰米