ts实用工具

source/_posts/算法/TensorFlow.js初见(2).md

@@ -0,0 +1,74 @@
+---
+title: TensorFlow.js初见(2)
+date: 2021-04-27 17:13:57
+tags: 
+  - TensorFlow
+  - 机器学习
+categories: 
+  - 算法
+---
+
+模型训练好之后，就可以使用该模型进行预测了
+代码依然是nodejs环境的运行方式
+
+<!-- more -->
+
+```typescript
+import * as tf from '@tensorflow/tfjs-node'
+import * as fs from 'fs'
+
+(async function(){
+  // 加载之前训练好的模型
+  const model = await tf.loadLayersModel('http://localhost:8080/model.json')
+  // 打印模型的摘要信息
+  model.summary()
+
+  const imgBuffer = fs.readFileSync(`${process.cwd()}/resource/test/可回收物-帆布鞋.jpg`)
+  // 对图片数据的处理方式和训练的过程一样
+  const x = img2x(imgBuffer)
+  // 执行预测
+  const pred = <tf.Tensor>model.predict(x)
+  pred.print()
+  console.log(pred.arraySync()[0])
+})()
+
+/**
+ * 图片数据处理
+ * @param buffer 图片数据Buffer
+ * @returns 
+ */
+ const img2x = (buffer: Buffer) => {
+  // tf.tidy 执行后就会清除所有的中间张量，并释放它们的GPU内存(相当于优化运行过程, 这一层包装也可以不要)
+  return tf.tidy(() => {
+    // 图片格式转换
+    const imgTs = tf.node.decodeImage(new Uint8Array(buffer))
+    // 图片尺寸转换
+    const imgTsResized = tf.image.resizeBilinear(imgTs, [224, 224])
+    // 将像素值归一化到[-1, 1]
+    /**
+     * 图片像素值是[0, 255]
+     * 先减去 255 / 2, 此时区间是[-127.5, 127.5]
+     * 再除以 255 / 2, 此时区间是[-1, 1]
+     * reshape进行模型转换
+     * 224,224代表尺寸 3代表RGB图片 1代表把图片放在数字1(拓展一维)
+     */
+    return imgTsResized.toFloat().sub(255 / 2).div(255 / 2).reshape([1, 224, 224, 3])
+  })
+}
+```
+这里在本地使用`http-server`启动了一个HTTP服务，方便加载模型
+上面代码最后输出的执行结果是
+```
+[
+  0.03434975817799568,
+  0.001036567147821188,
+  0.9645556211471558,
+  0.00005802588930237107
+]
+```
+与4种类型相对应
+```
+["其他垃圾","厨余垃圾","可回收物","有害垃圾"]
+```
+显然与可回收物的匹配度较高，其他几种的匹配度较低
+> 实际预测的结果与模型的设定以及训练的素材数量相关