ts实用工具

gulpfile.js

@@ -2,7 +2,8 @@ const gulp = require('gulp'),
   htmlmin = require('gulp-htmlmin'),   // html压缩组件
   htmlclean = require('gulp-htmlclean'), // html清理组件
   plumber = require('gulp-plumber'),  // 容错组件（发生错误不跳出任务，并报出错误内容）
-  Hexo = require('hexo')
+  Hexo = require('hexo'),
+  log = require('fancy-log') // gulp的日志输出
 
 // 程序执行的传参
 const argv = require('optimist')
@@ -55,7 +56,7 @@ gulp.task('compressHtml', () => {
 gulp.task('syncImages', () => {
   const listImages = require('./deploy_utils/list_images')
   if(!argv.accessKey || !argv.accessSecret) {
-    return Promise.resolve('未获得accessKey以及accessSecret, 跳过图片同步').then(console.log)
+    return Promise.resolve('未获得accessKey以及accessSecret, 跳过图片同步').then(log)
   }
   // 同步当前本地存在的所有图片
   const rootPath = `${process.cwd()}/`.replace(/\\/g, '/')
@@ -76,7 +77,7 @@ gulp.task('syncImages', () => {
 
 gulp.task('deploy', () => {
   if(!argv.deployPath) {
-    return Promise.resolve('未获得deployPath, 跳过发布').then(console.log)
+    return Promise.resolve('未获得deployPath, 跳过发布').then(log)
   }
   const deploy = require('./deploy_utils/deploy')
   return deploy.exec('./public', argv.deployPath, false)

source/_posts/前端杂烩/TypeScript实用工具类型.md

@@ -0,0 +1,97 @@
+---
+title: TypeScript实用工具类型
+date: 2021-05-11 15:22:09
+tags: 
+  - TypeScript
+categories: 
+  - 前端杂烩
+---
+
+TypeScript当中有一些内置的类型，适用于编译过程
+
+<!-- more -->
+### Partial\<Type\>
+将Type的所有属性都设置为可选的，表示输入类型的所有子类型
+```typescript
+interface Person {
+  name: string
+  code: number
+}
+
+function show1(person: Partial<Person>) {
+  console.log(person)
+}
+
+function show2(person: Person) {
+  console.log(person)
+}
+
+show1({name: 'sookie'})
+show2({name: 'sookie'}) // ERROR: Argument of type '{ name: string; }' is not assignable to parameter of type 'Person'.
+```
+
+### Readonly\<Type\>
+将Type的所有属性都设置为`readonly`
+
+```typescript
+interface Person {
+  name: string
+  code: number
+}
+
+const person: Readonly<Person> = {
+  name: 'sookie',
+  code: 1
+}
+
+person.code = 2 // ERROR: Cannot assign to 'code' because it is a read-only property.
+```
+
+### Record\<Keys, Type\>
+用来将某个类型的属性映射到另一个类型上
+```typescript
+interface PageInfo {
+  title: string
+}
+// 必须满足 string | number | symbol
+type Page = 'home' | 'about' | 'contact'
+
+const item: Record<Page, PageInfo> = {
+  about: { title: 'about' },
+  contact: { title: 'contact' },
+  home: { title: 'home' },
+}
+```
+
+### Pick\<Type, Keys\>
+从类型Type中挑选部分属性Keys来构造类型
+```typescript
+interface Person {
+  name: string
+  age: number
+  remark: string
+}
+// 这里的第二个泛型值必须是属于 keyof Person
+type PersonPick = Pick<Person, 'name' | 'age'>
+
+const p: PersonPick = {
+  name: 'sookie',
+  age: 10
+}
+```
+
+### Omit\<Type, Keys\>
+与Pick用法类似，作用是相反的，用于从中剔除若干个key
+```typescript
+interface Person {
+  name: string
+  age: number
+  remark: string
+}
+type PersonOmit = Omit<Person, 'remark' >
+
+const p: PersonOmit = {
+  name: 'sookie',
+  age: 10
+}
+```

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