当微信小程序遇上TensorFlow(终章)

这是当微信小程序遇上TensorFlow系列文章的第五篇文章,也是最后一篇文章,将总结一下微信小程序识狗君的开发过程。如果你想要了解更多关于本项目,可以参考这个系列的前四篇文章:

  1. 当微信小程序遇上TensorFlow:Server端实现
  2. 当微信小程序遇上TensorFlow:Server端实现补充
  3. 当微信小程序遇上TensorFlow:小程序实现
  4. 当微信小程序遇上TensorFlow:接收base64编码图像数据
今天,微信公众平台发来消息,我提交的微信小程序识狗君通过审核。至此,本项目的开发暂时告一段落。做这个小项目的初衷是为了练手,毕竟纸上得来终觉浅。

【当微信小程序遇上TensorFlow(终章)】
微信小程序是现学现做的,虽然只是非常简单的用户界面,但对于一个没有前端开发经验的人来说,碰到的问题还不少,感谢互联网,遇到问题总能在网上找到答案。
服务器选择的阿里云服务,开始选择的是最便宜的主机配置,在跑复杂一点的模型时会异常退出,不得不把内存升级到2GB。我对服务端的编程以及部署都不太熟悉,感谢github上的simple_tensorflow_serving开源项目,让我解决了服务端部署的大难题。为了让这个开源项目支持HTTPS,向原作者发起了一个PR,作者接受了这个commit,算是对开源世界做出了一点微薄的贡献。
本项目采用的深度学习技术,外行看起来很高深,其实是属于基础入门的知识。每个机器学习或者Tensorflow的书,基本上围着几个示例转,而图片分类是必然入选的例子之一。照着书本敲一遍代码,和实际做一个小程序,还是会有所不同,你总会碰到一些意想不到的问题。在解决这些问题的时候,也是能力提升的过程。
本项目的所有源码均位于 github.com/mogoweb/AID…, 如果你有什么好的想法,欢迎PR。
这一段时间除了捣鼓这个小程序,还在看一本名为《GAN:实战生成对抗网络》的书,想了解如何通过人工智能生成逼真的图像吗?敬请关注后续的实战生成对抗网络系列文章。


    推荐阅读