TensorFlow.js 微信小程式外掛開始支援模型快取的方法
通常情況下，微信小程式追求的是短小精悍，即開即用，用完即走，適用於一些簡單的應用場景。然而，隨著微信小程式開放能力的提高，人們發現用微信小程式可以實現越來越多的功能，小程式也越來越複雜，越來越龐大起來。這個可以從小程式的大小限制的變化看出，最開始小程式的大小限制為1M，後來限制為2M，最新微信又給小程式提供了分包載入機制，開發者將小程式劃分成不同的子包，使用者在使用時按需進行載入，所有分包大小限制提高到8M。
雖然小程式的大小限制已經大大提升，但對於小程式開發者而言，仍然捉襟見肘。隨便幾個圖片資源、js庫就可能導致小程式超重，尤其對於人工智慧小程式而言，更是如此。現在的深度學習模型，動輒幾十M，多則一兩百M。這個時候開發人員就需要進行取捨，選擇那些模型規模小，但精度不那麼高的模型。比如圖片分類，我們就不要選擇Inception V3或ResNet之類的超大規模模型，而是選擇針對移動裝置優化的MobileNet，也能取得不錯的效果。
不過即使是MobileNet，其模型大小也有好幾M，對於精簡小程式大小仍是一個很大的負擔。一種解決方案是從網路載入模型，不增加小程式的體積，但這並不是一個完美的解決方案，畢竟每次推導都需要從網路下載模型，會有一定的網路延遲。在前端開發中，為了保持系統的流暢，通常會採用一些快取技巧來避免每次從網路載入圖片、JS等檔案。那能否將模型也作為資源快取起來呢？
Google團隊顯然也意識到了這種需求，先是在TensorFlow.js中增加了對tfjs模型快取的支援。最近，TensorFlow.js 微信小程式外掛也得到了更新，支援微信小程式模型快取。
模型快取利用了微信小程式的storage介面，需要注意微信小程式對storage的限制：同一個微信使用者，同一個小程式 storage 上限為 10MB。storage 以使用者維度隔離，同一臺裝置上，A 使用者無法讀取到 B 使用者的資料；不同小程式之間也無法互相讀寫資料。所以我們只能選用小於10M的模型。
啟用模型快取也非常簡單，步驟如下：
修改app.json檔案，將tfjsPlugin的版本修改為0.0.8.
"plugins": {
"tfjsPlugin": {
"version": "0.0.8","provider": "wx6afed118d9e81df9"
}
}
在app.js中提供localStorageHandler函式.
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},...
});
在模型載入時加入localStorageHandler邏輯。
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);
}
}
和瀏覽器快取機制有點不同的是，只有在程式碼包被清理的時候本地快取才會被清理。如果需要處理快取，可以通過 wx.setStorage/wx.setStorageSync、wx.getStorage/wx.getStorageSync、wx.clearStorage/wx.clearStorageSync，wx.removeStorage/wx.removeStorageSync 對本地快取進行讀寫和清理。
另外需要注意的是，當前tfjs模型託管在tfhub上，需要翻牆訪問。專案中的說明檔案也提及了這個問題，給出瞭解決方案，但那是針對以前託管在谷歌雲上的模型，建立了中國國內使用者可以訪問到的映象。耐心等待吧，相信Google的開發人員會解決tfhub的映象問題的。
以上就是TensorFlow.js 微信小程式外掛開始支援模型快取的方法的詳細內容，更多關於TensorFlow小程式支援模型快取請關注我們其它相關文章！