Введение
В этом проекте вы познакомитесь с процессом развертывания предварительно обученной модели MobileNetV2 с использованием TensorFlow.js в веб-приложении на Flask. MobileNetV2 - это легкая глубокая нейронная сеть, используемая в основном для классификации изображений. TensorFlow.js позволяет запускать модели машинного обучения непосредственно в браузере, что позволяет создавать интерактивные веб-приложения. Flask, веб-фреймворк на Python, будет用作后端 для размещения нашего приложения. В конце этого проекта у вас будет работающее веб-приложение, которое классифицирует изображения в режиме реального времени с использованием модели MobileNetV2.
👀 Предпросмотр
🎯 Задачи
В этом проекте вы научитесь:
- Экспортировать предварительно обученную модель MobileNetV2 из Keras в формат, совместимый с TensorFlow.js.
- Создавать простое веб-приложение на Flask для обслуживания веб-контента и модели.
- Разрабатывать HTML-страницу для загрузки и отображения изображений для классификации.
- Использовать TensorFlow.js для загрузки экспортированной модели в браузере.
- Предварительно обрабатывать изображения в браузере, чтобы соответствовать требованиям ввода MobileNetV2.
- Запускать модель в браузере для классификации изображений и отображения результатов.
🏆 Достижения
После завершения этого проекта вы сможете:
- Преобразовать предварительно обученную модель Keras в формат, который можно использовать с TensorFlow.js, что позволяет запускать модели машинного обучения в браузере.
- Установить веб-приложение Flask и обслуживать HTML-контент и статические файлы.
- Интегрировать TensorFlow.js в веб-приложение для выполнения задач машинного обучения на стороне клиента.
- Предварительно обрабатывать изображения на JavaScript, чтобы они соответствовали требованиям ввода глубоких нейронных моделей.
- Получать предсказания с использованием глубокой нейронной модели в браузере и динамически отображать результаты на веб-странице.
