简介
本项目将指导你完成在 Flask 网络应用程序中使用 TensorFlow.js 部署预训练的 MobileNetV2 模型的过程。MobileNetV2 是一个轻量级深度神经网络,主要用于图像分类。TensorFlow.js 能够直接在浏览器中运行机器学习模型,从而实现交互式网络应用程序。Python 网络框架 Flask 将作为后端来托管我们的应用程序。在本项目结束时,你将拥有一个能够使用 MobileNetV2 模型即时对图像进行分类的运行中的网络应用程序。
👀 预览
🎯 任务
在本项目中,你将学习:
- 如何将预训练的 MobileNetV2 模型从 Keras 导出为与 TensorFlow.js 兼容的格式。
- 如何创建一个简单的 Flask 应用程序来提供网页内容和模型。
- 如何设计一个 HTML 页面来上传和显示用于分类的图像。
- 如何使用 TensorFlow.js 在浏览器中加载导出的模型。
- 如何在浏览器中预处理图像以匹配 MobileNetV2 的输入要求。
- 如何在浏览器中运行模型以对图像进行分类并显示结果。
🏆 成果
完成本项目后,你将能够:
- 将预训练的 Keras 模型转换为可与 TensorFlow.js 一起使用的格式,使机器学习模型能够在浏览器中运行。
- 设置一个 Flask 应用程序并提供 HTML 内容和静态文件。
- 将 TensorFlow.js 集成到网络应用程序中以在客户端执行机器学习任务。
- 在 JavaScript 中预处理图像以使其与深度学习模型的输入要求兼容。
- 使用浏览器中的深度学习模型进行预测并在网页上动态显示结果。