当微信小程序遇上 TensorFlow：终章
source link: https://mp.weixin.qq.com/s/2aJOw3Vxqq_zRekaiPaqiA?amp%3Butm_medium=referral
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
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：
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。
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 https://github.com/mogoweb/AIDog, 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。
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK