欢迎使用我的图像分类应用程序
构建此Web应用程序有两个主要组件：
图像分类模型：
我使用TensorFlow的Keras API与MobileNets一起使用-MobileNets是一类轻型深度卷积神经网络，与许多其他流行模型相比，其体积小得多且性能更快。
用户界面的Web应用程序：
我使用Flask（使用Python编写的Web框架）构建了此Web应用。
2022-02-24 22:20:22
921KB
1
该示例旨在说明如何对经过训练的模型进行客户端预测
原因
想象一下，您创建了一个模型，该模型可以完成很多工作并为人们提供帮助。 您将此模型放在网络上，每天使用大约1000个查询，数量不多。 简单的服务器可以处理它，但是有一天，这种模型被公众发现，并且您每天开始收到10万条查询，同一台服务器可能会死掉。 因此，现在您可以扩展服务器并添加越来越多的内存，也可以尝试将预测重写到客户端。 如果您选择第二个选项，则这里有适合您的教程。
组件
后端：Flask（我知道TFJS现在支持node，但是为了进行适当的预处理，它在python中）
预处理：cv2，numpy，您想要的任何python库
前端：tensorflowjs（我在cdn的头中有一个脚本，是为python开发人员设计的，目的是不下载模块）
模型
您可以下载我的模型或训练新模型。 不要忘记将其转换为适用于TFJS的格式。
用法
只需运行ap
2022-02-23 17:03:32
23.04MB
1
jdk1.7 jetty9.2.13 maven3.3.3 很基础的例子，来自官网，写成了DEMO,更加方便学习。包括jetty作为Http 服务器和 Web 容器的基础实现。
2022-02-16 14:46:17
35KB
1
webapp-builder-demos
使用ArcGIS WebApp Builder进行演示
2022-01-20 17:42:37
5.46MB
1