网站制作熊猫建站线上宣传渠道
ml5.js
ml5.js 提供了简单的接口来加载和使用机器学习模型，如图像分类、文本生成、姿态估计等，不需要深入理解底层的数学原理或复杂的编程技巧
ml5.js 构建在 TensorFlow.js 之上，提供了一系列预训练模型和简易的 API 接口
图片识别
先进行一个简单的图片识别demo (这里我使用的是汽车图片)
- 首先创建一个index.html
- 引入必要的库
创建index.html
<!DOCTYPE html>
<html lang="en"><head><script src="https://cdnjs.cloudflare.com/ajax/libs/p5.js/1.11.1/p5.js"></script><script src="https://cdnjs.cloudflare.com/ajax/libs/p5.js/1.11.1/addons/p5.sound.min.js"></script><script src="https://unpkg.com/ml5@1/dist/ml5.min.js"></script><meta charset="utf-8" /></head><style>html,body {margin: 0;padding: 0;}canvas {display: block;}</style><body><main></main><script src="sketch.js"></script></body>
</html>创建sketch.js
// 图像分类器
let classifier
// 图像
let img
// 结果
let resultfunction setup() {// 创建幕布createCanvas(400, 400)// 图像分类器初始化完成后调用classify函数if (classifier) {classifier.classify(img, (res, error) => {if (error) {console.error(error)return}result = resconsole.log(res)})} else {console.error('图像分类器未初始化完成')}
}function draw() {// 绘制背景background(220)if (img) {image(img, 0, 0, width, height)}// 绘制结果if (result) {fill(255)stroke(0)textSize(18)label = 'Label: ' + result[0].labelconfidence = 'Confidence: ' + nf(result[0].confidence, 0, 2)text(label, 10, 360)text(confidence, 10, 380)}
}
function preload() {// 图像分类器初始化classifier = ml5.imageClassifier('MobileNet', function () {console.log('图像分类器初始化完成')})img = loadImage('https://picsum.photos/id/133/2742/1828')
}
function gotResult(res, error) {if (error) {console.error(error)return}result = resconsole.log(results)
}ml5官网