快应用可以实现做人脸识别吗？

daz

我用npm装了tensorflow.js ,加载模型遇到问题 1. tensorflow.js 无法发出网络请求。应该是因为快应用的环境和浏览器环境不同，网络请求方式不同。 2. 我尝试把模型下载到本地。。。tensorflow.js 可以通过 File对象创建模型，但是快应用没有 File和Blob对象(头疼 人脸识别除了用tensorflow.js还有其它方案吗？(本地做人脸检测 或者tensorflow.js应该怎么做才能在快应用上加载模型并运行？

daz

初步可以加载模型了。 下面是适配相关的额外代码。 1. 自己写一个新的platform , 后面的encode,和decode是乱写的，主要是fetch方法。（如果有问题，我明天再更新下

1. const platform = {
2. /**
3. * Makes an HTTP request.
4. * @param path The URL path to make a request to
5. * @param init The request init. See init here:
6. * https://developer.mozilla.org/en-US/docs/Web/API/Request/Request
7. */
8. fetch: function (path, requestInits) {
9. console.log('发起请求')
10. return new Promise((resolve,reject)=>{
11. fetch.fetch({url:path,}).then((res)=>{
12. var ret_res = {
13. status:res.data.code,
14. body: res.data.data,
15. bodyUsed: false,
16. ok: true,
17. redirected: false,
18. statusText: "OK",
19. type: "basic",
20. json:()=>{console.log('调用json方法');return JSON.parse(ret_res.body)},
21. arrayBuffer:async ()=>{
22. console.log('调用arraybuffer方法');
23. const arrbuf = await file.readArrayBuffer({
24. uri:ret_res.body})
25. return arrbuf.data.buffer
26. }
27. }
28. console.log(ret_res)
29. resolve(ret_res)
30. })
31. })
32. },
33. /**
34. * Returns the current high-resolution time in milliseconds relative to an
35. * arbitrary time in the past. It works across different platforms (node.js,
36. * browsers).
37. */
38. now: () => { return new Date().getTime() },
39. /**
40. * Encode the provided string into an array of bytes using the provided
41. * encoding.
42. */
43. encode: (text, encoding) => {
44. return null
45. },
46. /** Decode the provided bytes into a string using the provided encoding. */
47. decode: (bytes, encoding) => {
48. return String.fromCharCode(bytes)
49. }
50. }

复制代码

2. 设置平台

1. tf.setPlatform('fastapp', platform)

复制代码

3. 之后就可以愉快的用url加载模型了。具体相关的内容可以到官网看 （没搜到相关资料，官网上完全没讲这块，自己乱翻源码。。。真的痛苦

管理员

好厉害呀