前端也能玩转机器学习？Google Brain 工程师来支招！
【CSDN 编者按】9 月 7 日，在CSDN主办的「AI ProCon 2019」上，Google Brain 工程师，TensorFlow.js 项目负责人俞玶发表《TensorFlow.js 遇到小程序》的主题演讲，分享 TensorFlow.js 的技术实现和与微信小程序相结合的落地实践。
详情如何？一起来看看。
以下为演讲内容：
首先想问问大家有多少人了解或听过 Tensorflow.js 的？
不多。
再提问一个问题：这里有哪些同学希望把机器学习（Machine Learning, ML）落地到小程序或者前端？
也不多。
没关系，希望以下的分享可以帮助大家了解它。
初识 Tensorflow.js
Tensorflow.js 的目的是为了帮助前端工程师，降低加强学习的门槛。另外，让大家充分地发挥自身创造性，把机器学习落地到前端各个应用里。
它本身是一个全方位平台，它不是调用服务端的简单平台，而是完全由JavaScript 实现的平台，它可以让你已有的模型从 Python 转换过来，在浏览器里执行。也可以通过转移学习或者加强学习的方式对已有模型进行再训练。另外，它更能允许你创建模型，如果大家熟悉 Tensorflow.js，它有对应的 API，你可以创建模型，可以通过 JavaScript 来训练，一般是在 Node.js 比较合适，所以我们也支持 Node.js。
为什么大家对这个东西并不了解？可能大家并不了解它的应用场景是什么，大家普遍关注在大数据等比较宏大的问题上。个人认为，有很多小的问题也可以用它来解决，比如酷炫的交互方式完全可以用它来实现。
Tensorflow.js 应用场景
Tensorflow.js 的应用场景有：
1、增强现实AR
比如抖音这些功能都是在端的实现，用 JavaScript 同样也可以实现。
2、基于手势或肢体的交互
现在我们的交互方式有手机用手指，网站用鼠标。通过它可以增加新的交互方式，比如用嘴型、眼神、手势。
3、语音识别
使用它后，可以把语音识别注入到网站里，还可以增加一些新的体验、新的交互方式，后面我会举一些例子。不管怎样，Web是一个以文字为主的环境，针对文字的模型在这个交互环境里是非常合适的，比如语义分析、智能会话，这些模型可以直接在 App 里执行。最后，可以通过分析，用设备本身的性能或者网络情况，来优化网页。
这些场景为什么用端上的机器学习来实现而不是用服务器呢？其优势是：
1、保护用户隐私
2、减少响应延迟，减少流量
它并不需要网络，如果网络不好或者本身流量有限制，可以帮助用户减少流量。
3、提高用户体验
有些功能无法做到实时的，可能 5G 将来有可能，但现在是做不到的。
4、降低服务器费用
通过把 ML 放到端上，减少了在服务端的依赖。如果开发者自己搭建服务的话，费用会很高，这可以减少服务器的费用。
Tensorflow.js 的目的就是为了简化这些问题，为前端工程师提供所有可以实现的这些功能，我们的目标是提供很多已有的模型给大家去用。而且这些模型是开源的，你可以随便用。
五大模型
Tensorflow.js 提供五类模型：图像分类、物体识别、姿态识别、语音命令识别、文字分类。直接用 NPM 安装，或者直接通过 JavaScript 也可以把它装上，放到网页里。
1、姿态识别
2、人物分割
它可以帮你做背景虚化，或者是人的各个部分的分类，比如头部、躯干、四肢。还可以做很多有意思的事情，且针对不同的设备有不同的精度。
3、高分辨率的面部跟踪
这是我们即将推出的一种模型叫 FaceMesh，大概有 400 个关键点在人的脸上，并且提供的是一个三维的人脸模型。
4、语音命令识别
我们曾经让一个渐冻症病人跟机器交互，用激光点按各个键，交互速度非常慢，渐冻症病人不能说话，但是他可以发出一些声音，他的声音是有不同意义的，我们通过这个模型对他们做了个性化的交互方式。让他们很容易地用不同的声音，比如说“我要有一个披萨”，它通过不停地训练来增加词汇量。
5、文字模型
在文字模型中，支持如语气分析、毒性语言检测、智能回复，我们希望给大家做一些好用的、能用的模型。
6、转移学习
在示例里，我的同事做了 3 个不一样的动作，通过截取视频的图片开始实时训练这个模型，训练速度非常快，大概是几毫秒、几十毫秒，现在他以非常高的精确度来识别 3 个不同的动作，一是招手，第二个是摇头，第三个是把手放在嘴旁边。
7、支持多平台
Tensorflow.js 支持多平台：无线端（微信小程序、React Native）、服务器端（Node.js）；台式机（Electron）、浏览器（谷歌浏览器、火狐浏览器、safari浏览器）。
下面给大家讲一个例子，在谷歌搜索引擎上，有一个它的Logo的图片，我们把这图片转成了一个游戏。这是为了纪念十八世纪的巴赫，他做出来的曲子非常有节奏。所以我们做了一个模型：玩家可以在一个声部编一个曲，最终通过机器模型形成了完整的四声部的协奏曲。
这个模型是 CoCoNet，玩家总在线时间 78 年，分享超过 5 千万创作，大概是最大用户生成的交响乐库了。它用到的技术是 Tensorflow.js 和谷歌的 TPU。
有些用户手机并不快，所以要到服务端，如果手机性能不错的话完全可以在手机上执行。还能节约 50% 服务器费用，因为充分运用用户的 GPU，可以想象，如果是一个很大的项目，可以节省的费用有多大的。
Tensorflow.js 遇见微信小程序
最近微信做了一个大学生小程序大赛，这是得奖同学做的一个手语识别项目。它首先能够手势识别，对一个手势能认知，并且得到它的含义。
下面是整体句子的识别，它在简单的 CNN 模型上实现了 RNN 的语义模型，这好像是花了一个星期做出来的。
下面看看小程序在美妆领域的应用，和 ModiFace 合作推出了阿曼尼的美妆小程序。这个小程序在端上做美妆的过程中遇到很多挑战：
1、不可能把用户的图片实时传到服务端进行实时跟踪，实时得到结果，必须在端上才能实现，至少要达到 10FPS 才能有连续的感觉。
2、微信对于插件的 JavaScript files 有 2MB 的限制，加载模型也有延时的问题。
3、模型是自主开发的，有他们特定的算子、特定的框架。另外，手机多样性也导致他们很难来满足这些需求。
他们在考虑模型框架和其他部分的结合方面做了很多选择和尝试，也看了不同的框架，最后选择 Tensorflow.js。
我们通过模型和框架的结合来以上问题得到解决：
优化结果：
1、ModiFace 虚拟试妆插件共 1.8MB，其中 JavaScript 文件是 983KB，Model Files 是 829KB。ModiFace 虚拟试妆插件运行速度为 25FPS。
模型运行时间是 30ms，渲染时间是 10ms。
其实并不是一定要在服务端才能实现这个 ML，现在通过这个平台，很多模型都可以在端上实行。
很多同学可能觉得这个不适合才上手 ML 的同学，但是我们把这些都简化出来了，大家可以想象，原来数据库也要有好多安装复杂的步骤，后来为什么都没了？因为工具给大家解决了大部分问题。
流程图
我现在给你一个流程图参考，看看能不能帮你少加几天班。
流程图是这样的，一般情况下有一个输入，输入可以来自很多小程序具有的 API，然后对于一个 ML 的执行环境来说，它必须把输入格式转化成 Tensor，转化成模型可以消费的模式，选择一个正确的模型或者创建一个模型，通过这个模型执行得到一个推理结果。
推理结果后期处理有时也是非常复杂的，因为模型本身不是给前端开发者用的，ML 工程师并不是很在乎前端用户怎么用，所以你还要做很多工作把这个结果解释出来。
因为 ML 只是一个模块，对于整个应用来说只是一部分，不能提供完整的解决方案，所以往往把输出结果给下一个模块去执行。
从这个流程图分析一下怎么解决做 AR 网站的问题：
1、预处理
抓取视频数据，然后把它们转化成模型可以用的结构。Tensorflow.js 提供数据API，支持 Camera、Audio、Image、CSV等。
2、模型选择
选择一个模型或者创造一个模型是很难的，因为需要实时识别人脸，实时的测人脸关键点，判断出人脸的朝向，知道他抬头/低头/朝左/朝右脸的朝向要有3D的判断。
于是我们推出 Facemesh，实时人脸关键点检测及跟踪模型，速度非常快，可以检测唇、眉毛、眼睛等，还可以做很多事情。
另外，后期处理也很复杂，即使给你一个三维的点，你也不知道摄像头在坐标系里在哪，如何把三维模型放到人脸的座标系里，这也不是那么简单，因为这跟摄像头的结构，是透视型摄像头还是平行摄像头有关系。最终还要渲染3D模型，这要求速度要够快。
Facemesh 的速度能做到 10ms 的推理速度，并且提供 3D 坐标转换的 API。
Three.js 超级高速 WebGL 渲染模型在小程序里也是可以跑的。
回到 AR 网站，现在是不是可以解决你的问题了？
通过数据 API 可以抓取数据，Tensorflow.js 平台运行速度非常快，Facemesh 3D 坐标转化API将带来非常简化的工作，最后把输出结果交给Three.js 去渲染。
代码举例：
这是一个加载模型，load 调用模型，输出的结果是非常易于理解的输出结果，而不是用 Tensor 给你显示的结果。
Tensorflow.js 技术架构
最后给大家分享下 Tensorflow.js 为什么速度这么快？
1、这是用JavaScript做，但是和 Tensorflow 兼容，提供三个不同层次的 API：先是模型，可以直接在模型上调用，开发者不用了解创建模型和加速模型。如果希望自己创建模型就用 Layers API。还有 Core API，这跟Tensorflow 的 CAPI 是一致的。
2、后端分两种情况：
（1）在客户端直接支持 WebGL，可以无缝加速。
（2）在服务端主要提供 Node.j s的支持，直接跑在 Tensorflow 的 CPU、GPU 上，还有 Headless GL。
性能分析
在服务端，Tensorflow.js 的速度基本和 Python 是一致的，这是高端的GPU，速度是八毫秒，我们在 CPU 甚至还稍微快一点。
由于在 JavaScript 这个层面，在端上基本没有别的系统跟 Tensorflow.js 进行比较，所以我们选择跟原生系统进行比较。
在iPhone上Tensorflow.js运行的速度是22.8毫秒，是一个标准的MobileNetV2 1.0-224 的模型执行时间。另外，在安卓上，Tensorflow.js 渲染稍微落后，安卓 CPU 大概是 50 毫秒，Tensorflow.js 是 100 毫秒，安卓的 GPU 是 12 毫秒，Tensorflow.js 也在尽量去拉近这个距离，这是我们接下来的研发主要方向，希望能提升速度，特别是在安卓方面。
Tensorflow.js 未来研发方向
Tensorflow.js 在未来的研发方向是：
1、我们将寻找好用的场景给大家提供完整的解决方案。
2、Tensorflow.js 将支持 AutoML，这是在谷歌云的一个服务，可以自动寻找最佳的结构，去解决已有的定制模型。
3、在 Node.js 上发力，目标是提供全栈在服务端加强学习训练、部署的平台。假如公司是用 Node.js，为什么还要用 Python？我们希望把这个门槛降低，让开发者训练模型，并且融入到已有的环境里，这也是针对中小型企业的，因为大企业可能已经有这些平台了。
4、用最新的技术提供更新的优化，例如 WASM、WebGPU 等。
5、支持更多的 JavaScript 运行平台，将和支付宝小程序、谷歌小程序合作。
Tensorflow.js 大概是一年前推出的开源项目，目前发展很快，大概 700K 的NPM 下载，5M CDN 的点击，11K GitHub Stars，贡献者超过 120 人。
【END】
热 文 推 荐