私は現在、入力pngをtensorflow.jsを使用してテンソルに変換する方法を理解しようとしているので、トレーニングのためにモデルにフィードできます。現在、画像をキャプチャしてローカルに保存し、fs.readFileSyncで読み取ってから、バッファを作成しています。私が少し迷っているところは、バッファー値を0-244から0-1に正規化してから、このバッファーからテンソルを作成して、X引数としてmodel.fit関数にフィードしています。また、ラベルファイルを設定し、それをY引数用のバッファーに適切に変換する方法もわかりません。 ( https://js.tensorflow.org/api/0.11.2/#tf.Model.fit )tensorflow.jsを使用するためのテンソルへの画像の適切な使用法/構成に関する洞察は、とても感謝しています。
レポはここにあります。 https://github.com/Durban-Designer/Fighter-Ai
data.jsにローカル画像をロードするためのコード。
const tf = require('@tensorflow/tfjs');
const assert = require('assert');
const IMAGE_HEADER_BYTES = 32;
const IMAGE_HEIGHT = 600;
const IMAGE_WIDTH = 800;
const IMAGE_FLAT_SIZE = IMAGE_HEIGHT * IMAGE_WIDTH;
function loadHeaderValues(buffer, headerLength) {
const headerValues = [];
for (let i = 0; i < headerLength / 4; i++) {
headerValues[i] = buffer.readUInt32BE(i * 4);
}
return headerValues;
}
...
...
class Dataset {
async loadLocalImage(filename) {
const buffer = fs.readFileSync(filename);
const headerBytes = IMAGE_HEADER_BYTES;
const recordBytes = IMAGE_HEIGHT * IMAGE_WIDTH;
const headerValues = loadHeaderValues(buffer, headerBytes);
console.log(headerValues, buffer);
assert.equal(headerValues[5], IMAGE_HEIGHT);
assert.equal(headerValues[4], IMAGE_WIDTH);
const images = [];
let index = headerBytes;
while (index < buffer.byteLength) {
const array = new Float32Array(recordBytes);
for (let i = 0; i < recordBytes; i++) {
// Normalize the pixel values into the 0-1 interval, from
// the original 0-255 interval.
array[i] = buffer.readUInt8(index++) / 255;
}
images.Push(array);
}
assert.equal(images.length, headerValues[1]);
return images;
}
}
module.exports = new Dataset();
app.jsの画像キャプチャループ。
const ioHook = require("iohook");
const tf = require('@tensorflow/tfjs');
var screenCap = require('desktop-screenshot');
require('@tensorflow/tfjs-node');
const data = require('./src/data');
const virtKeys = require('./src/virtKeys');
const model = require('./src/model');
var dir = __dirname;
var paused = true;
var loopInterval,
image,
imageData,
result
ioHook.on('keyup', event => {
if (event.keycode === 88) {
if (paused) {
paused = false;
gameLoop();
} else {
paused = true;
}
}
});
ioHook.start();
function gameLoop () {
if (!paused) {
screenCap(dir + '\\image.png', {width: 800, height: 600, quality: 60}, function (error, complete) {
if (error) {
console.log(error);
} else {
imageData = await data.getImage(dir + '\\image.png')
console.log(imageData);
result = model.predict(imageData, {batchSize: 4});
console.log(result);
gameLoop();
}
})
}
}
私はここでmodel.predictを使用していることを知っています。実際の画像をテンソルパーツで機能させ、リポジトリのtrain-tensor.jsでラベルとmodel.fit()を見つけたかったのです。トレーニング用の実際の作業コードはないので、この質問には含めませんでした。混乱を招いたとしたら申し訳ありません。
ありがとうございました!
最終的な作業コードを編集
const { Image, createCanvas } = require('canvas');
const canvas = createCanvas(800, 600);
const ctx = canvas.getContext('2d');
async function loadLocalImage (filename) {
try {
var img = new Image()
img.onload = () => ctx.drawImage(img, 0, 0);
img.onerror = err => { throw err };
img.src = filename;
image = tf.fromPixels(canvas);
return image;
} catch (err) {
console.log(err);
}
}
...
...
async getImage(filename) {
try {
this.image = await loadLocalImage(filename);
} catch (error) {
console.log('error loading image', error);
}
return this.image;
}
tensorflowjsには、このためのメソッド tf.fromPixels()
がすでにあります。
受け入れるタイプの画像をロードするだけです(ImageData|HTMLImageElement|HTMLCanvasElement|HTMLVideoElement
)。
画像読み込みPromiseは何も返しません。非同期関数は何も返さないためです。コールバックだけです。これを修正するには、promiseを自分で作成して解決する必要があります。
const imageGet = require('get-image-data');
async loadLocalImage(filename) {
return new Promise((res,rej)=>{
imageGet(filename, (err, info) => {
if(err){
rej(err);
return;
}
const image = tf.fromPixels(info.data)
console.log(image, '127');
res(image);
});
}