wxmp-tensorflow

微信小程序下运行最新TensorFlowJS(3.6)的工程解决方案，有以下特点

1. 运行 balzeface 安卓 √，IOS √
2. 运行 face-landmarks 安卓 √，IOS √
3. 集成 tfjsPlugin，方便使用，无需二次引用 √
4. 支持 wasm backend √ 给 tfjs 提的PR已合并
5. 运行 posenet (例子是 mobilenet 0.50 stride16) √
6. custom tfjs 减少包体积 blazeface 例子 √
7. 运行 handpose √

性能数据

注：WASM 为非 SIMD 版，安卓微信小程序运行 SIMD WASM 报错 虽说能跑，但是微信 IOS 上面问题多多，建议能 webview 还是 webview，性能好，gl 起码符合标准也无内存问题

问题

1. ios async 版本会卡 async await，所以改为 sync 版本，并且其他用到 async await 也可能出现（ IOS 下 Promise 是 setTimeout 模拟的，见小程序 Javascript 支持情况）目前 ios 下比较容易卡初始化
2. wasm 只有在华为手机上比 webgl 好 (2.7 测试的结果)

优化经验

1. 使用 FrameAdapter 动态跳帧处理
2. 正式处理数据前，预热处理一个空白帧，把所用到的 shader 编译
3. 利用 profile 生成 custom tfjs 优化包大小
4. 微信小程序 cameraFrame 的 ArrayBuffer 是复用的，可能推理完成后，内容就被更新了，所以先绘制背景，再绘制推理结果，另种解法是拿到相机帧时候复制一份(iPhone7 大概 0~5ms, 大部分是 1ms)

运行

> pnpm i / npm i / yarn > npm run dev # 使用小程序开发工具打开，替换 appid 为测试 appid，不校验域名 # 使用 custom tfjs 编译，例子是仅仅 blazeface 可用 tf + webgl backend 小程序包从 985KB 下降到 534KB (js 大概下降 234KB) > npm run make-custom > npm run build-custom 

TODO

1. 结果 UI 美化
2. face-api.js
3. warm up 通用化，根据已注册的 registerKernel 做 warm up

使用 custom_tfjs 进一步优化包大小

请参考

1. [962K -> 347K] TensorflowJS 基于 Runtime 结果的 TreeShaking
2. https://github.com/mattsoulanille/tfjs_custom_module_demo
3. https://github.com/deepkolos/tfjs-treeshaking-test

tfjs-models async 转 sync 方法

只需要把读取数据部分的 async 方法比如Tensor.array()改为Tensor.arraySync()，或者Tensor.buffer()改为Tensor.bufferSync()，然后把async和await，Promise.all等关键字去除，即可