👾 表情符号寻宝大挑战 👾

表情符号寻宝大挑战是一款基于网页的实验性游戏，利用 TensorFlow.js 识别您的网络摄像头或移动摄像头在浏览器中看到的物体。我们展示表情符号 🍌 ⏰ ☕️ 📱，您需要在计时器耗尽前，在现实世界中找到这些物体 🏆 👍。

想了解我们是如何构建这个实验的，请阅读我们在 Tensorflow 博客上的文章《表情符号寻宝大挑战背后的构建过程》，或者亲自尝试一下 g.co/emojiscavengerhunt。

开发进展

yarn prep

运行 yarn prep 指令将会使用 yarn 来获取正确的包并设置相应的文件夹。如果您尚未安装 yarn，可以通过 homebrew（适用于 Mac 系统）来安装它。如果您已经通过 nvm（我们的推荐方式）运行了 node/npm，您可以在不安装 node 的情况下安装 yarn，使用命令 brew install yarn --without-node。

为了开始本地开发，我们还需要安装 Google Cloud SDK 及相关的 App Engine 组件。这些工具用于本地网页服务器以及将静态站点推送到 App Engine 进行托管。

在安装好这两项之后，您可以运行以下命令来启动本地开发服务器：

yarn dev

此任务利用 watchify 持续监控 JS 和 SASS 文件的变化，一旦检测到变更，便会重新编译这些文件。您可以通过 http://localhost:3000/ 访问本地开发服务器。

在构建生产环境所需的资源时：

yarn build

这将压缩生产环境中使用的 SASS 和 JS 文件。

构建自己的模型

您可以运行一个 Docker 容器来构建自己的图像识别模型。 Dockerfile 位于 training 目录中。

通过将图像划分到每个训练标签名称对应的目录中，来准备训练图像。 例如：假设图像数据存储在 data/images 下，那么训练 猫 和 狗 的目录结构如下所示。

data
└── images
    ├── cat
    │   ├── cat1.jpg
    │   ├── cat2.jpg
    │   └── ...
    └── dog
        ├── dog1.jpg
        ├── dog2.jpg
        └── ...

一旦样本图像准备就绪，您可以通过构建并运行 Docker 容器来启动训练过程。

$ cd training
$ docker build -t model-builder .
$ docker run -v /path/to/data:/data -it model-builder

完成训练后，你将在 data/saved_model_web 目录下看到三个文件：

• tensorflowjs_model.pb（数据流图）
• weights_manifest.json（权重清单文件）
• group1-shard*of*（二进制权重文件集）

这些是以网络友好格式转换的 SavedModel 文件，由 TensorFlow.js 转换器生成。你可以通过替换 dist/model/ 目录下的相应文件，使用你自己的定制图像识别模型来构建游戏。

训练脚本还会生成一个名为 scavenger_classes.ts 的文件，它与你的生成定制模型协同工作。你需要将 src/js/scavenger_classes.ts 文件替换为新生成的 scavenger_classes.ts 文件，以便模型的标签与训练数据匹配。替换文件后，你可以正常运行构建脚本来在浏览器中测试你的模型。有关运行预览服务器的信息，请参阅 README 文件。

如有必要，更新 src/js/game.ts 中的游戏逻辑。

使用 GPU

你可以通过利用 GPU 来提高训练速度。如果你想使用 GPU 进行训练，请安装 nvidia-docker 并运行：

$ cd training
$ nvidia-docker build -f Dockerfile.gpu model-builder
$ nvidia-docker run -v /path/to/data:/data -it model-builder

许可证

版权所有 © 2018 Google LLC

根据 Apache 许可证，版本 2.0（以下简称“许可证”），您仅可在遵守许可证的条件下使用此文件。 您可以通过以下链接获得许可证的副本：

https://www.apache.org/licenses/LICENSE-2.0

除非适用法律要求或书面同意，否则根据许可证分发的软件将在“按原样”基础上提供，不附带任何形式的明示或暗示的保证或条件。 有关管理许可权限和限制的具体规定，请参阅许可证。

致谢

本项目是 Google 品牌工作室与 Google 的 PAIR 团队之间的实验性合作。

终结思考

这不是 Google 的官方产品。我们将尽力支持和维护这个实验项目，但您的体验可能会有所不同。

我们鼓励开源项目作为相互学习的途径。在分享这些作品和创作衍生作品时，请尊重我们和其他创作者的权利，包括版权和商标权（如适用）。

如果您想了解更多关于 Google 政策的信息，您可以在此处找到：https://policies.google.com/