PWA (渐进式 Web 应用程序) 技术是在打造快速、可靠、与优秀用户体验 Web 应用程序方面最重要的技术之一。而机器学习应用开发正是当前互联网领域中最热门的话题之一。本文将介绍如何将 PWA 技术应用于机器学习应用开发中，以便于开发人员打造高质量的机器学习 Web 应用程序。
什么是 PWA 技术
PWA 技术是一种新的 Web 应用程序范式，它将普通网站转换为离线可访问、可以自行更新的应用程序。PWA 技术包括使用一套丰富、清晰的 Web 应用程序体验，将用户需求放在第一位。
PWA 技术还包括了相关工具，提供了离线缓存、后台更新等功能，让 PWA 应用程序具备高度的可靠性和高效的性能，可以让访问 Web 应用程序的用户有着原生 APP 的使用体验。
机器学习应用开发
机器学习应用开发是指利用机器学习模型完成各种任务，例如语音识别、图像识别、情感分析等。在目前机器学习 Web 应用程序中，后端通常使用 Python 构建，前端代码则通常使用 JavaScript 构建。
常见的机器学习应用程序都需要用户端发起请求，然后将请求发往后端。这种发起请求的方式存在一定的缺陷。如果后端非常复杂，那么 Web 应用程序的用户体验将被大幅降低。
PWA 技术如何应用到机器学习应用中
使用 PWA 技术，我们可以轻松解决机器学习应用程序面临的可靠性问题。出于性能需求，我们将在本文中使用 TensorFlow.js，这是一个纯 JavaScript 库，可以在浏览器环境下运行 TensorFlow 模型。
用户可以离线使用应用程序，因为我们可以使用 Service Worker 在离线情况下缓存应用程序资源。当用户确实需要连接到互联网时，PWA 技术会自动处理所有请求。
Service Worker 还可以后台更新 PWA 应用程序，而不干扰用户的使用。这个特性对于机器学习应用程序非常重要。因为在这种应用程序中，需要使用最新的训练数据。后台更新可以确保在后端数据更新时及时更新应用程序。
下面我们将展示如何将 PWA 技术应用于机器学习应用程序中。
使用 Lighthouse 开始开发 PWA
Lighthouse 可以帮助你验证 Web 应用程序是否符合 PWA 标准，它还提供了一组指导来帮助 Web 开发人员确保他们的应用程序符合最佳实践。Lighthouse 还允许您测试性能、无障碍性和其他为 Web 应用程序设计而考虑的问题。
你可以在 Chrome 开发工具中直接使用 Lighthouse，也可以在命令行中使用它。下面是在命令行中使用 Lighthouse 的示例代码：
--- ---------- ------------------- ------
深度链接
深度链接允许您将应用程序中有代表性的状态保存在 URL 中。例如，在训练图像分类器时，可能需要保存客户选择的数据集、模型架构和配置。这些信息可以在应用程序之间共享，从而使用户体验更加流畅。下面是一个如何在 TensorFlow.js 应用程序中实现深度链接的代码片段：
----- -- - ----------------------------
------------- - -- -- -
-- ----- --- --- -- ---- --- ------- -- --- ------
----- --------- - --- ----------------------------------------
----- --------- - ---------------------------
----- --------- - ---------------------------
-- ---- --- ------------- ----- ----- -- --- -------
----- -------- - -----------------------------------------------
--------------------------------- -- -
-- -------- ---- --- ---- -- ---- --- ---- -----
-- - - -
---
--使用 Workbox 管理缓存
Workbox 是一个由 Google 推出的自带缓存管理的 JavaScript 库。它为 Service Worker 提供了一组功能强大的 API 来简化缓存管理，并提供后台更新等功能。
类似以下代码，即可使用 Workbox 管理待缓存的文件：
------ - ---------------- - ---- --------------------- ------------------ -- --- --- -- --- -------- -- ------ ------------------- ------------------- ---
后台更新
后台更新可以维护模型训练数据的最新状态，并确保您的机器学习模型得到最新的训练数据。下面是 TensorFlow.js 应用程序中的后台更新示例代码：
-- ---------------- -- ---------- -
------------------------------- -- -- -
------------------------------------------
---
-
------------------------------ ------- -- -
----------------------- ---------- -
--- -
-- ------- --- ------- ------- ------
----- ------ - ----- ---------------------
------ -------
- ----- ------- -
-- -------- -- --- ----- -- --- ------- ------- ------
----- ----- - ----- -----------------------
----- -------------- - ----- ---------------------------
-- ---------------- -
------ ---------------
-
----- ------
-
-----
---
--------------------------------- ------- -- -
----- ------------- - ------------
--------------------- ---------- -
----- ---- - ----- --------------
--- ------ --- -- ----- -
-- ------------------------------ -
----- -------------------
-
-
-----
---结论
在本文中，我们简要介绍了 PWA 技术和机器学习应用开发，然后重点介绍了如何将 PWA 技术应用到机器学习应用程序中。我们还提供了示例代码，希望对希望构建高质量机器学习 Web 应用程序的开发人员有所帮助。
来源：JavaScript中文网 ，转载请注明来源 本文地址：https://www.javascriptcn.com/post/672ade0cddd3a70eb6d10494