tfjs源码笔记

tf.tensor:通过Tensor.make生成Tensor实例，默认根据util.inferShpe根据传入的values生成shape[]数组，也可自己传入shape[]
tf.scalar:是对tf.tensor传入values为number或boolean的封装，有更好的语义
tf.tensor1d:是对tf.tensor传入values为一元数组的封装，有更好的语义
tf.tensor2d:同上依次类推
tf.tensor3d:同上依次类推
tf.tensor4d:同上依次类推
tf.buffer:创建一个TensorBuffer实例，TensorBuffer与Tensor类似,但值可变
tf.fill:通过util.sizeFromShape将shape中的各值相乘，算出值的数量，然后通过util.getTypedArrayFromDType更具dtype生成对应的TypedArray,最后调用相应的fill填充数据

评论

发表评论

此博客中的热门博文

公司自动部署系统建设

图片
       刚来到公司的时候，由于没有自动部署系统，导致每次提交完代码后都得手动scp到相应的服务器上，费时费力，还容易出错。于是，我便着手打造一套公司专用的内部部署系统。        最开始的构想是使用drone配合gogs来完成一套部署系统，方便且功能强大。但实践的时候却由于drone文档不全，服务器空间不足（无法安装docker），git服务器配置差等因素被迫中止。        最后在结合实际情况考虑之后，打算自建部署服务器，通过git hooks与node server构建一套部署系统。        结构图如下              首先是搭建node server，我采用express+ ts-express-decorators 的一个组合， ts-express-decorators 使用大量装饰器取代了wrapper，使代码趋于整洁美观并提高了维护性与复用率。后端框架完成之后，便要考虑如何执行shell，这里我使用了shelljs（主要是对于child-process的一层封装），借助其强大的api，可以方便的执行各种shell命令。        为了方便进程管理，我使用了pm2作为进程管理工具，并采用 pm2-web 进行相关进程的监控（不用进服务器查询进程信息了）。        对于要使用自动部署的项目，只需在项目更目录下加上deploy.json（记录了要部署的服务器等信息）与deploy.sh（自动部署时要执行的脚本，如项目构建等）即可完成相应自动部署任务。        遇到的问题：        1.scp与git的权限问题：通过ssh-keygen生成rsa证书可以解决        2.git脚本执行情况反馈：在执行git hooks的时候，发布代码的控制台会打印相关信息
阅读全文

前端首屏渲染优化

如何让用户第一时间看到他们想要浏览的网站是前端工程师必须要解决的问题。本文就介绍几种优化的方案： 将客户端请求的资源放置在CDN上，这样可以让客户端从最快的节点下载相关资源，进而减少资源下载的时间。同时可以将资源进行gzip压缩，并且请求头加上gzip，可以让请求的资源文件大小减少50%左右。 将已获得的静态资源（app shell,图片,css等）使用cache进行缓存，之后的访问直接从本地获取资源，方便下次加载。 使用prefetch,preload预加载资源，并在css与js标签上加上async或defer属性实现异步加载。在webpack中可以使用script-ext-html-webpack-plugin实现相关功能。 如果首页有较多图片资源，可以尝试将图片转化为webp格式来减小请求图片的大小，并设置图片懒加载。 将首屏加载的资源单独打包，当用户访问首屏页面时仅给与首屏页面相关资源。 针对部分简单的展示页面，也可考虑使用AMP来提供极速的页面加载。
阅读全文