tensorflow跑在微信小程序上，实现AI识别简笔画，AI自动画画等。

对用户画的简笔画进行分类。

使用quick_draw dataset.

https://github.com/zhaocc1106/machine_learn/tree/master/NeuralNetworks-tensorflow/RNN/quick_draw
https://github.com/zhaocc1106/machine_learn/tree/master/NeuralNetworks-tensorflow/RNN/quick_draw/quick_draw_classify
训练完之后通过如下命令将模型转换为tensorflow.js模型。

tensorflowjs_converter --input_format keras model.h5 ./

转换后会生成model.json文件以及group bin文件，分别记录网络结构以及参数值。
实际应用模型时可能需要修改一些地方，比如修改model.json的input layer的batch size为1；修改dropout training参数为false。当然也可以在保存HDF5模型文件前做修改。

根据用户的起始笔画,来完成后续的简笔画.

使用quick_draw dataset.

https://github.com/zhaocc1106/machine_learn/tree/master/NeuralNetworks-tensorflow/RNN/quick_draw
https://github.com/zhaocc1106/machine_learn/tree/master/NeuralNetworks-tensorflow/RNN/quick_draw/auto_draw
训练完之后通过如下命令将模型转换为tensorflow.js模型。

tensorflowjs_converter --input_format keras model.h5 ./

转换后会生成model.json文件以及group bin文件，分别记录网络结构以及参数值。
实际应用模型时可能需要修改一些地方，比如修改model.json的input layer的batch size为1；修改dropout training参数为false。当然也可以在保存HDF5模型文件前做修改。

对起始笔画要求比较高,可能是如下原因:

1. 笔画采集和预处理不太满足模型输入
   
2. 模型本身问题
   
3. 训练数据不够随机性
   

后续再继续优化

参考官方说明https://github.com/tensorflow/tfjs-wechat