Auto.js pytorch插件使用案列_autojspro的pytorch

这篇博客介绍了如何使用PyTorch模型在JavaScript中检测图像中人物是否穿着丝袜。通过加载和应用预训练的模型，对图片进行预处理，然后将结果转换为布尔值来判断。代码示例展示了加载、使用和保存模型的过程，以及如何对移动端模型进行优化。在实际运行时，如果模型文件存在问题，可能会导致加载失败。摘要由CSDN通过智能技术生成
# 使用这句代码生成一下移动端模型即可
model = torch.jit.trace(model, example_input, strice=False)
# 官网文档说这句可选，我这一执行这句生成的模型就load出错 
# model = mobile_optimizer.optimize_for_mobile(mobile)
model.save("siwa.plt")
function log(str) { console.log(str); }
let SiwaAi = {
    pytorch: undefined,
    modelPath: "/sdcard/siwa1.pt",
    module_: undefined,
    init: function () {
        log("正在加载模型：" +  this.modelPath);
        pytorch = $plugins.load("com.hraps.pytorch");
        this.module_ = pytorch.load(this.modelPath, 0);
        log("初始化并加载模型成功，模型路径：" + this.module_);
        return this;
    transformImage: function (img) {
        let iw = 1080;
        let ih = 1920;
        let trimTop = 300;
        let trimBottom = 150;
        let resize_w = 512;
        let resize_h = 696;
        let clip = images.clip(img, 0, trimTop, iw, ih - trimTop - trimBottom);
        let resize = images.resize(clip, [resize_w, resize_h]);
        // images.save(resize, "/sdcard/test.png");
        return resize;
    detect: function (path) {
        let inputImage = this.transformImage(images.read(path));
        log(inputImage);
        let array = pytorch.forward(this.module_, 
            pytorch.bitmapToTensor(inputImage.getBitmap())).getDataAsFloatArray();
        return array[0] - array[1]
let ai = SiwaAi.init();
log(ai.detect("/sdcard/1.jpg"));
log(ai.detect("/sdcard/0.jpg"))
// 大于0就是有丝袜，数字越大或者越小，准确率越高
if (ai.detect("/sdcard/0.jpg") > 0) {
    log("有丝袜");
} else {
    log("无丝袜");
如果模型文件有问题，会报。
 04-23 18:00:29.321 Script-59 Main [[remote]scan.js]/E: Wrapped java.lang.RuntimeException: Unsupported value kind: Object
 at file:/data/user/0/org.autojs.autojspro/cache/plugin-scripts/com.hraps.pytorch/index.js:38:0
 at [remote]scan.js:60:0
				本文主要介绍了RuntimeError: Cuda extensions are being compiled with a version of Cuda that does not match the version used to compile Pytorch binaries. Pytorch binaries were compiled with Cuda 11.7解决方案，希望能对使用Pytroch的同学们有所帮助。
1. 问题描述
2. 解决方案
				TorchJS：在Node.js中运行PyTorch模型的利器
 torch-jsNode.js binding for PyTorch.项目地址:https://gitcode.com/gh_mirrors/to/torch-js 项目介绍
TorchJS 是一个为PyTorch设计的JavaScript绑定库，其主要目标是允许在Node.js程序中运行Torch Script。通过TorchJ...
				自动 PyTorch
 虽然早期的 AutoML 框架专注于优化传统 ML 管道及其超参数，但 AutoML 的另一个趋势是专注于神经架构搜索。 为了将这两个领域的精华结合在一起，我们开发了Auto-PyTorch ，它联合稳健地优化网络架构和训练超参数，以实现全自动深度学习 (AutoDL)。
 Auto-PyTorch 主要用于支持表格数据（分类、回归），但也可以应用于图像数据（分类）。 Auto-PyTorch 中表格数据的最新功能在论文（请参阅下面的参考资料）。
下一个版本的 Alpha 状态
即将发布的 Auto-PyTorch 将通过使用 SMAC 作为底层优化包、更改代码结构和其他改进，进一步提高可用性、健壮性和效率。 如果您想尝试一下，请查看development分支或其。
$ cd install/path
$ git cl
				内容包含应用商店已下架的 autojs的apk，内涵近千个学习脚本，还有一些pro商店的脚本 收费的,并涵盖各种高级函数，方法类，很适合想接触autojs的人，各种方式实例，类似于工具箱，各种方法超级超级全，
socket，UI，ocr，广播，时间，加密，解码，数组，数据库，调色，显示消息，小游戏，悬浮框，坐标，动画，app操作，http，events，等等等还有超级多功能方法
				Threepio
 Threepio使在机器学习框架（例如PyTorch，Tensorflow.js和Tensorflow Python）之间转换命令变得非常简单。 它充当和的核心组件。 该库提供的一些改变生活的功能包括：
 :robot: 相同名称的命令之间的自动双向翻译add ， abs等。
 :brain: 自动翻译的命令之间的智能参数映射
 :repeat_button: 库之间的单词级翻译
 :wrench: 自定义命令翻译
 :herb: 一对多命令翻译
 :high_voltage: 张量方法的翻译（进行中）
 :magnifying_glass_tilted_left: 支持自动命令翻译中的模糊匹配（正在进行中）
 :card_index_dividers: 支持自动翻译中的框架版本控制（正在进行中）
 :male_sign:‍:male_sign: 支持自动参数类型转换（tensorflow张量-> pytorch张量） （正在进行中）
 Threepio由两个主要组件组成：
 :spider: -这将生成我们对Threepio的大部分自动翻译
 :snake: -这
				【实例简介】autojs例子大全，一千六百多个脚本,简单的到复杂的例子，统统有，小白学完马上变大神，大神学了变超神。 脚本内容包含： 几十种类型的UI脚本，抖音、QQ、微信、陌陌、支付宝等自动化操作的脚本、还有部分协议列表，HTTP协议(POST、GET)上传下载，接码模块，百度文字识别api模块，文件操作模块：txt文本读一行删一行，等等其他例子 【实例截图】 【核心代码】  └─1688
内容转载自网站：阁楼网源
!运动点赞!.js
(qq语音红包.js
(协议)快阅读.js
(可修改王者荣耀启动动画)
				No JRE found. Please make sure STUDIO_JDK, JDK_HOME, or JAVA_HOME point to a valid JRE installation