写在最前
本故事主要介绍在网页上部署模型的来龙去脉，你想问的问题，可能都可以在这里找到答案
在这个 AI 内容生成泛滥的时代，依然有一批人"傻傻"坚持原创，如果您能读到最后，还请点赞或收藏或关注支持下我呗，感谢 (￣︶￣)↗
能在网页上跑模型吗？
丹尼尔：嘿，蛋兄，你这是要去哪儿遛弯呢？
蛋先生：刚吃完饭，准备散下步消消食
丹尼尔：一起呗。蛋兄，我最近对 AI 有点着迷，突然冒出个念头，你说咱们能不能在网页上跑机器学习模型呢？
蛋先生：这个嘛，确实可以
为什么可以在网页上跑模型？
丹尼尔：这我就纳闷了，一个专门看网页的浏览器，怎么还能"兼职"跑模型呢？蛋兄，快给我讲讲呗
蛋先生：你想啊，一颗种子能不能发芽，得看它有没有适合生存的环境。模型也一样，得有个能跑的"土壤"------runtime，还得有足够的"阳光"和"水"------也就是算力和存储
丹尼尔：哦，我好像有点懂了。但我还是不明白，浏览器是怎么做到这一点的
蛋先生：自从浏览器有了 WebAssembly 之后，它的"胃口"可就大了去了！现在，很多用 C、C++、Rust 等编程语言写的应用，都能编译成 WASM 格式，在浏览器里跑。这样一来，浏览器就能处理更加复杂的计算任务了
丹尼尔：原来如此！也就是说，原来用 C++ 等写的模型 runtime，现在可以直接放进浏览器里，成了模型的"土壤"了！
蛋先生：对头！而且，浏览器的 WebGL、WebGPU 这些技术，还能让你的应用用上 GPU 资源，速度更上一层楼！否则，能跑，但很慢，也没啥意义
丹尼尔：哈哈，我总结一下啊，WebAssembly 让模型有了土壤，WebGL、WebGPU 让算力提升成为可能！
蛋先生：不错不错，总结得挺到位！
为什么要跑在浏览器呢？
蛋先生：那我问你，你为什么想把模型跑在浏览器上呢？
丹尼尔：额～，这～，就觉得挺酷的嘛！不过说实话，我还真没认真想过这个问题。蛋兄，你给说道说道？
蛋先生：来，咱们从请求链路说起。模型部署在浏览器上，是不是就不用请求服务器了？
丹尼尔：那是肯定的
蛋先生：对于客户端，请求没有离开用户设备，这样是不是就可以更好地保护用户隐私了？
丹尼尔：是哦
蛋先生：计算是在浏览器本地进行的，距离用户更近，也没有网络请求的损耗，响应速度通常更快，这样是不是就可以提升用户体验了？
丹尼尔：是哦
蛋先生：还有，模型已经部署在浏览器了，只要应用本身支持离线访问，那是不是就可以离线使用了？
丹尼尔：是哦
蛋先生：对于服务端，因为把计算压力分摊出去了，是不是就可以减轻服务器的计算压力，降低运营成本呢？
丹尼尔：是哦
蛋先生：剩下的你自己琢磨琢磨吧
怎么跑在浏览器呢？
丹尼尔：好嘞，那具体要怎么实现呢？
蛋先生：主流的机器学习框架除了训练模型外，还能部署和推理模型。比如大名鼎鼎的 Tensorflow 就有 tensorflow.js，它可以将模型部署在浏览器端。不过今天我要给你说的是 onnxruntime-web
丹尼尔：onnxruntime-web？这名字听着有点新鲜啊！
蛋先生：onnxruntime-web，可以把这个拆成 onnx，onnxruntime 和 onnxruntime-web 来说
丹尼尔：您继续
蛋先生：onnx 就是个模型格式，就像你存音乐用的 mp3 格式一样，但它存的是机器学习模型；onnxruntime 呢，就是运行这些模型的"播放器"；而 onnxruntime-web，则是让这个"播放器"能在网页上跑起来的神奇工具
丹尼尔：哦，那模型都有哪些格式呢？用这个 onnx 有什么优势呢？
蛋先生：正所谓合久必分，分久必合
丹尼尔：这是要讲三国的节奏吗
蛋先生：各个机器学习框架都有自己的模型格式，在没有 onnx 之前，你得用 tf 来部署 tensorflow 的模型，用 pytorch 来部署 pytorch 的模型。可用户只想部署个模型而已，能不能把问题简单化呢？
丹尼尔：确实
蛋先生：于是就有了 onnx 这个开放标准。各家的模型格式都能转换成这种标准格式，然后你就可以用一个 onnxruntime 来部署和推理模型了！
丹尼尔：那这个 onnxruntime 是用什么实现的呢？
蛋先生：它是用 C++ 实现的，在浏览器运行时会被编译成 WASM 格式。然后 onnxruntime-web 提供了 JS API 来与 WASM 进行交互
丹尼尔：原来如此！那快给我看个代码示例吧，我都迫不及待了
蛋先生：以下是一个数字图像识别的简单例子，不过接口有点底层哦，你得懂点 tensor 之类的。希望以后有第三方库能封装个高级的接口，比如手写数字识别输入是图片，输出是数字；生成式 AI 输入是 prompt，输出是回答之类的。当然你也可以自己尝试尝试
html
<!DOCTYPE html>
<html lang="en">
<head>
...
<script src="https://cdn.jsdelivr.net/npm/onnxruntime-web/dist/ort.min.js"></script>
...
</head>
<body>
...
<canvas id="canvas" width="28" height="28" style="display: none"></canvas>
<script>
let imageData;
...
async function runModel() {
// 提取图像数据并规范化为模型的输入格式
const input = new Float32Array(28 * 28);
for (let i = 0; i < input.length; i++) {
const r = imageData.data[i * 4];
const g = imageData.data[i * 4 + 1];
const b = imageData.data[i * 4 + 2];
const gray = 0.299 * r + 0.587 * g + 0.114 * b; // 转换为灰度值
input[i] = gray / 255.0; // 规范化到 0~1
}
const inputTensor = new ort.Tensor("float32", input, [1, 1, 28, 28]);
// 使用 mnist-12.onnx 模型创建推理会话
const session = await ort.InferenceSession.create(
"https://media.githubusercontent.com/media/onnx/models/refs/heads/main/validated/vision/classification/mnist/model/mnist-12.onnx"
);
// 推理
const results = await session.run({ Input3: inputTensor });
const output = results.Plus214_Output_0.data;
// 找到最大值（概率最大）的索引，即预测的数字
const predictedDigit = output.indexOf(Math.max(...output));
// 显示结果
document.getElementById("output").innerText = predictedDigit;
}
...
</script>
</body>
</html>有什么限制？
丹尼尔：除了数字识别，还能玩点儿别的花样不？
蛋先生：那当然咯！语音识别、图像分类、对象检测，甚至生成式 AI，都不在话下！
丹尼尔：哇塞，连大语言模型都能搞定？
蛋先生：不过在浏览器上运行有些小小的限制
丹尼尔：让我来猜猜，是不是模型的大小有限制？
蛋先生：对头
丹尼尔：具体能多大呢？
蛋先生：首先我们得加载远程模型
各大浏览器对 ArrayBuffer 的大小都是有限制的，比如 Chrome 就是2G。当你用 fetch 去加载模型时，需要用到 response.arrayBuffer()，如果模型超过2G，就 GG 了
还有啊，ONNX 模型是通过 protobuf 格式进行传输的，protobuf 单个消息的大小限制也刚好是 2G
丹尼尔：所以最多只能加载2G的模型了？
蛋先生：那也不完全是。一次不行，我们可以分次嘛！我们可以将模型分成模型图和权重，权重信息作为外部数据另外加载即可。只要模型图不超过2G，咱就可以突破这2G的限制了
丹尼尔：那岂不是可以加载超级大的模型了？
蛋先生：嘿嘿，别高兴得太早。模型最终是要加载到运行时环境的，而我们的运行时是在 WebAssembly 环境中。根据 WebAssembly 规范，Memory 对象的大小顶多4G。所以理论上4G就是天花板了
丹尼尔：哦......
蛋先生：而且啊，当模型太大时，对硬件的要求就更高了。这些大家伙就不推荐放在浏览器里折腾了
丹尼尔：明白了，那我去试一下咯
蛋先生：好的，祝你好运！
写在最后
亲们，都到这了，要不，点赞或收藏或关注支持下我呗 o(￣▽￣)ｄ