这是当微信小程序遇上TensorFlow系列文章的第五篇文章，也是最后一篇文章，将总结一下微信小程序识狗君的开发过程。如果你想要了解更多关于本项目，可以参考这个系列的前四篇文章：

1. 当微信小程序遇上TensorFlow：Server端实现
2. 当微信小程序遇上TensorFlow：Server端实现补充
3. 当微信小程序遇上TensorFlow：小程序实现
4. 当微信小程序遇上TensorFlow：接收base64编码图像数据

今天，微信公众平台发来消息，我提交的微信小程序识狗君通过审核。至此，本项目的开发暂时告一段落。做这个小项目的初衷是为了练手，毕竟纸上得来终觉浅。

微信小程序是现学现做的，虽然只是非常简单的用户界面，但对于一个没有前端开发经验的人来说，碰到的问题还不少，感谢互联网，遇到问题总能在网上找到答案。

服务器选择的阿里云服务，开始选择的是最便宜的主机配置，在跑复杂一点的模型时会异常退出，不得不把内存升级到2GB。我对服务端的编程以及部署都不太熟悉，感谢github上的simple_tensorflow_serving开源项目，让我解决了服务端部署的大难题。为了让这个开源项目支持HTTPS，向原作者发起了一个PR，作者接受了这个commit，算是对开源世界做出了一点微薄的贡献。

本项目采用的深度学习技术，外行看起来很高深，其实是属于基础入门的知识。每个机器学习或者Tensorflow的书，基本上围着几个示例转，而图片分类是必然入选的例子之一。照着书本敲一遍代码，和实际做一个小程序，还是会有所不同，你总会碰到一些意想不到的问题。在解决这些问题的时候，也是能力提升的过程。

本项目的所有源码均位于 https://github.com/mogoweb/AIDog, 如果你有什么好的想法，欢迎PR。

这一段时间除了捣鼓这个小程序，还在看一本名为《GAN：实战生成对抗网络》的书，想了解如何通过人工智能生成逼真的图像吗？敬请关注后续的实战生成对抗网络系列文章。