Brain.js 教程
如何预测对比度
使用 CSS，可以通过 RGB 设置颜色:
实例
| Color | RGB |
|---|---|
| Black | RGB(0,0,0) |
| Yellow | RGB(255,255,0) |
| Red | RGB(255,0,0) |
| White | RGB(255,255,255) |
| Light Gray | RGB(192,192,192) |
| Dark Gray | RGB(65,65,65) |
下面的例子演示了如何预测颜色的深浅:
示例:
// 创建一个神经网络
const net = new brain.NeuralNetwork();
// 使用 4 个输入对象训练网络
net.train([
// White RGB(255, 255, 255)
{input:[255/255, 255/255, 255/255], output:{light:1}},
// 浅灰色 (192,192,192)
{input:[192/255, 192/255, 192/255], output:{light:1}},
// 深灰色 (64, 64, 64)
{ input:[65/255, 65/255, 65/255], output:{dark:1}},
// 黑色 (0, 0, 0)
{ input:[0, 0, 0], output:{dark:1}},
]);
// 深蓝 (0, 0, 128) 的预期输出是多少?
let result = net.run([0, 0, 128/255]);
// 显示"暗"和"亮"的概率
... result["dark"] + " " + result["light"];
亲自试一试 »
示例说明:
使用以下命令创建神经网络:new brain.NeuralNetwork()
使用 network.train([examples])
这些例子代表了4个输入值一个对应的输出值。
使用 network.run([0,0,128/255])，您会问"深蓝色的可能输出是什么?"
来自网络的答案是:
- dark:95%
- light:4%
为什么不编辑示例来测试黄色或红色的可能输出?
