使用深度学习模型做的图片风格迁移。使用 React 和 ONNX Runtime Web 开发，推理后端用的 WebAssembly （ CPU ）。根据我的测试，用 WebGL 要慢不少，而且内存占用有些夸张。

在线访问： https://vicalloy.github.io/image-transformer/

项目地址： https://github.com/vicalloy/image-transformer

Note:

1. 所有推理工作在浏览器完成，不需要消耗服务器资源。
2. 推理的时候需要选择图片的输出大小。不同大小的输出用的模型不同。
   • 越大的输出尺寸需要耗费的算力越多（时间越长），测试的时候可以先用小尺寸看效果。
   • fast neural style这个模型也可以支持输出任意图片大小，不过动态参数模型太大，复杂度也高，不适合 Web 使用。

在Node.js、React、Vue.js出现后，整个前端的表现能力越来越强，同时也变的越来越复杂。传统依靠jQuery的开发模式已无法支持现在大型SPA应用的开发。相比Vue.js，React这种高度组件化开发框架才更能代表今后前端的发展方向。

之前也看过一些React的相关教程。我一方面认同React的组件开发理念，另一方面又被React繁琐的开发体验劝退（Ant Design Pro早期版本里的登录实现十分劝退）。

近期有机会实际使用了React一段时间。相比初次接触React，现在的TypeScript + React.FC + Hook似乎才是React的完全形态。

React的高度组件化，让代码结构很自然的变的清晰（当然，过细的拆分也让人头痛）。TypeScript让很多潜在错误可以在编译阶段被发现，而且编辑器也开始变的智能很多。Hook的引入，彻底释放了React.FC的能力。相比Class Components使用Function Components的代码实现要简洁很多。