《智能前端技术与实践》——第1章 开发环境配置——1.7 使用微信开发者工具——1.7.2 使用微信小程序插件（上） https://developer.aliyun.com/article/1228395?groupCode=tech_library
3）通过代码引入相关包
我们需要通过代码将所安装的npm包导入所创建的项目中，请看操作具体步骤。 使用插件前，我们要在app.json中声明需要使用的插件，如代码清单1-35所示。
代码清单 1-35
{ "plugins": { "tfjsPlugin": { "version": "0.0.6", "provider": "wx6afed118d9e81df9"} } }
4）在 app.js 的 onLaunch()里调用 configPlugin()函数
首先，我们对 app.js 文件的内容做一下修改，如图 1-60 所示。
然后，在 APP()函数外部添加代码，如代码清单 1-36 所示。
代码清单 1-36
varfetchWechat=require('fetch-wechat'); vartf=require('@tensorflow/tfjs-core'); varwebgl=require('@tensorflow/tfjs-backend-webgl'); varplugin=requirePlugin('tfjsPlugin');
最后，在App()函数内部的onLaunch()方法中加入代码，以调用插件函数，如代码清单1-37
所示。
代码清单1-37
plugin.configPlugin({ fetchFunc: fetchWechat.fetchFunc(), tf,webgl,canvas: wx.createOffscreenCanvas() });
设置完组件后，我们就可以使用TensorFlow.js库的API了。我们写一段测试代码验证一
下该组件是否可以正常调用，如代码清单1-38所示。
代码清单1-38
varfetchWechat=require('fetch-wechat'); vartf=require('@tensorflow/tfjs-core'); varwebgl=require('@tensorflow/tfjs-backend-webgl'); varplugin=requirePlugin('tfjsPlugin'); App({ onLaunch() { plugin.configPlugin({ fetchFunc: fetchWechat.fetchFunc(), tf, webgl, canvas: wx.createOffscreenCanvas() }); tf.tensor([1, 2, 3, 4]).print() } })
我们看到代码清单 1-38 中所定义的张量可以正常显示在控制台，运行结果如图 1-61 所示。
张量显示成功表明，TensorFlowJS 组件可以正常调用。
