tensorflow.js - TensorFlow.js中的nextFrame()方法到底做什么？

Question

我正在尝试使用TensorFlow.js处理实时视频提要。

基于其他示例，我正在使用类似以下内容的内容:

while(true) {
  const results = await model.classify(videoElem);
  console.log(results);
  await tf.nextFrame();
}

我试图确切地了解 tf.nextFrame()的作用。

我在想，当我运行 model.classify(videoElem)时，它会从视频流中获取单个帧，并使用模型对其进行处理。

我想主要有两种情况:

该视频生成帧的速度比JavaScript分类帧的速度快。

JavaScript处理帧的速度比生成帧的速度快。

tf.nextFrame()方法是否可以处理场景2，从而使单个帧永远不会被处理两次？

该文档通过以下方式描述了它:

当requestAnimationFrame具有
完成。

这只是一种糖方法，因此用户可以执行以下操作:
等待tf.nextFrame();

我在解释这意味着什么时遇到了麻烦。任何人都可以确认我描述的是 tf.nextFrame()是什么吗？如果我的解释不正确，那么 tf.nextFrame()到底能做什么？

Answer 1

重新阅读文档提供的定义后，我意识到requestAnimationFrame是我不熟悉的browser API。

window.requestAnimationFrame()方法告诉浏览器您
希望执行动画并请求浏览器调用
指定的功能，可以在下一次重绘之前更新动画。的
方法将回调作为要在之前调用的参数
重新粉刷。

如果我正确解释的话，似乎window.requestAnimationFrame()在下一次可用的重新绘制时返回。因此，这应该停止我的问题中描述的方案＃2，其中单个帧被处理两次。