简介

TensorFlow.js是一个开源的硬件加速JavaScript库，用于训练和部署机器学习模型。支持如下：

在浏览器中开发ML

使用灵活直观的API，使用低级JavaScript线性代数库或高级层API从头开始构建模型。

在Node.js中开发ML

Node.js运行时下使用相同的TensorFlow.js API执行本机TensorFlow。

运行现有模型

使用TensorFlow.js模型转换器直接在浏览器中运行预先存在的TensorFlow模型。

重新训练现有模型

使用连接到浏览器的传感器数据或其他客户端数据重新训练预先存在的ML模型。

目前github star 11K+，最新版本1.2.2，如下截图：

TensorFlow.js 官网，如下截图

入门示例

html示例

<html>
 <head>
 <!-- 加载TensorFlow.js -->
 <script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs/dist/tf.min.js"> </script>
 <!-- 将您的代码放在下面的脚本标记中。您还可以使用外部.js文件-->
 <script>
 // 注意没有'import'语句。
 // 定义线性回归模型
 const model = tf.sequential();
 model.add(tf.layers.dense({units: 1, inputShape: [1]}));
 // 为训练准备模型：指定损失和优化程序。
 model.compile({loss: 'meanSquaredError', optimizer: 'sgd'});
 // 为训练生成一些合成数据。
 const xs = tf.tensor2d([1, 2, 3, 4], [4, 1]);
 const ys = tf.tensor2d([1, 3, 5, 7], [4, 1]);
 // 使用数据训练模型。
 model.fit(xs, ys).then(() => {
 // 打开浏览器devtools查看输出。
 model.predict(tf.tensor2d([5], [1, 1])).print();
 });
 </script>
 </head>
 <body>
 </body>
</html>

npm 示例

import * as tf from '@tensorflow/tfjs';
// 定义线性回归模型。
const model = tf.sequential();
model.add(tf.layers.dense({units: 1, inputShape: [1]}));
// 为训练准备模型：指定损失和优化程序。
model.compile({loss: 'meanSquaredError', optimizer: 'sgd'});
// 为训练生成一些合成数据。
const xs = tf.tensor2d([1, 2, 3, 4], [4, 1]);
const ys = tf.tensor2d([1, 3, 5, 7], [4, 1]);
// 使用数据训练模型。
model.fit(xs, ys).then(() => {
 model.predict(tf.tensor2d([5], [1, 1])).print();
});

四时宝库

程序员的知识宝库

TensorFlow.js入门介绍（tensorflow documentation）

简介

入门示例