更简单的机器学习方式！TensorFlow.js是ML新手的“绝佳”选择

TensorFlow.js是一个开源库，可以使用JavaScript和高级图层API在浏览器中完全定义、训练和运行机器学习模型。如果您是ML新手，那么TensorFlow.js是帮助您开始学习的好方式。或者，如果您是新接触JavaScript的ML开发人员，那么请继续阅读以了解更多关于浏览器内的ML。在这篇文章中我们将简要介绍TensorFlow.js。

浏览器内的ML

在浏览器中完全运行客户端的机器学习程序可以“解锁”新的惊喜，如交互式ML！如果您关注过TensorFlow开发者峰会的活动，在TensorFlow.js会议期间，您会发现一个演示，其中@dsmilkov和@nsthorat在浏览器中使用计算机视觉和网络摄像头训练模型以控制PAC-MAN游戏。

使用神经网络将您的摄像头变成PAC-MAN的控制器。

Emoji Scavenger Hunt是使用TensorFlow.js构建的应用程序的另一个有趣示例。

在浏览器中运行的ML意味着不需要安装任何库或驱动程序，只需打开一个网页，您的程序即可运行。此外，它还可以运行GPU加速。 TensorFlow.js支持WebGL，当GPU可用时，它会加速您的代码。用户也可以通过移动设备打开您的网页，在这种情况下，您的模型可以利用传感器数据，例如陀螺仪或加速度计。最后，所有数据都保留在客户端上，使得TensorFlow.js可用于低延迟推断以及隐私保护应用程序。

你可以用TensorFlow.js做什么？

如果您使用TensorFlow.js进行开发，可以考虑以下三种工作流程。

• 您可以导入现有的、预先训练的模型进行推理。如果您有一个以前曾经脱机训练过的现有TensorFlow或Keras模型，则可以将其转换为TensorFlow.js格式，并将其加载到浏览器中进行推理。
• 您可以重新训练导入的模型。正如在上面的Pac-Man演示中，您可以使用传输学习来增强现有模型，使用名为“图像重新训练”的技术，利用浏览器中收集的少量数据进行离线培训。这是快速训练精确模型的一种方法，它只需使用少量数据。
• 直接在浏览器中创建模型。您还可以用TensorFlow.js在浏览器中使用Javascript和高级图层API定义、训练和运行模型。如果您熟悉Keras，那么您对高级图层API应该会上手很快。

一些代码

下文展示了如何在浏览器中导出用Python定义的模型进行推理，以及如何完全用Javascript定义和训练模型。作为一个快速预览，这里有一段代码片段，它定义了一个用于对花朵进行分类的神经网络。在这里，我们将使用图层来定义一个模型。

我们在此使用的图层API支持示例目录中的所有Keras图层（包括Dense，CNN，LSTM等）。 然后，我们可以使用与方法相适用的Keras兼容API来训练我们的模型：

该模型现在可以用来做出预测：

TensorFlow.js还包含低级API（以前称为deeplearn.js）和支持Eager执行。 您可以通过在TensorFlow开发者峰会上观看演讲了解更多。

TensorFlow.js由WebGL提供支持，并提供用于定义模型的高级图层API和用于线性代数和自动分化的低级API。TensorFlow.js支持导入TensorFlow SavedModels和Keras模型。

TensorFlow.js如何与deeplearn.js关联？

TensorFlow.js是用于机器学习的JavaScript工具生态系统，是deeplearn.js的下一代，现在被称为TensorFlow.js Core。TensorFlow.js还包含一个Layers API，它是用于构建使用Core的机器学习模型的更高级别的库，以及用于自动移植TensorFlow SavedModels和Keras hdf5模型的工具。