将机器学习放在浏览器中，利用TensorFlow.js
前言
webgl加速库使用Node.js服务器端JavaScript运行时，但与Tensorflow的Python API并不相同
原文来自信息世界（翻译）：侵删
TensorFlow.js的计划增强功能包括：
- 一个可视化库，用于执行模型和数据的快速可视化。
- 浏览器的性能改进。
- WebGL优化。
- 特定于浏览器和节点的数据API。
- node.js端的云集成，包括无服务器类型的集成点。
- 通过libuv异步I/O库提供更好的异步支持。
谷歌的TensorFlow开源机器学习库已经通过TensorFlow扩展到JavaScript。用于在浏览器中部署机器学习模型的JavaScript库。
一个webgl加速的库，TensorFlow .js也与Node.js服务器端JavaScript运行时一起工作，并且是TensorFlow生态系统的一部分。机器学习直接在浏览器中进行，不需要驱动程序;开发人员可以运行代码。
该项目以JavaScript工具的生态系统为特色，从Deeplearn.js库演变而来，用于基于浏览器的机器学习;js现在被称为Tensorflow.js Core。
学习从来不是一个人的事情，要有个相互监督的伙伴，工作需要学习python或者有兴趣学习python的伙伴可以私信回复小编“学习” 领取全套免费python学习资料、视频()装包
js API可用于使用低层JavaScript线性代数库或高层API构建模型。js模型转换器可以在浏览器或Node.js下运行现有模型。现有的模型可以使用连接到浏览器的传感器数据进行再培训。
张量是数据的中心单位。此外，还包括一个高级的、受keras启发的API，用于构建神经网络。
但是TensorFlow.js并不是唯一一个用于神经网络的JavaScript库;由麻省理工学院学生建造的TensorFire在网页中执行神经网络。
js有一个类似于Tensorflow的Python API的API。但是JavaScript API还不支持Python API的所有功能。js的构建者承诺在有意义的地方实现对等，但是希望提供一个惯用的JavaScript API。与WebGL一起运行的TensorFlow的速度也只有AVX库中使用的TensorFlow Python API的50%到60%。
你可以从GitHub下载TensorFlow.js。