TensorFlow.js是一个用于在JavaScript中进行机器学习的强大工具。它提供了一个完整的生态系统，使得在浏览器和Node.js环境中进行机器学习变得容易而且高效。使用TensorFlow.js，你可以构建和训练各种机器学习模型，并且可以在前端应用程序中直接使用这些模型。
安装和引入TensorFlow.js库
要使用TensorFlow.js，首先需要在你的项目中安装和引入TensorFlow.js库。你可以通过以下命令将其安装到你的项目中：
npm install @tensorflow/tfjs
然后，你可以使用以下代码将其引入到你的JavaScript文件中：
import * as tf from '@tensorflow/tfjs';
加载和训练模型
使用TensorFlow.js，你可以加载已经保存的模型或者从头开始训练一个新模型。以下是一个示例，展示了如何从一个预训练的模型中加载并使用它：
async function run() {
const model = await tf.loadLayersModel('model/model.json');
const prediction = model.predict(tf.tensor2d([[1, 2, 3, 4]], [1, 4]));
prediction.print();
}
run();
上述代码中，我们用tf.loadLayersModel方法加载了一个已经保存的模型并将其命名为model。然后，我们使用model.predict方法对输入数据进行预测，并用prediction.print()将预测结果打印到控制台。
如果你想从头开始训练一个新模型，你可以使用TensorFlow.js提供的各种API和工具。
在浏览器中使用模型
一旦你加载了一个模型，你就可以将其用于前端应用程序中。以下是一个展示如何在浏览器中使用模型的示例：
<!DOCTYPE html>
<html>
<head>
<title>使用TensorFlow.js进行机器学习</title>
<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs-converter"></script>
<script src="https://cdn.jsdelivr.net/npm/@tensorflow-models/mobilenet"></script>
</head>
<body>
<img id="img" src="example.jpg" width="300" height="300">
<script>
async function run() {
const model = await tf.loadLayersModel('model/model.json');
const image = document.getElementById('img');
const mobilenet = await tf.loadGraphModel(
'https://tfhub.dev/google/tfjs-model/imagenet/mobilenet_v2_100_224/classification/3/default/1',
);
const output = mobilenet.predict(tf.browser.fromPixels(image));
const predictions = await output.data();
console.log(predictions);
}
run();
</script>
</body>
</html>
上述代码中，我们首先加载了一个已经保存的模型，并将其用于预测。然后，我们使用tf.browser.fromPixels将图像转换为TensorFlow.js张量，并用于模型预测。
总结
TensorFlow.js为JavaScript开发者提供了一个强大的机器学习工具。使用TensorFlow.js，你可以在浏览器和Node.js环境中构建和训练机器学习模型，并且可以直接在前端应用程序中使用这些模型。无论是加载已经训练好的模型，还是从头开始训练新模型，TensorFlow.js都提供了丰富的API和工具来帮助你完成任务。
本文来自极简博客，作者：紫色迷情，转载请注明原文链接：使用TensorFlow.js进行JavaScript中的机器学习
