周一同学Zelina一、Tensorflow.js简介
1、Tensorflow.js是什么?
- 一个用
JavaScript实现的机器学习库，以便让我们可以用它来做一些机器学习的功能。 - 让前端工程师可以直接在浏览器和Node.js中使用机器学习技术，且在浏览器里面做一些更高阶的交互操作。比如：①让我们手机里面的浏览器拥有摄像头、录音等能力；②开发一些小游戏 or 人工智能的游戏。
2、Tensorflow.js具体功能
- 运行现有模型 —— 现有模型指的是那些算法工程师已经训练好的模型，我们可以直接把它转化为在浏览器里面运行的格式，然后直接用
Tensorflow.js运行。 - 重新训练现有模型 —— 我们可以在现有模型的基础上对它进行重新训练，让它能够识别我们自定义的一些类别，比如说我们可以识别我们的手势，然后让计算机记住我们的手势，这样我们就可以用手势来控制电脑了。
- 使用JavaScript开发机器学习模型 —— 指的是我们可以从0开始来开发一个机器学习模型，比如：从0训练一个线性回归模型来预测身高体重，预测房价等等。
二、安装Tensorflow.js
我们可以在浏览器和node.js中安装tensorflow.js，来看看如何安装。
1、浏览器安装
浏览器安装有两种方式：
- 使用
Script标签来引入Tensorflow.js。 - 使用
NPM包安装，并使用Parcel或Webpack构建。
下面我们来说下npm这种安装方式。首先，需要在项目安装@tensorflow/tsjs：
Bash
yarn add @tensorflow/tfjsyarn add @tensorflow/tfjs之后，在js文件里进行使用。比如：
JavaScript
// 把@tensorflow/tfjs打包出来的所有接口，变成一个对象
import * as tf from '@tensorflow/tfjs';
const a = tf.tensor([1, 2]);
a.print();// 把@tensorflow/tfjs打包出来的所有接口，变成一个对象
import * as tf from '@tensorflow/tfjs';
const a = tf.tensor([1, 2]);
a.print();至此，我们就可以在浏览器使用tensorflow这个库啦！
2、nodejs安装
第二种要讲的是，在nodejs环境中安装tensorflow。不过，这种方式会有一点麻烦的是，nodejs环境依赖于GPU，所以要先给我们的系统安装带有支持GPU的环境，才能让tensorflow在nodejs环境中使用。
首先第一步，先在mac里面安装tensorflow.js，具体戳此链接：【环境备份】Mac M1 系列(Apple Silicon)各版本的 TensorFlow 及安装方法(支持 Mac GPU 加速)。
之后，我们其实就有了conda环境，然后需要使用conda环境来安装 Tensorflow C库。具体步骤如下👇🏻：
安装完成之后，就可以在我们的项目里面，安装@tensorflow/tfjs-node这个库：
Bash
yarn add @tensorflow/tfjs-nodeyarn add @tensorflow/tfjs-node之后，让这个库，在项目中使用：
JavaScript
// 把import改为node.js中commonjs的语法
const tf = require('@tensorflow/tfjs-node');
const a = tf.tensor([1, 2]);
a.print();
s// 把import改为node.js中commonjs的语法
const tf = require('@tensorflow/tfjs-node');
const a = tf.tensor([1, 2]);
a.print();
s三、为何要用Tensor？
1、什么是Tensor？
- 中文名叫张量
- 张量是向量和矩阵向更高维度的推广
- 可以理解为，张量相当于多维数组
2、Tensor和机器学习有什么关系？
（1）神经网络是什么样子
（2）神经网络数据结构设计
如果让你设计神经网络的数据结构，你会怎么设计？
- 神经网络的每一层要存储
N维数据 - 之后要做
N层的For循环运算 Tensor作为高维数据结构完美解决以上问题
比如下面这段代码：
JavaScript
import * as tf from '@tensorflow/tfjs';
// 传统 for 循环
// 输入层
const input = [1, 2, 3, 4];
// 第一层神经元
const w = [
[1, 2, 3, 4], // 每个神经元的权重
[2, 3, 4, 5],
[3, 4, 5, 6],
[4, 5, 6, 7]
];
// 第二层神经元
const output = [0, 0, 0, 0];
for (let i = 0; i < w.length; i++) {
for (let j = 0; j < input.length; j++) {
output[i] += input[j] * w[i][j];
}
}
console.log(output); // [30, 40, 50, 60]
// dot() 点乘法
tf.tensor(w).dot(tf.tensor(input)).print(); // [30, 40, 50, 60]import * as tf from '@tensorflow/tfjs';
// 传统 for 循环
// 输入层
const input = [1, 2, 3, 4];
// 第一层神经元
const w = [
[1, 2, 3, 4], // 每个神经元的权重
[2, 3, 4, 5],
[3, 4, 5, 6],
[4, 5, 6, 7]
];
// 第二层神经元
const output = [0, 0, 0, 0];
for (let i = 0; i < w.length; i++) {
for (let j = 0; j < input.length; j++) {
output[i] += input[j] * w[i][j];
}
}
console.log(output); // [30, 40, 50, 60]
// dot() 点乘法
tf.tensor(w).dot(tf.tensor(input)).print(); // [30, 40, 50, 60]如果按照传统的方法来计算，需要写一长串代码。而如果用tensorflow里面的tensor来解决，只需要最后一句代码，就可达到我们想要的结果。