安装

浏览器安装

在您基于浏览器的项目中获取TensorFlow.js有以下两种主要方法

• 使用 脚本标签(script tags)。
• 从NPM安装并且使用Parcel, WebPack或是 Rollup这样的构建工具。

如果您不熟悉Web开发，或者从未听说过webpack或parcel等工具，我们建议您使用脚本标签(script tags)。如果您经验丰富或想要编写更大的程序，那么使用构建工具进行探索可能更加合适。

使用脚本标签(script tags)

将以下脚本标签添加到您的主HTML文件中：

<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@1.0.0/dist/tf.min.js"></script>

有关脚本标签的设置，请参阅代码示例：

//定义一个线性回归模型。
const model = tf.sequential();
model.add(tf.layers.dense({units: 1, inputShape: [1]}));

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, {epochs: 10}).then(() => {
// 在该模型从未看到过的数据点上使用模型进行推理

  model.predict(tf.tensor2d([5], [1, 1])).print();
  // 打开浏览器开发工具查看输出
});
  

从NPM安装

您可以使用 npm cli工具或是yarn安装TensorFlow.js。

yarn add @tensorflow/tfjs

或者

npm install @tensorflow/tfjs

import * as tf from '@tensorflow/tfjs';

//定义一个线性回归模型。
const model = tf.sequential();
model.add(tf.layers.dense({units: 1, inputShape: [1]}));

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, {epochs: 10}).then(() => {
  // 在该模型从未看到过的数据点上使用模型进行推理
  model.predict(tf.tensor2d([5], [1, 1])).print();
  //  打开浏览器开发工具查看输出
});
  

Node.js 安装

您可以使用 npm cli工具或是yarn安装TensorFlow.js。

选项1: 安装带有原生C++绑定的TensorFlow.js。

yarn add @tensorflow/tfjs-node

或者

npm install @tensorflow/tfjs-node

选项2: （仅限Linux）如果您的系统具有支持CUDA的NVIDIA®GPU，请使用GPU包以获得更高的性能。

yarn add @tensorflow/tfjs-node-gpu

or

npm install @tensorflow/tfjs-node-gpu

选项3: 安装纯JavaScript版本，这是性能方面最慢的选项。

yarn add @tensorflow/tfjs

or

npm install @tensorflow/tfjs

const tf = require('@tensorflow/tfjs');

// 可选加载绑定：
// 如果使用GPU运行，请使用'@tensorflow/tfjs-node-gpu'
require('@tensorflow/tfjs-node');

// 训练一个简单模型:
const model = tf.sequential();
model.add(tf.layers.dense({units: 100, activation: 'relu', inputShape: [10]}));
model.add(tf.layers.dense({units: 1, activation: 'linear'}));
model.compile({optimizer: 'sgd', loss: 'meanSquaredError'});

const xs = tf.randomNormal([100, 10]);
const ys = tf.randomNormal([100, 1]);

model.fit(xs, ys, {
  epochs: 100,
  callbacks: {
    onEpochEnd: (epoch, log) => console.log(`Epoch ${epoch}: loss = ${log.loss}`)
  }
});
  

TypeScript

当使用TypeScript时，如果您的项目使用严格的空值检查，或者在编译过程中遇到错误，则您可能需要在您的tsconfig.json文件中设置skipLibCheck：true。