TensorFlow.js ist eine Bibliothek für maschinelles Lernen in JavaScript
Entwickeln Sie ML-Modelle in JavaScript und verwenden Sie ML direkt im Browser oder in Node.js.
Wie es funktioniert
Bestehende Modelle ausführen
Verwenden Sie standardmäßige JavaScript-Modelle oder konvertieren Sie Python-TensorFlow-Modelle zur Ausführung im Browser oder unter Node.js.
Bestehende Modelle umschulen
Trainieren Sie bereits vorhandene ML-Modelle mit Ihren eigenen Daten neu.
ML mit JavaScript entwickeln
Erstellen und trainieren Sie Modelle direkt in JavaScript mit flexiblen und intuitiven APIs.
Demos
Genießen Sie ein Klavierspiel in Echtzeit durch ein neuronales Netzwerk.
Spielen Sie Pac-Man mit Bildern, die in Ihrem Browser trainiert wurden.
Lippensynchronisation zum beliebten Hit "Dance Monkey" live im Browser mit Facemesh.
Vereinheitlichen Sie Ihre mobilen und Web-ML-Bereitstellungen, indem Sie optimierte TF Lite-Modelle wiederverwenden und über WebAssembly im Browser ausführen, ohne dass JavaScript neu geschrieben werden muss. Unsere neuen TF.js-Aufgaben-APIs unterstützen eine Vielzahl von Modellen und Back-Ends.
Verbessern Sie die Benutzererfahrung der Website, indem Sie ein benutzerdefiniertes Modell für maschinelles Lernen mit Website-Navigationsdaten trainieren, um die nächsten Seiten vorherzusagen, und eine Angular-App verwenden, um den Inhalt vorab abzurufen und die Website-Geschwindigkeit zu verbessern.
Verschaffen Sie sich einen umfassenden Überblick darüber, was TensorFlow.js ist, wie es derzeit verwendet wird, was in diesem Jahr neu ist, Pläne für die Zukunft und wie Sie sich in unseren neu gegründeten Fach- und Arbeitsgruppen engagieren können.
MoveNet ist eine Architektur zur Erkennung der menschlichen Pose, die entwickelt wurde, um schwierige Posen und schnelle Körperbewegungen zu erkennen. Das Modell kann mit sehr geringer Latenz im Browser ausgeführt werden, was die Tür für eine neue Klasse von Anwendungen und interaktiven Erfahrungen öffnet.
Die Beteiligung der Gemeinschaft
Sehen Sie sich weitere Möglichkeiten zur Teilnahme an der TensorFlow-Community an.
