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.

Siehe Tutorials

Tutorials zeigen Ihnen, wie Sie TensorFlow.js mit vollständigen End-to-End-Beispielen verwenden.

Siehe Modelle

Vortrainierte Out-of-the-Box-Modelle für gängige Anwendungsfälle.

Demos ansehen

Live-Demos und Beispiele werden in Ihrem Browser mit TensorFlow.js ausgeführt.

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

Leistung RNN

Genießen Sie ein Klavierspiel in Echtzeit durch ein neuronales Netzwerk.

Webcam-Controller

Spielen Sie Pac-Man mit Bildern, die in Ihrem Browser trainiert wurden.

LipSync von YouTube

Lippensynchronisation zum beliebten Hit "Dance Monkey" live im Browser mit Facemesh.

Neuigkeiten & Ankündigungen

Schauen Sie sich unsere Blog für weitere Updates und abonnieren Sie unseren monatlichen Newsletter TensorFlow die neuesten Ankündigungen direkt in Ihren Posteingang gesendet zu bekommen.

19. Mai 2021  
Führen Sie TensorFlow Lite-Modelle direkt im Web mit TensorFlow.js aus

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.

18. Mai 2021  
Beschleunigen Sie Ihre Websites mit Webseiten-Prefetching mit ML

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.

18. Mai 2021  
Maschinelles Lernen für Web-Apps der nächsten Generation mit TensorFlow.js (Google I/O)

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.

Weiter
17. Mai 2021  
Posenerkennung der nächsten Generation mit MoveNet

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.