TensorFlow.js est une bibliothèque pour le machine learning avec JavaScript
Développez des modèles de machine learning en JavaScript et utilisez le machine learning directement dans le navigateur ou dans Node.js.
Comment ça marche ?
Exécuter les modèles existants
Utilisez des modèles JavaScript prêts à l'emploi ou convertissez des modèles TensorFlow codés en Python pour les exécuter dans un navigateur ou sous Node.js.
Réentraîner des modèles existants
Réentraînez des modèles de machine learning existants à l'aide de vos propres données.
Développer du machine learning avec JavaScript
Créez et entraînez des modèles directement en JavaScript à l'aide d'API flexibles et intuitives.
Démos
Écoutez une interprétation au piano en temps réel jouée par un réseau de neurones.
Jouez à Pac-Man à l'aide d'images sur lesquelles vous venez d'entraîner votre navigateur.
Chantez en play-back sur le hit "Dance Monkey" directement dans votre navigateur grâce à Facemesh.
Actualités et annonces
Consultez notre blogblog pour en savoir plus, et abonnez-vous à notre newsletter TensorFlow mensuelle pour recevoir directement les dernières annonces.
Unifiez vos déploiements de ML mobiles et Web en réutilisant des modèles TF Lite optimisés et en les exécutant dans le navigateur via WebAssembly, sans réécriture avec JavaScript. Nos nouvelles API de tâches TF.js sont compatibles avec une grande variété de modèles et de backends.
Améliorez l'expérience des utilisateurs sur votre site Web en entraînant un modèle de machine learning personnalisé avec vos données de navigation afin de prédire les pages qu'ils visiteront par la suite, et utilisez une application Angular pour précharger le contenu et améliorer la vitesse du site.
Obtenez une vue d'ensemble de TensorFlow.js ainsi que des exemples d'utilisation concrets, découvrez les nouveautés de cette année et les projets à venir et participez à nos nouveaux groupes de travail et d'intérêts spéciaux.
MoveNet est une architecture de détection des postures humaines conçue pour détecter les postures difficiles et les mouvements rapides du corps. Le modèle peut s'exécuter dans le navigateur avec une latence très faible, ouvrant la voie à toute une gamme d'applications et d'expériences interactives.
Implication de la communauté
Découvrez d'autres façons de s'impliquer dans la communauté TensorFlow.
