TensorFlow.js 是可用 JavaScript 開發機器學習的程式庫

以 JavaScript 開發機器學習模型,並直接在瀏覽器或 Node.js 中使用機器學習。

查看教學課程

教學課程會示範如何使用 TensorFlow.js,內容包含完整的端對端範例。

查看模型

經過預先訓練且立即可用的模型,適用於一般用途。

查看示範

使用 TensorFlow.js 在瀏覽器中執行即時示範與範例。

運作方式

執行現有模型

使用現成的 JavaScript 模型或轉換 Python TensorFlow 模型,以便在瀏覽器作業或利用 Node.js 執行。

重新訓練現有模型

使用你自己的資料,重新訓練現有的機器學習模型。

以 JavaScript 開發機器學習

透過彈性且操作直覺的 API,直接使用 JavaScript 建構及訓練模型。

示範

網路攝影機控制器

使用在瀏覽器中訓練過的影像來玩小精靈遊戲。

LipSync by YouTube

透過 Facemesh 在瀏覽器中即時同步對嘴熱門單曲〈Dance Monkey〉。

最新消息與公告

請前往我們的網誌查看其他最新消息,並訂閱我們每月發行的 TensorFlow 電子報,直接從你的收件匣收取最新公告。

2021 年 5 月 19 日  
High Fidelity Pose Tracking with MediaPipe BlazePose and TensorFlow.js

Achieve higher accuracy and performance in pose detection with MediaPipe BlazePose, a 33-keypoint pose estimation model capable of running in real-time.

2021 年 5 月 19 日  
使用 TensorFlow.js 在網路上直接執行 TensorFlow Lite 模型

重複使用最佳化的 TF Lite 模型,並透過 WebAssembly 在瀏覽器中執行模型,不必重新編寫 JavaScript,就能統合行動和網路機器學習部署。我們的新 TF.js Task API 支援各種模型和後端。

2021 年 5 月 18 日  
使用機器學習技術預先擷取網頁,以加快網站速度

使用網站導覽資料訓練自訂機器學習模型來預測後續會瀏覽的網頁,同時使用 Angular 應用程式預先擷取內容並提升網站速度,以改善網站使用者體驗。

2021 年 5 月 18 日  
使用 TensorFlow.js 打造新世代網頁應用程式的機器學習技術 (Google I/O 大會)

獲得 TensorFlow.js 的高階總覽,並瞭解目前用途、今年的新功能、未來計畫,以及如何參與我們新組成的特殊興趣團隊和工作團隊。