专项课程:TensorFlow 的 JavaScript 开发基础知识

在开始学习下面的学习资料之前,您应该:

  1. 对使用 HTML 和 JavaScript 进行浏览器编程有所了解

  2. 熟悉如何使用命令行运行 node.js 脚本

本课程适用于想要实现以下目标的人员:

  1. 用 JavaScript 构建机器学习模型

  2. 运行现有的 TensorFlow.js 模型

  3. 将机器学习模型部署到网络浏览器中

借助 TensorFlow.js,您可以使用 JavaScript 开发机器学习模型,并直接在浏览器或 Node.js 中使用机器学习模型。要详细了解 TensorFlow.js 及其作用,请观看 Google I/O 大会上的这段演讲视频

第 1 步:在浏览器中进行机器学习的简介

要大致了解使用 JavaScript 进行机器学习的基础知识,请在 YouTube 上观看此视频系列,其中介绍了如何从基本原理入手,到最终学会如何构建进行基本分类的神经网络。

入门级在线课程
开始通过 TensorFlow 使用 TensorFlow.js

该专项课程由 3 个部分组成,探讨了如何使用 TensorFlow.js 训练和执行机器学习模型,并向您展示了如何使用 JavaScript 创建直接在浏览器中执行的机器学习模型。

免费
观看  

第 2 步:更加深入地了解深度学习

要更加深入地了解神经网络的工作原理,以及更加全面地了解如何运用神经网络解决各种问题,使用 JavaScript 进行深度学习一书是入门的理想之选。其中附带了 GitHub 上的大量示例,可供您练习使用 JavaScript 进行机器学习。

本书将介绍如何使用各种神经网络架构(例如卷积神经网络、循环神经网络)和高级训练范例(例如强化学习),另外也清楚解释了神经网络在训练过程中实际发生的情况。

入门级在线课程
《使用 JavaScript 进行深度学习》,由 Shanqing Cai、Stanley Bileschi、Eric D. Nielsen 和 Francois Chollet 共同编著

本书由 TensorFlow 库的主要作者编著,提供了关于在浏览器中或 Node 上使用 JavaScript 构建深度学习应用的精彩用例和深入说明。

第 3 步:使用 TensorFlow.js 进行示例练习

熟能生巧,亲身体验是掌握概念的最佳方式。对神经网络有所了解之后,您可以更加轻松地探索由 TensorFlow 团队创建的开放源代码示例。所有示例均可在 GitHub 上找到,因此您可以深入了解相应代码及其工作原理。要尝试常见用例,您可以使用 mnist 示例开始探索卷积神经网络,使用 mnist-transfer-cnn 示例尝试迁移学习,或者通过 addition-rnn 示例了解如何构造循环神经网络。

TensorFlow.js
使用 TensorFlow.js 构建的示例

GitHub 上的代码库,包含一组在 TensorFlow.js 中实现的示例。各个示例目录相互独立,因此可以将该目录复制到其他项目。

TensorFlow.js
浏览我们的教程,了解如何开始使用 TensorFlow.js

TensorFlow 教程是以 Jupyter 笔记本的形式编写而成,可直接在 Google Colab(一种无需设置的托管式笔记本环境)中运行。点击“在 Google Colab 中运行”按钮。

第 4 步:创建新项目!

在检验了知识掌握情况并使用一些 TensorFlow.js 示例练习之后,您应该就可以开始开发自己的项目了。查看一下我们的预训练模型,然后开始构建应用。或者,您也可以使用收集的数据或使用公共数据集训练自己的模型。KaggleGoogle 数据集搜索是查找用于训练模型的开放数据集的理想之地。