2.6　擴(kuò)展：使用tensorflow.js進(jìn)行機(jī)器學(xué)習(xí)

tensorflow.js是一個(gè)機(jī)器學(xué)習(xí)的前端框架，Google也在GitHub開源了相關(guān)代碼。GitHub地址：https://github.com/tensorflow/tfjs。在實(shí)現(xiàn)方面，TensorFlow團(tuán)隊(duì)使用了WebGL庫(kù)對(duì)運(yùn)算過(guò)程進(jìn)行優(yōu)化，使得tensorflow.js在學(xué)習(xí)尤其是網(wǎng)絡(luò)擴(kuò)大的時(shí)候能夠有更好的性能表現(xiàn)。在API設(shè)計(jì)方面，框架更多地考量到了開發(fā)人員的易用性，在較為底層的API方面使用了TensorFlow Python的許多概念，而在高級(jí)抽象API方面則更多地與Keras框架保持一致。

接下來(lái)我們通過(guò)一個(gè)簡(jiǎn)單的例子了解一下tensorflow.js的魅力。

1. 類庫(kù)引入

（1）script標(biāo)簽引入

標(biāo)簽的引入是最為直接的方式，引入的地址為https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@0.9.0。下面給大家提供一個(gè)簡(jiǎn)單的開發(fā)模板：

（2）npm引入

如果你使用了Node進(jìn)行前端架構(gòu)的開發(fā)，就需要包管理工具npm來(lái)引入。

   npm install @tensorflow/tfj

下面給大家提供一個(gè)簡(jiǎn)單的開發(fā)模板（ES 6）：

   import * as tf from '@tensorflow/tfjs';
   // 在下面寫機(jī)器學(xué)習(xí)業(yè)務(wù)代碼

2. hello tfjs — 一個(gè)簡(jiǎn)單的示例

（1）代碼編寫

   // 定義模型：線性回歸模型
     const model = tf.sequential();
     model.add(tf.layers.dense({units: 1, inputShape: [1]}));
     
     // 定義模型損失函數(shù)和梯度下降算法
     model.compile({loss: 'meanSquaredError', optimizer: 'sgd'});
     
     // 準(zhǔn)備學(xué)習(xí)數(shù)據(jù)
     const xs = tf.tensor2d([1, 2, 3, 4], [4, 1]);
     const ys = tf.tensor2d([1, 3, 5, 7], [4, 1]);
     
     //模型學(xué)習(xí)
     model.fit(xs, ys).then(() => {
       // 使用訓(xùn)練完成的模型進(jìn)行預(yù)測(cè)
       model.predict(tf.tensor2d([5], [1, 1])).print();
     });

（2）代碼分析

代碼中具體做的事情是線性回歸分析，步驟總結(jié)為：模型定義→模型學(xué)習(xí)→模型使用。如果大家想要深入了解線性回歸分析的內(nèi)容，可以參考筆者的免費(fèi)課程，課程鏈接：https://www.imooc.com/learn/972。

（3）運(yùn)行結(jié)果

在瀏覽器上運(yùn)行，在命令行中就能看到想要的輸出，如圖2.21所示。

圖2.21　代碼運(yùn)行結(jié)果

近年來(lái)，隨著前端框架（React、Vue、Angular）的崛起和微信小程序的發(fā)力，前端從業(yè)人員的開發(fā)能力得到了長(zhǎng)足的進(jìn)步，人工智能時(shí)代不但給予后臺(tái)通關(guān)前后臺(tái)的能力，而且也給了前端業(yè)務(wù)更多的想象力，tensorflow.js就是在這樣的環(huán)境下應(yīng)運(yùn)而生的產(chǎn)物。我們通過(guò)上述的入門例子對(duì)tensorflow.js有了直觀的感受，如果你學(xué)習(xí)了TensorFlow的核心知識(shí)，那么上手tensorflow.js將會(huì)非常容易。