TensorFlow.js 是 Google 推出的一款开源机器学习平台，可以在浏览器和 Node.js 中运行。它不仅包含了 TensorFlow 的核心功能，并且为 JavaScript 开发者提供了一种简单易用、灵活多变的方式来实现机器学习应用。
准备工作
在开始之前，需要安装 Node.js 和 npm。可以从 Node.js 官网下载并安装最新版本：https://nodejs.org/en/
接下来，在命令行中使用 npm 安装 TensorFlow.js：
npm install @tensorflow/tfjs
安装完成后，就可以在项目中引入 TensorFlow.js：
const tf = require('@tensorflow/tfjs');如果要在浏览器中使用 TensorFlow.js，则可以直接使用以下 CDN 引入：
<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@3.8.0/dist/tf.min.js"></script>
常用 API
Tensor
Tensor 是 TensorFlow.js 中最基本的数据结构，代表一个多维数组。可以通过以下方式创建一个 Tensor：
const a = tf.tensor([1, 2, 3, 4]); const b = tf.tensor([[1, 2], [3, 4]]);
Tensor 还支持一些常见的运算操作，例如加、减、乘、除等：
const a = tf.tensor([1, 2, 3, 4]); const b = tf.tensor([5, 6, 7, 8]); const c = a.add(b); // 相加 const d = a.sub(b); // 相减 const e = a.mul(b); // 相乘 const f = a.div(b); // 相除
Layers
Layers 是 TensorFlow.js 中用来构建神经网络模型的模块。可以使用以下代码创建一个简单的全连接层：
const model = tf.sequential();
model.add(tf.layers.dense({units: 10, inputShape: [784]}));其中 dense 表示这是一个全连接层，units 表示神经元个数，inputShape 表示输入的形状。
Model
Model 是 TensorFlow.js 中用来训练和评估神经网络模型的模块。可以使用以下代码编译和训练一个简单的线性回归模型：
-- -------------------- ---- ------- ----- ----- - ---------------- --------------------------------- -- ----------- ------- -------------------- ------------------- ---------- -------- ----- -- - --------------- -- -- --- --- ---- ----- -- - --------------- -- -- --- --- ---- ------------- --- -------- ------------ -- - ------------------------------ --- ------------- -- ------ ---
其中 compile 用于配置模型的损失函数和优化器，fit 用于训练模型，predict 用于预测结果。
Data
Data 是 TensorFlow.js 中用来读取和处理数据的模块。可以使用以下代码加载并处理一个 CSV 文件：
-- -------------------- ---- -------
----- ------ - ------------------------------------------------------------------------------------------------------------
----- ------- - ------------------- --------------- ------ --------- ---------
----- ---------------- -
-------------------------------------------------------- -- -
------ -
--- --------------------------
--- -------------
-
---
----- ----------- - ------ -------------------------------------------------
----- ----- - ----------------
--------------------------------- -- ----------- -----------------
---------------
---------- ----------------
----- ------------------
---
----- ---------------------------------------------
- ----------------------------------------------------------- --------
----------------------------------------------------------------------------------