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：
--- ------- ----------------
安装完成后，就可以在项目中引入 TensorFlow.js：
----- -- - ----------------------------
如果要在浏览器中使用 TensorFlow.js，则可以直接使用以下 CDN 引入：
------- ----------------------------------------------------------------------------------
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：
----- - - ------------- -- -- ---- ----- - - -------------- --- --- -----
Tensor 还支持一些常见的运算操作，例如加、减、乘、除等：
----- - - ------------- -- -- ---- ----- - - ------------- -- -- ---- ----- - - --------- -- -- ----- - - --------- -- -- ----- - - --------- -- -- ----- - - --------- -- --
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：
----- ----- - ---------------- --------------------------------- --- ----------- ---------
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：
----- ------ - ------------------------------------------------------------------------------------------------------------
----- ------- - ------------------- --------------- ------ --------- ---------
----- ---------------- -
-------------------------------------------------------- -- -
------ -
--- --------------------------
--- -------------
-
---
----- ----------- - ------ -------------------------------------------------
----- ----- - ----------------
--------------------------------- -- ----------- -----------------
---------------
---------- ----------------
----- ------------------
---
----- ---------------------------------------------
----------------------------------------------------------- ----------
---------------------------------------------------------------------------------------