TensorFlow.js 正在参加 2020 年度 OSC 中国开源项目评选,请投票支持!
TensorFlow.js 在 2020 年度 OSC 中国开源项目评选 中已获得 {{ projectVoteCount }} 票,请投票支持!
投票让它出道
已投票
TensorFlow.js 获得 2020 年度 OSC 中国开源项目评选「最佳人气项目」 !
TensorFlow.js 获得 2020 年度 OSC 中国开源项目评选「最佳人气项目」「最积极运营项目」 !
TensorFlow.js 获得 2020 年度 OSC 中国开源项目评选「最积极运营项目」 !
授权协议 Apache 2.0
开发语言 JavaScript
操作系统 跨平台
软件类型 开源软件
开源组织 Google
地区 不详
投 递 者 王练
适用人群 未知
收录时间 2018-04-02

软件简介

TensorFlow.js 是一个开源硬件加速 JavaScript 库,用于训练和部署机器学习模型。

TensorFlow.js 可用于:

在浏览器中创建模型

TensorFlow.js 的 API 灵活且直观,可以使用低级的 JavaScript 线性代数库和高级图层 API 在浏览器中定义、训练和运行完整的机器学习模型。

运行现有模型

TensorFlow.js 可导入现有的预先训练的模型进行推理。如果你有一个以前曾经脱机训练过的现有 TensorFlow 或 Keras 模型,则可以将其转换为 TensorFlow.js 格式,并将其加载到浏览器中进行预测。

重新调整现有模型 

TensorFlow.js 可用于重新训练导入的模型。你可以使用传输学习来增强现有模型,使用名为“图像重新训练”的技术,使用浏览器中收集的少量数据进行离线培训。这是快速训练精确模型的一种方法,只使用少量数据。

架构原理


TensorFlow.js 主要是由 WebGL 提供能力支持,并提供了一个用于定义模型的高层  API ,以及用于线性代数和自动微分的低级 API 。TensorFlow.js 支持导入 TensorFlow SavedModels  和  Keras  模型。

展开阅读全文

代码

的 Gitee 指数为
超过 的项目

评论 (0)

加载中
更多评论
2018/08/22 08:30

TensorFlow 2.0 的核心功能将是“Eager Execution”

TensorFlow 2.0 是谷歌开源机器学习框架的下一个主要版本,将于 2018 年末推出其首个测试版。TensorFlow 是 Google 对机器学习和数据科学领域的贡献,是快速开发神经网络的一般框架。 尽管 TensorFlow 相对较新,但由于其强大的抽象和易用性,已经被广泛采用作为深度学习的通用平台。 2.0 将带来哪些新特性? 除了解决性能问题之外,TensorFlow 2.0 的构建者还将纠正兼容性和连续性错误。 计划用于 TensorFlow 2.0 的核心功能是...

5
5
发表于AI & 大数据专区
2018/05/20 07:38

TensorFlow.js 0.11.1 发布,在浏览器中训练 ML 模型

TensorFlow.js 是一个开源硬件加速 JavaScript 库,用于训练和部署机器学习模型。 TensorFlow.js 0.11.1 已发布,包含大量更新: Add capability to save and load tf.Models using the following mediums: browser Local Storage browser IndexedDB browser file downloads and uploads HTTP requests See Tutorial Page for more details. (#181). Core (0.8.3 ==> 0.11.0) Features Add tf.unstack (#1018). Add tf.losses.l...

1
4
发表于AI & 大数据专区
2018/04/27 07:58

TensorFlow.js 0.10.3 发布,在浏览器中训练 ML 模型

TensorFlow.js 是一个开源硬件加速 JavaScript 库,用于训练和部署机器学习模型。 TensorFlow.js 0.10.3 已发布,包含大量更新: Core (0.7.1 ==> 0.8.4) Add tf.toPixels Add tf.erf op Add tf.movingAverage Add tf.resizeNearestNeighbor Add slice ergonomics Finish gradient for tf.pow Add gradients for tf.batchNormalization4d Finish gradient for tf.matMul Add tf.logSigmoid and tf.softplus and gradients Break...

2
6
发表于AI & 大数据专区
2018/04/03 07:56

Google 发布 TensorFlow.js,将机器学习带上浏览器

2018 TensorFlow 开发者峰会于北京时间 3 月 31 日凌晨 0 点 30 分在美国加利福尼亚州计算机历史博物馆如期举行,汇集全球机器学习开发者进行为期一天的技术分享和演示。 Google 发布面向 JavaScript 开发者的机器学习框架 TensorFlow.js 要在浏览器上进行机器学习更容易了!Google 发表 TensorFlow.js,TensorFlow 技术结合 Javascript,大幅降低开发者在浏览器发展机器学习的门槛。Google 表示,随着 Javascript 与机器学习技...

9
39
没有更多内容
加载失败,请刷新页面
点击加载更多
加载中
下一页
发表于开发技能专区
2019/05/07 09:17

【tensorflow】Tensorflow入门教程

原来链接 -> link 声明: 参考自Python TensorFlow Tutorial – Build a Neural Network,本文简化了文字部分 文中有很多到官方文档的链接,毕竟有些官方文档是中文的,而且写的很好。 Tensorflow入门 资源:付费tensorflow教程 Tensorflow graphs Tensorflow是基于graph的并行计算模型。关于graph的理解可以参考官方文档。举个例子,计算a=(b+c)∗(c+2)a=(b + c) * (c + 2)a=(b+c)∗(c+2),我们可以将算式拆分成一下: d = b ...

0
0
发表了博客
2020/10/15 10:45

Tensorflow:TensorFlow基础(一)

文章目录 TensorFlow基础 1.数据类型 1.1 数值类型 1.2 字符串类型 1.3 布尔类型 2.数值精度 2.1 读取精度 2.2 类型转换 3.待优化张量 4.创建张量 4.1 从数组、列表对象创建 4.2 创建全0或全1张量 4.3 创建自定义数值张量 4.4 创建已知分布的张量 4.4 创建序列 TensorFlow基础 import numpy as np import tensorflow as tf import tensorflow.keras as keras import tensorflow.keras.layers as layers physical_devices = tf.c...

0
1
发表了博客
2020/10/18 09:53

Tensorflow:TensorFlow基础(二)

文章目录 TensorFlow基础(二) 1.张量的典型应用 1.1 标量 1.2 向量 1.3 矩阵 2.索引与切片 2.1 索引 2.2 切片 3.维度变换 3.1 改变视图 3.2 增、删维度 3.3 交换维度 3.4 复制数据 4.Broadcasting 5.数学运算 5.1 加、减、乘、除运算 5.2 乘方运算 5.3 指数和对数运算 5.4 矩阵相乘运算 6.前向传播实战 TensorFlow基础(二) 1.张量的典型应用 1.1 标量 # 随机模拟网络输出 out = tf.random.uniform([4,10]) # 随机构造样本真...

0
1
2017/05/18 21:50

[ Tensorflow]Tensorflow Reduction operations

reduce系列在平时工程中是经常使用的,其中reduce_sum是使用最频繁的一个。主要用在计算loss的时候,当我们定义好loss之后,我们一般要求loss最小,这时候就需要reduce系列。下面通过文档,我给大家简单介绍一下,不是特别难,但是不细心考虑一下,你可能永远觉得它是黑的。 其实人工智能AI,或者深度学习DL,我觉得并不是什么传说的黑科技,真正最后落在技术上的,是纯粹的计算,也没多么的高深莫测。(./不喜轻拍.sh).我有个...

0
0
发表了博客
2019/01/14 20:47

TensorFlow

简介   深度学习的框架有很多:TensorFlow、Caffe、Theano、Torch...TensorFlow作为谷歌重要的开源项目,有非常火热的开源的开源社区推动着开源项目的发展,它能让项目有旺盛的生命力并在生命周期中不断涌现新的功能并以较快的迭代来更新Bug修复。Keras是在TensorFlow基础上构建的高层API,Keras在TensorFlow中。   Tensorflow中实现代码可能跟我们python程序有那么一点不一样,因为tensorflow有他自己的框架和体系,会用自...

0
0
发表了博客
2018/04/11 16:25

tensorflow

今天我们通过tensorflow来实现一个简单的小例子: 假如我定义一个一元一次函数y = 0.1x + 0.3,然后我在程序中定义两个变量 Weight 和 biases 怎么让我的这两个变量自己学习然后最终学习的成果就是让Weight ≈ 0.1和 biases ≈ 0.3. 开始吧! 1 import tensorflow as tf 2 import numpy as np 3 4 # create data 5 x_data = np.random.rand(100).astype(np.float32) 6 y_data = x_data*0.1 + 0.3 7 8 ### crea...

0
0
没有更多内容
加载失败,请刷新页面
点击加载更多
加载中
下一页
暂无内容
0 评论
51 收藏
分享
OSCHINA
登录后可查看更多优质内容
返回顶部
顶部