JavaScript可通过TensorFlow.js在浏览器或Node.js中实现机器学习。1. 通过CDN或npm安装并引入tfjs库；2. 创建线性回归模型，使用tensor1d准备数据，sequential构建网络，compile配置优化器与损失函数，fit训练模型，predict进行预测；3. 可加载预训练模型如MobileNet进行图像分类，利用fromPixels预处理图像；4. 结合摄像头实现实时推理，支持手势、姿态识别，也可导入Teachable Machine导出的模型。适合前端AI应用，但需注意数据格式、异步和内存管理。
JavaScript也能做机器学习，靠的是 TensorFlow.js —— Google 推出的开源库，让你能在浏览器或 Node.js 环境中训练和部署机器学习模型。不需要 Python，直接用 JS 就行。
1. 安装并引入 TensorFlow.js
在项目中使用 TensorFlow.js 很简单，可以通过 CDN 快速引入，也可以通过 npm 安装。
• 浏览器中使用 CDN：
• Node.js 项目中安装：
npm install @tensorflow/tfjs
安装后就可以在代码中导入：
const tf = require('@tensorflow/tfjs');
2. 创建和训练一个简单模型（以线性回归为例）
假设我们想拟合一条直线 y = 2x + 1。我们可以用 TensorFlow.js 构建一个神经网络来学习这个关系。
立即学习“Java免费学习笔记（深入）”；
• 准备数据：
const xs = tf.tensor1d([1, 2, 3, 4, 5]);const ys = tf.tensor1d([3, 5, 7, 9, 11]); // y = 2x + 1
• 构建模型：
const model = tf.sequential();model.add(tf.layers.dense({units: 1, inputShape: [1]}));
• 编译模型：
model.compile({ optimizer: 'sgd', loss: 'meanSquaredError'});
• 训练模型：
async function train() { await model.fit(xs, ys, { epochs: 100, callbacks: { onEpochEnd: (epoch, logs) => { console.log(`Epoch ${epoch}: loss = ${logs.loss.toFixed(4)}`); } } });}
• 使用模型预测：
train().then(() => { model.predict(tf.tensor1d([6])).print(); // 应输出接近 13});
3. 加载预训练模型（迁移学习）
你不必每次都从头训练。TensorFlow.js 支持加载已训练好的模型，比如 MobileNet 图像分类模型。
• 加载预训练图像分类模型：
const model = await tf.loadLayersModel('https://tfhub.dev/google/tfjs-model/imagenet/mobilenet_v1_025_224/classification/4/default/1');
• 预处理图像并预测：
const image = document.getElementById('img'); // @@##@@const tensor = tf.browser.fromPixels(image) .resizeNearestNeighbor([224, 224]) .toFloat() .expandDims();const prediction = model.predict(tensor);prediction.print();
4. 在浏览器中实时交互
TensorFlow.js 特别适合做浏览器端的实时应用，比如手势识别、语音识别、风格迁移等。
• 利用摄像头做实时推理：
结合 navigator.mediaDevices.getUserMedia 获取视频流，然后逐帧送入模型处理，实现人脸检测或姿态识别。
• 使用 Teachable Machine 导出模型：
Google 的 Teachable Machine 可以训练图像、声音、姿态模型，并导出为 TensorFlow.js 格式，直接在网页中加载使用，无需写训练代码。
基本上就这些。TensorFlow.js 让前端也能玩转 AI，特别适合教育、互动艺术、轻量级智能功能嵌入。虽然不适合大规模训练，但对大多数 Web 场景已经足够强大。不复杂但容易忽略细节，比如数据格式、异步处理、内存释放（记得调用 .dispose()）。
以上就是如何用JavaScript进行机器学习（使用TensorFlow.js）？的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1522682.html
微信扫一扫 
支付宝扫一扫 
