JavaScript机器学习_TensorFlow.js深度学习应用-js教程-PHP中文网

JavaScript机器学习_TensorFlow.js深度学习应用

紅蓮之龍

发布： 2025-11-24 14:33:06

原创

724人浏览过

TensorFlow.js是Google推出的JavaScript库，支持在浏览器或Node.js中运行机器学习模型。它允许开发者直接在前端加载预训练模型或从零训练神经网络，实现图像识别、自然语言处理等任务的实时推理与个性化训练。通过模型迁移、迁移学习和轻量级架构优化，可在保护用户隐私的同时提升响应速度。结合摄像头或上传图片，可构建互动网页应用，如姿态检测、表情识别和图像分类。使用时需注意设备兼容性、内存管理和模型大小，合理选择模型并及时释放资源。借助Service Worker还可实现离线支持，提升性能体验。

javascript机器学习_tensorflow.js深度学习应用

在浏览器中实现机器学习，不再依赖Python或服务器端计算，这就是TensorFlow.js的魅力所在。它让JavaScript开发者可以直接在前端构建、训练和部署深度学习模型，真正实现“AI in the browser”。

什么是TensorFlow.js？

TensorFlow.js 是Google推出的开源库，基于JavaScript，可在浏览器或Node.js环境中运行。它支持直接加载预训练模型，也允许从零开始训练神经网络。这意味着图像识别、自然语言处理等任务可以在用户设备上实时完成，无需将数据发送到服务器，保护隐私的同时提升响应速度。

核心功能与使用场景

TensorFlow.js 提供了多种实用能力，适合不同层次的开发需求：

模型迁移：通过转换工具（如tensorflowjs_converter），把Python中训练好的Keras或TensorFlow模型转为可在浏览器运行的格式。
直接训练模型：使用tf.layers API构建卷积神经网络（CNN）或循环神经网络（RNN），在客户端完成训练，适用于个性化推荐或行为预测。
实时推理：结合摄像头输入，进行姿态检测、人脸表情识别或手写数字分类，常见于互动网页和教育应用。
迁移学习：基于已有模型（如MobileNet、PoseNet）微调部分层，快速适应新任务，节省算力和时间。

一个简单的图像分类示例

假设你想做一个网页，让用户上传图片并自动识别物体类别。可以这样操作：

立即学习“Java免费学习笔记（深入）”；

诚客在线考试平台管理系统

诚客在线考试是由南宁诚客网络科技有限公司开发的一款手机移动端的答题网站软件，它应用广泛适合各种学校、培训班、教育机构、公司企业、事业单位、各种社会团体、银行证券等用于学生学习刷题、员工内部培训，学员考核、员工对公司制度政策的学习……可使用的题型有：单选题、多选题、判断题支持文字，图片，音频，视频、数学公式。可以设置考试时间，答题时间，考试次数，是否需要补考，是否可以看到自己成绩。练习模式，支持学生

查看详情

1. 引入TensorFlow.js库：

<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs"></script>

登录后复制

2. 加载预训练的MobileNet模型：

await tf.loadLayersModel('https://tfhub.dev/google/tfjs-model/imagenet/mobilenet_v1_025_224/classification/4');

登录后复制

3. 预处理图像并执行预测：

const image = document.getElementById('inputImage');
const tensor = tf.browser.fromPixels(image)
  .resizeNearestNeighbor([224, 224])
  .toFloat()
  .expandDims();
const prediction = model.predict(tensor);

登录后复制

结果会返回一个包含1000个类别的概率分布，找出最大值即可得到最可能的物体标签。