机器学习 (ml) 迅速改变了软件开发的世界。直到最近，得益于 tensorflow 和 pytorch 等库，python 仍是 ml 领域的主导语言。但随着 tensorflow.js 的兴起，javascript 开发人员现在可以深入令人兴奋的机器学习世界，使用熟悉的语法直接在浏览器或 node.js 上构建和训练模型。
在这篇博文中，我们将探索如何开始使用 javascript 进行机器学习。我们将演练使用 tensorflow.js.
构建和训练简单模型的示例为什么选择 tensorflow.js？
tensorflow.js 是一个开源库，可让您完全用 javascript 定义、训练和运行机器学习模型。它既可以在浏览器中运行，也可以在 node.js 上运行，这使得它对于各种 ml 应用程序具有难以置信的多功能性。
以下是 tensorflow.js 令人兴奋的几个原因：
立即学习“Java免费学习笔记（深入）”；
- 实时训练：您可以直接在浏览器中运行模型，提供实时交互。
- 跨平台：相同的代码可以在服务器和客户端环境上运行。
- 硬件加速：它使用webgl进行gpu加速，从而加快计算速度。
让我们看看如何开始！
1. 设置 tensorflow.js
在深入研究代码之前，您需要安装tensorflow.js。您可以通过 <script> 标签或 npm 将其包含在您的项目中，具体取决于您的环境。
浏览器设置
要在浏览器中使用 tensorflow.js，只需在 html 文件中包含以下 <script> 标签即可：
<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs"></script>
node.js 设置
对于 node.js 环境，您可以使用 npm 安装它：
npm install @tensorflow/tfjs
2. 构建简单的神经网络模型
让我们创建一个简单的神经网络来预测基本线性函数 y = 2x - 1 的输出。我们将使用 tensorflow.js 来创建和训练该模型。
仅使用 Python 将 Claw Code 虚拟化框架与 OpenClaw 集成，提供 184 种工具和 200 多条命令，用于安全分析和代码质量...
第 1 步：定义模型
我们首先定义一个具有一个密集层的顺序模型（线性堆栈）：
// import tensorflow.js
import * as tf from '@tensorflow/tfjs';
// create a simple sequential model
const model = tf.sequential();
// add a single dense layer with 1 unit (neuron)
model.add(tf.layers.dense({units: 1, inputshape: [1]}));
在这里，我们创建了一个具有一层致密层的模型。该层有一个神经元（单位：1），并且需要一个输入特征（inputshape：[1]）。
第 2 步：编译模型
接下来，我们通过指定优化器和损失函数来编译模型：
// compile the model
model.compile({
optimizer: 'sgd', // stochastic gradient descent
loss: 'meansquarederror' // loss function for regression
});
我们使用随机梯度下降（sgd）优化器，这对于小模型非常有效。损失函数meansquarederror适用于像这样的回归任务。
第 3 步：准备训练数据
我们现在将为函数 y = 2x - 1 创建一些训练数据。在 tensorflow.js 中，数据存储在张量（多维数组）中。以下是我们生成一些训练数据的方法：
// generate some synthetic data for training const xs = tf.tensor2d([0, 1, 2, 3, 4], [5, 1]); // inputs (x values) const ys = tf.tensor2d([1, 3, 5, 7, 9], [5, 1]); // outputs (y values)
在本例中，我们创建了一个具有输入值 (0, 1, 2, 3, 4) 的张量 xs 和一个相应的输出张量 ys，其值使用 y = 2x - 1 计算得出。
第 4 步：训练模型
现在，我们可以根据我们的数据训练模型：
// train the model
model.fit(xs, ys, {epochs: 500}).then(() => {
// once training is complete, use the model to make predictions
model.predict(tf.tensor2d([5], [1, 1])).print(); // output will be close to 2*5 - 1 = 9
});
在这里，我们训练模型 500 个时期（训练数据的迭代）。训练后，我们使用模型来预测输入值为 5 的输出，这应该返回一个接近 9 的值 (y = 2*5 - 1 = 9)。
3. 在浏览器中运行模型
要在浏览器中运行此模型，您需要一个包含 tensorflow.js 库和 javascript 代码的 html 文件：
<!DOCTYPE html>
<html lang="en">
<head>
<meta charset="UTF-8">
<meta name="viewport" content="width=device-width, initial-scale=1.0">
<title>TensorFlow.js Example</title>
<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs"></script>
<script defer src="app.js"></script> <!-- Your JS file -->
</head>
<body>
<h1>Simple Neural Network with TensorFlow.js</h1>
</body>
</html>
并且在您的 app.js 文件中，您可以包含上面的模型构建和训练代码。
