浏览器里玩机器学习、深度学习

大家好，我是章北海
我一直探索更好玩地介绍机器学习，降低学习门槛，用其开发有趣，有价值的应用。之前介绍过很多机器学习应用方面的玩法，比如：gRPC部署训练好的机器学习模型，使用FastAPI构建机器学习API，用streamlit快速生成机器学习web应用 ，在Excel里玩机器学习。←点击直达

最近我在玩 TensorFlow.js ，计划用它整个活儿。本文就是 TensorFlow.js 的极简入门。

TensorFlow.js

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。它可以让我们直接在浏览器中训练和部署机器学习模型的 JavaScript 库，可以非常灵活地进行 AI 应用的开发:

  • 不需要安装软件或驱动（打开浏览器即可使用）；

  • 可以通过浏览器进行更加方便的人机交互；

  • 可以通过手机浏览器，调用手机硬件的各种传感器（如：GPS、摄像头等）；

  • 用户的数据可以无需上传到服务器，在本地即可完成所需操作。

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。

TensorFlow.js 的 API 和 Python 里的 TensorFlow 和 Keras 基本上是对标的。

TensorFlow.js 环境配置

在浏览器中加载 TensorFlow.js ，最方便的办法是在 HTML 中直接引用 TensorFlow.js 发布的 NPM 包中已经打包安装好的 JavaScript 代码。

<html>
<head>
   <script src="http://unpkg.com/@tensorflow/tfjs/dist/tf.min.js"></script>

也可以在Node.js中使用TensorFlow.js，配置也不算太复杂：

安装 Node.js npm yarn

Node.js是基于Chrome的JavaScript构建的跨平台JavaScript运行时环境，npm是Node.js的默认程序包管理器，也是世界上最大的软件注册表。

sudo apt update
sudo apt install nodejs npm

如果已经安装过node.js，尽量升级到最新版本

# 更新npm ：
npm install -g npm

# 更新node版本：
先清除npm缓存：
npm cache clean -f

# 然后安装n模块：
npm install -g n

# 升级node.js到最新稳定版：
n stable

TensorFlow.js的example运行时会用到 Yarn 这里一并安装。（不装也行，npm撑得住）

Yarn就是一个类似于 npm 的包管理工具，主要的优势在于：速度快、离线模式、版本控制。

坑已经帮大家踩过了，请必按以下方式安装：

curl -sS https://dl.yarnpkg.com/debian/pubkey.gpg | sudo apt-key add -
echo "deb https://dl.yarnpkg.com/debian/ stable main" | sudo tee /etc/apt/sources.list.d/yarn.list

sudo apt update && sudo apt install yarn

yarn

建立 TensorFlow.js 项目目录:

$ mkdir tfjs
$ cd tfjs

安装 TensorFlow.js:

# 初始化项目管理文件 package.json

$ npm init -y

# 安装 tfjs 库，纯 JavaScript 版本

$ npm install @tensorflow/tfjs

# 安装 tfjs-node 库，C Binding 版本

$ npm install @tensorflow/tfjs-node

# 安装 tfjs-node-gpu 库，支持 CUDA GPU 加速
$ npm install @tensorflow/tfjs-node-gpu

确认 Node.js 和 TensorFlow.js 工作正常:

$ node
> require('@tensorflow/tfjs').version
{
    'tfjs-core': '1.3.1',
    'tfjs-data': '1.3.1',
    'tfjs-layers': '1.3.1',
    'tfjs-converter': '1.3.1',
    tfjs: '1.3.1'
}
>

如果你看到了上面的 tfjs-core, tfjs-data, tfjs-layers 和 tfjs-converter 的输出信息，那么就说明环境配置没有问题了。

然後，在 JavaScript 程序中，通过以下指令，即可引入 TensorFlow.js：

import * as tf from '@tensorflow/tfjs'
console.log(tf.version.tfjs)
// Output: 1.3.1

玩法及Eamples

TensorFlow.js 玩法有一下几种：

  • 在浏览器上运行官方 TensorFlow.js 模型:
    https://www.tensorflow.org/js/models/
    浏览器里玩机器学习、深度学习
  • 转换 Python 模型:https://www.tensorflow.org/js/tutorials#convert_pretained_models_to_tensorflowjs
  • 使用迁移学习来用你自己的数据自定义模型
    https://www.tensorflow.org/js/tutorials/transfer/what_is_transfer_learning
  • 直接在 JavaScript 中构建和训练模型https://www.tensorflow.org/js/tutorials

最好的学习资源是TensorFlow.js官方案例：
https://github.com/tensorflow/tfjs-examples

可以直接点击链接直达感受一下TensorFlow.js的魅力
浏览器里玩机器学习、深度学习

也可以clone整个项目，cd到示例文件夹：

#如果你在用yarn:

cd iris
yarn
yarn watch
#如果你在用npm:

cd iris
npm install
npm run watch

https://storage.googleapis.com/tfjs-examples/iris/dist/index.html