专项课程：TensorFlow 的 JavaScript 开发基础知识

专项课程：TensorFlow 的 JavaScript 开发基础知识

在开始学习下面的学习资料之前，您应该：

1. 对使用 HTML 和 JavaScript 进行浏览器编程有所了解

2. 熟悉如何使用命令行运行 node.js 脚本

本课程适用于想要实现以下目标的人员：

1. 用 JavaScript 构建机器学习模型

2. 运行现有的 TensorFlow.js 模型

3. 将机器学习模型部署到网络浏览器中

借助 TensorFlow.js，您可以使用 JavaScript 开发机器学习模型，并直接在浏览器或 Node.js 中使用机器学习模型。要详细了解 TensorFlow.js 及其作用，请观看 Google I/O 大会上的这段演讲视频。

第 1 步：在浏览器中进行机器学习的简介

要大致了解使用 JavaScript 进行机器学习的基础知识，请在 YouTube 上观看此视频系列，其中介绍了如何从基本原理入手，到最终学会如何构建进行基本分类的神经网络。

入门级在线课程

开始通过 TensorFlow 使用 TensorFlow.js

该专项课程由 3 个部分组成，探讨了如何使用 TensorFlow.js 训练和执行机器学习模型，并向您展示了如何使用 JavaScript 创建直接在浏览器中执行的机器学习模型。

 

第 2 步：更加深入地了解深度学习

要更加深入地了解神经网络的工作原理，以及更加全面地了解如何运用神经网络解决各种问题，使用 JavaScript 进行深度学习一书是入门的理想之选。其中附带了 GitHub 上的大量示例，可供您练习使用 JavaScript 进行机器学习。

本书将介绍如何使用各种神经网络架构（例如卷积神经网络、循环神经网络）和高级训练范例（例如强化学习），另外也清楚解释了神经网络在训练过程中实际发生的情况。

入门级在线课程

《使用 JavaScript 进行深度学习》，由 Shanqing Cai、Stanley Bileschi、Eric D. Nielsen 和 Francois Chollet 共同编著

本书由 TensorFlow 库的主要作者编著，提供了关于在浏览器中或 Node 上使用 JavaScript 构建深度学习应用的精彩用例和深入说明。

 

第 3 步：使用 TensorFlow.js 进行示例练习

熟能生巧，亲身体验是掌握概念的最佳方式。对神经网络有所了解之后，您可以更加轻松地探索由 TensorFlow 团队创建的开放源代码示例。所有示例均可在 GitHub 上找到，因此您可以深入了解相应代码及其工作原理。要尝试常见用例，您可以使用 mnist 示例开始探索卷积神经网络，使用 mnist-transfer-cnn 示例尝试迁移学习，或者通过 addition-rnn 示例了解如何构造循环神经网络。

TensorFlow.js

使用 TensorFlow.js 构建的示例

GitHub 上的代码库，包含一组在 TensorFlow.js 中实现的示例。各个示例目录相互独立，因此可以将该目录复制到其他项目。

 

TensorFlow.js

浏览我们的教程，了解如何开始使用 TensorFlow.js

TensorFlow 教程是以 Jupyter 笔记本的形式编写而成，可直接在 Google Colab（一种无需设置的托管式笔记本环境）中运行。点击“在 Google Colab 中运行”按钮。

第 4 步：创建新项目！

在检验了知识掌握情况并使用一些 TensorFlow.js 示例练习之后，您应该就可以开始开发自己的项目了。查看一下我们的预训练模型，然后开始构建应用。或者，您也可以使用收集的数据或使用公共数据集训练自己的模型。Kaggle 和 Google 数据集搜索是查找用于训练模型的开放数据集的理想之地。