Следите за TensorFlow.js за 7 минут

sledite za tensorflowjs za 7 minut?v=1656572893

за ADL

И узнайте, как можно запускать модели ML/DL непосредственно в браузере

Все большее число разработчиков используют TensorFlow в своих проектах машинного обучения. В марте этого года команда TensorFlow в Google объявила о прибытии долгожданного JavaScript-фреймворка TensorFlow.js (ранее называвшегося DeepLearn.js).

1*F-1fq9TNjDnAYPAXnZP4Ww
Источник изображения: веб-сайт Tensorflow.js

Теперь разработчики могут создавать облегченные модели и запускать их в обозревателе с помощью JavaScript. Давайте разберемся, для чего требовалась разработка этого фреймворка.

История

Прежде чем перейти к TensorFlow.js, я хотел бы начать с TensorFlow.

TensorFlow была разработана в 2011 году в Google как их библиотека для программ машинного обучения и глубокого обучения в Google. Эта библиотека была открыта в 2015 году под лицензией Apache.

TensorFlow построен на C++, что позволяет выполнять код на очень низком уровне. TensorFlow имеет привязки к разным языкам, таким как Python, R и Java. Это позволяет использовать TensorFlow на этих языках.

Итак, очевидный вопрос: а как насчет JavaScript?

Условно JavaScript ML/DL выполняли с помощью API. API была создана с использованием определенного фреймворка и модель развернута на сервере. Клиент направил запрос с помощью JavaScript, чтобы получить результаты от сервера.

1*PQljWmzjl-AD45YGJKROcg
Архитектура клиентского сервера

В 2017 году появился проект под названием Deeplearn.js, который имел целью включить ML/DL в JavaScript без хлопот с API.

Но были вопросы по скорости. Было хорошо известно, что JavaScript не может работать на GPU. Чтобы решить эту проблему, была введена WebGL. Это интерфейс обозревателя для OpenGL. WebGL включил выполнение кода JavaScript на GPU.

В марте 2018 года команда DeepLearn.js была объединена с командой TensorFlow в Google и была переименована в TensorFlow.js.

Смотрите видео ниже, чтобы узнать больше:

TensorFlow.js

Tensorflow.js предоставляет две вещи:

  • CoreAPI, работающий с кодом низкого уровня
  • LayerAPI построен на основе CoreAPI и облегчает нашу жизнь, повышая уровень абстракции.

Начинаем

Есть два основных способа получить TensorFlow.js в вашем проекте:

1. через тег