TensorFlow for JavaScript 开发
在开始学习以下材料之前，您应该
-
熟悉使用 HTML、CSS 和 JavaScript 进行浏览器编程
-
熟悉使用命令行运行 Node.js 脚本
本课程适合想要
-
使用 JavaScript 构建 ML 模型
-
在 JavaScript 可运行的任何地方运行现有模型
-
将 ML 模型部署到 Web 浏览器
TensorFlow.js 允许您使用 JavaScript 开发或执行 ML 模型，并在浏览器客户端、通过 Node.js 的服务器端、通过 React Native 的移动原生、通过 Electron 的桌面原生，甚至通过 Raspberry Pi 上的 Node.js 在物联网设备上直接使用 ML。要了解有关 TensorFlow.js 的更多信息以及它的用途，请查看 Google I/O 上的 此演讲。
步骤 1：了解浏览器中的机器学习
要快速了解 JavaScript 中 ML 的基础知识，请参加 Edx 上的 自定进度的课程，或观看以下视频，这些视频将从基本原理开始，到使用现有的预制模型，甚至构建自己的神经网络进行分类。您还可以尝试 使用 JavaScript 制作智能网络摄像头 Codelab，以获得这些概念的交互式演练。
使用 TensorFlow.js 从零开始成为专家。学习如何创建可以在客户端运行并在几乎所有设备上使用的下一代 Web 应用程序。
学习如何加载和使用 TensorFlow.js 预训练模型之一（COCO-SSD）并使用它来识别它所训练的常见对象。
步骤 2：深入了解深度学习
为了更深入地了解神经网络的工作原理以及如何将它们应用于不同的问题，我们提供了两本书。
学习 TensorFlow.js 是一个很好的起点，如果您是张量和机器学习的新手，但对 JavaScript 有很好的了解。本书将带您从基础知识开始，例如了解如何将数据操作为张量，到快速进入实际应用。阅读完本书后，您将了解如何加载现有模型、将数据传递给它们以及解释输出的数据。
使用 JavaScript 进行深度学习 也是一个很好的起点。它附带了大量的 GitHub 示例，因此您可以练习使用 JavaScript 进行机器学习。
本书将演示如何使用各种神经网络架构，例如卷积神经网络、循环神经网络以及强化学习等高级训练范式。它还提供了对训练过程中神经网络实际发生情况的清晰解释。
面向广泛技术受众的 TensorFlow.js 基础知识的动手端到端方法。完成本书后，您将了解如何使用 TensorFlow.js 构建和部署可投入生产的深度学习系统。
本书由 TensorFlow 库的主要作者撰写，提供了引人入胜的用例和深入的指导，用于在浏览器或 Node 上使用 JavaScript 开发深度学习应用程序。
步骤 3：使用 TensorFlow.js 进行实践
实践出真知，动手实践是掌握概念的最佳途径。查看 TensorFlow.js 代码实验室，通过这些针对常见用例的逐步指南，进一步提升您的知识。
凭借您对神经网络的了解，您可以更轻松地探索由 TensorFlow 团队创建的 开源示例。它们都 在 GitHub 上可用，因此您可以深入研究代码并了解它们的工作原理。
GitHub 上的一个存储库，其中包含一组用 TensorFlow.js 实现的示例。每个示例目录都是独立的，因此可以将目录复制到另一个项目中。
TensorFlow 教程以 Jupyter 笔记本的形式编写，并在 Google Colab 中直接运行——这是一个托管的笔记本环境，无需任何设置。单击“在 Google Colab 中运行”按钮。
步骤 4：创造新的东西！
在您测试了您的知识并使用了一些 TensorFlow.js 示例进行练习后，您应该准备好开始开发自己的项目。查看我们的 预训练模型，并在几分钟内开始构建应用程序。或者，您可以使用您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 是寻找用于训练模型的开放数据集的好地方。
如果您正在寻找灵感，请查看我们的 Made With TensorFlow.js 展示和讲述集，这些集来自世界各地使用 TensorFlow.js 在其应用程序中的人们。
您还可以通过在社交媒体上搜索 #MadeWithTFJS 标签来查看社区的最新贡献。