TensorFlow.js 示例

这个仓库包含了一组使用 TensorFlow.js 实现的示例。

每个示例目录都是独立的, 因此可以直接复制到其他项目中使用。

示例概览

示例名称	演示链接	输入数据类型	任务类型	模型类型	训练	推断	API类型	保存-加载操作
abalone-node		数字	从本地文件加载数据并在Node.js中进行训练	多层感知机	Node.js	Node.js	层	保存到文件系统并在Node.js中加载
addition-rnn	🔗	文本	序列到序列	RNN: SimpleRNN, GRU和LSTM	浏览器	浏览器	层
addition-rnn-webworker		文本	序列到序列	RNN: SimpleRNN, GRU和LSTM	浏览器: Web Worker	浏览器: Web Worker	层
angular-predictive-prefetching		数字	多类分类器	DNN		浏览器: Service Worker	层
baseball-node		数字	多类分类	多层感知机	Node.js	Node.js	层
boston-housing	🔗	数字	回归	多层感知机	浏览器	浏览器	层
cart-pole	🔗		强化学习	策略梯度	浏览器	浏览器	层	IndexedDB
chrome-extension		图像	(部署TF.js在Chrome扩展)	Convnet		浏览器
custom-layer	🔗		(定义一个自定义层子类型)			浏览器	层
data-csv	🔗		从远程CSV构建tf.data.Dataset
data-generator	🔗		使用生成器构建tf.data.Dataset	回归	浏览器	浏览器	层
date-conversion-attention	🔗	文本	文本到文本转换	注意力机制, RNN	Node.js	浏览器和Node.js	层	保存到文件系统并在浏览器中加载
electron		图像	(部署TF.js在基于Electron的桌面应用程序)	Convnet		Node.js
fashion-mnist-vae		图像	生成性	变分自编码器(VAE)

Node.js 浏览器图层从tfjs-node导出已训练的模型，并在浏览器中加载 interactive-visualizers 图像多类分类、目标检测、分割浏览器 iris 🔗 数值多类分类多层感知机浏览器浏览器图层 iris-fitDataset 🔗 数值多类分类多层感知机浏览器浏览器图层 jena-weather 🔗 序列序列到预测 MLP和RNNs 浏览器和Node 浏览器图层 lstm-text-generation 🔗 文本序列预测 RNN: LSTM 浏览器浏览器图层 IndexedDB mnist 🔗 图像多类分类卷积神经网络浏览器浏览器图层 mnist-acgan 🔗 图像生成对抗网络(GAN) 卷积神经网络; GAN Node.js 浏览器图层从Node.js保存到文件系统，并在浏览器中加载 mnist-core 🔗 图像多类分类卷积神经网络浏览器浏览器核心(Ops) mnist-node 图像多类分类卷积神经网络 Node.js Node.js 图层保存到文件系统 mnist-transfer-cnn 🔗 图像多类分类(迁移学习) 卷积神经网络浏览器浏览器图层加载预训练模型 mobilenet 🔗 图像多类分类卷积神经网络浏览器图层加载预训练模型 polynomial-regression 🔗 数值回归浅层神经网络浏览器浏览器图层 polynomial-regression-core 🔗 数值回归浅层神经网络浏览器浏览器核心(Ops) 量化各种演示训练后权重量化的效果各种 Node.js Node.js 层情感 🔗 文本序列到二进制预测 LSTM, 1D卷积网络 Node.js或Python 浏览器层从Keras和tfjs-node加载模型简单物体检测 🔗 图像物体检测卷积神经网络(迁移学习) Node.js 浏览器层从tfjs-node导出训练好的模型,并在浏览器中加载贪吃蛇-DQN 🔗 强化学习深度Q网络(DQN) Node.js 浏览器层从tfjs-node导出训练好的模型,并在浏览器中加载翻译 🔗 文本序列到序列 LSTM编码器和解码器 Node.js或Python 浏览器层从Keras转换的模型加载 tsne-mnist-画布降维和数据可视化 tSNE 浏览器浏览器核心(运算) 网络摄像头迁移学习 🔗 图像多类分类(迁移学习) 卷积神经网络浏览器浏览器层加载预训练模型网站钓鱼 🔗 数值二元分类多层感知器浏览器浏览器层

依赖项

除了 getting_started 外，所有示例都需要安装以下依赖项。

Node.js 版本 8.9 或更高
NPM cli 或 Yarn

如何构建示例

转到目录

如果使用 yarn:

cd mnist-core
yarn
yarn watch

如果使用 npm:

cd mnist-core
npm install
npm run watch

详情

约定是每个示例都包含两个脚本:

yarn watch 或 npm run watch: 启动本地开发 HTTP 服务器,监视文件系统的更改,这样您就可以编辑代码(JS 或 HTML)并在刷新页面时立即看到更改。
yarn build 或 npm run build: 生成一个 dist/ 文件夹,其中包含构建制品,可用于部署。

贡献

如果您想贡献一个示例,请在发送拉取请求之前在 Github issues 上与我们联系,因为我们正努力保持这个示例集小而精选。

运行预提交测试

在发送拉取请求之前,最好运行预提交测试并确保它们全部通过。为此,请在 tfjs-examples 的根目录中执行以下命令:

yarn
yarn presubmit

yarn presubmit 命令执行所有包含 yarn test 和/或 yarn lint 脚本的示例的单元测试和 lint 检查。您还可以通过 cd 进入各自的子目录并执行 yarn,然后执行 yarn test 和/或 yarn lint 来单独运行各个示例的测试。