Google黑科技，瀏覽器上的機器學習框架--Tensorflow.js
Google黑科技，瀏覽器上的機器學習框架–Tensorflow.js
2018年3月30日，谷歌 TenosrFlow 開發者峰會 2018 在美國加州石景山開幕，來自全球的機器學習使用者圍繞 TensorFlow 展開技術演講與演示。
今年，Tensorflow做的一件很好意思的事情，釋出了面向JavaScript開發者全新的學習框架Tensorflow.js，將機器學習搬上了瀏覽器這個平臺。
瀏覽器端的Machine Learning
峰會上Daniel Smilkov以及Nikhil Thorat展示了2個採用tensorflow.js在瀏覽器上實現的2個小遊戲。
@dsmilkov和@nsthorat在訓練模型中使用計算機視覺和一個攝像頭，來，控制PAC-MAN遊戲，而這個過程完全是在瀏覽器中進行的。
使用TensorFlow.js構建的應用程式的另一個有趣的例子是一個尋寶遊戲。你可以嘗試使用你的手機去試試這個尋寶遊戲。
當然官網提供的demo還不止這兩個。
這些新穎的模型作為案例在 TensorFlow.js 中都提供了實現程式碼，讀者也可以跟隨教程實現基於瀏覽器的模型
[link]https://js.tensorflow.org/
通過以上兩個遊戲我們可以看出瀏覽器端ml所具備的互動性。同時在瀏覽器中執行的ML意味著從使用者的角度來看，不需要安裝任何庫或驅動程式。只需開啟一個網頁，您的程式即可執行。
此外，它也可以使用GPU加速執行。TensorFlow.js自動支援WebGL，並在GPU可用時在幕後加速程式碼。使用者也可以通過移動裝置開啟您的網頁，在這種情況下，您的模型可以利用感測器資料，例如陀螺儀或加速度計。最後，所有資料都保留在客戶端上，使得TensorFlow.js可用於低延遲推斷以及隱私保護應用程式。
從以上內容總結出以下四點：
- 無驅動/不需要安裝
- 互動式ml
- 自帶感測器
- 資料儲存在客戶端
Tensorflow.js 的三種工作流程
- 匯入現有的預先訓練的模型進行推理。如果您有一個以前曾經離線培訓過的現有TensorFlow或Keras模型，則可以將其轉換為TensorFlow.js格式，並將其載入到瀏覽器中進行推理。
- 重新訓練匯入的模型：正如在上面的Pac-Man演示中，您可以使用傳輸學習來增強現有模型，使用名為“影象重新訓練”的技術，使用在瀏覽器中收集的少量資料進行離線培訓。這是快速訓練精確模型的一種方法，只使用少量資料。
- 直接在瀏覽器中創作模型：可以使用TensorFlow.js完全在瀏覽器中使用Javascript和高階圖層API定義，訓練和執行模型。
Tensorflow 整體架構
TensorFlow.js包含支援低階API（以前稱為deeplearn.js）和Eager執行。
TensorFlow.js API的概述。TensorFlow.js由WebGL提供支援，並提供用於定義模型的高階圖層API和用於線性代數的低級別API和自動分化。TensorFlow.js支援匯入TensorFlow SavedModels和Keras模型。
此外 Node.js 很快就會發布，它能為網站模型提供 GPU、TPU 等快速訓練與推斷的方法。
Tensorflow.js與deeplearning.js的關聯
deeplearning.js
* 2017年8月分佈
* 通過WebGL呼叫GPU加速
* 推理和訓練完全在瀏覽器上執行
TensorFlow.js是用於機器學習的JavaScript工具生態系統，是deeplearn.js的繼任者，現在稱為TensorFlow.js Core。TensorFlow.js還包含一個Layers API，它是用於構建使用Core的機器學習模型的更高級別的庫，以及用於自動移植TensorFlow SavedModels和Keras hdf5模型的工具
TensorFlow.js API的概述。TensorFlow.js由WebGL提供支援，並提供用於定義模型的高階圖層API和用於線性代數和自動區分的低階API。TensorFlow.js支援匯入TensorFlow SavedModels和Keras模型。
Tensorflow.js 實現minst手寫字母識別
這裡為找了一個用Tensorflow.js實現mnist手寫數字預測的例子，詳細的程式碼可以訪問這裡
從一個使用者的角度上看，是不是有很強的互動性，你可以非常直觀的看到你所要的結果。
微信公眾號(SZBigdata-Club)：後續部落格的文件都會轉到微信公眾號中。
1、公眾號會持續給大家推送技術文件、學習視訊、技術書籍、資料集等。
2、接受大家投稿支援。
3、對於各公司hr招聘的，可以私下聯絡我，把招聘資訊發給我我會在公眾號中進行推送。
技術交流群：59701880 深圳廣州hadoop好友會
