本课程由CodingTheSmartWay.com出品，在本系列的第一部分中，你将学到：
计算机视觉领域同样精彩纷呈，与四年前相比GAN生成的假脸逼真到让人不敢相信；新工具、新框架的出现，也让这个领域的明天特别让人期待……
Google 推出 TensorFlow.js 已有多年，JavaScript 也不知不觉成为了世界上最好的语言。相信对于大多数没接触过机器学习的前端工程师来说，都有一个共同的疑惑：TensorFlow.js 到底能做些什么？
使用 JavaScript 和 Tensorflow.js 等框架是入门和了解更多机器学习的好方法。 在本文中，我会介绍当前使用 Tensorflow.js 可用的三个主要功能，并阐明在前端使用机器学习的局限性。
在本文中我们来研究怎样用 TensorFlow.js 创建基本的 AI 模型，并用更复杂的模型实现一些有趣的功能。我只是刚刚开始接触人工智能，尽管不需要深入的人工智能知识，但还是需要搞清楚一些概念才行。
今天要为大家推荐一套超酷炫的，用于构建神经网络 3D 可视化应用的框架——TensorSpace。
TensorFlow.js 是一个开源库，不仅可以在浏览器中运行机器学习模型，还可以训练模型。具有 GPU 加速功能，并自动支持 WebGL。可以导入已经训练好的模型，也可以在浏览器中重新训练现有的所有机器学习模型。运行 Tensorflow.js 只需要你的浏览器，而且在本地开发的代码与发送给用户的代码是相同的。
选自Medium 作者：Mike Shi 机器之心编译 参与：Pedro、刘晓坤 Tensorflow.js 是一个能在你的浏览器里运行的全新深度学习库。本文将会介绍从原生 Tiny YOLO Darknet 模型到 Keras 的转换，再到 Tensorflow.js 的转换，如何利用其作一些预测，在编写 Tensorflow.js 遇到的一些问题，以及介绍使用联网摄像头/图像轻松地进行预测检测。 项目地址：https://github.com/ModelDepot/tfjs-yolo-tiny YOL
写这篇文章的目的是给现有web开发的同事提供一些新的开发方向，认识新的js开发领域!
十分重要且要注意的是，同一类的实例并不会分开，模型只关心像素的类别。如图1所示，该方法可以说在某些位置有椅子，但无法区分它们。
本文结构： 什么是 TensorFlow.js 为什么要在浏览器中运行机器学习算法 应用举例：regression 和 tflearn 的代码比较 ---- 1. 什么是 TensorFlow.js TensorFlow.js 是一个开源库，不仅可以在浏览器中运行机器学习模型，还可以训练模型。 具有 GPU 加速功能，并自动支持 WebGL 可以导入已经训练好的模型，也可以在浏览器中重新训练现有的所有机器学习模型 运行 Tensorflow.js 只需要你的浏览器，而且在本地开发的代码与发送给用户的代
TensorFlow一直努力扩展自己的基础平台环境，除了熟悉的Python，当前的TensorFlow还实现了支持Javascript/C++/Java/Go/Swift(预发布版)共6种语言。 越来越多的普通程序员，可以容易的在自己工作的环境加入机器学习特征，让产品更智能。
TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统，其命名来源于本身的运行原理。Tensor（张量）意味着N维数组，Flow（流）意味着基于数据流图的计算，TensorFlow为张量从流图的一端流动到另一端计算过程。
TensorFlow.js 是谷歌在 2018 TensorFlow 开发者峰会推出的开源库，它可以使用 Java 和灵活且直观的 API 在浏览器中定义、训练和运行机器学习模型。另外，TensorFlow.js 可以导入离线训练的 TensorFlow 和 Keras 模型进行预测，并可以对 WebGL 实现无缝支持。
| 导语 最近几年，学术界、工业界、投资界各方一起发力，人工智能发展得如火如荼，硬件、算法与数据共同发展，带来了各行各业的深度应用。而我们前端er更像一个事不关己的旁观者。在前端领域，我们如何乘上这个风口，又有什么样的方法可以用AI赋能我们的老本行。文章没有啰嗦，只有code和干货 众所周知，前端相关的业务相当于整个业务的用户体验前哨站。 除了在性能优化、动画等传统的体验上做努力，我们又如何在：目标(手势、肢体)识别、语音识别分析、无障碍、语音分析、增强现实、情绪识别、画像细分等等，基于人工智能的交互体
均方误差（Mean Square Error），应该是最常用的误差计算方法了，数学公式为：
【新智元导读】北京时间3月31日举行的2018 TensorFlow 开发者峰会上，TensorFlow宣布重大更新：增加支持JavaScript，并推出开源库TensorFlow.js，用户可以完全在浏览器定义、训练和运行机器学习模型。谷歌大脑负责人Jeff Dean、TensorFlow 总监 Rajat Monga等人进行了Keynote演讲。 Jeff Dean主旨演讲：用超强大的计算力，替代ML专家 北京时间3月31日举行的2018 TensorFlow 开发者峰会上，Google Brain负责
TensorFlow.JS，之前就发现这个好玩的东东，但是一直没有时间去看，作为一名深度学习者，没有折腾的心是不行的。我们都知道深度学习在工业和实际项目中有着很好的应用，但是如果用深度学习去做些有趣的应用也是很好玩的。
TensorFlow.js是一个基于deeplearn.js构建的强大而灵活的Javascript机器学习库，它可直接在浏览器上创建深度学习模块。使用它可以在浏览器上创建CNN(卷积神经网络)、RNN(循环神经网络)等等，且可以使用终端的GPU处理能力训练这些模型。接下来我们将学习如何建立一个简单的“可学习机器”——基于 TensorFlow.js 的迁移学习图像分类器。
数月前的某个夜晚，我躺在床上时，一个念头闪过我的脑海——「如果语音是计算接口的未来，那么那些听不见或看不见的人该怎么办？」我不知道究竟是什么触发了这个想法。我自己能听、能说，周围也没有聋哑人，而且我也没有语音助手。也许是因为无数语音助理方面的文章突然出现，也许是因为各大公司争相让你选择它们的语音助手产品，或许只是因为经常在朋友的桌上看到这些设备。由于这个问题无法从记忆中消失，我知道我需要仔细考虑它。
在前面的章节，我们讨论了各种JavaScript概念和运行在浏览器上的各种深度学习框架。在本章中，我们将所有的知识付诸于实践，证明该技术的潜力。
整理 | 费棋 天体物理学家使用 TensorFlow 分析开普勒任务中的大量数据，以发现新的行星； 医学研究人员利用 TensorFlow 机器学习技术来评估一个人心脏病发作和中风的几率； 科学家在非洲用 TensorFlow 检测木薯植物疾病，从而提高产量并帮助更好地满足非洲大陆的粮食需求； …… 这是 TensorFlow 团队对过去一年来的总结，他们在诸多领域取得了进步。 北京时间 3 月 31 日凌晨，第二届 TensorFlow 开发者峰会开幕， TensorFlow 团队发布了多款新产品，
天体物理学家使用 TensorFlow 分析开普勒任务中的大量数据，以发现新的行星； 医学研究人员利用 TensorFlow 机器学习技术来评估一个人心脏病发作和中风的几率； 科学家在非洲用 TensorFlow 检测木薯植物疾病，从而提高产量并帮助更好地满足非洲大陆的粮食需求； …… 这是 TensorFlow 团队对过去一年来的总结，他们在诸多领域取得了进步。 北京时间 3 月 31 日凌晨，第二届 TensorFlow 开发者峰会开幕， TensorFlow 团队发布了多款新产品，旨在使开发者更易使用，以及让数据科学家使用多种方式构建 AI 模型。
本文将介绍如何用TensorFlow.js自动化Chrome自带的恐龙游戏。如果你之前没有玩过，简单说明一下它是一个附送的游戏，当你离线时 (或Chrome崩溃时) 可以控制一个2d恐龙，需要控制恐龙跳跃躲避障碍。在这里可以玩一把：https://chromedino.com/
TensorFlow.js是为JavaScript开发者准备的开源库，可以使用JavaScript和高级图层API完全在浏览器中定义，训练和运行机器学习模型！如果你是一名机器学习新手，那么TensorFlow.js是开始学习的好方法。
这一年成为NLP研究的分水岭，各种突破接连不断；CV领域同样精彩纷呈，与四年前相比GAN生成的假脸逼真到让人不敢相信；新工具、新框架的出现，也让这个领域的明天特别让人期待……
今天凌晨，2018年TensorFlow开发者峰会（Dev Summit）在美国加州召开。
Tensorflow.js是一个基于deeplearn.js构建的库，可直接在浏览器上创建深度学习模块。使用它可以在浏览器上创建CNN(卷积神经网络)、RNN(循环神经网络)等等，且可以使用终端的GPU处理能力训练这些模型。因此，可以不需要服务器GPU来训练神经网络。本教程首先解释TensorFlow.js的基本构建块及其操作。然后，我们描述了如何创建一些复杂的模型。
Google I/O大会是一年一度的科技盛会，2019年的Google IO大会已经于5月7日到5月9日在美国举行，距现在已经过去了二十多天。可惜的是，因为一些特殊原因，国内报道很少，也没法看直播视频。当然一些科技媒体也进行了报道，主要是一些大众关注的主题，比如新手机Pixel 3a / Pixel 3a XL、Google Lens、Google Assistant等等。其实Google I/O大会有众多的主题演讲，除了主会场的演讲之外，还有许多专题演讲。这届主题大会上AI关键词出现的频率很高，而AI专题演讲则高达13场，足以说明AI化是未来的趋势。本文将带你回顾一下本届大会上的AI专题演讲。
文章主要介绍了如何使用TensorFlow进行深度学习，包括神经网络模型的定义、模型的搭建、训练、预测等步骤。同时，文章还介绍了如何使用TensorFlow进行图像分类和文本情感分析等具体应用。
本篇是后面用tensorflow做回归时的一个参照，忍不住要说的是sklearn真是简单好用，要不是他没有卷积cnn等时髦模型，真是不想用其他家的了。 经典的sklearn集成模型 结果： 真是又快又
【导读】前些日子，大家都知道，Google 上线了基于 TensorFlow 的机器学习速成课程，它包含 40 多项练习、25 节课程以及 15 个小时的紧凑学习内容。 基于TensorFlow的机
【人工智能头条导读】TensorFlow 是一个开放源代码软件库，用于进行高性能数值计算。借助灵活的架构，用户可以轻松地将计算工作部署到多种平台（CPU、GPU、TPU）和设备（桌面设备、服务器集群、移动设备、边缘设备等）。最近在 JS 社区中，对 TF 中 Java API 相关项目与技术的高度需求是前所未有的。
在成功调用官网打包好的tensorflowjs模型后，怎么调用自己的模型呢？又需要做哪些处理呢？
在上一篇文章《浏览器中的手写数字识别》中，讲到在浏览器中训练出一个卷积神经网络模型，用来识别手写数字。值得注意的是，这个训练过程是在浏览器中完成的，使用的是客户端的资源。
迁移学习是将预训练模型与自定义训练数据相结合的能力。这意味着你可以利用模型的功能并添加自己的样本，而无需从头开始创建所有内容。
迁移学习是将预训练模型与自定义训练数据相结合的能力。 这意味着你可以利用模型的功能并添加自己的样本，而无需从头开始创建所有内容。
为了更好地了解人体的视频和图像，姿势检测是关键的一步。目前许多人已经在现有模型的支持下尝试了 2D 姿态估计。
本文是为既没有机器学习基础也没了解过TensorFlow的码农、序媛们准备的。如果已经了解什么是MNIST和softmax回归本文也可以再次帮助你提升理解。在阅读之前，请先确保在合适的环境中安装了TensorFlow（windows安装请点这里，其他版本请官网找），适当编写文章中提到的例子能提升理解。
导语：在本文的开始前，强烈推荐两个深度学习相关的视频集 1.中国台湾李宏毅教授的ML 2016，清晰明了，很多晦涩的原理能让你看了也能明白：https://www.youtube.com/watc
TensorFlow 的 JS 版本终于出啦，deeplearn.js 正式收编至 TensorFlow 项目，并改名为 TensorFlow.js ： 采用 WebGL 加速的基于浏览器的 JS 机器学习库。 摘要： 本文涉及 TensorFlow 基本概念的理解，迁移学习技术的实践应用，全文从技术聊到产品的玩法，设计师／产品经理只有懂得技术的新特性，才能为产品融入新的玩法。设计师也应该关注新技术带来的新的交互方式的变化，研究怎么样的交互方式才适合基于浏览器的深度学习应用。 阅读本文需要有 tensorf
TensorFlow 的 JS 版本终于出啦，deeplearn.js 正式收编至 TensorFlow 项目，并改名为 TensorFlow.js ：
光学字符识别(OCR)是指能够从图像或文档中捕获文本元素，并将其转换为机器可读的文本格式的技术。如果您想了解更多关于这个主题的内容，本文是一个很好的介绍。
TensorFlow是世界上最流行的开源机器学习框架。在2017年谷歌开发者大会欧洲站中，Andrew Gasparovic介绍了TensorFlow以及发展的最新成果。他还介绍了一些例子，演示了如何在谷歌和现实问题中使用TensorFlow。 什么是GDD？ 谷歌开发者大会(Google Developer Day)是一个年度性的、在世界范围内的举办的、由众多讲座课程组成的技术教育和产品信息分享大会。 演讲者 Andrew Gasparovic 在谷歌研究院欧洲,机器智能部门。飞行员，跑步者，bloopm
机器学习训练工作通常是时间和资源密集型的，因此将这一过程整合到实时自动化工作流程中可能会面临挑战。
作者：陈迪豪，就职于小米，负责企业深度学习平台搭建，参与过HBase、Docker、OpenStack等开源项目，目前专注于TensorFlow和Kubernetes社区。 原文：TensorFlow四种Cross Entropy算法实现和应用，作者授权CSDN转载。 欢迎技术投稿、约稿、给文章纠错，请发送邮件至heyc@csdn.net 交叉熵介绍 交叉熵（Cross Entropy）是Loss函数的一种（也称为损失函数或代价函数），用于描述模型预测值与真实值的差距大小，常见的Loss函数就是均方
hi，大家好~我是shadow，一枚设计师/全栈工程师/算法研究员，目前主要研究方向是人工智能写作和人工智能设计，当然偶尔也会跨界到人工智能艺术及其他各种AI产品。
机器学习是什么？我认为其实就是统计学的另一种花里胡哨/故弄玄虚的说法！tensorflow.js是一个机器学习的框架：
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
即时通信 IM
ICP备案
对象存储
实时音视频
