TensorFlow.js是一个开源的硬件加速JavaScript库，用于训练和部署机器学习模型。
警告：我们最近发布了TensorFlow.js 2.0。如果您一直通过脚本标签使用TensorFlow.js而未指定版本，并且看到一条错误消息，指出未找到任何后端，那么您应该阅读我们的发行说明 以获取有关升级的说明。
功能特点：
在浏览器中开发ML使用低级JavaScript线性代数库或高级层API，使用灵活直观的API从头开始构建模型。在Node.js中开发MLNode.js运行时下，使用相同的TensorFlow.js API执行本机TensorFlow。运行现有模型使用TensorFlow.js模型转换器可在浏览器中直接运行预先存在的TensorFlow模型。重新训练现有模型使用连接到浏览器的传感器数据或其他客户端数据重新训练现有ML模型。介绍
该存储库包含结合了多个软件包的逻辑和脚本。接口：TensorFlow.js Core，一种用于神经网络和数值计算的灵活的低级API。TensorFlow.js Layers，一个高级API，实现类似于Keras的功能 。TensorFlow.js Data，一个简单的API，用于加载和准备类似于tf.data的数据 。TensorFlow.js Converter，用于将TensorFlow SavedModel导入TensorFlow.js的工具TensorFlow.js Vis，TensorFlow.js模型的浏览器内可视化TensorFlow.js AutoML，用于加载和运行由AutoML Edge生成的模型的API集 。后端/平台：TensorFlow.js CPU后端，Node.js和浏览器的纯JS后端。TensorFlow.js WebGL后端，浏览器的WebGL后端。TensorFlow.js WASM后端，浏览器的WebAssembly后端。TensorFlow.js WebGPU，浏览器的WebGPU后端。TensorFlow.js Node，通过TensorFlow C ++适配器的Node.js平台。TensorFlow.js React Native，通过expo-gl适配器的React Native平台。如果您关心捆绑包的大小，则可以单独导入那些软件包。如果您正在寻找对Node.js的支持，请查看TensorFlow.js Node目录。基准测试
本地基准工具。使用此网页工具可在具有CPU，WebGL或WASM后端的本地设备上收集TensorFlow.js模型和内核的性能相关指标（速度，内存等）。您可以按照本指南对自定义模型进行基准测试。多设备基准测试工具。使用此工具可以在一组远程设备上收集与性能相关的相同指标。入门
在您的JavaScript项目中获取TensorFlow.js的主要方法有两种：通过脚本标签 或从NPM安装TensorFlow.js 并使用诸如Parcel， WebPack或Rollup之类的构建工具。通过脚本标签
将以下代码添加到HTML文件：
<！-加载TensorFlow.js->
