机器学习（ML）TensorFlow 概述

什么是 TensorFlow.js？

TensorFlow.js 是 Google 推出的 JavaScript 机器学习库，它允许我们在浏览器中构建、训练和部署机器学习模型。

借助 TensorFlow 的 JavaScript 版本，我们可以为任何 Web 应用程序添加机器学习功能。

✅ 主要特性包括：

• 浏览器端机器学习 - 无需服务器即可运行模型
• GPU 加速 - 通过 WebGL 实现高性能计算
• 丰富的模型库 - 提供图像识别、自然语言处理等预训练模型
• 跨平台支持 - 兼容各种现代浏览器和移动设备

使用 TensorFlow

✅ 在网页中使用TensorFlow.js，只需在 HTML 中添加script标签：

<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@latest"></script>

✅ 如果想要使用最新版本TensorFlow.js，可以省略版本号直接引用：

<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs"></script>

提示：对于生产环境，建议指定具体的版本号而不是使用 @latest，以获得更稳定的表现。

Tensors

TensorFlow.js 是一个用于定义和操作 Tensors 的 JavaScript 库。Tensors 是该库中最主要的数据类型。

什么是 Tensors？

张量（Tensor）本质上与多维数组相似，它包含一个或多个维度的数值数据。可以理解为：

• 标量 (Scalar)：0 维张量（单个数值）
• 向量 (Vector)：1 维张量（一维数组）
• 矩阵 (Matrix)：2 维张量（二维表格）
• 高阶张量：3 维及以上结构

张量（Tensor）可以包含一个或多个维度的数据，具体表现为以下形式：

张量（Tensor）主要包含以下核心属性：

创建张量（Tensor）

TensorFlow 中的主要数据类型是张量。

可以使用tf.tensor()方法将任意 N 维数组转换为张量：

✅ 数组转张量实例一：

const myArr = [[1, 2, 3, 4]];
const tensorA = tf.tensor(myArr);

✅ 数组转张量实例二：

const myArr = [[1, 2], [3, 4]];
const tensorA = tf.tensor(myArr);

✅ 数组转张量实例三：

const myArr = [[1, 2], [3, 4], [5, 6]];
const tensorA = tf.tensor(myArr);

张量形状（Tensor Shape）

张量也可以基于数组配合形状参数（shape）来创建：

✅ 基于数组配合形状参数创建张量实例一：

const myArr = [1, 2, 3, 4]:
const shape = [2, 2];
const tensorA = tf.tensor(myArr, shape);

✅ 基于数组配合形状参数创建张量实例二：

const tensorA = tf.tensor([1, 2, 3, 4], [2, 2]);

✅ 基于数组配合形状参数创建张量实例三：

const myArr = [[1, 2], [3, 4]];
const shape = [2, 2];
const tensorA = tf.tensor(myArr, shape);

获取张量值

✅ 可以使用tensor.data()方法获取张量背后的数据：

const myArr = [[1, 2], [3, 4]];
const shape = [2, 2];
const tensorA = tf.tensor(myArr, shape);
tensorA.data().then(data => display(data));

function display(data) {
  document.getElementById("demo").innerHTML = data;
}

✅ 可以使用tensor.array()方法获取张量背后的数组：

const myArr = [[1, 2], [3, 4]];
const shape = [2, 2];
const tensorA = tf.tensor(myArr, shape);
tensorA.array().then(array => display(array[0]));

function display(data) {
  document.getElementById("demo").innerHTML = data;
}

✅ 可以使用tensor.rank()方法获取张量背后的维度（秩）：

const myArr = [1, 2, 3, 4];
const shape = [2, 2];
const tensorA = tf.tensor(myArr, shape);

document.getElementById("demo").innerHTML = tensorA.rank;

✅ 可以使用tensor.shape()方法获取张量背后的形状参数：

const myArr = [1, 2, 3, 4];
const shape = [2, 2];
const tensorA = tf.tensor(myArr, shape);

document.getElementById("demo").innerHTML = tensorA.shape;

✅ 可以使用tensor.dtype()方法获取张量背后的数据类型：

const myArr = [1, 2, 3, 4];
const shape = [2, 2];
const tensorA = tf.tensor(myArr, shape);

document.getElementById("demo").innerHTML = tensorA.dtype;

张量数据类型

✅ 张量可支持以下数据类型：

• bool（布尔型）- 存储 true / false 值
• int32（32位整型）- 存储整数值
• float32（32位浮点型，默认类型）- 存储单精度浮点数
• complex64（64位复数型）- 存储实部和虚部均为 float32 的复数
• string（字符串型）- 存储字符串数据

✅ 当你创建张量时，可以将数据类型指定为第三个参数：

const myArr = [1, 2, 3, 4];
const shape = [2, 2];
const tensorA = tf.tensor(myArr, shape, "int32");