本文已使用 Google Cloud Translation API 自动翻译。
某些文档最好以原文阅读。
TensorFlow.js 是一个用于机器学习的开源 JavaScript 库，它使开发人员能够在浏览器或 Node.js 中训练和部署 ML 模型。
在本文中，我们将学习如何使用 TensorFlow.js 在 Node.js 应用程序中部署预训练的 ML 模型。我们还将学习如何使用 Node.js API 在模型上运行推理。
在开始之前，您需要具备以下条件：
首先，我们需要安装 TensorFlow.js 库。我们可以使用节点包管理器 (NPM) 执行此操作：
npm install @tensorflow/tfjs
接下来，我们需要下载预训练的 ML 模型。对于此示例，我们将使用 MobileNet 图像分类模型。
下载模型后，我们可以将其部署到我们的 Node.js 应用程序中。
要部署模型，我们需要创建一个名为“index.js”的新文件。在此文件中，我们将使用“tf.loadModel()”函数加载预训练模型：
const tf = require('@tensorflow/tfjs');
// Load the model.
tf.loadModel('https://storage.googleapis.com/tfjs-models/tfjs/mobilenet_v1_0.25_224/model.json')
.then(model => {
// Use the model.
});
加载模型后，我们可以使用它对图像进行推理。对于此示例，我们将使用 TensorFlow.js 图像分类示例。
首先，我们需要将图像加载到 tf.Tensor 中：
const tf = require('@tensorflow/tfjs');
// Load the model.
tf.loadModel('https://storage.googleapis.com/tfjs-models/tfjs/mobilenet_v1_0.25_224/model.json')
.then(model => {
// Use the model.
const img = tf.tensor3d(imageData, [224, 224, 3]);
});
接下来，我们需要使用 mobilenet.preprocessInput() 函数对图像进行预处理：
const tf = require('@tensorflow/tfjs');
// Load the model.
tf.loadModel('https://storage.googleapis.com/tfjs-models/tfjs/mobilenet_v1_0.25_224/model.json')
.then(model => {
// Use the model.
const img = tf.tensor3d(imageData, [224, 224, 3]);
// Pre-process the image.
const preprocessedImg = tf.mobilenet.preprocessInput(img);
});
最后，我们可以使用 model.predict() 函数对图像进行推理：
const tf = require('@tensorflow/tfjs');
// Load the model.
tf.loadModel('https://storage.googleapis.com/tfjs-models/tfjs/mobilenet_v1_0.25_224/model.json')
.then(model => {
// Use the model.
const img = tf.tensor3d(imageData, [224, 224, 3]);
// Pre-process the image.
const preprocessedImg = tf.mobilenet.preprocessInput(img);
// Run inference.
model.predict(preprocessedImg).then(predictions => {
// Use the predictions.
});
});
predictions 变量包含推理的结果。
在本文中，我们学习了如何使用 TensorFlow.js 在 Node.js 应用程序中部署预训练的 ML 模型。我们还学习了如何使用 Node.js API 在模型上运行推理。