【机器学习】在浏览器端实践机器学习，需要考虑哪些注意事项

⭐️ 本文首发自 前端修罗场(点击加入)，是一个由资深开发者独立运行的专业技术社区，我专注 Web 技术、答疑解惑、面试辅导以及职业发展。现在加入，私聊我即可获取一次免费的模拟面试机会，帮你评估知识点的掌握程度，获得更全面的学习指导意见，交个朋友，不走弯路，少吃亏！

最近公司在研发分布式高性能的云计算平台，其中涉及到了 AI 方面的处理。所以我也在自学 Machine Learning。不过在 AI 方面的知识却是需要花功夫花时间学习的。在学习的过程中我发现了一个不错的学习教程(点击收藏)，推荐给大伙😋，我个人觉得这个教程讲解的通俗易懂，帮我省去了自己苦苦专研的时间，能够得到快速的进步。下一阶段，我也会在这里和大家分享我的学习笔记。

我们有必要了解一下在浏览器中使用机器学习需要考虑哪些注意事项。也给后来想要学习机器学习的同学一个参考。

1.性能

从外部源导入预训练模型可能会对您的应用程序产生性能影响。 例如，某些对象检测模型超过 10MB，这会大大降低你的网站速度。 确保考虑你的用户体验并优化资产的加载以提高你的感知性能。

2. 输入数据的质量

如果您从头开始构建模型，你将不得不收集自己的数据或找到一些开源数据集。

在进行任何类型的数据处理或尝试不同的算法之前，请务必检查输入数据的质量。 例如，如果你尝试构建情绪分析模型来识别文本中的情绪，请确保用于训练模型的数据准确且多样化。 如果使用的数据质量低，那么你的训练输出将毫无用处。

3. 责任

使用开源预训练模型可以非常快速且轻松。 然而，这也意味着你并不总是知道它是如何生成的，数据集是由什么组成的，甚至是使用了哪种算法。 有些模型被称为“黑匣子”，这意味着你并不真正知道它们是如何预测某个输出的。

根据你要构建的内容，这可能是一个问题。 例如，如果你使用机器学习模型来帮助根据扫描图像检测某人患有癌症的概率，以防假阴性（模型预测一个人实际上没有患癌症），有 可能是一些真正的法律责任，你必须能够解释为什么模型做出了某种预测。

4. 结论

总之，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。即使一个生产就绪的应用程序可能应该使用 Python 之类的语言构建，JavaScript 让开发人员可以真正使用不同的功能并更好地理解基本概念，然后最终继续前进并投入时间学习另一种语言语。

在本系列教程中，我们只介绍了使用 Tensorflow.js 的可能性，但是，其他库和工具的生态系统正在增长。还提供了更多指定的框架，允许您使用机器学习探索其他领域，例如使用 Magenta.js 进行音乐，或使用guess.js 预测网站上的用户导航！

随着工具的性能越来越高，在 JavaScript 中构建支持机器学习的应用程序的可能性可能会越来越令人兴奋，现在是了解更多关于它的好时机，因为社区正在努力使其易于访问。

5. 更多

案例、模型和数据集

• Tensorflow.js models
• Tensorflow.js examples
• Datasets

寻找灵感

• Teachable machine
• AI experiments
• AIJS.rocks
• Creatability

其他框架和工具

• ml5.js
• ml.js
• brain.js
• Keras.js
• PoseNet
• Tensorflow playground

如果你觉得这篇文章还不错，请点击下方小红心 👍🏻 ❤️，鼓励一下！我会继续为你带来优质的内容~我是前端修罗场，一个独立运行的专业技术社区，感谢你关注我！