JS遇见tensorflow.js

1、直接

利用Javascript和tensorflow.js直接写关于前端的机器学习代码进行训练。
不过我个人认为效率不高，毕竟直接在前端进行训练，计算什么的根本跟不上，不过之前也有听过可以利用node，可能稍微会好一些，没用过，也不太清楚啥情况，之后会进行尝试，可行性等之后用过再单独发篇吧。

刚开始学的时候都是直接看的官方给出的例子，什么mnist这种最基本的，但是真正自己写，实现的时候真的是不是很容易，到现在也不能和vue完美结合，学艺不精啊，慢慢来8。

2、间接

我觉得目前主流的应该是这种方法，避开前端训练困难的难处，利用前端实现的好处。
由于JS中调用的是.json文件，也就是模型，那么问题也就演变为了如何通过训练获得一个.json模型

1. 先用

model  =  load_model('model_h5')

这句代码可以将一个keras模型保存为.h5文件

这时在你的根目录下就会出现一个名为model.h5的文件

2. 再在bash中使用

tensorflowjs_converter --input_format keras model.h5 tfjs_target

这样就会在根目录下得到一个名为tfjs_target的文件夹，这就是tensorflow.js的layer格式，文件夹中包含一个.json文件和一组二进制格式的权重文件分片，到此就可以尽情地在JS中实现这个模型的功能啦！
!!!?1⃣️一下，目前只能把keras模型进行如上操作，因为tensorflow.js目前只支持keras模型。

---

第一次写，随个笔，突然想到这个了，就写了，当时是花了2天时间才弄明白呢，溜了，赶工去喽。