前端进阶之路 | 中大厂、外企、国企内推 | 面试培训 | 简历修改

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。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。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

本文将在浏览器中定义、训练和运行模型。 为了实现这一功能，我将构建一个识别鸢尾花的案例。接下来，我们将创建一个神经网络。同时，根据开源数据集我们将鸢尾花分为三类：Setosa、Virginica 和 Versicolor。每个机器学习项目的核心都是数据集。 我们需要采取的第一步是将这个数据集拆分为训练集和测试集。这样做的原因是我们将使用我们的训练集来训练我们的算法和我们的测试集来检查我们的预测的准确性，以验证我们的模型是否可以使用或需要调整。为了方便起见，我已经将训练集和测试集拆分为两个 JSON 文件:

迁移学习是将预训练模型与自定义训练数据相结合的能力。 这意味着你可以利用模型的功能并添加自己的样本，而无需从头开始创建所有内容。例如，一种算法已经用数千张图像进行了训练以创建图像分类模型，而不是创建自己的图像分类模型，迁移学习允许你将新的自定义图像样本与预先训练的模型相结合以创建新的图像分类器。 这个特性使得拥有一个更加定制化的分类器变得非常快速和容易。为了提供代码中的示例，让我们重新利用之前的示例并对其进行修改，以便我们可以对新图像进行分类。以下是此设置最重要部分的一些代码示例，但如果你需要查看整个代

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。 在本文中，我会介绍当前使用 Tensorflow.js 可用的三个主要功能，并阐明在前端使用机器学习的局限性。机器学习通常感觉它属于数据科学家和 Python 开发人员的领域。 然而，在过去的几年中，已经创建了开源框架，以使其更易于在不同的编程语言中访问，包括 JavaScript。 在本文中，我们将使用 Tensorflow.js 通过几个示例项目来探索在浏览器中使用机器学习的不同可能性。对于机器学习，一

如上图所示，人工智能是指机器执行复杂任务的能力，是一个通用术语。 这些通常是指基于能够进行认知计算的算法的软件。这包括机器人技术、自然语言处理、机器学习和深度学习。计算能力的指数级增长导致了人工智能应用的爆炸式增长。你在科幻小说中看到的现在已经成为日常生活的一部分。机器现在可以在没有人工干预的情况下执行复杂的任务。其中最著名的两种形式是机器学习和深度学习。而 AI 有两个最著名的子领域是：机器学习和深度学习。机器学习的想法可以追溯到 1950 年代后期。 这始于斯坦福大学的一名计算机科学家：机器可以自己

虽然有些人认为 Javascript 只是一种用于前端开发的语言，但如今 JavaScript 已成为一种通用的编程语言，它的可能性已经无穷无尽的。本文想为大家推荐一些我在学习机器学习过程中接触到的一些面向 JS 的机器学习库。Synaptic 是由 MIT 创建的著名 JavaScript 神经网络库，可与 Node.js 或浏览器一起使用。 该库的一个显着特点是，由于其无架构算法和预制结构，它能够构建和训练任何一阶或二阶神经网络架构。它还可以将网络作为独立功能导入或导出到 JSON，以便它们可以与其他网