JavaScript 開發適用的 TensorFlow
在開始使用下列學習資料之前，您應該
-
熟悉使用 HTML、CSS 和 JavaScript 進行瀏覽器程式設計
-
熟悉使用命令列執行 Node.js 指令碼
本課程適合想達成以下目標的人：
-
在 JavaScript 中建構 ML 模型
-
在任何可執行 Javascript 的地方執行現有模型
-
將 ML 模型部署到網路瀏覽器
TensorFlow.js 可讓您在 JavaScript 中開發或執行 ML 模型，並直接在瀏覽器用戶端、透過 Node.js 的伺服器端、透過 React Native 的行動原生環境、透過 Electron 的桌面原生環境，甚至透過 Raspberry Pi 上的 Node.js 在 IoT 裝置上使用 ML。若要進一步瞭解 TensorFlow.js 及其用途，請觀看 Google I/O 的這場演講。
步驟 1：開始認識瀏覽器中的機器學習
若要快速瞭解 JavaScript 中 ML 的基礎知識，請參加自學Edx 課程，或觀看以下影片，影片會從基本原理開始，逐步介紹如何使用現有的預先製作模型，甚至建立您自己的神經網路以進行分類。您也可以試用在 JavaScript 中製作智慧型網路攝影機 Codelab，以取得這些概念的互動式逐步解說。
透過使用 TensorFlow.js 的網路 ML，從新手變英雄。瞭解如何建立可在用戶端執行，並在幾乎任何裝置上使用的新一代網路應用程式。
瞭解如何載入和使用 TensorFlow.js 預先訓練模型 (COCO-SSD) 之一，並使用它來辨識經過訓練的常見物件。
步驟 2：深入瞭解深度學習
若要更深入瞭解神經網路的運作方式，並更廣泛地瞭解如何將其應用於不同的問題，我們提供兩本書籍。
Learning TensorFlow.js 如果您是 Tensor 和機器學習的新手，但對 JavaScript 有良好的瞭解，這本書是絕佳的起點。本書從基礎知識 (例如瞭解如何將資料操作成 Tensor) 開始，快速進展到實際應用。閱讀完畢後，您將瞭解如何載入現有模型、將資料傳遞給模型，以及解譯輸出的資料。
Deep Learning with JavaScript 也是絕佳的起點。本書附有大量 GitHub 範例，方便您練習在 JavaScript 中使用機器學習。
本書將示範如何使用各種神經網路架構，例如卷積神經網路、遞迴神經網路，以及進階訓練範例，例如強化學習。本書也清楚說明在訓練過程中神經網路實際發生的情況。
適用於廣泛技術受眾的 TensorFlow.js 基礎知識實作端對端方法。讀完本書後，您將瞭解如何使用 TensorFlow.js 建構和部署可供生產環境使用的深度學習系統。
本書由 TensorFlow 程式庫的主要作者撰寫，提供關於在瀏覽器或 Node.js 中以 JavaScript 進行深度學習應用程式開發的精彩使用案例和深入說明。
步驟 3：透過 TensorFlow.js 範例練習
熟能生巧，而取得實作經驗是掌握概念的最佳方法。查看 TensorFlow.js Codelab，透過這些常見使用案例的逐步指南進一步充實您的知識
運用您的神經網路知識，您可以更輕鬆地探索 TensorFlow 團隊建立的開放原始碼範例。這些範例都可在 GitHub 上取得，方便您深入研究程式碼並瞭解其運作方式。
TensorFlow 教學課程以 Jupyter Notebook 形式撰寫，並直接在 Google Colab 中執行，Google Colab 是代管的 Notebook 環境，無需任何設定。按一下「在 Google Colab 中執行」按鈕。
步驟 4：創造新事物！
測試您的知識並練習一些 TensorFlow.js 範例後，您應該準備好開始開發自己的專案了。查看我們的預先訓練模型，並在幾分鐘內開始建構應用程式。或者，您可以使用您收集的資料，或使用公開資料集來訓練自己的模型。Kaggle 和 Google 資料集搜尋是尋找開放資料集以訓練模型的絕佳場所。
如果您正在尋找靈感，請查看我們的 Made With TensorFlow.js 展示與分享集數，這些集數來自世界各地在應用程式中使用 TensorFlow.js 的人士。
您也可以在社群媒體上搜尋 #MadeWithTFJS 標籤，查看社群的最新貢獻。