TensorFlow.js

TensorFlow.js是一個由谷歌開發的開源JavaScript庫，用於在瀏覽器和Node.js環境中進行機器學習開發。它允許開發者使用JavaScript直接構建、訓練和部署機器學習模型，無需依賴外部伺服器或外掛程式。該庫提供了靈活的API，支持從底層線性代數運算到高級神經網路層級的開發，並包含豐富的預訓練模型，適用於計算機視覺、自然語言處理、音頻識別等多種任務。TensorFlow.js支持WebGL、WebAssembly等多類硬體加速後端以提升性能，並能將已有的PythonTensorFlow模型轉換為JavaScript格式運行。其核心優勢在於實現了客戶端機器學習，保障了數據隱私，降低了部署門檻，是TensorFlow生態系統的重要組成部分。

基本介紹

• 外文名：TensorFlow.js

研發背景

TensorFlow.js是由谷歌開發的開源機器學習庫，於2018年3月30日在TensorFlow開發者峰會上正式發布。

TensorFlow.js面向JavaScript開發者，旨在降低在Web和Node.js環境中進行機器學習的門檻，允許開發者在瀏覽器和Node.js環境中訓練和部署機器學習模型。

發展歷程

2018年3月30日，在TensorFlow開發者峰會上，谷歌發布了面向JavaScript開發者的全新機器學習框架TensorFlow.js。TensorFlow.js是一個開源的用於開發機器學習項目的WebGL-accelerated JavaScript庫，允許開發者在瀏覽器中訓練和部署模型。

2020年，TensorFlow.js為WebAssembly（WASM）後端引入了SIMD（單指令多數據）指令和多執行緒支持（自版本2.3.0起），利用XNNPACK庫實現了顯著的性能提升，大幅增強了網頁端機器學習的開發效率。

2022年，TensorFlow.js發布了3.0版本。此次升級帶來了多項重要特性，包括支持創建自定義模組以最佳化打包體積、主要代碼以ES2017語法的ES模組形式發布、對核心包（@tensorflow/tfjs-core）進行了精簡以支持更好的tree-shaking，以及代碼重構以簡化核心和梯度註冊機制。

此後，TensorFlow.js持續進行版本疊代與功能更新。例如，在2024年10月發布了v4.22.0版本。

核心技術

TensorFlow.js是一個開源的硬體加速JavaScript庫，用於在瀏覽器和Node.js中訓練和部署機器學習模型。

核心概念：張量與運算

TensorFlow.js中數據的中央單元為tf.Tensor，是一組形狀為一維或多維數組的值，張量是向量和矩陣向更高維度的泛化。tf.Tensor包含秩（rank）、形狀（shape）和數據類型（dtype）屬性，可以使用tf.tensor()等方法創建，並使用reshape()等方法改變形狀。張量可用於存儲數據，而運算（Operations）則用於操作該數據，由於張量是不可變的，因此運算不會改變其值，而是返回新的tf.Tensor。

API分層設計

TensorFlow.js提供高低層API以適應不同開發需求，低級的Core API為神經網路和數值計算提供靈活的基礎功能，高級的Layers API則提供類似Keras的模型構建接口以簡化開發。

計算後端

TensorFlow.js支持多種計算後端，環境會自動選擇或允許開發者手動設定。WebGL後端（‘webgl’）在瀏覽器中提供GPU加速，是適用於瀏覽器的主要後端之一。WASM後端利用SIMD指令和XNNPACK多執行緒在CPU上提供加速，適用於小型模型或低端設備。CPU後端（‘cpu’）是純JavaScript實現，兼容性廣泛但性能較低。Node.js後端通過綁定TensorFlow C++庫在Node.js環境中提供原生性能，支持CPU和CUDA GPU。此外，TensorFlow.js還支持WebGPU後端和React Native平台。

配套工具庫

TensorFlow.js生態系統包含多個關鍵工具庫，TensorFlow.js Data是用於數據載入和準備的API。TensorFlow.js Converter是用於將TensorFlow SavedModel或Keras模型轉換為TensorFlow.js格式的命令行工具和API。TensorFlow.js Vis是用於在瀏覽器中可視化模型訓練過程和行為的工具庫。TensorFlow.js AutoML是用於載入和運行AutoML Edge生成模型的API。

運營模式

TensorFlow.js是一個託管於GitHub的開源項目，接受社區貢獻。其核心庫及各功能模組主要通過NPM包管理器進行分發。項目的社區貢獻由TensorFlow.js特殊興趣小組（SIG TF.js）負責協調。

此外，項目擁有活躍的社區支持渠道，包括TensorFlow社區論壇、Stack Overflow問答板塊（使用tfjs標籤）以及僅發布公告的郵件列表等。

核心團隊

TensorFlow.js是由谷歌大腦（Google Brain）團隊開發與維護的開源項目。其主要貢獻者包括蔡善清、斯坦利·比列斯奇和埃里克·D.尼爾森等谷歌大腦團隊的軟體工程師，他們是TensorFlow.js高階API的主要開發人員。此外，該項目擁有龐大的開發者社區，在GitHub上已有超過300名貢獻者。

重要事件

2018年3月30日，谷歌在TensorFlow開發者峰會上發布了面向JavaScript開發者的全新機器學習框架TensorFlow.js，這是一個開源的用於開發機器學習項目的WebGL-accelerated JavaScript庫，能訓練並部署機器學習模型在瀏覽器中，被視為首個支持在瀏覽器中進行機器學習模型訓練和部署的主流JavaScript庫。

2020年，TensorFlow.js為WASM後端引入了SIMD指令和多執行緒支持，從版本2.3.0起實現了顯著的性能提升。

2022年，TensorFlow.js升級至3.0版本，引入了包括支持創建自定義模組以最佳化包體積、主要代碼以ES2017語法的ES模組形式提供等變化。

TensorFlow.js通過發布微信小程式外掛程式等形式擴展了其套用平台，該外掛程式支持WebGL、CPU及WASM後端，並支持模型快取。

2026年初，谷歌公布了TensorFlow.js 1.0版本，其性能得到進一步最佳化，例如為瀏覽器中的MobileNet v1推理帶來了9倍提升，並提供了更多現成模型。