🧠 TensorFlow.js 实战
30章 · 浏览器ML
🎯 友好 · 彩色目录
01
TensorFlow.js 简介
什么是 TensorFlow.js、浏览器端 ML 的优势、项目环境搭建与 Hello World。
02
核心概念 · 张量
张量（Tensor）的创建、操作与运算、变量与内存管理。
03
数据准备
数据加载、预处理、归一化与数据集划分。
04
构建第一个模型
顺序模型（Sequential）与函数式 API 入门。
05
模型编译与训练
配置优化器、损失函数、评估指标，执行训练。
06
模型评估与预测
评估模型性能、进行预测、可视化训练过程。
07
线性回归实战
使用 TensorFlow.js 实现波士顿房价预测（简化版）。
08
逻辑回归实战
手写数字识别（MNIST）二分类任务。
09
多层感知机 MLP
构建全连接网络，实现图像分类。
10
CNN 基础
卷积层、池化层原理与实现。
11
CNN 实战 · LeNet-5
使用 LeNet-5 架构进行图像分类。
12
迁移学习
加载预训练模型（MobileNet）进行自定义图像分类。
13
RNN 基础
理解序列数据与 RNN 单元。
14
RNN 实战 · LSTM
使用 LSTM 进行文本生成或情感分析。
15
模型保存与加载
使用 IndexedDB 保存模型、加载本地模型。
16
浏览器端数据增强
图像翻转、旋转、裁剪等操作。
17
Web Workers 推理
利用多线程加速推理过程。
18
WebGL 后端加速
理解 WebGL 原理、配置与性能调优。
19
模型量化与压缩
减小模型体积，提升移动端性能。
20
实时目标检测
使用 COCO-SSD 模型进行视频流目标检测。
21
姿态估计
使用 PoseNet / MoveNet 进行人体关键点检测。
22
语音识别
使用 TensorFlow.js 实现简单的语音命令识别。
23
文本分类
使用 Universal Sentence Encoder 进行语义相似度计算。
24
推荐系统
构建基于内容的电影推荐引擎。
25
异常检测
使用自编码器（Autoencoder）检测异常数据。
26
GAN 基础
理解生成器与判别器。
27
GAN 实战 · DCGAN
在浏览器中训练简单的 DCGAN 生成手写数字。
28
强化学习入门
使用 TensorFlow.js 实现 Q-Learning 小游戏。
29
模型部署与优化
将模型部署到生产环境、性能监控。
30
综合项目实战
构建完整浏览器端 ML 应用（图像分类器 + 实时检测）。