1. Установка и подключение

В браузере:

<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@4.10.0/dist/tf.min.js"></script>  

В Node.js:

npm install @tensorflow/tfjs  

Для GPU:

npm install @tensorflow/tfjs-node-gpu  

2. Пример простой модели

Задача: обучить модель предсказывать Y = 2X - 1.

Подготовка данных

const xs = tf.tensor2d([[0], [2], [4], [6], [8]]); // Входные значения  
const ys = tf.tensor2d([[-1], [3], [7], [13], [15]]); // Цель  

Создание и компиляция модели

const model = tf.sequential();  
model.add(tf.layers.dense({inputShape: [1], units: 1}));  

model.compile({  
  optimizer: 'sgd',  
  loss: 'meanSquaredError'  
});  

Обучение и прогнозирование

await model.fit(xs, ys, {epochs: 50});  
const prediction = model.predict(tf.tensor2d([[10]]));  
prediction.print(); // Ожидаем ~19  

3. Визуализация и сохранение

• Графики обучения: Используйте tfjs-vis для отображения потерь.
• Сохранение модели:

  await model.save('localstorage://my-model');  
  

• Загрузка модели:

  const loadedModel = await tf.loadLayersModel('localstorage://my-model');  
  

4. Готовые модели

• ImageNet (Mobilenet):

  npm install @tensorflow-models/mobilenet  
  

  Пример:

  const model = await mobilenet.load();  
  const predictions = await model.classify(document.getElementById('img'));  
  

• Голосовые команды:

  npm install @tensorflow-models/speech-commands  
  

5. Советы и ограничения

• Очистка памяти: Используйте tf.tidy() или .dispose() для управления тензорами.
• Производительность: В браузере медленнее, чем в Python. Лучше использовать для простых задач.
• Сложные модели: Обучайте на Python, затем импортируйте в TensorFlow.js.