演示
檢視使用 TensorFlow.js 構建的示例和線上演示。
社群演示
利用官方模板入門,並探索社群精選專案以獲取靈感。
| 示例 | 輸入資料型別 | 任務型別 | 模型型別 | 訓練環境 | 推理環境 | API 型別 | 演示 |
|---|---|---|---|---|---|---|---|
| abalone-node | 數值 | 在 Node.js 中從本地檔案載入資料並進行訓練 | 多層感知機 | Node.js | Node.js | 層 | 無演示 |
| addition-rnn | 文字 | 序列到序列 | RNN:SimpleRNN、GRU 和 LSTM | 瀏覽器 | 瀏覽器 | 層 | 檢視演示 |
| addition-rnn-webworker | 文字 | 序列到序列 | RNN:SimpleRNN、GRU 和 LSTM | 瀏覽器:Web Worker | 瀏覽器:Web Worker | 層 | 無演示 |
| angular-predictive-prefetching | 數值 | 多類預測器 | 深度神經網路 | 瀏覽器:Service Worker | 瀏覽器:Service Worker | 層 | 無演示 |
| baseball-node | 數值 | 多類分類 | 多層感知機 | Node.js | Node.js | 層 | 無演示 |
| boston-housing | 數值 | 迴歸 | 多層感知機 | 瀏覽器 | 瀏覽器 | 層 | 檢視演示 |
| cart-pole | 水平分割線 | 強化學習 | 策略梯度 | 瀏覽器 | 瀏覽器 | 層 | 檢視演示 |
| chrome-extension | 影像 | (在 Chrome 擴充套件程式中部署 TF.js) | 卷積神經網路 | 水平分割線 | 瀏覽器 | 水平分割線 | 無演示 |
| custom-layer | 水平分割線 | (定義自定義層子型別) | 水平分割線 | 水平分割線 | 瀏覽器 | 層 | 檢視演示 |
| data-csv | 水平分割線 | 從遠端 CSV 構建 tf.data.Dataset | 水平分割線 | 水平分割線 | 水平分割線 | 水平分割線 | 檢視演示 |
| data-generator | 水平分割線 | 使用生成器構建 tf.data.Dataset | 迴歸 | 瀏覽器 | 瀏覽器 | 層 | 檢視演示 |
| date-conversion-attention | 文字 | 文字到文字轉換 | 注意力機制,RNN | Node.js | 瀏覽器和 Node.js | 層 | 檢視演示 |
| electron | 影像 | (在基於 Electron 的桌面應用中部署 TF.js) | 卷積神經網路 | 水平分割線 | Node.js | 水平分割線 | 無演示 |
| fashion-mnist-vae | 影像 | 生成式 | 變分自編碼器 | Node.js | 瀏覽器 | 層 | 無演示 |
| interactive-visualizers | 影像 | 多類分類、物件檢測、分割 | 水平分割線 | 水平分割線 | 瀏覽器 | 水平分割線 | 無演示 |
| iris | 數值 | 多類分類 | 多層感知機 | 瀏覽器 | 瀏覽器 | 層 | 檢視演示 |
| iris-fitDataset | 序列到序列 | 多類分類 | 多層感知機 | 瀏覽器 | 瀏覽器 | 層 | 檢視演示 |
| jena-weather | 文字 | 序列到預測 | MLP 和 RNN | 瀏覽器和 Node.js | 瀏覽器 | 層 | 檢視演示 |
| lstm-text-generation | 影像 | 序列到預測 | RNN:LSTM | 瀏覽器 | 瀏覽器 | 層 | 檢視演示 |
| mnist | 影像 | 多類分類 | 卷積神經網路 | 瀏覽器 | 瀏覽器 | 層 | 檢視演示 |
| mnist-acgan | 影像 | 生成對抗網路 | 卷積神經網路;GAN | Node.js | 瀏覽器 | 層 | 檢視演示 |
| mnist-core | 影像 | 多類分類 | 卷積神經網路 | 瀏覽器 | 瀏覽器 | 核心 (Ops) | 檢視演示 |
| mnist-node | 影像 | 多類分類 | 卷積神經網路 | Node.js | Node.js | 層 | 無演示 |
| mnist-transfer-cnn | 影像 | 多類分類(遷移學習) | 卷積神經網路 | 瀏覽器 | 瀏覽器 | 層 | 無演示 |
| mobilenet | 影像 | 多類分類 | 卷積神經網路 | 水平分割線 | 瀏覽器 | 層 | 檢視演示 |
| polynomial-regression | 數值 | 迴歸 | 淺層神經網路 | 瀏覽器 | 瀏覽器 | 層 | 檢視演示 |
| polynomial-regression-core | 數值 | 迴歸 | 淺層神經網路 | 瀏覽器 | 瀏覽器 | 核心 (Ops) | 檢視演示 |
| quantization | 各種 | 演示訓練後權重量化的效果 | 各種 | Node.js | Node.js | 層 | 無演示 |
| sentiment | 文字 | 序列到二元預測 | LSTM,一維卷積神經網路 | Node.js | Node.js 或 Python | 層 | 檢視演示 |
| simple-object-detection | 影像 | 目標檢測 | 卷積神經網路(遷移學習) | Node.js | 瀏覽器 | 層 | 檢視演示 |
| snake-dqn | 水平分割線 | 目標檢測 | 深度 Q 網路 | Node.js | 瀏覽器 | 層 | 檢視演示 |
| translation | 文字 | 序列到序列 | LSTM 編碼器和解碼器 | Node.js 或 Python | 瀏覽器 | 層 | 檢視演示 |
| tsne-mnist-canvas | 水平分割線 | 降維和資料視覺化 | tSNE | 瀏覽器 | 瀏覽器 | 核心 (Ops) | 無演示 |
| webcam-transfer-learning | 影像 | 多類分類(遷移學習) | 卷積神經網路 | 瀏覽器 | 瀏覽器 | 層 | 檢視演示 |
| website-phishing | 數值 | 二元分類 | 多層感知機 | 瀏覽器 | 瀏覽器 | 層 | 檢視演示 |