JavaScript для глубокого обучения 2021 TensorFlow js Ббк

Часть I • Актуальность и основные понятия 
на основе CUDA. Это те же самые математические прикладные части, что ис­
пользуются TensorFlow и Keras в языке Python. На основе самого нижнего мате­
матического уровня строится 
API Ops
, вполне соответствующий низкоуровневому 
API TensorFlow и поддерживающий загрузку моделей в формате SavedModels из 
TensorFlow. На верхнем уровне располагается 
API Layers
в стиле Keras. Он отлично 
подходит для большинства программистов, работающих с TensorFlow.js. API Layers 
также поддерживает импорт/экспорт моделей Keras.
Рис. 1.8.
Общий обзор архитектуры TensorFlow.js. Показаны также ее взаимосвязи 
с библиотеками TensorFlow и Keras языка Python
1
.3.2. Почему именно TensorFlow.js: краткое сравнение 
с аналогичными библиотеками
TensorFlow.js не единственная JavaScript­библиотека для глубокого обучения и даже 
не первая (например, история библиотек brain.js и ConvNetJS намного продолжи­
тельнее). Так почему же TensorFlow.js выделяется среди себе подобных? Первая 
причина состоит в ее всесторонности: TensorFlow.js — единственная доступная в на­
стоящий момент библиотека, которая поддерживает все ключевые составляющие 
реального технологического процесса глубокого обучения:
z
z
обеспечивает как вывод, так и обучение;
z
z
поддерживает браузеры и Node.js;
z
z
использует GPU­ускорение (WebGL в браузерах и ядра CUDA в Node.js);
z
z
поддерживает описание архитектур моделей нейронных сетей на JavaScript;
z
z
обеспечивает сериализацию и десериализацию моделей;
z
z
поддерживает преобразование моделей из фреймворков глубокого обучения на 
Python и в них;
z
z
снабжена встроенной поддержкой ввода/обработки данных и API визуализации.
Вторая причина — экосистема. В большинстве библиотек глубокого обучения 
JavaScript описан свой собственный уникальный API, в то время как TensorFlow.js тес­

---