JavaScript для глубокого обучения 2021 TensorFlow js Ббк

Часть IV • Резюме и заключительное слово
и платформ. API WebGL браузера позволяет производить параллельные вычисления 
на самых разнообразных GPU на различных платформах, что широко используется 
в TensorFlow.js. Благодаря этому JavaScript — прекрасный вариант для разверты­
вания моделей глубокого обучения. TensorFlow.js предоставляет утилиту для пре­
образования моделей, обученных в таких популярных фреймворках Python, как 
TensorFlow и Keras, в подходящий для веб­развертывания формат и развертывания 
их на веб­страницах для выполнения вывода и переноса обучения.
Помимо удобства развертывания, есть и несколько других преимуществ тонкой 
настройки моделей глубокого обучения и выполнения вывода на их основе с по­
мощью JavaScript.
z
z
По сравнению с выполнением вывода на стороне сервера, при выполнении выво­
да на стороне клиента отсутствует задержка из­за передачи данных туда и обрат­
но, что повышает доступность и плавность работы с точки зрения пользователей.
z
z
Благодаря выполнению вычислений на клиенте с локальным ускорением на 
основе GPU для глубокого обучения не требуется управлять ресурсами GPU на 
сервере, что значительно снижает сложность соответствующего стека технологий 
и затраты на его сопровождение.
z
z
Улучшается защита персональной информации пользователей благодаря тому, 
что данные и результаты выполнения вывода не покидают клиентской машины. 
Что играет важную роль, в частности, в сфере здравоохранения и моды.
z
z
Браузер и прочие среды UI на основе JavaScript наглядны и интерактивны, обе­
спечивая уникальные возможности для визуализации и изучения нейронных 
сетей.
z
z
TensorFlow.js поддерживает не только выполнение вывода, но и обучение. Что от­
крывает возможности переноса обучения и тонкой настройки на стороне клиента, 
а значит, и улучшения подгонки моделей машинного обучения под конкретного 
пользователя.
z
z
В браузере JavaScript предоставляет платформонезависимый API для доступа 
к сенсорам устройств, например к веб­камерам и микрофонам, в результате чего 
разработка использующих данные с этих сенсоров межплатформенных прило­
жений значительно ускоряется.
Помимо господствующей позиции среди языков на стороне клиента, JavaScript 
может немало предложить и на стороне сервера. В частности, один из очень по­
пулярных фреймворков создания серверных приложений на JavaScript — Node.js. 
С помощью основанной на Node.js версии TensorFlow.js (tfjs­node) можно об­
учать модели глубокого обучения и выполнять на их основе вывод за пределами 
браузера, а значит, без соответствующих ограничений ресурсов. Благодаря до­
ступу к обширной экосистеме Node.js стек технологий для разработчиков сильно 
упрощается. Причем все это можно реализовать фактически с помощью того же 
самого кода TensorFlow.js, что и на стороне клиента, приближая нас к парадигме 
«написать один раз, выполнять где угодно», как было показано в нескольких при­
мерах из книги.

---