适用于 Node.js

NPM	依赖	构建	覆盖率

该库为 Node.js 开发者封装了 TensorFlow Python 接口，其核心由 @pipcook/boa 提供支持。

注意： 本项目目前仍在积极开发中，不保证 API 的稳定性。尤其需要注意的是，底层的 TensorFlow C API 也尚未稳定。

安装

$ npm install tensorflow2 --save

使用

const tf = require('tensorflow2');

// 加载 MNIST 数据集。
const dataset = tf.keras.dataset.mnist();
// {
//   train: { x: [Getter], y: [Getter] },
//   test: { x: [Getter], y: [Getter] }
// }

// 创建模型。
const model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten({
    input_shape: [28, 28]
  }),
  tf.keras.layers.Dense(128, {
    activation: 'relu'
  }),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10)
]);
model.summary();

// 编译模型。
const loss_fn = tf.keras.losses.SparseCategoricalCrossentropy({ from_logits: true });
model.compile({
  optimizer: 'adam',
  loss: loss_fn,
  metrics: [ 'accuracy' ],
});

// 训练模型。
model.fit(dataset.train.x, dataset.train.y, { epochs: 5 });

// 保存模型
model.save('your-model.h5');

完整示例请参阅 example/mnist.js。

测试

$ npm test

许可证

MIT 许可 @ 2020

tensorflow-nodejs 快速上手指南

环境准备

• 系统要求：支持 Node.js 的操作系统（Linux、macOS、Windows）
• 前置依赖：
  • Node.js (建议 LTS 版本)
  • npm 包管理器
  • Python 环境（底层依赖 TensorFlow Python API，需确保已安装）
  • 注意：本项目基于 @pipcook/boa 实现，会自动处理部分 Python 桥接工作，但请确保系统环境变量配置正确。

提示：由于底层 TensorFlow C API 尚未完全稳定，本库目前处于活跃开发阶段，API 可能存在变动。

安装步骤

使用 npm 安装核心包：

npm install tensorflow2 --save

国内加速建议：如果遇到下载缓慢问题，推荐使用淘宝镜像源进行安装：

npm install tensorflow2 --save --registry=https://registry.npmmirror.com

基本使用

以下是一个基于 MNIST 数据集的简单神经网络训练示例：

const tf = require('tensorflow2');

// 加载 MNIST 数据集
const dataset = tf.keras.dataset.mnist();

// 构建模型
const model = tf.keras.models.Sequential([
  tf.keras.layers.Flatten({
    input_shape: [28, 28]
  }),
  tf.keras.layers.Dense(128, {
    activation: 'relu'
  }),
  tf.keras.layers.Dropout(0.2),
  tf.keras.layers.Dense(10)
]);

// 查看模型结构
model.summary();

// 编译模型
const loss_fn = tf.keras.losses.SparseCategoricalCrossentropy({ from_logits: true });
model.compile({
  optimizer: 'adam',
  loss: loss_fn,
  metrics: [ 'accuracy' ],
});

// 训练模型
model.fit(dataset.train.x, dataset.train.y, { epochs: 5 });

// 保存模型
model.save('your-model.h5');

完整示例代码可参考项目中的 example/mnist.js 文件。