tfjs
Eine WebGL-beschleunigte JavaScript-Bibliothek zum Trainieren und Bereitstellen von ML-Modellen.
Baue und führe Machine Learning-Modelle direkt in deinem Webbrowser mit JavaScript aus.
Aus der README
- TensorFlow.js CPU Backend, pure-JS backend for Node.js and the browser.
- TensorFlow.js WebGL Backend, WebGL backend for the browser.
- TensorFlow.js WASM Backend, WebAssembly backend for the browser.
- TensorFlow.js WebGPU, WebGPU backend for the browser.
- TensorFlow.js Node, Node.js platform via TensorFlow C++ adapter.
- TensorFlow.js React Native, React Native platform via expo-gl adapter.
Auszüge aus der Projekt-README zu GitHub. Das Urheberrecht und die Lizenzen verbleiben bei den jeweiligen Autoren.
Beanspruchen Sie die Seite: indexiert unabhangig vom Rang, in sechs Sprachen ubersetzt und mit Ihren eigenen Worten erganzt.
Erhalten Sie eine E-Mail-Benachrichtigung beim nächsten Release oder wenn es durchstartet.
Kostenlos · ohne Karte · jederzeit abbestellbarEine WebGL-beschleunigte JavaScript-Bibliothek zum Trainieren und Bereitstellen von ML-Modellen.
tfjs hat 19.1k Sterne auf GitHub. Es wurde 2k-mal geforkt. tfjs ist hauptsächlich in TypeScript geschrieben. Es wird seit 2018 aktiv entwickelt. tfjs ist unter der Apache-2.0-Lizenz verfügbar. Die Hauptthemen sind: deep-learning, deep-neural-network, gpu-acceleration, javascript.
Was ist tfjs?
Eine WebGL-beschleunigte JavaScript-Bibliothek zum Trainieren und Bereitstellen von ML-Modellen.
Ist tfjs Open Source?
tfjs ist ein Open-Source-Projekt. Es wird unter der Apache-2.0-Lizenz veröffentlicht.
Ist tfjs kostenlos?
Ja. tfjs ist kostenlos und Open Source — Sie können es nutzen, anpassen und selbst hosten.
Unter welcher Lizenz steht tfjs?
tfjs ist unter der Apache-2.0-Lizenz verfügbar.
In welcher Sprache ist tfjs geschrieben?
tfjs ist hauptsächlich in TypeScript geschrieben.
Fügen Sie dieses Live-Abzeichen zu Ihrem README hinzu — Ihre GitHub-Sterne und Verzeichnisrang, täglich aktualisiert.
[](https://olud.ai/project/tensorflow-tfjs.html)
Ermittelt aus gemeinsamen GitHub-Topics beider Projekte, gewichtet nach ihrer Seltenheit.