# Tensorflow.js
## Tensorflow
- 一個強大的機器學習框架
- 使用深度學習的方法
- 利用類神經網路的方式進行訓練
## WHY Tensorflow.js?
- 在瀏覽器中就能執行機器學習 --> **不用再安裝任何函式庫或驅動程式**
- 瀏覽器 + 機器學習 --> Tensorflow.js
- 底層透過 WebGL 存取 GPU 資源，所以運算速度才可以快
- 支援GPU加速。
- TensorFlow.js會自動支援WebGL，當GPU可用的時候，它會在背景中加速您的程式。
- 可透過行動裝置開啟網頁，這樣一來您的模型就能取用手機的感測器資料，ex: 相機。
- 所有資料皆保留在客戶端上，使TensorFlow.js既適用於低延遲推算，同時保護使用者隱私。
- tensorflow.js 分成低階與高階的API
- 低階的API：由deeplearn.js衍生，負責處理一些低階如線性代數的資料運算等等，來協助我們處理機器學習中的數學運算部分。
- 高階的API：包裝一些常用的機器學習演算法，同時允許我們載入訓練好的模型，像是由Keras訓練的模型等等。
# Tensorflow vs Tensorflow.js
- 速度：Tensorflow > Tensorflow.js
- Python can be directly compiled to machine code and directly use the CPU and GPU, whereas tfjs is a script-language which is being compiled on the client and has to use the ```<canvas>``` in the browser to access the GPU.
- Tensorboard：Tensorboard用來視覺化神經網路，可以協助觀察整個training model，但是tensorflow沒有直接支援。
- 使用難易度：Tensorflow.js較易，有非常多的API把功能都先包好了，不需要很強的deep learning背景。
- CUDA（Compute Unified Device Architecture，統一計算架構，是由NVIDIA所推出的一種整合技術）：tensorflow.js不需要，因為不需要GPU，Tensorflow要用GPU加速就需要下載CUDA。
:::info
- [Stack Overflow](https://stackoverflow.com/questions/51797280/machine-learning-tensorflow-v-s-tensorflow-js-v-s-brain-js)
- [Quora](https://www.quora.com/What-is-the-difference-between-the-TensorFlow-JS-and-TensorFlow-Python-apart-from-programming-language-Is-there-anything-that-the-TensorFlow-Python-can-do-that-the-TensorFlow-JS-cannot-or-vice-versa)
:::
---
## 補充
### Tensor
- 張量 -- 矩陣
- dispose: 呼叫這個函式會立即將該 tensor 從 GPU 記憶體中移除
- tf.tidy(fn): 如果你要執行數個運算，可以透過 tf.tidy ，將你要執行的運算包在傳遞給他的 function 當中。tidy 會在執行完畢時，將函式執行過程中建立的 tensor 從記憶體中移除，除了你回傳的 tensor 之外。
### How to get model?
- 匯入現有、預先訓練好的模型。
- 有現有的TensorFlow或Keras模型，可將其轉換為js的檔案格式，並將其載入至瀏覽器中進行推論。
- 可以重新訓練一個已匯入的模型。
- 在前面提及的小精靈遊戲範例中，您可使用遷移式學習，透過使用一種叫做「影像再訓練（Image Retraining)」的技術，運用在瀏覽器中收集到的少量數據，做到在離線狀態下也能訓練現有模型。這是一種只需少量資料也能快速訓練精確模型的方法。
- 直接在瀏覽器中建立模型。
- 您也可以用TensorFlow.js，運用Javascript和高階API，直接在瀏覽器內定義、訓練並運作模型。若您熟悉Keras，那麼這些高層API對您來說應該不陌生。