Estudio de TensorFlow.js

Machine Learning ⭐ 17k stars
Entrena e implementa modelos de aprendizaje automático en el navegador y Node (GPU vía WebGL).

🤖 Skill de implementación: frontend-desarrollo (regla: solo catálogo de las 66 · versiones por ERR/MEJ)

1 · Características

API intuitiva para construir modelos
Reutilizar modelos pre-entrenados
Ejecución en GPU vía WebGL

2 · Casos de uso

ML en el navegador
Inferencia de modelos pre-entrenados
Experimentación interactiva con ML

3 · Script minimalista

Instalación: npm i @tensorflow/tfjs

import * as tf from '@tensorflow/tfjs';
const m = tf.sequential();
m.add(tf.layers.dense({ units: 1, inputShape: [1] }));
await m.fit(tf.tensor2d([1,2,3],[3,1]), tf.tensor2d([2,4,6],[3,1]));

4 · Casos de uso (implementación real)

Dos casos de uso comunes implementados con esta librería.

1. Modelo lineal

Entrena un modelo simple (y = 2x).

import * as tf from '@tensorflow/tfjs';

const m = tf.sequential();
m.add(tf.layers.dense({ units: 1, inputShape: [1] }));
m.compile({ optimizer: 'sgd', loss: 'meanSquaredError' });

const xs = tf.tensor2d([1, 2, 3, 4], [4, 1]);
const ys = tf.tensor2d([2, 4, 6, 8], [4, 1]);
await m.fit(xs, ys, { epochs: 100 });
console.log(m.predict(tf.tensor2d([5], [1, 1])).dataSync()); // ≈ 10

🔁 Cómo funciona: Una capa densa aprende la relación lineal; `fit` entrena y `predict` infiere.

2. Inferencia con modelo cargado

Usa un modelo pre-entrenado desde una URL.

import * as tf from '@tensorflow/tfjs';

const modelo = await tf.loadLayersModel('https://ejemplo.com/model.json');
const resultado = modelo.predict(tf.tensor2d([[7]], [1, 1]));
console.log(resultado.dataSync());

🔁 Cómo funciona: `loadLayersModel` carga pesos y arquitectura y `predict` hace inferencia en el navegador.

5 · Referencia

Categoría	Machine Learning
Stars (GitHub)	⭐ 17k
Sitio oficial	https://www.tensorflow.org/js
GitHub	https://github.com/tensorflow/tfjs
Instalación	`npm i @tensorflow/tfjs`
Relacionadas	Keras.js · Synaptic.js · Brain.js

📦 Regla de librerías (local primero): revisar C:\Users\TUF\Documents\librerías\local\ antes de descargar. Volver al índice de los 66 estudios.