TypeScript 机器学习：库

TypeScript 机器学习：关键库概览

TypeScript 是 JavaScript 的静态类型超集，正越来越多地应用于机器学习（ML）项目中。得益于严格的类型检查、更高的代码可读性以及出色的 IDE 支持，TypeScript 能够创建既可在浏览器中运行，也可在服务器端（Node.js）运行的可靠 ML 应用程序。本文将介绍 TypeScript 机器学习的主要库、它们的功能，并提供实用示例。

1. TensorFlow.js —— TypeScript 机器学习的旗舰

TensorFlow.js 是流行框架 TensorFlow 的 JavaScript 和 TypeScript 移植版本。它允许直接在浏览器或 Node.js 上运行机器学习模型，无需服务器基础设施。该库支持 ML 的所有主要阶段：加载预训练模型、训练新模型、推理（预测）甚至微调（fine-tuning）。

安装：

npm install @tensorflow/tfjsnpm install @tensorflow/tfjs-node  # 用于 Node.js（带加速）

示例：使用预训练模型 MobileNet 进行图像分类

import * as tf from '@tensorflow/tfjs';import { loadGraphModel } from '@tensorflow/tfjs-converter';

async function classifyImage(imageElement: HTMLImageElement) {  // 加载预训练的 MobileNet 模型  const model = await loadGraphModel(    'https://tfhub.dev/google/tfjs-model/imagenet/mobilenet_v2_100_224/classification/3/default/1'  );

  // 将图像转换为张量  const tensor = tf.browser.fromPixels(imageElement)    .resizeNearestNeighbor([224, 224])    .toFloat()    .expandDims();

  // 获取预测结果  const prediction = model.predict(tensor) as tf.Tensor;  const topK = tf.topk(prediction, 3);  const indices = await topK.indices.data();  const values = await topK.values.data();

  console.log('Top-3 预测结果：', indices, values);}

// 使用示例const img = document.getElementById('myImage') as HTMLImageElement;classifyImage(img);

TensorFlow.js 非常适合计算机视觉、文本处理（NLP）和时间序列等任务。在 TypeScript 中，您可以为所有方法获得自动补全功能，从而显著加快开发速度。

2. ML5.js —— 面向创意 ML 的友好接口

ML5.js 构建在 TensorFlow.js 之上，但提供了更简单、更高级的 API。该库面向艺术家、设计师和希望快速添加 ML 功能而无需深入数学知识的开发者。ML5.js 支持图像分类、目标检测、文本生成、声音分析等多种任务。

安装：

npm install ml5

示例：使用 COCO-SSD 进行目标检测

import ml5 from 'ml5';

async function detectObjects(videoElement: HTMLVideoElement) {  // 加载目标检测模型  const objectDetector = await ml5.objectDetector('cocossd');

  // 对视频执行检测  const results = await objectDetector.detect(videoElement);

  results.forEach((obj: any) => {    console.log(`对象：${obj.label}，置信度：${obj.confidence.toFixed(2)}`);    console.log(`坐标：x=${obj.x}, y=${obj.y}, 宽度=${obj.width}, 高度=${obj.height}`);  });}

// 与网络摄像头配合使用const video = document.getElementById('webcam') as HTMLVideoElement;navigator.mediaDevices.getUserMedia({ video: true })  .then(stream => { video.srcObject = stream; })  .then(() => detectObjects(video));

ML5.js 非常适合原型开发、教育项目和交互式装置。在 TypeScript 中，您可以为检测结果定义类型，这使得