freeCodeCamp.org
·
如何使用 TensorFlow.js 和 WebGPU 在浏览器中构建 AI 应用
💡
原文英文，约3500词，阅读约需13分钟。
📝
内容提要
现代浏览器正在转变为本地智能的运行时环境，允许在用户设备上直接运行机器学习模型，无需服务器支持。这种“Web AI”利用JavaScript、WebAssembly和WebGPU等技术，实现快速、私密的AI处理。开发者可以使用Teachable Machine创建自定义模型，并通过TensorFlow.js在浏览器中运行。未来，AI功能将更多地迁移到客户端，减少对服务器的依赖。
🎯
关键要点
- 现代浏览器正在转变为本地智能的运行时环境，允许在用户设备上直接运行机器学习模型。
- Web AI利用JavaScript、WebAssembly和WebGPU等技术，实现快速、私密的AI处理。
- 开发者可以使用Teachable Machine创建自定义模型，并通过TensorFlow.js在浏览器中运行。
- 浏览器AI与云AI各有优缺点，选择取决于具体的使用场景。
- WebGPU是为通用计算设计的现代API，能显著提高AI模型的运行速度。
- Chrome正在推出本地AI能力，允许开发者直接通过浏览器API进行开发。
- 未来，AI功能将更多地迁移到客户端，减少对服务器的依赖。
❓
延伸问答
什么是Web AI，它与传统的云AI有什么不同？
Web AI允许在用户设备的浏览器中直接运行机器学习模型，无需将数据发送到云服务器，提供更快的响应和更好的隐私保护。
如何使用Teachable Machine创建自定义AI模型？
访问teachablemachine.withgoogle.com，选择图像项目，录制示例，训练模型，然后导出为TensorFlow.js模型。
WebGPU与WebGL相比有什么优势？
WebGPU是为通用计算设计的现代API，运行AI模型时速度比WebGL快2到3倍，能处理更大的模型。
在浏览器中运行AI模型需要哪些技术支持？
需要JavaScript、WebAssembly、WebGL或WebGPU等技术来处理机器学习模型的计算。
使用浏览器AI的最佳场景是什么？
适合需要快速响应、离线工作或对隐私有严格要求的应用，如手势追踪和实时对象检测。
Chrome的内置AI API有哪些功能？
Chrome的内置AI API如Gemini Nano可以处理智能回复和页面摘要等任务，无需管理大型模型文件。
➡️
