1.4 安装 TensorFlow.js 的相关包
TensorFlow.js可以在浏览器和 Node.js 中运行，本节将重点介绍如何在浏览器中使用TensorFlow.js。在基于浏览器的项目中获取TensorFlow.js主要有两种方法。第一种是使用脚本标签，第二种是通过npm安装并且使用Parcel构建工具。
1．使用<script/>标签
我们可以将代码清单1-9所示脚本标签添加到项目的主HTML文件中。
代码清单1-9
<scriptsrc="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@1.0.0/dist/tf.min.js"></script>
添加完上述脚本标签后，我们就可以在浏览器中使用 TensorFlow.js 库了。该方法最大的缺点是当我们在代码编辑器中使用相关API时没有智能提示。
2．使用npm包
相对于通过<script/>标签引入的方法，我们更推荐通过 npm 包进行安装并使用 Parcel构建工具。
首先，创建一个项目文件夹，并在该文件夹中创建主页面文件index.html和脚本文件script.js。然后，在index.html文件中通过<script/>标签引入script.js，如图1-33所示。
接下来，我们在项目文件夹的根目录下通过代码清单 1-10 所示命令完成项目的初始化。
代码清单1-10
npminit
完成初始化工作后，继续通过代码清单1-11所示命令安装TensorFlow.js包。
代码清单1-11
npminstall@tensorflow/tfjs
接着，通过代码清单1-12所示命令安装Parcel构建工具。
代码清单1-12
npminstall-gparcel-bundler
安装完成后，我们就可以打包该Web项目了。Parcel中内置了一个当文件内容发生改变时
能够重新构建应用的开发服务器。为了实现快速开发，该开发服务器支持热模块替换，因此我
们只需指出入口文件（Parcel中所有指令的入口可以是一个或多个文件，一个或多个通配符表
达式，一个或多个目录）即可，如代码清单1-13所示。
代码清单1-13
parceldemo/*html
接下来，我们在浏览器中打开 http://localhost:1234，弹出的启动页面如图 1-34 所示。
我们可以在http://localhost:1234对应的启动页面中查看相应的效果。关于Parcel的使用，我们不再赘述。最后，我们介绍如何通过npm包安装TensorFlow.js的相关模块。
1．TensorFlow.js Core
TensorFlow.js Core模块主要提供与数值计算和硬件加速相关的低阶API，是TensorFlow.js生态系统的一部分，可以通过代码清单1-14所示命令完成安装。
代码清单1-14
npminstall@tensorflow/tfjs-core
2．TensorFlow.js Layers
TensorFlow.js Layers模块以TensorFlow.js Core为基础，是用来在浏览器中构建、训练并运行深度学习模型的高阶API，属于TensorFlow.js生态系统的一部分，可以通过代码清单1-15所示命令完成安装。
代码清单1-15
npminstall@tensorflow/tfjs-layers
3．TensorFlow.js Data
TensorFlow.js Data模块用于加载并解析磁盘或互联网上各种格式的数据，可以通过代码清单1-16所示命令完成安装。
代码清单1-16
npminstall@tensorflow/tfjs-data
4．TensorFlow.js Vis
TensorFlow.js Vis模块能够将TensorFlow.js模型进行可视化，可以通过代码清单1-17所示命令完成安装。
代码清单1-17
npminstall@tensorflow/tfjs-vis
5．TensorFlow.js AutoML
TensorFlow.js AutoML模块提供一系列用于加载和运行AutoMLEdge相关模型的API，可以通过代码清单1-18所示命令完成安装。
代码清单1-18
npminstall@tensorflow/tfjs-automl
6．TensorFlow.js Converter
TensorFlow.js Converter是一个开源包，用于将预训练的 TensorFlowSavedModel 或TensorFlow
Hub模块加载到浏览器中。注意，该库依赖Python 3.6.8版本。为了防止版本冲突，我们必须借助conda安装Python虚拟环境。关于conda工具的安装这里不再赘述。我们看一下如何在虚拟环境中安装tfjs-converter。
首先，打开终端工具，并输入代码清单1-19所示命令，开始虚拟环境的安装。
代码清单1-19
condacreate-ndemopython=3.6.8
安装完成后，通过代码清单1-20所示命令查看虚拟环境的相关信息，如图1-35所示。
代码清单1-20
condainfo--envs
接着，通过代码清单 1-21 所示命令进入对应的虚拟环境并查看虚拟环境中 Python 的版本 信息，如图 1-36 所示。
代码清单 1-21
condaactivatedemo
最后，通过代码清单 1-22 所示命令在虚拟环境中安装 tfjs-converter 包。安装细节如图 1-37 所示。
代码清单 1-22
pip install tensorflowjs
安装成功后，通过代码清单 1-23 所示命令查看版本信息，如图 1-38 所示。
代码清单 1-23
tensorflowjs_converter --version
至此，关于通过 npm 安装 TensorFlow.js 相关包的方法已经全部讲解完毕。
