在上一篇文章中，我撰写了有关TensorFlow.js的文章，以及如何将其用于在浏览器中构建和部署深度学习模型。在这篇文章中，我将重点在浏览器中加载tensorflow.js模型。

大多数时间机器学习模型都来自API。但是TensorFlow.js将这些模型带到用户浏览器中。这背后的过程非常有趣。

毒性模型

有很多方法可以加载和使用TensorFlow.js型号。

假设您想加载Toxicity model。毒性是可以检测文本中毒性的模型。

这是您可以在安装后可以直接从NPM软件包加载的模型。

import * as toxicity from "@tensorflow-models/toxicity";

所以，现在您可以通过调用toxicity.load()加载模型。

Toxicity.load()是tf.loadGraphModel()周围的包装器。

tf.loadGraphModel()是一个从URL或本地文件加载tensorflow.js模型的函数。

加载模型的过程

即使您使用NPM安装模型，该模型也不在软件包内。当您需要使用该模型时，这将解散网络调用以下载模型。

由于模型是异步加载的，因此您需要等待模型加载才能使用。

const model = await toxicity.load();

这是我们可以从Chrome开发人员工具中的网络选项卡中看到的东西：

碎片

毒性模型是一个大型模型，因此将其分为多个文件。这些文件称为碎片。碎片并联加载，然后将它们合并为单个模型。

这使您可以更有效地加载模型，尤其是在慢速连接上加载大型模型时。 tensorflow.js自动处理下载和组合碎片以创建完整模型的过程。

并非所有模型都分为碎片，而某些模型可以作为单个文件加载，因为它们不是很大。

存储

此模型将在本地内存中存放，因此您无需担心每次运行应用程序时都会下载该模型。

模型完成后，您可以通过应用程序开始使用它。

这是使用TensorFlow.js。