Transformers.js可在你的 Web 浏览器中实现最先进的机器学习，无需服务器。它提供了预训练模型和熟悉的API，支持自然语言处理、计算机视觉、音频和多模态领域的任务。使用Transformers.js，开发人员可以在浏览器中直接地运行文本分类、图像分类、语音识别等任务，使其成为ML从业者和研究人员的强大工具。

将现有代码转换为Transformers.js是一个简单的过程。就像python库一样，Transformer.js支持管道API，它将预训练模型与输入预处理和输出后处理相结合。这让使用库运行模型非常容易。

下面是一个使用Transformers.js将Python代码转换为JavaScript的例子：

Python(原始)：

from transformers import pipeline



# Allocate a pipeline for sentiment-analysis

pipe = pipeline('sentiment-analysis')



out = pipe('I love transformers!')

# [{'label': 'POSITIVE', 'score': 0.999806941}]

JavaScript (Transformers.js)：

import { pipeline } from '@xenova/transformers';



// Allocate a pipeline for sentiment-analysis

let pipe = await pipeline('sentiment-analysis');



let out = await pipe('I love transformers!');

// [{'label': 'POSITIVE', 'score': 0.999817686}]

你还可以利用 CDN 或静态托管在普通 JavaScript 中使用 Transformers.js，而无需捆绑程序。要做到这一点，你可以使用ES模块导入库，如下所示：

pipeline()函数提供了一种快速简便的方法来利用预训练模型进行推理任务。

初学者指南

我创建了一个基本的HTML文件，其中包含一个HTML表单来捕获用户输入。情绪结果显示在输出div中，指示输入是积极的、中性的还是消极的。

    

    
Sentiment Analysis




    

    


        

        Submit

    




    

    

现在我们将添加Transform .js库的CDN链接，因为我们没有指定要使用哪个模型，它将使用默认模型，即Xenova/distilbert-base- uncassed -finetune -sst-2-english

    

    
Sentiment Analysis




    

    


        

        Submit

    




    

    




    

    

当你运行代码时，默认模型将被下载并存储在缓存中。这加快了模型加载和应用程序未来执行的推理速度。

要验证默认模型是否已成功加载到缓存中，你可以检查可用的缓存空间。这将允许你确定模型是否已被缓存，以及是否有足够的空间。



你可以通过检查浏览器DevTools的“Application”选项卡中的缓存值来验证模型是否已成功加载。如果缓存值与你从hug Face模型部分获得的模型的大小匹配，则表明该模型已成功加载并存储在缓存中。

现在，让我们将代码用于情感分析。这个过程类似于Python，我们接受用户输入并将其传递给分类器。单击按钮后，输入被发送到分类器，分类器返回一个消极或积极的情感标签。

让我们仔细看看更新后的脚本标签代码：

    ...



    

    

这里有两行很重要：

// Specifying classifier 

let classifier = await pipeline('sentiment-analysis');



// classifying the input text

let result = await classifier(inputText.value);

pipeline()函数定义我们想要执行的任务，而分类器从HTML表单获取输入值并将其传递给缓存的转换器模型。这个过程使我们能够利用预训练模型的力量进行情感分析。

下面是完整的代码:

    

    
Sentiment Analysis




    

    


        

        Submit

    




    

    




    

    

让我们运行我们的webapp:



 

来源：https://medium.com/@fareedkhandev/transformers-js-ai-in-the-browser-zero-server-costs-maximum-privacy-2cd8d28798b7