TensorFlow.js是Google將機器學習(Machine Learning、ML)框架TensorFlow的JavaScript版本，透過TensorFlow.js，讓JavaScript開發人員也有機會加入機器學習的領域。
機器學習基本概念
先來簡單講講一般機器學習是怎麼做的，在機器學習中，通常我們會針對一個題目，給予一組訓練資料清單，這些資料包含了問題與答案，接著透過機器學習的各種演算法，來訓練出一個針對這個題目的模型。
這個模型通常就代表了一個公式，只要將題目帶進去公式，就能夠算出答案，而這個公式怎麼來的呢？就是透過機器學習演算法，這些演算法通常會先隨機產生一個公式(也就是模型)，接著將訓練資料帶進去計算出預測值，並與正確答案比較，並透過不斷的調整模型內容，不斷想辦法降低預測值與正確答案的差距，直到預測值與足夠接近正確答案為止。
簡單來說，就是經驗法則啦！剛開始學一項知識的時候，得到的結果會與預期落差很大，藉由不斷學到正確知識後，就會與預期越來越接近！
萬事起頭難
參考了幾個作者的介紹文章，我能夠發現TensorFlow.js的確不是一蹴可成的，不過沒關係，就算我們目前還沒有能力可以學習TensorFlow.js，但至少也要試著了解他的概念與名詞。
Tensor 和 Variable 是TensorFlow.js中最基礎的兩種數據形式。那他們到底是什麼意思呢？
Tensor在谷歌翻譯中是“張量”的意思，“張量”這個詞是數學和物理中的一個術語，我們暫且不深究它的意思，你只需要記住，Tensor（張量）是不可變的，類似於const，一旦定義就不能改變它的值。
Variable就很容易理解了，它是“變量”的意思，顧名思義，它的值是可以改變的。
總之，Tensor（張量）不可變，Variable（變量）可變。
張量 Tensor
矩陣（Matrix）擁有兩個維度，在更高的維度，就是張量。其實所有的標量，矢量，矩陣都可以用張量表示，只是維度不同。
- 標量 Scalar
標量就是一個簡單的數字，概念就是只有大小，沒有方向。
- 向量/矢量 Vector
向量就是一個一維數組，概念就是有大小和方向。
在Tensoflow中Rank表示了維度的等級，對應如下標量0 tf.scalar矢量1 tf.tensor1d矩陣2 tf.tensor2d張量2+ tf.tensor3d, tf.tensor4d
一張圖來直觀說明：
變量 Variable
Variable（變量）只能通過Tensor（張量）生成。我們可以使用assign給變量重新賦值。
操作 Variable
TensorFlow.js提供了各種向量運算的API，我們可以稱這些為Operations。
梯度下降法 Gradient Descent
Gradient Descent 是深度學習為了找尋接近目標點的一種方法，它是透過一步步慢慢靠近目標的方式，最終找到一個極近似目標的函數。
卷積神經網絡 Convolutional Neural Network
簡稱CNN，CNN是所有深度學習課程、書籍必教的模型(Model)，CNN在影像識別方面的威力非常強大，許多影樣辨識的模型也都是以CNN的架構為基礎去做延伸。
參考網站：
