如何拥有较为平滑的移植体验？

• 保持两种语言，和两个框架的API文档处于打开状态，并随时查阅：Python，JavaScript；Pytorch，TensorFlow JS（用浏览器 F3 搜索关键词）。
  可选阅读，《动手学深度学习》，掌握解决常见学习问题时，Pytorch 和 TensorFlow 的实现方法。 
  精读 TensorFlow JS 的官方教程，和指南。
  精读 TensorFlow JS 的官方文档：与 Python tf.keras 的区别。
  深入了解 JavaScript 特色对象：生成器 Generator，Promise，async await。
• 多用谷歌。

一些碎碎念

• JavaScript 不存在像 numpy 之于 python 一样著名且好用的数据处理库，所以请放弃对 JavaScript 原生类型 Array 进行操作的尝试，转而寻找基于 TensorFlow JS API 的解决方法。
• JavaScript 作为一门前端语言，一大特色是包含了大量异步编程（即代码不是顺序执行的，浏览器自有一套标准去调整代码的执行顺序），这是为了保证前端页面不被卡死，所必备的性质。也因此，TensorFlow JS的函数中，许多输入输出传递的都不是数据，而是Promise对象。很多功能支持异步，但如果没有完全搞懂异步编程，不妨多用同步的思路：用 tf.Tensor.arraySync() 把 Tensor 的值取出，具体来说是将 Tensor 对象以同步的方式（即立即执行）拷贝生成出一个新的 array 对象。
• Promise 对象是ES6新增的对象，一般与then一起使用，但掌握 async & await 就够了，这是更简洁的写法。
• 多关注 API 文档中对象方法的返回类型，返回 Promise 对象则与异步编程相关，如果要获取Promise对象储存的值，需要在有 async function 包裹的代码中前置 await 关键字。
• 
• Pytorch 中的张量可以通过索引访问其元素，而 TensorFlow JS 则不能，需要转换为 array 进行访问。

常用平替整理

将张量转换为数组

• Python, Pytorch：

tensor = torch.tensor([1,2,3])
np_array = tensor.numpy()

• JS, tfjs：

// 方式一：arraySync()
let tensor = tf.tensor1d([1,2,3]);
let array = tensor.arraySync();
console.log(array); // [1,2,3]

// 方式二：在async函数体内操作
async function fun() {
    let tensor = tf.tensor1d([1,2,3]);
    let array = await tensor.array();
    console.log(array); // [1,2,3]
}
fun();

// 注意，下面的写法是不行的，因为async函数的返回值是Promise对象
array = async function (){
    return await tensor.array();
}();
console.log(array); // Promise object

// 方式三：用then取出async函数返回Promise对象中的值
let a
(async function() {
    let array = await tensor.array(); 
    return array
})().then(data => {a = data;})
console.log(a); // [1,2,3]

访问张量中的元素

• Python，Pytorch：

tensor = torch.tensor([1,2,3])
print(tensor[0])
print(tensor[-1])

标签：Numpy,Pytorch,TensorFlow,语言,框架,JavaScript,浏览器,关键词
来源：