1
ONNX Runtime Web
Shares tags: deploy, self-hosted, browser/webassembly
Ferramenta de IA
Transforme suas Experiências Web com TensorFlow.js
Aproveite o poder do aprendizado de máquina diretamente no navegador.
shipped 20 de nov. de 2025deploypaid
1Executar modelos de aprendizado de máquina no lado do cliente para melhorar o desempenho e a privacidade.
2Utilize uma rica biblioteca de modelos pré-treinados para diversas tarefas.
3Integre-se de forma fluida com os fluxos de trabalho e ferramentas existentes do TensorFlow.
Ferramentas similares
Comparar alternativas
Outras ferramentas a considerar
Ver no Stork→
2
Web Stable Diffusion
Shares tags: deploy, self-hosted, browser/webassembly
3
Mistral.rs
Shares tags: deploy, self-hosted, browser/webassembly
4
Pyodide + Transformers
Shares tags: deploy, self-hosted, browser/webassembly
</>Embed "Featured on Stork" Badge▼
<a href="https://www.stork.ai/en/tensorflow-js" target="_blank" rel="noopener noreferrer"><img src="https://www.stork.ai/api/badge/tensorflow-js?style=dark" alt="TensorFlow.js - Featured on Stork.ai" height="36" /></a>
[](https://www.stork.ai/en/tensorflow-js)
overview
O que é o TensorFlow.js?
O TensorFlow.js é uma poderosa biblioteca JavaScript que permite aos desenvolvedores executar modelos de aprendizado de máquina no navegador ou no Node.js. Ele elimina a necessidade de uma infraestrutura de backend complexa, enquanto oferece excelente desempenho com a aceleração WebGL.
- 1Execução baseada em navegador para facilidade de uso.
- 2Desempenho ideal com aceleração WebGL.
- 3Suporta o treinamento e a execução de modelos em tempo real.
features
Recursos Principais
O TensorFlow.js oferece um conjunto de recursos projetados para aprimorar suas soluções de aprendizado de máquina. Desde o treinamento de modelos personalizados até a utilização de modelos pré-treinados, ele proporciona versatilidade em diversas aplicações.
- 1Biblioteca extensa de modelos pré-treinados para diversas aplicações.
- 2Modelos de fluxo de trabalho flexíveis para integração facilitada.
- 3Suporte multiplataforma para ambientes web e Node.js.
use cases
Casos de Uso
O TensorFlow.js é ideal para uma variedade de aplicações, permitindo que os desenvolvedores criem soluções inovadoras em múltiplos domínios. Aproveite suas capacidades para tarefas como classificação de imagens, processamento de linguagem natural e análise de áudio.
- 1Classificação de imagens em tempo real e detecção de objetos.
- 2Análise de sentimento e processamento de texto usando PNL.
- 3Classificação de áudio para aplicações inteligentes.
❓
Perguntas frequentes
+Que tipos de modelos posso usar com TensorFlow.js?
Você pode utilizar tanto os modelos pré-treinados disponíveis na biblioteca quanto modelos personalizados que você treina com seus próprios dados.
+O TensorFlow.js é adequado para uso em produção?
Sim, o TensorFlow.js faz parte do ecossistema mais amplo do TensorFlow, tornando-o ideal para implantações em produção com integrações empresariais.
+Preciso de um backend para executar modelos TensorFlow.js?
Não, o TensorFlow.js permite que você execute modelos totalmente no lado do cliente, o que reduz as dependências do servidor e melhora a privacidade.
Mais no Stork
Ferramentas IA relacionadas
Mais ferramentas nesta categoria, classificadas por sinal da comunidade
Piodeto + Transformadores
🧩 Deploy
Tempo de execução Python compilado para WASM para tarefas de ML do navegador.
Mistral.rs
🧩 Deploy
Tempo de execução Rust + WASM para pequenos LLMs em navegadores.
WebLLM
🧩 Deploy
Executa LLMs quantizados totalmente no navegador via WebGPU/WebAssembly.
Difusão estável na web
🧩 Deploy
Difusão estável no dispositivo em execução no navegador.
WebLLM
🧩 Deploy
Executa LLMs diretamente no navegador via WebGPU/WebAssembly.
IA do Azure Stack Hub
🧩 Deploy
Serviços do Azure fornecidos no local para cargas de trabalho regulamentadas.
For builders
This page is doing a job for someone else’s tool.
AI agents read it. Buyers find it. Backlinks accrue. Your tool can have one too — live in 24 hours, indexed by Claude, ChatGPT, and Perplexity, queryable via MCP.