无法将javascript从index.html移动到外部文件_Javascript_Html_Node.js_Google Chrome

无法将javascript从index.html移动到外部文件

javascript html node.js google-chrome

无法将javascript从index.html移动到外部文件,javascript,html,node.js,google-chrome,Javascript,Html,Node.js,Google Chrome,我正在处理一个简单的tensorflow.js项目，如果我将js代码放在index.html文件中，我可以毫无错误地运行所有内容，但如果我尝试引用外部js文件，我会遇到一个错误（这是在Chrome中——尽管我在Firefox中也会遇到一个错误）：上面的代码看起来正确吗？这只是Chrome的默认安全性吗？有办法解决这个问题吗顺便说一下，这是错误：获取404（未找到）localhost/：1 拒绝从“”执行脚本因为它的MIME类型（'text/html'）是不可执行的，并且是严格的MIME

我正在处理一个简单的tensorflow.js项目，如果我将js代码放在index.html文件中，我可以毫无错误地运行所有内容，但如果我尝试引用外部js文件，我会遇到一个错误（这是在Chrome中——尽管我在Firefox中也会遇到一个错误）：

上面的代码看起来正确吗？这只是Chrome的默认安全性吗？有办法解决这个问题吗

顺便说一下，这是错误：

获取404（未找到）localhost/：1

拒绝从“”执行脚本因为它的MIME类型（'text/html'）是不可执行的，并且是严格的MIME 类型检查已启用

这听起来很傻，但是文件名中有拼写错误吗？浏览器找不到该文件。文件是否确实在“服务器”文件夹中？也许，可以尝试将.js文件放在根文件夹中，只使用Javascript文件名而不使用任何目标。从外观上看，这将是一个简单但愚蠢的错误。

您是否看到错误控制台中显示了任何内容？否则，请尝试在整个文件中随机添加console.log语句，以查看是否可以查看它们。错误是什么？在上面添加了错误。它似乎对我有效：。能够让它和你一样的文件夹结构一起工作。唯一不同的是我如何访问

js

文件

确保文件路径正确。有关安全检查的消息只是404错误的结果。javascript文件在url中不存在-您应该确保它确实存在并且名称拼写正确（也是小写/大写）。我使用VSC帮助我找到文件，使用intellsense，我已经对它进行了三次检查，它就在它说的地方。此外，我不清楚错误消息是什么（见上文）如果文件找不到的话。如果是这样的话，那肯定是错误信息。啊，我找到了修复方法。所以我认为问题在于，因为我使用的是express，它只在“静态”文件夹中查找与index.html相关的文件。因此，我将app.js文件移到了那里，对index.html中的位置进行了适当的更新，瞧，它成功了。：）错误消息是404，这意味着它找不到该文件。确保服务器文件夹位于项目的根目录中，因为Visual Studio知道索引文件实际上位于视图文件夹中，而不是项目的根目录中

<!DOCTYPE html>
<html lang="en">

<head>
  <meta charset="utf-8">
  <title>Playing with TensorFlow.js</title>
  <!-- Load TensorFlow.js -->
  <script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@0.12.5"> </script>
  <!-- Place your code in the script tag below. You can also use an external .js file -->
  <script type = "text/javascript" src = "../server/app.js"></script>
</head>

<body>
</body>

</html>

// Define a model for linear regression.
const model = tf.sequential();
model.add(tf.layers.dense({ units: 1, inputShape: [1] }));

// Prepare the model for training: Specify the loss and the optimizer.
model.compile({ loss: 'meanSquaredError', optimizer: 'sgd' });

// Generate some synthetic data for training.
const xs = tf.tensor2d([1, 2, 3, 4], [4, 1]);
const ys = tf.tensor2d([1, 3, 5, 7], [4, 1]);

// Train the model using the data.
model.fit(xs, ys, { epochs: 10 }).then(() => {
  // Use the model to do inference on a data point the model hasn't seen before:
  // Open the browser devtools to see the output
  model.predict(tf.tensor2d([5], [1, 1])).print();
});