Учебник по TensorFlow.js
Что такое TensorFlow.js?
Популярная библиотека JavaScript для машинного обучения .
Давайте обучать и развертывать модели машинного обучения в браузере .
Давайте добавим функции машинного обучения в любое веб-приложение .
Использование ТензорФлоу
Чтобы использовать TensorFlow.js, добавьте следующий тег скрипта в свои HTML-файлы:
Пример
<script src="https://cdn.jsdelivr.net/npm/@tensorflow/[email protected]/dist/tf.min.js"></script>
Чтобы убедиться, что вы всегда используете последнюю версию, используйте это:
Пример 2
<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs"></script>
TensorFlow был разработан командой Google Brain для внутреннего использования Google, но был выпущен как открытое программное обеспечение в 2015 году.
В январе 2019 года разработчики Google выпустили TensorFlow.js, реализацию TensorFlow на JavaScript.
Tensorflow.js был разработан, чтобы предоставить те же функции, что и исходная библиотека TensorFlow, написанная на Python.
Тензоры
TensorFlow.js — это библиотека JavaScript для определения тензоров и работы с ними .
Тензор во многом похож на многомерный массив.
Тензор содержит числовые значения в (одной или нескольких) размерной форме.
Тензор обладает следующими основными свойствами:
Имущество | Описание |
---|---|
тип | Тип данных |
классифицировать | Количество измерений |
форма | Размер каждого измерения |
Создание тензора
Тензор можно создать из любого N-мерного массива :
Пример 1
const tensorA = tf.tensor([[1, 2], [3, 4]]);
Пример 2
const tensorA = tf.tensor([[1, 2], [3, 4], [5, 6]]);
Форма тензора
Тензор также может быть создан из массива и параметра формы :
Пример1
const shape = [2, 2];
const tensorA = tf.tensor([1, 2, 3, 4], shape);
Пример2
const tensorA = tf.tensor([1, 2, 3, 4], [2, 2]);
Пример3
const tensorA = tf.tensor([[1, 2], [3, 4]], [2, 2]);
Тензорные типы данных
Тензор может иметь следующие типы данных:
- логический
- int32
- float32 (по умолчанию)
- комплекс64
- нить
Когда вы создаете тензор, вы можете указать тип данных в качестве третьего параметра:
Пример
const tensorA = tf.tensor([1, 2, 3, 4], [2, 2], "int32");
/*
Results:
tensorA.rank = 2
tensorA.shape = 2,2
tensorA.dtype = int32
*/
Получить значения тензора
Вы можете получить данные за тензором, используя tensor.data() :
Пример
const tensorA = tf.tensor([[1, 2], [3, 4]]);
tensorA.data().then(data => display(data));
// Result: 1,2,3,4
function display(data) {
document.getElementById("demo").innerHTML = data;
}
Вы можете получить массив за тензором, используя tensor.array() :
Пример
const tensorA = tf.tensor([[1, 2], [3, 4]]);
tensorA.array().then(array => display(array[0]));
// Result: 1,2
function display(data) {
document.getElementById("demo").innerHTML = data;
}