Výukový program TensorFlow.js
Co je TensorFlow.js?
Populární knihovna JavaScriptu pro strojové učení .
Umožňuje nám trénovat a nasazovat modely strojového učení v prohlížeči .
Umožňuje nám přidat funkce strojového učení do jakékoli webové aplikace .
Pomocí TensorFlow
Chcete-li použít TensorFlow.js, přidejte do souborů HTML následující značku skriptu:
Příklad
<script src="https://cdn.jsdelivr.net/npm/@tensorflow/[email protected]/dist/tf.min.js"></script>
Abyste měli jistotu, že vždy používáte nejnovější verzi, použijte toto:
Příklad 2
<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs"></script>
TensorFlow byl vyvinut týmem Google Brain pro interní použití Google, ale jako otevřený software byl vydán v roce 2015.
V lednu 2019 vývojáři Google vydali TensorFlow.js, JavaScriptovou implementaci TensorFlow.
Tensorflow.js byl navržen tak, aby poskytoval stejné funkce jako původní knihovna TensorFlow napsaná v Pythonu.
Tenzory
TensorFlow.js je JavaScriptová knihovna pro definování a provozování na Tensorech .
Tenzor je v podstatě stejný jako vícerozměrné pole.
Tenzor obsahuje číselné hodnoty v (jednom nebo více) rozměrném tvaru.
Tenzor má následující hlavní vlastnosti:
| Vlastnictví | Popis |
|---|---|
| dtype | Typ dat |
| hodnost | Počet dimenzí |
| tvar | Velikost každého rozměru |
Vytvoření tenzoru
Tenzor lze vytvořit z libovolného N-rozměrného pole :
Příklad 1
const tensorA = tf.tensor([[1, 2], [3, 4]]);
Příklad 2
const tensorA = tf.tensor([[1, 2], [3, 4], [5, 6]]);
Tvar tenzoru
Tensor lze také vytvořit z pole a parametru tvaru :
Příklad1
const shape = [2, 2];
const tensorA = tf.tensor([1, 2, 3, 4], shape);
Příklad2
const tensorA = tf.tensor([1, 2, 3, 4], [2, 2]);
Příklad3
const tensorA = tf.tensor([[1, 2], [3, 4]], [2, 2]);
Typy dat tenzoru
Tenzor může mít následující datové typy:
- bool
- int32
- float32 (výchozí)
- komplexní64
- tětiva
Když vytváříte tenzor, můžete jako třetí parametr zadat typ dat:
Příklad
const tensorA = tf.tensor([1, 2, 3, 4], [2, 2], "int32");
/*
Results:
tensorA.rank = 2
tensorA.shape = 2,2
tensorA.dtype = int32
*/
Načtení hodnot tenzoru
Data za tenzorem můžete získat pomocí tensor.data() :
Příklad
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;
}
Pole můžete dostat za tenzor pomocí tensor.array() :
Příklad
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;
}