TensorFlow.js概述
TensorFlow.js 是一个开源库，不仅可以在浏览器中运行机器学习模型，还可以训练模型。
具有 GPU 加速功能，并自动支持 WebGL
可以导入已经训练好的模型，也可以在浏览器中重新训练现有的所有机器学习模型
运行 Tensorflow.js 只需要你的浏览器，而且在本地开发的代码与发送给用户的代码是相同的。
TensorFlow.js 对未来 web 开发有着重要的影响，JS 开发者可以更容易地实现机器学习，工程师和数据科学家们可以有一种新的方法来训练算法，例如官网上 Emoji Scavenger Hunt 这样的游戏界面，让用户一边玩游戏一边将模型训练地更好。
浏览器中训练神经网络
用户端的机器学习，用来训练模型的数据还有模型的使用都在用户的设备上完成。几乎每个电脑手机平板上都有浏览器，运行JS，无需下载或安装任何应用程序。
JS运行平台
直接从浏览器里写代码，例如 chrome 的 View > Developer > Javascript Console，
有三个流行的在线 JS 平台：CodePen, JSFiddle, JSBin.
https://codepen.io/thekevinscott/pen/aGapZL
https://jsfiddle.net/
https://jsbin.com/?html,output
TensorFlow.js线性回归预测
<html>
<head>
<!-- Load TensorFlow.js -->
<!-- Get latest version at https://github.com/tensorflow/tfjs -->
<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@0.11.2">
</script>
</head>
<body>
<div id="output_field"></div>
</body>
<script>
async function learnLinear(){
const model = tf.sequential();
model.add(tf.layers.dense({
units: 1,
inputShape: [1]
}));
model.compile({
loss: 'meanSquaredError',
optimizer: 'sgd'
});
const xs = tf.tensor2d([-1, 0, 1, 2, 3, 4], [6, 1]);
const ys = tf.tensor2d([-3, -1, 1, 3, 5, 7], [6, 1]);
await model.fit(xs, ys, {epochs: 500});
document.getElementById('output_field').innerText =
model.predict( tf.tensor2d([10], [1, 1]) );
}
learnLinear();
</script>
</html>-
在 head 中，从 CDN 引用 TensorFlow.js：
https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@0.11.2 -
然后建立模型，因为 input ，output 都只有一个，所以就建立一个 single node，即：
const model = tf.sequential();
model.add(tf.layers.dense({
units: 1,
inputShape: [1]
}));
- 接着定义 loss 为 MSE 和 optimizer 为 SGD：
model.compile({
loss: 'meanSquaredError',
optimizer: 'sgd'
});
- 同时需要定义 input 的 tensor，X 和 y，以及它们的维度都是 [6, 1]：
const xs = tf.tensor2d([-1, 0, 1, 2, 3, 4], [6, 1]);
const ys = tf.tensor2d([-3, -1, 1, 3, 5, 7], [6, 1]);
- 然后用 fit 来训练模型，因为要等模型训练完才能预测，所以要用 await：
await model.fit(xs, ys, {epochs: 500});
- 训练结束后，用 predict 进行预测，输入的是 [1, 1] 维的 值为 10 的tensor ，
document.getElementById('output_field').innerText =
model.predict( tf.tensor2d([10], [1, 1]) );
- 最后得到的输出为
Tensor
[[18.9862976],]学习资料：
https://medium.com/tensorflow/getting-started-with-tensorflow-js-50f6783489b2
https://thekevinscott.com/reasons-for-machine-learning-in-the-browser/
https://www.analyticsvidhya.com/blog/2018/04/tensorflow-js-build-machine-learning-models-javascript/
https://hackernoon.com/introducing-tensorflow-js-3f31d70f5904
https://thekevinscott.com/tensorflowjs-hello-world/
评论列表（0条）