tfjs
v4.22.0
TensorFlow.js — это библиотека JavaScript с аппаратным ускорением с открытым исходным кодом для обучения и развертывания моделей машинного обучения.
Разрабатывайте машинное обучение в браузере
Используйте гибкие и интуитивно понятные API для создания моделей с нуля, используя низкоуровневую библиотеку линейной алгебры JavaScript или API слоев высокого уровня.
Разработка машинного обучения в Node.js
Выполните собственный TensorFlow с тем же API TensorFlow.js в среде выполнения Node.js.
Запуск существующих моделей
Используйте конвертеры моделей TensorFlow.js для запуска уже существующих моделей TensorFlow прямо в браузере.
Переобучить существующие модели
Переобучайте уже существующие модели машинного обучения, используя данные датчиков, подключенных к браузеру, или другие данные на стороне клиента.
Этот репозиторий содержит логику и сценарии, объединяющие несколько пакетов.
API:
Бэкэнды/Платформы:
Если вас волнует размер пакета, вы можете импортировать эти пакеты по отдельности.
Если вам нужна поддержка Node.js, посетите каталог узлов TensorFlow.js.
Ознакомьтесь с нашим репозиторием примеров и нашими руководствами.
Обязательно просмотрите галерею всех проектов, связанных с TensorFlow.js.
Обязательно посетите наш репозиторий моделей, где мы размещаем предварительно обученные модели в NPM.
Существует два основных способа добавить TensorFlow.js в ваш проект JavaScript: с помощью тегов скрипта или путем установки его из NPM и использования инструмента сборки, такого как Parcel, WebPack или Rollup.
Добавьте следующий код в HTML-файл:
< html >
< head >
<!-- Load TensorFlow.js -->
< script src =" https://cdn.jsdelivr.net/npm/@tensorflow/tfjs/dist/tf.min.js " > </ script >
<!-- Place your code in the script tag below. You can also use an external .js file -->
< script >
// Notice there is no 'import' statement. 'tf' is available on the index-page
// because of the script tag above.
// 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 ) . 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 ( ) ;
} ) ;
</ script >
</ head >
< body >
</ body >
</ html >Откройте этот HTML-файл в браузере, и код должен запуститься!
Добавьте TensorFlow.js в свой проект, используя пряжу или npm. Примечание. Поскольку мы используем синтаксис ES2017 (например, import ), в этом рабочем процессе предполагается, что вы используете современный браузер или сборщик/транспилятор для преобразования вашего кода в то, что понимают старые браузеры. Посмотрите наши примеры, чтобы увидеть, как мы используем Parcel для создания нашего кода. Однако вы можете использовать любой инструмент сборки, который вам больше нравится.
import * as tf from '@tensorflow/tfjs' ;
// 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 ) . then ( ( ) => {
// Use the model to do inference on a data point the model hasn't seen before:
model . predict ( tf . tensor2d ( [ 5 ] , [ 1 , 1 ] ) ) . print ( ) ;
} ) ;Дополнительные сведения см. в наших руководствах, примерах и документации.
Мы поддерживаем портирование предварительно обученных моделей из:
Пожалуйста, обратитесь ниже:
TensorFlow.js является частью экосистемы TensorFlow. Для получения дополнительной информации:
tfjs на форуме TensorFlow.Спасибо BrowserStack за поддержку при тестировании.
