tfjs
v4.22.0
TensorFlow.js เป็นไลบรารี JavaScript ที่เร่งด้วยฮาร์ดแวร์แบบโอเพ่นซอร์สสำหรับการฝึกอบรมและปรับใช้โมเดลการเรียนรู้ของเครื่อง
พัฒนา ML ในเบราว์เซอร์
ใช้ API ที่ยืดหยุ่นและใช้งานง่ายเพื่อสร้างโมเดลตั้งแต่เริ่มต้นโดยใช้ไลบรารีพีชคณิตเชิงเส้น JavaScript ระดับต่ำหรือ API เลเยอร์ระดับสูง
พัฒนา ML ใน Node.js
ดำเนินการ TensorFlow ดั้งเดิมด้วย TensorFlow.js API เดียวกันภายใต้รันไทม์ Node.js
เรียกใช้โมเดลที่มีอยู่
ใช้ตัวแปลงโมเดล TensorFlow.js เพื่อเรียกใช้โมเดล TensorFlow ที่มีอยู่แล้วในเบราว์เซอร์
ฝึกโมเดลที่มีอยู่อีกครั้ง
ฝึกโมเดล ML ที่มีอยู่แล้วใหม่โดยใช้ข้อมูลเซ็นเซอร์ที่เชื่อมต่อกับเบราว์เซอร์หรือข้อมูลฝั่งไคลเอ็นต์อื่นๆ
พื้นที่เก็บข้อมูลนี้มีตรรกะและสคริปต์ที่รวมหลายแพ็คเกจเข้าด้วยกัน
API:
แบ็กเอนด์/แพลตฟอร์ม:
หากคุณสนใจเกี่ยวกับขนาดมัด คุณสามารถนำเข้าแพ็คเกจเหล่านั้นทีละชุดได้
หากคุณกำลังมองหาการรองรับ Node.js โปรดดูไดเรกทอรี Node ของ TensorFlow.js
ตรวจสอบพื้นที่เก็บข้อมูลตัวอย่างและบทช่วยสอนของเรา
อย่าลืมตรวจสอบแกลเลอรีของโปรเจ็กต์ทั้งหมดที่เกี่ยวข้องกับ TensorFlow.js
อย่าลืมตรวจสอบพื้นที่เก็บข้อมูลโมเดลของเราด้วย ซึ่งเราโฮสต์โมเดลที่ได้รับการฝึกล่วงหน้าบน NPM
มีสองวิธีหลักในการรับ TensorFlow.js ในโปรเจ็กต์ JavaScript ของคุณ: ผ่านแท็กสคริปต์ หรือ โดยการติดตั้งจาก NPM และใช้เครื่องมือสร้าง เช่น Parcel, WebPack หรือ Rollup
เพิ่มรหัสต่อไปนี้ลงในไฟล์ HTML:
< 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 >เปิดไฟล์ HTML นั้นในเบราว์เซอร์ของคุณ และโค้ดควรจะทำงาน!
เพิ่ม TensorFlow.js ในโครงการของคุณโดยใช้เส้นด้าย หรือ npm หมายเหตุ: เนื่องจากเราใช้ไวยากรณ์ ES2017 (เช่น import ) เวิร์กโฟลว์นี้จะถือว่าคุณกำลังใช้เบราว์เซอร์สมัยใหม่หรือบันเดิล/ทรานสไพเลอร์เพื่อแปลงโค้ดของคุณเป็นสิ่งที่เบราว์เซอร์รุ่นเก่าเข้าใจ ดูตัวอย่างของเราเพื่อดูว่าเราใช้ Parcel เพื่อสร้างโค้ดของเราอย่างไร อย่างไรก็ตาม คุณสามารถใช้เครื่องมือสร้างใดๆ ก็ได้ตามที่คุณต้องการได้อย่างอิสระ
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 ( ) ;
} ) ;ดูบทช่วยสอน ตัวอย่าง และเอกสารประกอบของเราสำหรับรายละเอียดเพิ่มเติม
เรารองรับการย้ายโมเดลที่ได้รับการฝึกล่วงหน้าจาก:
โปรดดูด้านล่าง:
TensorFlow.js เป็นส่วนหนึ่งของระบบนิเวศ TensorFlow สำหรับข้อมูลเพิ่มเติม:
tfjs ในฟอรัม TensorFlowขอขอบคุณ BrowserStack ที่ให้การสนับสนุนการทดสอบ
