Ejecución de modelos de bosques de decisión de TensorFlow con TensorFlow.js

Estas instrucciones explican cómo entrenar un modelo TF-DF y ejecutarlo en la web usando TensorFlow.js.

Instrucciones detalladas

Entrenar un modelo en TF-DF

Para probar este tutorial, primero necesita un modelo TF-DF. Puedes usar tu propio modelo o entrenar un modelo con el tutorial para principiantes .

Si simplemente desea entrenar rápidamente un modelo en Google Colab, puede utilizar el siguiente fragmento de código.

!pip install tensorflow_decision_forests -U -qq
import tensorflow as tf
import tensorflow_decision_forests as tfdf
import pandas as pd

# Download the dataset, load it into a pandas dataframe and convert it to TensorFlow format.
!wget -q https://storage.googleapis.com/download.tensorflow.org/data/palmer_penguins/penguins.csv -O /tmp/penguins.csv
dataset_df = pd.read_csv("/tmp/penguins.csv")
train_ds = tfdf.keras.pd_dataframe_to_tf_dataset(dataset_df, label="species")

# Create and train the model
model_1 = tfdf.keras.GradientBoostedTreesModel()
model_1.fit(train_ds)

Convertir el modelo

Las instrucciones siguientes asumen que ha guardado su modelo TF-DF en la ruta /tmp/my_saved_model . Ejecute el siguiente fragmento para convertir el modelo a TensorFlow.js.

!pip install tensorflow tensorflow_decision_forests 'tensorflowjs>=4.4.0'
!pip install tf_keras

# Prepare and load the model with TensorFlow
import tensorflow as tf
import tensorflowjs as tfjs
from google.colab import files

# Save the model in the SavedModel format
tf.saved_model.save(model_1, "/tmp/my_saved_model")

# Convert the SavedModel to TensorFlow.js and save as a zip file
tfjs.converters.tf_saved_model_conversion_v2.convert_tf_saved_model("/tmp/my_saved_model", "./tfjs_model")

# Download the converted TFJS model
!zip -r tfjs_model.zip tfjs_model/
files.download("tfjs_model.zip")

Cuando Google Colab termina de ejecutarse, descarga el modelo TFJS convertido como un archivo zip. Descomprima este archivo antes de usarlo en el siguiente paso.

Una versión Tensorflow.js descomprimida consta de varios archivos. El modelo de ejemplo contiene lo siguiente:

• activos.zip
• grupo1-fragmento1de1.bin
• modelo.json

Utilice el modelo Tensorflow.js en la web

Utilice esta plantilla para cargar dependencias TFJS y ejecutar el modelo TFDF. Cambie la ruta del modelo donde se sirve su modelo y modifique el tensor proporcionado para ejecutarAsync.

  <script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@4.5.0/dist/tf.min.js"></script>
  <script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs-tfdf/dist/tf-tfdf.min.js"></script>
  <script>
    (async () =>{
      // Load the model.
      // Tensorflow.js currently needs the absolute path to the model including the full origin.
      const model = await tfdf.loadTFDFModel('https://path/to/unzipped/model/model.json');
      // Perform an inference
      const result = await model.executeAsync({
            "island": tf.tensor(["Torgersen"]),
            "bill_length_mm": tf.tensor([39.1]),
            "bill_depth_mm": tf.tensor([17.3]),
            "flipper_length_mm": tf.tensor([3.1]),
            "body_mass_g": tf.tensor([1000.0]),
            "sex": tf.tensor(["Female"]),
            "year": tf.tensor([2007], [1], 'int32'),
      });
      // The result is a 6-dimensional vector, the first half may be ignored
      result.print();
    })();
  </script>

¿Preguntas?

Consulte la documentación de TensorFlow Decision Forests y la documentación de TensorFlow.js .