Przewodnik po TensorFlow.js

Zadbaj o dobrą organizację dzięki kolekcji Zapisuj i kategoryzuj treści zgodnie ze swoimi preferencjami.

Ten przewodnik zawiera szczegółową dokumentację ważnych tematów TensorFlow.js. Jeśli dopiero zaczynasz korzystać z TensorFlow.js, możesz zapoznać się z samouczkami , a następnie wrócić do tego przewodnika, aby dowiedzieć się więcej.

TensorFlow.js to internetowa biblioteka ML o otwartym kodzie źródłowym, którą można uruchamiać wszędzie tam, gdzie obsługuje JavaScript. Opiera się na oryginalnej bibliotece TensorFlow napisanej w języku Python i ma na celu odtworzenie tego środowiska programistycznego oraz zestawu interfejsów API dla ekosystemu JavaScript.

Tematy w tym przewodniku pomogą Ci zrozumieć TensorFlow.js i sposób działania interfejsów API TensorFlow w JavaScript.

Poznaj kluczowe koncepcje Tensorflow:

• Tensory i operacje — Wprowadzenie do tensorów, danych, kształtów i typów danych: elementy składowe TensorFlow.js.
• Platforma i środowisko — omówienie różnych platform i środowisk w TensorFlow.js oraz kompromisy między nimi.
• Niestandardowe operacje, jądra i gradienty — przedstawia mechanizmy definiowania niestandardowych operacji (operacji), jąder i gradientów w TensorFlow.js.

Dowiedz się o gotowych modelach:

• Użyj gotowego modelu — wskazówki, jak znaleźć i wybrać gotowe modele do swojego przypadku użycia.

Dowiedz się więcej o modelach i sposobach ich używania:

• Modele i warstwy – Jak zbudować model w TensorFlow.js przy użyciu warstw i Core API.
• Trenuj modele – Wprowadzenie do szkolenia: modele, optymalizatory, straty, metryki, zmienne.
• Zapisywanie i ładowanie modeli — Dowiedz się, jak zapisywać i ładować modele TensorFlow.js.
• Konwersja modelu — Zobacz krajobraz typów modeli dostępnych w ekosystemie TensorFlow.js i szczegóły dotyczące konwersji modeli.
• Różnice w stosunku do Pythona tf.keras — Poznaj główne różnice i możliwości między TensorFlow.js i Python tf.keras oraz konwencje API używane w JavaScript.

Dowiedz się więcej o TensorFlow.js w Node.js:

• Używanie TensorFlow.js w Node.js — poznaj kompromisy między trzema dostępnymi powiązaniami Node.js i ich wymaganiami systemowymi.
• Wdróż projekt TensorFlow.js Node w chmurze — Jak wdrożyć proces Node.js z pakietem tfjs-node na platformach w chmurze.