Руководство по TensorFlow.js

Оптимизируйте свои подборки Сохраняйте и классифицируйте контент в соответствии со своими настройками.

В этом руководстве представлена ​​подробная документация по важным темам TensorFlow.js. Если вы только начинаете работать с TensorFlow.js, вы можете изучить учебные пособия , а затем вернуться к этому руководству, чтобы узнать больше.

TensorFlow.js — это веб-библиотека машинного обучения с открытым исходным кодом, которая может работать везде, где может работать JavaScript. Он основан на оригинальной библиотеке TensorFlow, написанной на Python, и призван воссоздать этот опыт разработчиков и набор API-интерфейсов для экосистемы JavaScript.

Темы в этом руководстве помогут вам понять TensorFlow.js и то, как API-интерфейсы TensorFlow работают в JavaScript.

Узнайте о ключевых концепциях Tensorflow:

• Тензоры и операции — введение в тензоры, данные, формы и типы данных: строительные блоки TensorFlow.js.
• Платформа и среда — обзор различных платформ и сред в TensorFlow.js и компромиссов между ними.
• Пользовательские операции, ядра и градиенты — описывает механизмы определения пользовательских операций (операций), ядер и градиентов в TensorFlow.js.

Узнайте о готовых моделях:

• Используйте готовую модель — руководство по поиску и выбору готовых моделей для вашего варианта использования.

Узнайте больше о моделях и о том, как их использовать:

• Модели и слои — как построить модель в TensorFlow.js, используя слои и основной API.
• Тренировать модели — Введение в обучение: модели, оптимизаторы, потери, метрики, переменные.
• Сохранение и загрузка моделей . Узнайте, как сохранять и загружать модели TensorFlow.js.
• Преобразование моделей . Ознакомьтесь с набором типов моделей, доступных в экосистеме TensorFlow.js, и подробными сведениями о преобразовании моделей.
• Отличия от Python tf.keras . Узнайте об основных различиях и возможностях между TensorFlow.js и Python tf.keras , а также о соглашениях API, используемых в JavaScript.

Узнайте о TensorFlow.js в Node.js:

• Использование TensorFlow.js в Node.js. Узнайте о компромиссах между тремя доступными привязками Node.js и их системными требованиями.
• Развертывание проекта узла TensorFlow.js в облаке . Как развернуть процесс Node.js с пакетом tfjs-node на облачных платформах.