הגדרה

הגדרת דפדפן

ישנן שתי דרכים עיקריות להשיג את TensorFlow.js בפרויקטים מבוססי הדפדפן שלך:

• שימוש בתגי סקריפט .

• התקנה מ- NPM ושימוש בכלי בנייה כמו Parcel , WebPack או Rollup .

אם אתה חדש בפיתוח אתרים, או שמעולם לא שמעתם על כלים כמו webpack או parcel, אנו ממליצים להשתמש בגישת תגי הסקריפט . אם אתה מנוסה יותר או רוצה לכתוב תוכניות גדולות יותר, אולי כדאי לחקור באמצעות כלי בנייה.

שימוש באמצעות תג סקריפט

הוסף את תג הסקריפט הבא לקובץ ה-HTML הראשי שלך.

<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@2.0.0/dist/tf.min.js"></script>

// Define a model for linear regression.
const model = tf.sequential();
model.add(tf.layers.dense({units: 1, inputShape: [1]}));

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, {epochs: 10}).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();
  // Open the browser devtools to see the output
});
  

התקנה מ-NPM

אתה יכול להשתמש בכלי npm cli או בחוט כדי להתקין את TensorFlow.js.

yarn add @tensorflow/tfjs

אוֹ

npm install @tensorflow/tfjs

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]}));

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, {epochs: 10}).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();
  // Open the browser devtools to see the output
});
  

הגדרת Node.js

אתה יכול להשתמש בכלי npm cli או בחוט כדי להתקין את TensorFlow.js.

אפשרות 1: התקן את TensorFlow.js עם כריכות C++ מקוריות.

yarn add @tensorflow/tfjs-node

אוֹ

npm install @tensorflow/tfjs-node

אפשרות 2: (לינוקס בלבד) אם למערכת שלך יש NVIDIA® GPU עם תמיכה ב-CUDA , השתמש בחבילת ה-GPU אפילו לביצועים גבוהים יותר.

yarn add @tensorflow/tfjs-node-gpu

אוֹ

npm install @tensorflow/tfjs-node-gpu

אפשרות 3: התקן את גרסת ה-JavaScript הטהורה. זוהי האפשרות האיטית ביותר מבחינת ביצועים.

yarn add @tensorflow/tfjs

אוֹ

npm install @tensorflow/tfjs

const tf = require('@tensorflow/tfjs');

// Optional Load the binding:
// Use '@tensorflow/tfjs-node-gpu' if running with GPU.
require('@tensorflow/tfjs-node');

// Train a simple model:
const model = tf.sequential();
model.add(tf.layers.dense({units: 100, activation: 'relu', inputShape: [10]}));
model.add(tf.layers.dense({units: 1, activation: 'linear'}));
model.compile({optimizer: 'sgd', loss: 'meanSquaredError'});

const xs = tf.randomNormal([100, 10]);
const ys = tf.randomNormal([100, 1]);

model.fit(xs, ys, {
  epochs: 100,
  callbacks: {
    onEpochEnd: (epoch, log) => console.log(`Epoch ${epoch}: loss = ${log.loss}`)
  }
});
  

TypeScript

בעת שימוש ב-TypeScript ייתכן שיהיה עליך להגדיר skipLibCheck: true בקובץ tsconfig.json שלך אם הפרויקט שלך עושה שימוש בבדיקת null קפדנית או שתיתקל בשגיאות במהלך ההידור.