Thiết lập

Thiết lập trình duyệt

Có hai cách chính để tải TensorFlow.js trong các dự án dựa trên trình duyệt của bạn:

• Sử dụng thẻ script .

• Cài đặt từ NPM và sử dụng một công cụ xây dựng như Parcel , WebPack hoặc Rollup .

Nếu bạn chưa quen với việc phát triển web hoặc chưa bao giờ nghe nói về các công cụ như webpack hoặc parcel, chúng tôi khuyên bạn nên sử dụng phương pháp tiếp cận thẻ script . Nếu bạn có nhiều kinh nghiệm hơn hoặc muốn viết các chương trình lớn hơn, bạn nên khám phá bằng cách sử dụng các công cụ xây dựng.

Sử dụng qua Thẻ tập lệnh

Thêm thẻ script sau vào tệp HTML chính của bạn.

<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
});
  

Cài đặt từ NPM

Bạn có thể sử dụng công cụ npm cli hoặc sợi để cài đặt TensorFlow.js.

yarn add @tensorflow/tfjs

hoặc

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
});
  

Thiết lập Node.js

Bạn có thể sử dụng công cụ npm cli hoặc sợi để cài đặt TensorFlow.js.

Tùy chọn 1: Cài đặt TensorFlow.js với các liên kết C ++ gốc.

yarn add @tensorflow/tfjs-node

hoặc

npm install @tensorflow/tfjs-node

Tùy chọn 2: (Chỉ dành cho Linux) Nếu hệ thống của bạn có GPU NVIDIA® với hỗ trợ CUDA , hãy sử dụng gói GPU ngay cả để có hiệu suất cao hơn.

yarn add @tensorflow/tfjs-node-gpu

hoặc

npm install @tensorflow/tfjs-node-gpu

Tùy chọn 3: Cài đặt phiên bản JavaScript thuần túy. Đây là tùy chọn hiệu suất chậm nhất khôn ngoan.

yarn add @tensorflow/tfjs

hoặc

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

Khi sử dụng TypeScript, bạn có thể cần đặt skipLibCheck: true trong tệp tsconfig.json của mình nếu dự án của bạn sử dụng kiểm tra null nghiêm ngặt hoặc bạn sẽ gặp lỗi trong quá trình biên dịch.