Настраивать

Настройка браузера

Есть два основных способа получить TensorFlow.js в ваших браузерных проектах:

• Использование тегов сценария .

• Установка из NPM и использование инструмента сборки, такого как Parcel , WebPack или Rollup .

Если вы новичок в веб-разработке или никогда не слышали о таких инструментах, как веб-пакет или парцелла, мы рекомендуем вам использовать подход тега скрипта . Если вы более опытны или хотите писать более крупные программы, возможно, стоит изучить использование инструментов сборки.

Использование через тег скрипта

Добавьте следующий тег скрипта в основной HTML-файл.

<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
});
  

Установка из НПМ

Вы можете использовать либо инструмент npm cli , либо пряжу для установки TensorFlow.js.

yarn add @tensorflow/tfjs

или же

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
});
  

Настройка Node.js

Вы можете использовать либо инструмент npm cli , либо пряжу для установки TensorFlow.js.

Вариант 1. Установите TensorFlow.js с собственными привязками C++.

yarn add @tensorflow/tfjs-node

или же

npm install @tensorflow/tfjs-node

Вариант 2: (только для Linux) Если в вашей системе есть графический процессор NVIDIA® с поддержкой CUDA , используйте пакет графического процессора даже для более высокой производительности.

yarn add @tensorflow/tfjs-node-gpu

или же

npm install @tensorflow/tfjs-node-gpu

Вариант 3. Установите чистую версию JavaScript. Это самый медленный вариант с точки зрения производительности.

yarn add @tensorflow/tfjs

или же

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}`)
  }
});
  

Машинопись

При использовании TypeScript вам может потребоваться установить skipLibCheck: true в вашем файле tsconfig.json , если в вашем проекте используется строгая проверка нулей, или вы столкнетесь с ошибками во время компиляции.