Configurar

Configuração do navegador

Existem duas maneiras principais de obter o TensorFlow.js em seus projetos baseados em navegador:

• Usando tags de script .

• Instalação do NPM e uso de uma ferramenta de compilação como Parcel , WebPack ou Rollup .

Se você é novo no desenvolvimento web ou nunca ouviu falar de ferramentas como webpack ou parcel, recomendamos que você use a abordagem de tag de script . Se você é mais experiente ou deseja escrever programas maiores, pode valer a pena explorar o uso de ferramentas de compilação.

Uso via Tag de Script

Adicione a seguinte tag de script ao seu arquivo HTML principal.

<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
});
  

Instalação do NPM

Você pode usar a ferramenta npm cli ou o yarn para instalar o TensorFlow.js.

yarn add @tensorflow/tfjs

ou

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
});
  

Configuração do Node.js

Você pode usar a ferramenta npm cli ou o yarn para instalar o TensorFlow.js.

Opção 1: instale o TensorFlow.js com associações C++ nativas.

yarn add @tensorflow/tfjs-node

ou

npm install @tensorflow/tfjs-node

Opção 2: (Somente Linux) Se o seu sistema tiver uma GPU NVIDIA® com suporte a CUDA , use o pacote GPU mesmo para obter um desempenho superior.

yarn add @tensorflow/tfjs-node-gpu

ou

npm install @tensorflow/tfjs-node-gpu

Opção 3: instale a versão JavaScript pura. Esta é a opção mais lenta em termos de desempenho.

yarn add @tensorflow/tfjs

ou

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

Ao usar o TypeScript, você pode precisar definir skipLibCheck: true em seu arquivo tsconfig.json se seu projeto fizer uso de verificação nula estrita ou você encontrará erros durante a compilação.