הגדר פרויקט TensorFlow.js

מסמך זה מראה לכם כיצד להתקין ולהשתמש ב-TensorFlow.js בסביבת דפדפן וב-Node.js.

הגדרת דפדפן

ישנן שתי דרכים מומלצות לשימוש ב-TensorFlow.js בפרויקט מבוסס דפדפן:

אם אתם חדשים בפיתוח אתרים, או שלא השתמשתם בעבר בכלי בנייה של JavaScript, ייתכן שתרצו לנסות תחילה את גישת תג הסקריפט. אם אתם בדרך כלל מעבדים או מאגדים את נכסי האינטרנט שלכם, או שאתם מתכננים לכתוב יישומים גדולים יותר, כדאי לכם לשקול להשתמש בכלי בנייה.

השתמש בתגית סקריפט

כדי לקבל את TensorFlow.js באמצעות תג סקריפט, הוסף את הפרטים הבאים לקובץ ה-HTML הראשי שלך:

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

הדוגמה הבאה מראה כיצד להגדיר ולאמן מודל בדפדפן:

<!DOCTYPE html>
<html lang="en-US">
  <head>
    <meta charset="utf-8" />
    <title>TensorFlow.js browser example</title>

    <!-- Load TensorFlow.js from a script tag -->
    <script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@latest/dist/tf.min.js"></script>
  </head>
  <body>
    <h1>TensorFlow.js example</h1>
    <h2>Open the console to see the results.</h2>
    <script>
    // Define a model for linear regression. The script tag makes `tf` available
    // as a global variable.
    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
    });
    </script>
  </body>
</html>

כדי להריץ את הדוגמה, בצע את השלבים הבאים:

  1. שמור את מסמך הדוגמה בקובץ בשם index.html .

  2. לחץ פעמיים על index.html כדי לפתוח אותו בדפדפן ברירת המחדל שלך.

    לחלופין, ניתן להגיש index.html על ידי הפעלת npx http-server באותה ספרייה כמו index.html . (אם תתבקשו להתקין את http-server , הזינו y .) לאחר מכן, גשו אל http://localhost:8080 בדפדפן שלכם.

  3. פתח את קונסולת הדפדפן כדי לראות את הפלט של הסקריפט.

  4. רענן את הדף כדי לראות תחזית חדשה (וסביר מאוד ששונה).

התקנה מ-NPM

כדי להתקין את TensorFlow.js מ-NPM, השתמש ב- npm CLI או ב-yarn .

NPM 

npm install @tensorflow/tfjs

חוּט 

yarn add @tensorflow/tfjs

הדוגמה הבאה מראה כיצד לייבא את TensorFlow.js, להגדיר מודל ולאמן את המודל.

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

כדי להשתמש ב-TensorFlow.js ב-Node.js, השתמש ב- npm CLI או ב-yarn כדי להשלים אחת מאפשרויות ההתקנה שלהלן.

למידע נוסף על השימוש ב-TensorFlow.js ב-Node.js, עיין במדריך Node.js. למידע נוסף על התקנה, עיין במאגר TensorFlow.js עבור Node.js.

אפשרות 1: התקנת TensorFlow.js עם קישורי C++ מקוריים.

מודול tfjs-node מספק ביצוע TensorFlow מקורי ביישומי JavaScript תחת זמן ריצה של Node.js, מואץ על ידי הקובץ הבינארי TensorFlow C.

התקנת tfjs-node :

NPM 

npm install @tensorflow/tfjs-node

חוּט 

yarn add @tensorflow/tfjs-node

הדוגמה הבאה מראה כיצד לייבא tfjs-node , להגדיר מודל ולאמן את המודל.

// Use `tfjs-node`. Note that `tfjs` is imported indirectly by `tfjs-node`.
const tf = require('@tensorflow/tfjs-node');

// Define 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]);

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

אפשרות 2: התקנת TensorFlow.js עבור GPU

(לינוקס בלבד) אם למערכת שלך יש כרטיס מסך של NVIDIA®‎ עם תמיכה ב-CUDA , תוכל להשתמש בחבילת ה-GPU לשיפור הביצועים.

התקן tfjs-node-gpu :

NPM 

npm install @tensorflow/tfjs-node-gpu

חוּט 

yarn add @tensorflow/tfjs-node-gpu

הדוגמה הבאה מראה כיצד לייבא tfjs-node-gpu , להגדיר מודל ולאמן את המודל. 

// Use `tfjs-node-gpu`. Note that `tfjs` is imported indirectly by `tfjs-node-gpu`.
const tf = require('@tensorflow/tfjs-node-gpu');

// Define 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]);

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

אפשרות 3: התקנת גרסת ה-JavaScript הטהורה

מודול tfjs הוא אותה חבילה שבה הייתם משתמשים בדפדפן. זוהי האפשרות האיטית ביותר מבין אפשרויות Node.js מבחינת ביצועים.

התקנת tfjs :

NPM 

npm install @tensorflow/tfjs

חוּט 

yarn add @tensorflow/tfjs

הדוגמה הבאה מראה כיצד לייבא tfjs , להגדיר מודל ולאמן את המודל. 

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

// Define 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]);

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

טייפסקריפט

אם אתם משתמשים ב-TensorFlow.js בפרויקט TypeScript, והפעלתם בדיקת null strict, ייתכן שתצטרכו להגדיר skipLibCheck: true בקובץ tsconfig.json כדי למנוע שגיאות במהלך הקומפילציה.