Konfiguracja przeglądarki
Istnieją dwa główne sposoby na umieszczenie TensorFlow.js w projektach opartych na przeglądarce:
Jeśli jesteś nowy w tworzeniu stron internetowych lub nigdy nie słyszałeś o narzędziach takich jak webpack lub parcel, zalecamy skorzystanie z metody tagu skryptu . Jeśli jesteś bardziej doświadczony lub chcesz pisać większe programy, warto skorzystać z narzędzi do budowania.
Użycie za pomocą tagu skryptu
Dodaj następujący tag skryptu do głównego pliku HTML.
<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@2.0.0/dist/tf.min.js"></script>
Zobacz przykładowy kod do konfiguracji tagu skryptu
// 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
});
Instalacja z NPM
Aby zainstalować TensorFlow.js, można użyć narzędzia npm cli lub przędzy .
yarn add @tensorflow/tfjs
lub
npm install @tensorflow/tfjs
Zobacz przykładowy kod do instalacji przez NPM
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
});
Konfiguracja Node.js
Aby zainstalować TensorFlow.js, można użyć narzędzia npm cli lub przędzy .
Opcja 1: Zainstaluj TensorFlow.js z natywnymi powiązaniami C++.
yarn add @tensorflow/tfjs-node
lub
npm install @tensorflow/tfjs-node
Opcja 2: (tylko Linux) Jeśli twój system ma procesor graficzny NVIDIA® z obsługą CUDA , użyj pakietu GPU nawet w celu uzyskania wyższej wydajności.
yarn add @tensorflow/tfjs-node-gpu
lub
npm install @tensorflow/tfjs-node-gpu
Opcja 3: Zainstaluj czystą wersję JavaScript. Jest to najwolniejsza opcja pod względem wydajności.
yarn add @tensorflow/tfjs
lub
npm install @tensorflow/tfjs
Zobacz przykładowy kod dotyczący użycia Node.js
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}`)
}
});
Maszynopis
Podczas korzystania z TypeScript może być konieczne ustawienie skipLibCheck: true
w pliku tsconfig.json
, jeśli twój projekt używa ścisłego sprawdzania wartości null lub podczas kompilacji wystąpią błędy.