TensorFlow.js के साथ आरंभ करें

TensorFlow.js वेब ब्राउज़र और Node.js में मशीन लर्निंग मॉडल के प्रशिक्षण और तैनाती के लिए एक जावास्क्रिप्ट लाइब्रेरी है। यह ट्यूटोरियल आपको दिखाता है कि ब्राउज़र में एक न्यूनतम मॉडल को प्रशिक्षित करके और भविष्यवाणी करने के लिए मॉडल का उपयोग करके TensorFlow.js के साथ शुरुआत कैसे करें।

उदाहरण कोड GitHub पर उपलब्ध है।

आवश्यक शर्तें

इस ट्यूटोरियल को पूरा करने के लिए, आपको अपने विकास परिवेश में निम्नलिखित को स्थापित करना होगा:

उदाहरण स्थापित करें

स्रोत कोड प्राप्त करें और निर्भरताएँ स्थापित करें:

  1. tfjs-उदाहरण भंडार को क्लोन करें या डाउनलोड करें।
  2. getting-started निर्देशिका में बदलें: cd tfjs-examples/getting-started
  3. निर्भरताएँ स्थापित करें: yarn install

यदि आप package.json फ़ाइल को देखते हैं, तो आप देख सकते हैं कि TensorFlow.js एक निर्भरता नहीं है। ऐसा इसलिए है क्योंकि उदाहरण CDN से TensorFlow.js को लोड करता है। यहां index.html से संपूर्ण HTML है:

<html>
  <head>
    <script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@latest"> </script>
  </head>
  <body>
    <h4>Tiny TFJS example<hr/></h4>
    <div id="micro-out-div">Training...</div>
    <script src="./index.js"> </script>
  </body>
</html>

हेड में <script> तत्व TensorFlow.js लाइब्रेरी को लोड करता है, और बॉडी के अंत में <script> तत्व मशीन लर्निंग स्क्रिप्ट को लोड करता है।

TensorFlow.js पर निर्भरता लेने के अन्य तरीकों के लिए, सेटअप ट्यूटोरियल देखें।

उदाहरण चलाएँ

उदाहरण चलाएँ और परिणाम देखें:

  1. tfjs-examples/getting-started निर्देशिका में, yarn watch चलाएँ।
  2. अपने ब्राउज़र में http://127.0.0.1:1234 पर जाएँ।

आपको एक पेज का शीर्षक और उसके नीचे 38.31612014770508 जैसा एक नंबर दिखना चाहिए। सटीक संख्या अलग-अलग होगी, लेकिन यह 39 के करीब होनी चाहिए।

अभी क्या हुआ?

जब index.js लोड किया जाता है, तो यह $ x $ और $ y $ मानों का उपयोग करके एक tf.sequential मॉडल को प्रशिक्षित करता है जो समीकरण $ y = 2x - 1 $ को संतुष्ट करता है।

// Create a simple model.
const model = tf.sequential();
model.add(tf.layers.dense({units: 1, inputShape: [1]}));

// Prepare the model for training: Specify the loss and the optimizer.
model.compile({loss: 'meanSquaredError', optimizer: 'sgd'});

// Generate some synthetic data for training. (y = 2x - 1)
const xs = tf.tensor2d([-1, 0, 1, 2, 3, 4], [6, 1]);
const ys = tf.tensor2d([-3, -1, 1, 3, 5, 7], [6, 1]);

// Train the model using the data.
await model.fit(xs, ys, {epochs: 250});

फिर यह अदृश्य $ x $ मान 20 के लिए $ y $ मान की भविष्यवाणी करता है और भविष्यवाणी प्रदर्शित करने के लिए DOM को अपडेट करता है।

// Use the model to do inference on a data point the model hasn't seen.
// Should print approximately 39.
document.getElementById('micro-out-div').innerText =
    model.predict(tf.tensor2d([20], [1, 1])).dataSync();

$2*20 - 1$ का परिणाम 39 है, इसलिए अनुमानित $y$ मान लगभग 39 होना चाहिए।

आगे क्या होगा

इस ट्यूटोरियल ने ब्राउज़र में एक मॉडल को प्रशिक्षित करने के लिए TensorFlow.js का उपयोग करने का एक न्यूनतम उदाहरण प्रदान किया है। जावास्क्रिप्ट के साथ प्रशिक्षण मॉडल के गहन परिचय के लिए, TensorFlow.js गाइड देखें।

आरंभ करने के और भी तरीके

TensorFlow.js और वेब एमएल के साथ शुरुआत करने के और भी तरीके यहां दिए गए हैं।

TensorFlow.js वेब एमएल पाठ्यक्रम देखें

यदि आप एक वेब डेवलपर हैं और वेब एमएल का व्यावहारिक परिचय तलाश रहे हैं, तो वेब डेवलपर्स के लिए Google डेवलपर्स वीडियो कोर्स मशीन लर्निंग देखें। पाठ्यक्रम आपको दिखाता है कि अपनी वेबसाइटों और एप्लिकेशन में TensorFlow.js का उपयोग कैसे करें।

वेब एमएल कोर्स पर जाएं

टेंसरों से सीधे संपर्क किए बिना एमएल प्रोग्राम को कोड करें

यदि आप ऑप्टिमाइज़र या टेंसर हेरफेर को प्रबंधित किए बिना मशीन लर्निंग से शुरुआत करना चाहते हैं, तो ml5.js लाइब्रेरी देखें।

TensorFlow.js के शीर्ष पर निर्मित, ml5.js लाइब्रेरी एक संक्षिप्त, सुलभ एपीआई के साथ वेब ब्राउज़र में मशीन लर्निंग एल्गोरिदम और मॉडल तक पहुंच प्रदान करती है।

ml5.js देखें

TensorFlow.js स्थापित करें

देखें कि वेब ब्राउज़र या Node.js में कार्यान्वयन के लिए TensorFlow.js कैसे स्थापित करें।

TensorFlow.js स्थापित करें

पूर्व-प्रशिक्षित मॉडल को TensorFlow.js में बदलें

जानें कि पूर्व-प्रशिक्षित मॉडल को Python से TensorFlow.js में कैसे परिवर्तित करें।

केरस मॉडल ग्राफ़डेफ़ मॉडल

मौजूदा TensorFlow.js कोड से सीखें

tfjs-examples भंडार TensorFlow.js का उपयोग करके विभिन्न एमएल कार्यों के लिए छोटे उदाहरण कार्यान्वयन प्रदान करता है।

GitHub पर tfjs-उदाहरण देखें

अपने TensorFlow.js मॉडल के व्यवहार की कल्पना करें

tfjs-vis वेब ब्राउज़र में विज़ुअलाइज़ेशन के लिए एक छोटी लाइब्रेरी है जिसका उद्देश्य TensorFlow.js के साथ उपयोग करना है।

GitHub पर tfjs-vis देखें डेमो देखें

TensorFlow.js के साथ प्रसंस्करण के लिए डेटा तैयार करें

TensorFlow.js के पास एमएल सर्वोत्तम प्रथाओं का उपयोग करके डेटा संसाधित करने के लिए समर्थन है।

दस्तावेज़ीकरण देखें

,

TensorFlow.js वेब ब्राउज़र और Node.js में मशीन लर्निंग मॉडल के प्रशिक्षण और तैनाती के लिए एक जावास्क्रिप्ट लाइब्रेरी है। यह ट्यूटोरियल आपको दिखाता है कि ब्राउज़र में एक न्यूनतम मॉडल को प्रशिक्षित करके और भविष्यवाणी करने के लिए मॉडल का उपयोग करके TensorFlow.js के साथ शुरुआत कैसे करें।

उदाहरण कोड GitHub पर उपलब्ध है।

आवश्यक शर्तें

इस ट्यूटोरियल को पूरा करने के लिए, आपको अपने विकास परिवेश में निम्नलिखित को स्थापित करना होगा:

उदाहरण स्थापित करें

स्रोत कोड प्राप्त करें और निर्भरताएँ स्थापित करें:

  1. tfjs-उदाहरण भंडार को क्लोन करें या डाउनलोड करें।
  2. getting-started निर्देशिका में बदलें: cd tfjs-examples/getting-started
  3. निर्भरताएँ स्थापित करें: yarn install

यदि आप package.json फ़ाइल को देखते हैं, तो आप देख सकते हैं कि TensorFlow.js एक निर्भरता नहीं है। ऐसा इसलिए है क्योंकि उदाहरण CDN से TensorFlow.js को लोड करता है। यहां index.html से संपूर्ण HTML है:

<html>
  <head>
    <script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@latest"> </script>
  </head>
  <body>
    <h4>Tiny TFJS example<hr/></h4>
    <div id="micro-out-div">Training...</div>
    <script src="./index.js"> </script>
  </body>
</html>

हेड में <script> तत्व TensorFlow.js लाइब्रेरी को लोड करता है, और बॉडी के अंत में <script> तत्व मशीन लर्निंग स्क्रिप्ट को लोड करता है।

TensorFlow.js पर निर्भरता लेने के अन्य तरीकों के लिए, सेटअप ट्यूटोरियल देखें।

उदाहरण चलाएँ

उदाहरण चलाएँ और परिणाम देखें:

  1. tfjs-examples/getting-started निर्देशिका में, yarn watch चलाएँ।
  2. अपने ब्राउज़र में http://127.0.0.1:1234 पर जाएँ।

आपको एक पेज का शीर्षक और उसके नीचे 38.31612014770508 जैसा एक नंबर दिखना चाहिए। सटीक संख्या अलग-अलग होगी, लेकिन यह 39 के करीब होनी चाहिए।

अभी क्या हुआ?

जब index.js लोड किया जाता है, तो यह $ x $ और $ y $ मानों का उपयोग करके एक tf.sequential मॉडल को प्रशिक्षित करता है जो समीकरण $ y = 2x - 1 $ को संतुष्ट करता है।

// Create a simple model.
const model = tf.sequential();
model.add(tf.layers.dense({units: 1, inputShape: [1]}));

// Prepare the model for training: Specify the loss and the optimizer.
model.compile({loss: 'meanSquaredError', optimizer: 'sgd'});

// Generate some synthetic data for training. (y = 2x - 1)
const xs = tf.tensor2d([-1, 0, 1, 2, 3, 4], [6, 1]);
const ys = tf.tensor2d([-3, -1, 1, 3, 5, 7], [6, 1]);

// Train the model using the data.
await model.fit(xs, ys, {epochs: 250});

फिर यह अदृश्य $ x $ मान 20 के लिए $ y $ मान की भविष्यवाणी करता है और भविष्यवाणी प्रदर्शित करने के लिए DOM को अपडेट करता है।

// Use the model to do inference on a data point the model hasn't seen.
// Should print approximately 39.
document.getElementById('micro-out-div').innerText =
    model.predict(tf.tensor2d([20], [1, 1])).dataSync();

$2*20 - 1$ का परिणाम 39 है, इसलिए अनुमानित $y$ मान लगभग 39 होना चाहिए।

आगे क्या होगा

इस ट्यूटोरियल ने ब्राउज़र में एक मॉडल को प्रशिक्षित करने के लिए TensorFlow.js का उपयोग करने का एक न्यूनतम उदाहरण प्रदान किया है। जावास्क्रिप्ट के साथ प्रशिक्षण मॉडल के गहन परिचय के लिए, TensorFlow.js गाइड देखें।

आरंभ करने के और भी तरीके

TensorFlow.js और वेब एमएल के साथ शुरुआत करने के और भी तरीके यहां दिए गए हैं।

TensorFlow.js वेब एमएल पाठ्यक्रम देखें

यदि आप एक वेब डेवलपर हैं और वेब एमएल का व्यावहारिक परिचय तलाश रहे हैं, तो वेब डेवलपर्स के लिए Google डेवलपर्स वीडियो कोर्स मशीन लर्निंग देखें। पाठ्यक्रम आपको दिखाता है कि अपनी वेबसाइटों और एप्लिकेशन में TensorFlow.js का उपयोग कैसे करें।

वेब एमएल कोर्स पर जाएं

टेंसरों से सीधे संपर्क किए बिना एमएल प्रोग्राम को कोड करें

यदि आप ऑप्टिमाइज़र या टेंसर हेरफेर को प्रबंधित किए बिना मशीन लर्निंग से शुरुआत करना चाहते हैं, तो ml5.js लाइब्रेरी देखें।

TensorFlow.js के शीर्ष पर निर्मित, ml5.js लाइब्रेरी एक संक्षिप्त, सुलभ एपीआई के साथ वेब ब्राउज़र में मशीन लर्निंग एल्गोरिदम और मॉडल तक पहुंच प्रदान करती है।

ml5.js देखें

TensorFlow.js स्थापित करें

देखें कि वेब ब्राउज़र या Node.js में कार्यान्वयन के लिए TensorFlow.js कैसे स्थापित करें।

TensorFlow.js स्थापित करें

पूर्व-प्रशिक्षित मॉडल को TensorFlow.js में बदलें

जानें कि पूर्व-प्रशिक्षित मॉडल को Python से TensorFlow.js में कैसे परिवर्तित करें।

केरस मॉडल ग्राफ़डेफ़ मॉडल

मौजूदा TensorFlow.js कोड से सीखें

tfjs-examples भंडार TensorFlow.js का उपयोग करके विभिन्न एमएल कार्यों के लिए छोटे उदाहरण कार्यान्वयन प्रदान करता है।

GitHub पर tfjs-उदाहरण देखें

अपने TensorFlow.js मॉडल के व्यवहार की कल्पना करें

tfjs-vis वेब ब्राउज़र में विज़ुअलाइज़ेशन के लिए एक छोटी लाइब्रेरी है जिसका उद्देश्य TensorFlow.js के साथ उपयोग करना है।

GitHub पर tfjs-vis देखें डेमो देखें

TensorFlow.js के साथ प्रसंस्करण के लिए डेटा तैयार करें

TensorFlow.js के पास एमएल सर्वोत्तम प्रथाओं का उपयोग करके डेटा संसाधित करने के लिए समर्थन है।

दस्तावेज़ीकरण देखें