هل أنت جديد في تعلم الآلة؟ شاهد دورة بالفيديو للحصول على معرفة عملية بالتعلم الآلي باستخدام تقنيات الويب . View series

تمت ترجمة هذه الصفحة بواسطة Cloud Translation API‏.

ابدأ باستخدام TensorFlow.js

TensorFlow.js هي مكتبة JavaScript للتدريب ونشر نماذج التعلم الآلي في متصفح الويب وفي Node.js. يوضح لك هذا البرنامج التعليمي كيفية البدء باستخدام TensorFlow.js من خلال تدريب نموذج مصغر في المتصفح واستخدام النموذج للتنبؤ.

رمز المثال متاح على GitHub .

المتطلبات الأساسية

لإكمال هذا البرنامج التعليمي، تحتاج إلى تثبيت ما يلي في بيئة التطوير الخاصة بك:

Node.js ( تحميل )
غزل ( تثبيت )

قم بتثبيت المثال

احصل على الكود المصدري وقم بتثبيت التبعيات:

قم باستنساخ أو تنزيل مستودع أمثلة tfjs .
قم بالتغيير إلى دليل getting-started : cd tfjs-examples/getting-started .
تثبيت التبعيات: yarn install .

إذا نظرت إلى ملف package.json ، فقد تلاحظ أن TensorFlow.js ليس تابعًا. وذلك لأن المثال يقوم بتحميل TensorFlow.js من CDN. إليك ملف HTML الكامل من index.html :

<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>

يقوم العنصر <script> الموجود في الرأس بتحميل مكتبة TensorFlow.js، ويقوم العنصر <script> الموجود في نهاية النص بتحميل البرنامج النصي للتعلم الآلي.

للتعرف على طرق أخرى للاعتماد على TensorFlow.js، راجع البرنامج التعليمي للإعداد .

قم بتشغيل المثال

قم بتشغيل المثال وتحقق من النتائج:

في الدليل tfjs-examples/getting-started ، قم بتشغيل yarn watch .
انتقل إلى http://127.0.0.1:1234 في متصفحك.

يجب أن تشاهد عنوان الصفحة وتحته رقم مثل 38.31612014770508 . سيختلف العدد الدقيق، لكنه يجب أن يكون قريبًا من 39.

ماذا حدث للتو؟

عند تحميل index.js ، يقوم بتدريب نموذج tf.sequential باستخدام قيم $ x $ و$ y $ التي تلبي المعادلة $ y = 2x - 1 $.

// 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});

ثم يتنبأ بقيمة $ y $ للقيمة غير المرئية $ x $ 20 ويقوم بتحديث DOM لعرض التنبؤ.

// 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();

نتيجة $ 2 * 20 - 1 $ هي 39، لذا فإن القيمة المتوقعة $ y $ يجب أن تكون 39 تقريبًا.

ماذا بعد

قدم هذا البرنامج التعليمي مثالًا مبسطًا لاستخدام TensorFlow.js لتدريب نموذج في المتصفح. للحصول على مقدمة أعمق لنماذج التدريب باستخدام JavaScript، راجع دليل TensorFlow.js.

المتطلبات الأساسية

لإكمال هذا البرنامج التعليمي، تحتاج إلى تثبيت ما يلي في بيئة التطوير الخاصة بك:

Node.js ( تحميل )
غزل ( تثبيت )

قم بتثبيت المثال

احصل على الكود المصدري وقم بتثبيت التبعيات:

قم باستنساخ أو تنزيل مستودع أمثلة tfjs .
قم بالتغيير إلى دليل getting-started : cd tfjs-examples/getting-started .
تثبيت التبعيات: yarn install .

<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>

للتعرف على طرق أخرى للاعتماد على TensorFlow.js، راجع البرنامج التعليمي للإعداد .

قم بتشغيل المثال

قم بتشغيل المثال وتحقق من النتائج:

في الدليل tfjs-examples/getting-started ، قم بتشغيل yarn watch .
انتقل إلى http://127.0.0.1:1234 في متصفحك.

يجب أن تشاهد عنوان الصفحة وتحته رقم مثل 38.31612014770508 . سيختلف العدد الدقيق، لكنه يجب أن يكون قريبًا من 39.

ماذا حدث للتو؟

عند تحميل index.js ، يقوم بتدريب نموذج tf.sequential باستخدام قيم $ x $ و$ y $ التي تلبي المعادلة $ y = 2x - 1 $.

// 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});

ثم يتنبأ بقيمة $ y $ للقيمة غير المرئية $ x $ 20 ويقوم بتحديث DOM لعرض التنبؤ.

// 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();

نتيجة $ 2 * 20 - 1 $ هي 39، لذا فإن القيمة المتوقعة $ y $ يجب أن تكون 39 تقريبًا.

ابدأ باستخدام TensorFlow.js

المتطلبات الأساسية

قم بتثبيت المثال

قم بتشغيل المثال

ماذا حدث للتو؟

ماذا بعد

المزيد من الطرق للبدء

شاهد دورة تعلم الآلة على الويب TensorFlow.js

برامج Code ML دون التعامل مباشرة مع الموترات

قم بتثبيت TensorFlow.js

تحويل النماذج المدربة مسبقًا إلى TensorFlow.js

تعلم من كود TensorFlow.js الموجود

تصور سلوك نموذج TensorFlow.js الخاص بك

قم بإعداد البيانات للمعالجة باستخدام TensorFlow.js

المتطلبات الأساسية

قم بتثبيت المثال

قم بتشغيل المثال

ماذا حدث للتو؟

ماذا بعد

المزيد من الطرق للبدء

شاهد دورة تعلم الآلة على الويب TensorFlow.js

برامج Code ML دون التعامل مباشرة مع الموترات

قم بتثبيت TensorFlow.js

تحويل النماذج المدربة مسبقًا إلى TensorFlow.js

تعلم من كود TensorFlow.js الموجود

تصور سلوك نموذج TensorFlow.js الخاص بك

قم بإعداد البيانات للمعالجة باستخدام TensorFlow.js