TensorFlow.js'yi kullanmaya başlayın

TensorFlow.js, web tarayıcısında ve Node.js'de makine öğrenimi modellerini eğitmek ve dağıtmak için bir JavaScript kitaplığıdır. Bu öğretici, tarayıcıda minimal bir model eğiterek ve modeli bir tahmin yapmak için kullanarak TensorFlow.js ile nasıl başlayacağınızı gösterir.

Örnek kod GitHub'da mevcuttur.

Önkoşullar

Bu öğreticiyi tamamlamak için geliştirme ortamınızda aşağıdakilerin yüklü olması gerekir:

Örneği yükleyin

Kaynak kodunu alın ve bağımlılıkları kurun:

  1. tfjs-examples deposunu kopyalayın veya indirin.
  2. Başlangıç ​​dizinine geçin: cd tfjs-examples/getting-started getting-started
  3. Bağımlılıkları yükleyin: yarn install .

package.json dosyasına bakarsanız, TensorFlow.js'nin bir bağımlılık olmadığını fark edebilirsiniz. Bunun nedeni, örneğin bir CDN'den TensorFlow.js yüklemesidir. İşte index.html tam 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>

Başlıktaki <script <script> öğesi, TensorFlow.js kitaplığını yükler ve gövdenin sonundaki <script> öğesi, makine öğrenimi komut dosyasını yükler.

TensorFlow.js'ye bağımlı olmanın diğer yolları için kurulum eğitimine bakın.

Örneği çalıştır

Örneği çalıştırın ve sonuçları kontrol edin:

  1. tfjs-examples/getting-started dizininde yarn watch komutunu çalıştırın.
  2. Tarayıcınızda http://127.0.0.1:1234 adresine gidin.

Bir sayfa başlığı ve bunun altında 38.31612014770508 gibi bir sayı görmelisiniz. Kesin sayı değişecektir, ancak 39'a yakın olmalıdır.

Az önce ne oldu?

index.js yüklendiğinde, $ y = 2x - 1 $ denklemini sağlayan $ x $ ve $ y $ değerlerini kullanarak bir tf.sequential modeli eğitir.

// 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});

Ardından, görünmeyen $ x $ değeri 20 için bir $ y $ değeri tahmin eder ve tahmini görüntülemek için DOM'u günceller.

// 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 $'ın sonucu 39'dur, bu nedenle tahmin edilen $ y $ değeri yaklaşık 39 olmalıdır.

Sıradaki ne

Bu öğretici, tarayıcıda bir model eğitmek için TensorFlow.js kullanımına ilişkin minimal bir örnek sağladı. JavaScript ile eğitim modellerine daha ayrıntılı bir giriş için TensorFlow.js kılavuzuna bakın.

Başlamak için daha fazla yol

TensorFlow.js ve web ML'yi kullanmaya başlamanın diğer yollarını burada bulabilirsiniz.

TensorFlow.js web ML kursunu izleyin

Web ML'ye pratik bir giriş yapmak isteyen bir web geliştiricisiyseniz, Web Geliştiricileri için Makine Öğrenimi adlı Google Developers video kursuna göz atın. Kurs, web sitelerinizde ve uygulamalarınızda TensorFlow.js'yi nasıl kullanacağınızı gösterir.

Web makine öğrenimi kursuna gidin

Doğrudan tensörlerle uğraşmadan makine öğrenimi programlarını kodlayın

Optimize edicileri veya tensör manipülasyonunu yönetmeden makine öğrenimine başlamak istiyorsanız ml5.js kitaplığına göz atın.

TensorFlow.js üzerine inşa edilen ml5.js kitaplığı, özlü, ulaşılabilir bir API ile web tarayıcısında makine öğrenimi algoritmalarına ve modellerine erişim sağlar.

ml5.js'ye göz atın

TensorFlow.js'yi yükleyin

Web tarayıcısında veya Node.js'de uygulama için TensorFlow.js'nin nasıl kurulacağını görün.

TensorFlow.js'yi yükleyin

Önceden eğitilmiş modelleri TensorFlow.js'ye dönüştürün

Önceden eğitilmiş modelleri Python'dan TensorFlow.js'ye nasıl dönüştüreceğinizi öğrenin.

Keras Modeli GraphDef Modeli

Mevcut TensorFlow.js kodundan öğrenin

tfjs-examples deposu, TensorFlow.js kullanan çeşitli makine öğrenimi görevleri için küçük örnek uygulamalar sağlar.

GitHub'da tfjs örneklerini görüntüleyin

TensorFlow.js modelinizin davranışını görselleştirin

tfjs-vis , TensorFlow.js ile kullanılması amaçlanan web tarayıcısında görselleştirme için küçük bir kitaplıktır.

GitHub'da tfjs-vis'i görüntüleyin Demoya Bakın

Verileri TensorFlow.js ile işlenmek üzere hazırlayın

TensorFlow.js, makine öğrenimi en iyi uygulamalarını kullanarak verileri işleme desteğine sahiptir.

Belgeleri Görüntüle