TensorFlow.js è una libreria JavaScript per l'addestramento e la distribuzione di modelli di machine learning nel browser Web e in Node.js. Questo tutorial mostra come iniziare con TensorFlow.js addestrando un modello minimo nel browser e utilizzando il modello per fare una previsione.
Il codice di esempio è disponibile su GitHub .
Prerequisiti
Per completare questo tutorial, è necessario che quanto segue sia installato nel tuo ambiente di sviluppo:
Installa l'esempio
Ottieni il codice sorgente e installa le dipendenze:
- Clona o scarica il repository tfjs-examples .
- Passare alla directory
getting-started
:cd tfjs-examples/getting-started
. - Installa le dipendenze:
yarn install
.
Se guardi il file package.json
, potresti notare che TensorFlow.js non è una dipendenza. Questo perché l'esempio carica TensorFlow.js da una CDN. Ecco l'HTML completo da 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>
L'elemento <script>
nella testa carica la libreria TensorFlow.js e l'elemento <script>
alla fine del corpo carica lo script di machine learning.
Per altri modi per creare una dipendenza da TensorFlow.js, consulta il tutorial di configurazione .
Esegui l'esempio
Esegui l'esempio e controlla i risultati:
- Nella directory
tfjs-examples/getting-started
, eseguiyarn watch
. - Passare a
http://127.0.0.1:1234
nel browser.
Dovresti vedere il titolo della pagina e sotto un numero come 38.31612014770508 . Il numero esatto varierà, ma dovrebbe essere vicino a 39.
Cos'è successo?
Quando viene caricato index.js
, addestra un modello tf.sequential
utilizzando i valori $ x $ e $ y $ che soddisfano l'equazione $ 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});
Quindi prevede un valore $ y $ per il valore $ x $ invisibile 20
e aggiorna il DOM per visualizzare la previsione.
// 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();
Il risultato di $ 2 * 20 - 1 $ è 39, quindi il valore $ y $ previsto dovrebbe essere circa 39.
Qual è il prossimo passo?
Questo tutorial ha fornito un esempio minimo di utilizzo di TensorFlow.js per addestrare un modello nel browser. Per un'introduzione più approfondita ai modelli di addestramento con JavaScript, consulta la guida TensorFlow.js.
Altri modi per iniziare
Ecco altri modi per iniziare con TensorFlow.js e Web ML.
Guarda il corso Web ML su TensorFlow.js
Se sei uno sviluppatore web alla ricerca di un'introduzione pratica al Web ML, dai un'occhiata al corso video di Google Developers Machine Learning per sviluppatori Web. Il corso ti mostra come utilizzare TensorFlow.js nei tuoi siti Web e applicazioni.
Codifica programmi ML senza gestire direttamente i tensori
Se vuoi iniziare con l'apprendimento automatico senza gestire ottimizzatori o manipolazione di tensori, consulta la libreria ml5.js.
Costruita sulla base di TensorFlow.js, la libreria ml5.js fornisce l'accesso ad algoritmi e modelli di machine learning nel browser web con un'API concisa e accessibile.
Installa TensorFlow.js
Scopri come installare TensorFlow.js per l'implementazione nel browser Web o Node.js.
Converti modelli preaddestrati in TensorFlow.js
Scopri come convertire modelli preaddestrati da Python a TensorFlow.js.
Modello di Keras Modello GraphDef
Impara dal codice TensorFlow.js esistente
Il repository tfjs-examples
fornisce piccole implementazioni di esempio per varie attività ML utilizzando TensorFlow.js.
Visualizza esempi di tfjs su GitHub
Visualizza il comportamento del tuo modello TensorFlow.js
tfjs-vis
è una piccola libreria per la visualizzazione nel browser Web destinata all'uso con TensorFlow.js.
Visualizza tfjs-vis su GitHub Vedi demo
Preparare i dati per l'elaborazione con TensorFlow.js
TensorFlow.js supporta l'elaborazione dei dati utilizzando le best practice ML.