संग्रह की मदद से व्यवस्थित रहें अपनी प्राथमिकताओं के आधार पर, कॉन्टेंट को सेव करें और कैटगरी में बांटें.

जावास्क्रिप्ट विकास के लिए TensorFlow

नीचे दी गई शिक्षण सामग्री को शुरू करने से पहले, आपको यह करना चाहिए:

  1. HTML, CSS, और JavaScript का उपयोग करके ब्राउज़र प्रोग्रामिंग के साथ सहज रहें

  2. Node.js स्क्रिप्ट चलाने के लिए कमांड लाइन का उपयोग करने से परिचित हों

यह पाठ्यक्रम उन लोगों के लिए है जो चाहते हैं:

  1. जावास्क्रिप्ट में एमएल मॉडल बनाएं

  2. मौजूदा मॉडलों को कहीं भी चलाएँ जावास्क्रिप्ट चल सकता है

  3. वेब ब्राउज़र में एमएल मॉडल तैनात करें

TensorFlow.js आपको जावास्क्रिप्ट में ML मॉडल विकसित करने या निष्पादित करने देता है, और सीधे ब्राउज़र क्लाइंट साइड में ML का उपयोग करता है, Node.js के माध्यम से सर्वर साइड, रिएक्ट नेटिव के माध्यम से मोबाइल नेटिव, इलेक्ट्रॉन के माध्यम से डेस्कटॉप नेटिव, और यहां तक ​​कि Node.js के माध्यम से IoT उपकरणों पर भी। रास्पबेरी पाई पर। TensorFlow.js के बारे में और इसके साथ क्या किया जा सकता है, यह जानने के लिए, Google I/O पर यह वार्ता देखें।

चरण 1: ब्राउज़र में मशीन लर्निंग से परिचित हों

जावास्क्रिप्ट में एमएल के लिए बुनियादी बातों पर एक त्वरित परिचय प्राप्त करने के लिए, एडक्स पर स्व-गतिशील पाठ्यक्रम लें या नीचे दिए गए वीडियो देखें जो आपको पहले सिद्धांतों से ले जाते हैं, मौजूदा पूर्व-निर्मित मॉडल का उपयोग करने के लिए, और यहां तक ​​कि वर्गीकरण के लिए अपने स्वयं के तंत्रिका नेटवर्क का निर्माण भी करते हैं। आप इन अवधारणाओं के एक इंटरैक्टिव वॉकथ्रू के लिए जावास्क्रिप्ट कोडलैब में एक स्मार्ट वेब कैमरा बनाने का भी प्रयास कर सकते हैं।

अगली पीढ़ी के वेब ऐप्स के लिए सुपरपावर: मशीन लर्निंग

जावास्क्रिप्ट में मशीन लर्निंग का यह उच्च स्तरीय परिचय उन वेब डेवलपर्स के लिए है जो TensorFlow.js के साथ अपना पहला कदम उठाना चाहते हैं।

TensorFlow.js के साथ जावास्क्रिप्ट डेवलपर्स के लिए Google AI

TensorFlow.js का उपयोग करके वेब एमएल के साथ शून्य से नायक तक जाएं। अगली पीढ़ी के वेब ऐप्स बनाना सीखें जो क्लाइंट साइड चला सकते हैं और लगभग किसी भी डिवाइस पर उपयोग किए जा सकते हैं।

पूर्व-प्रशिक्षित मॉडल के साथ जावास्क्रिप्ट में एक स्मार्ट वेब कैमरा बनाएं

TensorFlow.js पूर्व-प्रशिक्षित मॉडल (COCO-SSD) में से किसी एक को लोड और उपयोग करना सीखें और इसका उपयोग उन सामान्य वस्तुओं को पहचानने के लिए करें जिन पर इसे प्रशिक्षित किया गया है।

चरण 2: डीप लर्निंग में गहराई से उतरें

तंत्रिका नेटवर्क कैसे काम करते हैं, और उन्हें विभिन्न समस्याओं पर कैसे लागू किया जाए, इसकी व्यापक समझ प्राप्त करने के लिए, हमारे पास दो पुस्तकें उपलब्ध हैं।

यदि आप आमतौर पर टेंसर और मशीन लर्निंग के लिए नए हैं, लेकिन जावास्क्रिप्ट की अच्छी समझ रखते हैं, तो TensorFlow.js सीखना शुरू करने के लिए एक शानदार जगह है। यह पुस्तक आपको बुनियादी बातों से लेकर पूरी तरह से समझती है कि कैसे Tensors में डेटा को हेरफेर करना है, वास्तविक दुनिया के अनुप्रयोगों में तेजी से प्रगति करना है। पढ़ने के बाद, आप समझेंगे कि मौजूदा मॉडलों को कैसे लोड किया जाए, उन्हें डेटा कैसे पास किया जाए और बाहर आने वाले डेटा की व्याख्या कैसे की जाए।

जावास्क्रिप्ट के साथ डीप लर्निंग भी शुरू करने के लिए एक बेहतरीन जगह है। यह GitHub से बड़ी संख्या में उदाहरणों के साथ है ताकि आप जावास्क्रिप्ट में मशीन लर्निंग के साथ काम करने का अभ्यास कर सकें।

यह पुस्तक प्रदर्शित करेगी कि विभिन्न प्रकार के तंत्रिका नेटवर्क आर्किटेक्चर का उपयोग कैसे किया जाए, जैसे कि कनवल्शनल न्यूरल नेटवर्क्स, रिकरंट न्यूरल नेटवर्क्स, और उन्नत प्रशिक्षण प्रतिमान जैसे सुदृढीकरण सीखने। यह प्रशिक्षण प्रक्रिया में तंत्रिका नेटवर्क के साथ वास्तव में क्या हो रहा है, इसकी स्पष्ट व्याख्या भी प्रदान करता है।

सीखना TensorFlow.js
गैंट लैबोर्डे द्वारा

व्यापक तकनीकी दर्शकों के लिए TensorFlow.js बुनियादी बातों के लिए एक व्यावहारिक दृष्टिकोण। एक बार जब आप इस पुस्तक को समाप्त कर लेंगे, तो आप TensorFlow.js के साथ उत्पादन-तैयार गहन शिक्षण प्रणालियों को बनाने और तैनात करने का तरीका जानेंगे।

जावास्क्रिप्ट के साथ डीप लर्निंग
फ्रेंकोइस चोललेट के साथ शानकिंग काई, स्टेनली बिलेस्की, एरिक डी। नीलसन द्वारा

TensorFlow लाइब्रेरी के मुख्य लेखकों द्वारा लिखित, यह पुस्तक आपके ब्राउज़र में या Node.

चरण 3: TensorFlow.js का उपयोग करके उदाहरणों के साथ अभ्यास करें

अभ्यास परिपूर्ण बनाता है, और अनुभव प्राप्त करना अवधारणाओं में लॉक करने का सबसे अच्छा तरीका है। सामान्य उपयोग के मामलों के लिए इन चरण-दर-चरण मार्गदर्शिकाओं के साथ अपने ज्ञान को आगे बढ़ाने के लिए TensorFlow.js कोडलैब देखें:

  1. एक खाली कैनवास से अपनी खुद की "टीच करने योग्य मशीन" बनाएं

  2. संवादात्मक तंत्रिका नेटवर्क के साथ हस्तलिखित अंकों की पहचान

  3. 2डी डेटा से भविष्यवाणियां करें

  4. एक पायथन सहेजे गए मॉडल को TensorFlow.js प्रारूप में कनवर्ट करें

  5. TensorFlow.js मॉडल को परिनियोजित और होस्ट करने के लिए Firebase का उपयोग करें

  6. एक टिप्पणी स्पैम डिटेक्शन सिस्टम बनाएं

  7. कस्टम एज मामलों को संभालने के लिए एक टिप्पणी स्पैम डिटेक्शन मॉडल को फिर से प्रशिक्षित करें

  8. ट्रांसफर लर्निंग का उपयोग करके ऑडियो पहचान

तंत्रिका नेटवर्क के अपने ज्ञान के साथ, आप TensorFlow टीम द्वारा बनाए गए खुले स्रोत के उदाहरणों का अधिक आसानी से पता लगा सकते हैं। वे सभी GitHub पर उपलब्ध हैं, इसलिए आप कोड में तल्लीन कर सकते हैं और देख सकते हैं कि वे कैसे काम करते हैं।

TensorFlow.js . के साथ निर्मित उदाहरण

GitHub पर एक रिपॉजिटरी जिसमें TensorFlow.js में लागू किए गए उदाहरणों का एक सेट है। प्रत्येक उदाहरण निर्देशिका स्टैंडअलोन है इसलिए निर्देशिका को किसी अन्य प्रोजेक्ट में कॉपी किया जा सकता है।

TensorFlow.js . के साथ शुरुआत करने का तरीका जानने के लिए हमारे ट्यूटोरियल देखें

TensorFlow ट्यूटोरियल ज्यूपिटर नोटबुक के रूप में लिखे गए हैं और सीधे Google Colab में चलते हैं—एक होस्टेड नोटबुक वातावरण जिसमें किसी सेटअप की आवश्यकता नहीं होती है। Google Colab में चलाएँ बटन पर क्लिक करें।

चरण 4: कुछ नया करें!

एक बार जब आप अपने ज्ञान का परीक्षण कर लेते हैं, और कुछ TensorFlow.js उदाहरणों के साथ अभ्यास कर लेते हैं, तो आपको अपनी परियोजनाओं को विकसित करना शुरू करने के लिए तैयार रहना चाहिए। हमारे पूर्व- प्रशिक्षित मॉडलों पर एक नज़र डालें, और मिनटों में एक ऐप बनाना शुरू करें। या आप अपने द्वारा एकत्र किए गए डेटा का उपयोग करके या सार्वजनिक डेटासेट का उपयोग करके अपने स्वयं के मॉडल को प्रशिक्षित कर सकते हैं। अपने मॉडल को प्रशिक्षित करने के लिए खुले डेटासेट खोजने के लिए कागल और Google डेटासेट खोज बेहतरीन स्थान हैं।

यदि आप प्रेरणा की तलाश में हैं, तो हमारे मेड विद TensorFlow.js शो देखें और दुनिया भर के उन लोगों के एपिसोड बताएं जिन्होंने अपने अनुप्रयोगों में TensorFlow.js का उपयोग किया है।

आप सोशल मीडिया पर #MadeWithTFJS हैशटैग खोज कर समुदाय के नवीनतम योगदान भी देख सकते हैं।