TensorFlow لتطوير JavaScript
قبل البدء في المواد التعليمية أدناه ، يجب عليك:
كن مرتاحًا مع برمجة المتصفح باستخدام HTML و CSS و JavaScript
كن على دراية باستخدام سطر الأوامر لتشغيل البرامج النصية Node.js
هذا المنهج مخصص للأشخاص الذين يرغبون في:
بناء نماذج ML في JavaScript
قم بتشغيل النماذج الموجودة في أي مكان يمكن تشغيل Javascript فيه
انشر نماذج ML على متصفحات الويب
يتيح لك TensorFlow.js تطوير أو تنفيذ نماذج ML في JavaScript ، واستخدام ML مباشرة في جانب عميل المتصفح ، وجانب الخادم عبر Node.js ، والجوال الأصلي عبر React Native ، وسطح المكتب الأصلي عبر Electron ، وحتى على أجهزة إنترنت الأشياء عبر Node.js على Raspberry Pi. لمعرفة المزيد حول TensorFlow.js وما يمكن فعله به ، تحقق من هذا الحديث في Google I / O.
الخطوة 1: تعرف على التعلم الآلي في المتصفح
للحصول على مقدمة سريعة حول أساسيات ML في JavaScript ، خذ الدورة التدريبية الذاتية على Edx أو شاهد مقاطع الفيديو أدناه التي تنقلك من المبادئ الأولى ، إلى استخدام النماذج المعدة مسبقًا ، وحتى بناء الشبكة العصبية الخاصة بك من أجل التصنيف. يمكنك أيضًا تجربة إنشاء كاميرا ويب ذكية في JavaScript Codelab للحصول على جولة تفاعلية لهذه المفاهيم.
هذه المقدمة عالية المستوى للتعلم الآلي في JavaScript مخصصة لمطوري الويب الذين يتطلعون إلى اتخاذ خطواتهم الأولى باستخدام TensorFlow.js.
انتقل من الصفر إلى البطل باستخدام ML على الويب باستخدام TensorFlow.js. تعرف على كيفية إنشاء تطبيقات ويب من الجيل التالي يمكنها تشغيل جانب العميل واستخدامها على أي جهاز تقريبًا.
تعرف على كيفية تحميل واستخدام أحد نماذج TensorFlow.js المدربة مسبقًا (COCO-SSD) واستخدمه للتعرف على الكائنات الشائعة التي تم التدريب عليها.
الخطوة 2: التعمق في التعلم العميق
للحصول على فهم أعمق لكيفية عمل الشبكات العصبية ، وفهم أوسع لكيفية تطبيقها على مشاكل مختلفة ، لدينا كتابان متاحان.
يعد تعلم TensorFlow.js مكانًا رائعًا للبدء إذا كنت جديدًا على Tensors و Machine Learning بشكل عام ولكن لديك فهم جيد لجافا سكريبت. يأخذك هذا الكتاب على طول الطريق من الأساسيات مثل فهم كيفية معالجة البيانات في Tensors ، للتقدم بسرعة إلى تطبيقات العالم الحقيقي. بعد القراءة ، ستفهم كيفية تحميل النماذج الحالية ، وتمرير البيانات إليها ، وتفسير البيانات التي تظهر.
يعد التعلم العميق باستخدام JavaScript أيضًا مكانًا رائعًا للبدء. وهو مصحوب بعدد كبير من الأمثلة من GitHub حتى تتمكن من ممارسة العمل مع التعلم الآلي في JavaScript.
سيوضح هذا الكتاب كيفية استخدام مجموعة متنوعة من بنى الشبكات العصبية ، مثل الشبكات العصبية التلافيفية ، والشبكات العصبية المتكررة ، ونماذج التدريب المتقدمة مثل التعلم المعزز. كما يقدم تفسيرات واضحة لما يحدث بالفعل مع الشبكة العصبية في عملية التدريب.
نهج عملي شامل لأساسيات TensorFlow.js لجمهور تقني عريض. بمجرد الانتهاء من هذا الكتاب ، ستعرف كيفية إنشاء ونشر أنظمة التعلم العميق الجاهزة للإنتاج باستخدام TensorFlow.js.
يقدم هذا الكتاب ، الذي كتبه المؤلفون الرئيسيون لمكتبة TensorFlow ، حالات استخدام رائعة وتعليمات متعمقة لتطبيقات التعلم العميق في JavaScript في متصفحك أو على Node.
الخطوة 3: تدرب على الأمثلة باستخدام TensorFlow.js
الممارسة تجعلها مثالية ، والحصول على الخبرة هو أفضل طريقة لتأمين المفاهيم. تحقق من TensorFlow.js codelabs لتعزيز معرفتك بهذه الأدلة خطوة بخطوة لحالات الاستخدام الشائعة:
التعرف على الأرقام المكتوبة بخط اليد باستخدام الشبكات العصبية التلافيفية
أعد تدريب نموذج الكشف عن التعليقات غير المرغوب فيها للتعامل مع حالات الحافة المخصصة
بفضل معرفتك بالشبكات العصبية ، يمكنك بسهولة استكشاف الأمثلة مفتوحة المصدر التي أنشأها فريق TensorFlow. كلها متوفرة على GitHub ، لذا يمكنك الخوض في الكود ومعرفة كيفية عملها.
مستودع على GitHub يحتوي على مجموعة من الأمثلة المنفذة في TensorFlow.js. كل مثال دليل مستقل بحيث يمكن نسخ الدليل إلى مشروع آخر.
تمت كتابة برامج TensorFlow التعليمية على هيئة دفاتر Jupyter ويتم تشغيلها مباشرةً في Google Colab - وهي بيئة دفتر ملاحظات مستضافة لا تتطلب أي إعداد. انقر فوق الزر تشغيل في Google Colab.
الخطوة 4: اصنع شيئًا جديدًا!
بمجرد اختبار معرفتك ، وممارسة بعض أمثلة TensorFlow.js ، يجب أن تكون مستعدًا لبدء تطوير مشاريعك الخاصة. ألق نظرة على نماذجنا التي تم اختبارها مسبقًا وابدأ في إنشاء تطبيق في غضون دقائق. أو يمكنك تدريب النموذج الخاص بك باستخدام البيانات التي جمعتها ، أو باستخدام مجموعات البيانات العامة. يعد Kaggle و Google Dataset Search أماكن رائعة للعثور على مجموعات بيانات مفتوحة لتدريب نموذجك.
إذا كنت تبحث عن الإلهام ، فراجع عرض Made With TensorFlow.js الخاص بنا وأخبر الحلقات من الأشخاص في جميع أنحاء العالم الذين استخدموا TensorFlow.js في تطبيقاتهم.
يمكنك أيضًا الاطلاع على أحدث المساهمات من المجتمع من خلال البحث عن علامة التصنيف #MadeWithTFJS على وسائل التواصل الاجتماعي.