Google is committed to advancing racial equity for Black communities. See how.
דף זה תורגם על ידי Cloud Translation API.
Switch to English

התמחות: יסודות TensorFlow לפיתוח JavaScript

לפני שתתחיל בחומרי הלמידה שלמטה, עליך:

  1. היה נוח עם תכנות הדפדפן באמצעות HTML ו- JavaScript

  2. הכירו את השימוש בשורת הפקודה להפעלת סקריפטים של node.js

תוכנית לימודים זו מיועדת לאנשים שרוצים:

  1. בנה דגמי ML ב- JavaScript

  2. הפעל מודלים קיימים של TensorFlow.js

  3. פרוס מודלים של ML בדפדפני אינטרנט

TensorFlow.js מאפשר לך לפתח דגמי ML ב- JavaScript ולהשתמש ב- ML ישירות בדפדפן או ב- Node.js. למידע נוסף על TensorFlow.js ומה ניתן לעשות איתו, עיין בשיחה זו ב- Google I / O.

שלב 1: מבוא מהיר ללמידת מכונה בדפדפן.

לקבלת מבוא מהיר על יסודות ה- ML ב- JavaScript, צפו בסדרת הווידיאו הזו ביוטיוב , שלוקחת אתכם מהעקרונות הראשונים, לבניית רשת עצבית לשם סיווג בסיסי.

קורסי היכרות מקוונים
תחילת העבודה עם TensorFlow.js על ידי TensorFlow

סדרה בת 3 חלקים הבוחנת הן אימונים והן ביצוע מודלים שנלמדו במכונה באמצעות TensorFlow.js, ומראה כיצד ליצור מודל למידת מכונה ב- JavaScript המבוצע ישירות בדפדפן.

חינם
שעון  

שלב 2: צלול עמוק יותר לתוך למידה עמוקה

כדי לקבל הבנה מעמיקה יותר של אופן הפעולה של רשתות עצביות, והבנה רחבה יותר כיצד ליישם אותן על בעיות שונות, הספר Deep Learning with JavaScript הוא מקום נהדר להתחיל בו. זה מלווה במספר רב של דוגמאות מ- GitHub כך שתוכלו לתרגל עבודה עם למידת מכונה ב- JavaScript.

ספר זה ידגים כיצד להשתמש במגוון רחב של ארכיטקטורות רשת עצביות, כגון רשתות עצביות קונבולוציונליות, רשתות עצביות חוזרות, ופרדיגמות הכשרה מתקדמות כגון למידת חיזוק. הוא גם מספק הסברים ברורים למה שקורה בפועל עם הרשת העצבית בתהליך ההכשרה.

קורסי היכרות מקוונים
למידה עמוקה עם JavaScript מאת שאנקינג קאי, סטנלי בילשי, אריק ד 'נילסן עם פרנסואה שולט

נכתב על ידי המחברים העיקריים של ספריית TensorFlow, ספר זה מספק מקרי שימוש מרתקים והדרכה מעמיקה ליישומי למידה עמוקה ב- JavaScript בדפדפן שלך או ב- Node.

שלב 3: תרגול עם דוגמאות באמצעות TensorFlow.js

תרגול עושה מושלם, ולהשיג ניסיון על החוויה היא הדרך הטובה ביותר לנעול את המושגים. עם הידע שלך ברשתות עצביות, תוכל לחקור ביתר קלות את הדוגמאות המקורות הפתוחים שנוצרו על ידי צוות TensorFlow. כולם זמינים ב- GitHub , כך שתוכלו להתעמק בקוד ולראות כיצד הם עובדים. כדי להתנסות במקרי שימוש נפוצים, תוכלו להתחיל לחקור רשתות עצביות קונבולוציות באמצעות דוגמת mnist , לנסות להעביר למידה באמצעות הדוגמה mnist-transfer-cnn , או לראות כיצד מובנות רשתות עצביות חוזרות עם דוגמה addition-rnn .

TensorFlow.JS
דוגמאות שנבנו באמצעות TensorFlow.js

מאגר ב- GitHub שמכיל מערך דוגמאות המיושם ב- TensorFlow.js. כל ספריה לדוגמא היא עצמאית כך שניתן להעתיק את הספרייה לפרויקט אחר.

חינם
למד עוד  
TensorFlow.JS
עיין בהדרכות שלנו כדי ללמוד כיצד להתחיל לעבוד עם TensorFlow.js

מדריכי TensorFlow כתובים כמחברות Jupyter ומופעלים ישירות ב- Google Colab - סביבת מחשב מארח שאינה דורשת התקנה. לחץ על הלחצן הפעל ב- Google Colab.

חינם
למד עוד  

שלב 4: הכינו משהו חדש!

לאחר שבדקת את הידע שלך והתאמנת עם כמה מהדוגמאות TensorFlow.js, אתה אמור להיות מוכן להתחיל לפתח פרויקטים משלך. התבונן במודלים המוכנים מראש והתחל לבנות אפליקציה. לחלופין, תוכל לאמן את המודל שלך באמצעות נתונים שאספת, או באמצעות מערכי נתונים ציבוריים. Kaggle ו- Google Search Datas הם מקומות נהדרים למצוא מערכי נתונים פתוחים לאימון המודל שלך.