Google is committed to advancing racial equity for Black communities. See how.

TensorFlow для разработки на JavaScript

Перед тем, как приступить к изучению приведенных ниже учебных материалов, вам следует:

  1. Уметь программировать в браузере с использованием HTML, CSS и JavaScript.

  2. Ознакомьтесь с использованием командной строки для запуска сценариев Node.js.

Эта программа предназначена для людей, которые хотят:

  1. Создавайте модели машинного обучения на JavaScript

  2. Запускать существующие модели везде, где может работать Javascript

  3. Развертывание моделей машинного обучения в веб-браузерах

TensorFlow.js позволяет разрабатывать или выполнять модели машинного обучения на JavaScript и использовать машинное обучение непосредственно на стороне клиента браузера, на стороне сервера через Node.js, на мобильной платформе через React Native, на рабочем столе через Electron и даже на устройствах Интернета вещей через Node.js на Raspberry Pi. Чтобы узнать о более TensorFlow.js, и что можно сделать с ним, проверить этот разговор на Google I / O.

Шаг 1. Знакомство с машинным обучением в браузере

Чтобы быстро получить представление об основах машинного обучения в JavaScript, посмотрите приведенные ниже видео, в которых вы узнаете от первых принципов до использования существующих готовых моделей и даже создания собственной нейронной сети для классификации. Вы также можете попробовать сделать смарт - камеру в JavaScript Codelab для интерактивных пошагового этих понятий.

Сверхспособности для веб-приложений следующего поколения: машинное обучение

Это краткое введение в машинное обучение на JavaScript предназначено для веб-разработчиков, которые хотят сделать свои первые шаги с TensorFlow.js.

Бесплатно
Видео матча  
Начало работы с TensorFlow.js от TensorFlow

Серия из трех частей, в которой рассматриваются как обучение, так и выполнение моделей машинного обучения с помощью TensorFlow.js, а также показано, как создать модель машинного обучения на JavaScript, которая выполняется непосредственно в браузере.

Создайте умную веб-камеру на JavaScript с помощью предварительно обученной модели

Узнайте, как загрузить и использовать одну из предварительно обученных моделей TensorFlow.js (COCO-SSD) и использовать ее для распознавания общих объектов, на которых она была обучена.

Бесплатно
См. Codelab  

Шаг 2. Погрузитесь глубже в глубокое обучение

Для более глубокого понимания того, как работают нейронные сети, и более широкого понимания того, как их применять для решения различных задач, у нас есть две книги.

Обучение TensorFlow.js является прекрасным местом для начала , если вы новичок в тензоры и машинное обучение в целом , но есть хорошее понимание JavaScript. В этой книге вы пройдете весь путь от основ, таких как понимание того, как преобразовывать данные в тензоры, до быстрого перехода к приложениям реального мира. После прочтения вы поймете, как загружать существующие модели, передавать им данные и интерпретировать полученные данные.

Глубокое изучение с JavaScript также является отличным местом для начала. Он сопровождается большим количеством примеров с GitHub, чтобы вы могли попрактиковаться в работе с машинным обучением на JavaScript.

В этой книге будет продемонстрировано, как использовать широкий спектр архитектур нейронных сетей, таких как сверточные нейронные сети, рекуррентные нейронные сети, и парадигмы продвинутого обучения, такие как обучение с подкреплением. Он также дает четкие объяснения того, что на самом деле происходит с нейронной сетью в процессе обучения.

Изучение TensorFlow.js
Гант Лаборде

Практический сквозной подход к основам TensorFlow.js для широкой технической аудитории. Прочитав эту книгу, вы узнаете, как создавать и развертывать готовые к работе системы глубокого обучения с помощью TensorFlow.js.

Глубокое обучение с помощью JavaScript
Шанцин Цай, Стэнли Билески, Эрик Д. Нильсен и Франсуа Шоле

Написанная основными авторами библиотеки TensorFlow, эта книга предоставляет увлекательные примеры использования и подробные инструкции для приложений глубокого обучения на JavaScript в вашем браузере или на Node.

Шаг 3. Практикуйтесь с примерами с использованием TensorFlow.js

Практика ведет к совершенству, а получение опыта - лучший способ закрепить концепции. Проверьте TensorFlow.js codelabs для дальнейшего свои знания с этим шаг за шагом руководства для общих случаев использования:

  1. Сделайте свою собственную «обучаемую машину» из чистого холста.

  2. Распознавание рукописных цифр с помощью сверточных нейронных сетей

  3. Делайте прогнозы на основе 2D-данных

  4. Преобразование Python SavedModel в формат TensorFlow.js

  5. Используйте Firebase для развертывания и размещения модели TensorFlow.js

  6. Создайте систему обнаружения спама в комментариях

  7. Измените модель обнаружения спама в комментариях для обработки нестандартных крайних случаев

  8. Распознавание звука с использованием трансферного обучения

С вашими знаниями нейронных сетей, вы можете легко изучить с открытым исходным кодом примеров , созданных командой TensorFlow. Все они доступны на GitHub , так что вы можете углубиться в код и посмотреть , как они работают.

Примеры, созданные с помощью TensorFlow.js

Репозиторий на GitHub, содержащий набор примеров, реализованных в TensorFlow.js. Каждый пример каталога является автономным, поэтому каталог можно скопировать в другой проект.

Бесплатно
Учить больше  
Изучите наши руководства, чтобы узнать, как начать работу с TensorFlow.js

Учебники TensorFlow написаны в виде записных книжек Jupyter и запускаются непосредственно в Google Colab - размещенной среде записных книжек, не требующей настройки. Нажмите кнопку «Выполнить в Google Colab».

Бесплатно
Учить больше  

Шаг 4: Сделайте что-нибудь новое!

После того, как вы проверили свои знания и попрактиковались с некоторыми примерами TensorFlow.js, вы должны быть готовы приступить к разработке собственных проектов. Посмотрите на наших pretrained моделей , и начать строить приложение в течение нескольких минут. Или вы можете обучить свою собственную модель, используя собранные вами данные или используя общедоступные наборы данных. Kaggle и Google Dataset Поиск большие места , чтобы найти открытые наборы данных для обучения модели.

Если вы ищете вдохновение, проверить наши Сделана с TensorFlow.js показывать и рассказывать эпизоды из людей во всем мире , которые использовали TensorFlow.js в своих приложениях.

Вы также можете увидеть последние вклады от сообщества, ища #MadeWithTFJS хэштегом на социальных медиа.