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

ความเชี่ยวชาญ: พื้นฐานของ TensorFlow สำหรับการพัฒนา JavaScript

ก่อนเริ่มสื่อการเรียนรู้ด้านล่าง คุณควร:

  1. สะดวกสบายกับการเขียนโปรแกรมเบราว์เซอร์โดยใช้ HTML & JavaScript

  2. ทำความคุ้นเคยกับการใช้บรรทัดคำสั่งเพื่อเรียกใช้สคริปต์ node.js

หลักสูตรนี้เหมาะสำหรับผู้ที่ต้องการ:

  1. สร้างโมเดล ML ใน JavaScript

  2. เรียกใช้โมเดล TensorFlow.js ที่มีอยู่

  3. ปรับใช้โมเดล ML กับเว็บเบราว์เซอร์

TensorFlow.js ให้คุณพัฒนาโมเดล ML ใน JavaScript และใช้ ML ได้โดยตรงในเบราว์เซอร์หรือบน Node.js ต้องการเรียนรู้เพิ่มเติมเกี่ยวกับ TensorFlow.js และสิ่งที่จะทำกับมันให้ตรวจสอบ การพูดคุยนี้ ที่ Google I / O

ขั้นตอนที่ 1: บทนำอย่างรวดเร็วเกี่ยวกับการเรียนรู้ของเครื่องในเบราว์เซอร์

ที่จะได้รับการแนะนำอย่างรวดเร็วบนพื้นฐานสำหรับ ML ใน JavaScript, ดู วิดีโอชุดนี้ใน YouTube ซึ่งจะนำคุณไปจากหลักการแรกที่จะสร้างเครือข่ายประสาทเทียมจะทำจำแนกขั้นพื้นฐาน

คอร์สออนไลน์เบื้องต้น
เริ่มต้นใช้งาน TensorFlow.js โดย TensorFlow

ซีรีส์ 3 ส่วนที่สำรวจทั้งการฝึกและดำเนินการโมเดลที่เรียนรู้ด้วยเครื่องด้วย TensorFlow.js และแสดงวิธีสร้างโมเดลการเรียนรู้ของเครื่องใน JavaScript ที่ดำเนินการโดยตรงในเบราว์เซอร์

ขั้นตอนที่ 2: ดำดิ่งสู่การเรียนรู้อย่างลึกซึ้ง

ที่จะได้รับความเข้าใจที่ลึกซึ้งของเครือข่ายประสาทวิธีการทำงานและความเข้าใจที่กว้างขึ้นของวิธีการที่จะนำไปใช้ในการแก้ไขปัญหาที่แตกต่างกัน, หนังสือ การเรียนรู้ลึกด้วย JavaScript เป็นสถานที่ที่ดีที่จะเริ่มต้น มีตัวอย่างมากมายจาก GitHub ให้มาด้วย คุณจึงสามารถฝึกการทำงานกับการเรียนรู้ของเครื่องใน JavaScript ได้

หนังสือเล่มนี้จะสาธิตวิธีใช้สถาปัตยกรรมโครงข่ายประสาทเทียมที่หลากหลาย เช่น Convolutional Neural Networks, Recurrent Neural Networks และกระบวนทัศน์การฝึกอบรมขั้นสูง เช่น การเรียนรู้แบบเสริมกำลัง นอกจากนี้ยังให้คำอธิบายที่ชัดเจนเกี่ยวกับสิ่งที่เกิดขึ้นจริงกับโครงข่ายประสาทเทียมในกระบวนการฝึกอบรม

คอร์สออนไลน์เบื้องต้น
การเรียนรู้เชิงลึกด้วย JavaScript โดย Shanqing Cai, Stanley Bileschi, Eric D. Nielsen กับ Francois Cholet

เขียนโดยผู้เขียนหลักของห้องสมุด TensorFlow หนังสือเล่มนี้มีกรณีการใช้งานที่น่าสนใจและคำแนะนำเชิงลึกสำหรับแอปการเรียนรู้เชิงลึกใน JavaScript ในเบราว์เซอร์ของคุณหรือบน Node

ขั้นตอนที่ 3: ฝึกฝนกับตัวอย่างโดยใช้ TensorFlow.js

การฝึกฝนทำให้สมบูรณ์แบบ และการได้สัมผัสประสบการณ์เป็นวิธีที่ดีที่สุดในการล็อกแนวคิด ด้วยความรู้ของเครือข่ายประสาทคุณได้ง่ายขึ้นสามารถสำรวจแหล่งเปิด ตัวอย่าง ที่สร้างขึ้นโดยทีม TensorFlow พวกเขาทั้งหมด ที่มีอยู่บน GitHub เพื่อให้คุณสามารถเจาะเข้าไปในรหัสและดูว่าพวกเขาทำงาน ในการทดสอบกับกรณีการใช้งานทั่วไปคุณสามารถเริ่มต้นการสำรวจเครือข่ายประสาทสับสนโดยใช้ ตัวอย่าง mnist ลองถ่ายโอนการเรียนรู้โดยใช้ mnist-Transfer-cnn เช่นหรือดูวิธีเครือข่ายประสาทกำเริบมีโครงสร้างที่มี ตัวอย่างนอกจาก-RNN

TensorFlow.JS
ตัวอย่างที่สร้างด้วย TensorFlow.js

พื้นที่เก็บข้อมูลบน GitHub ที่มีชุดตัวอย่างที่นำไปใช้ใน TensorFlow.js ไดเร็กทอรีตัวอย่างแต่ละรายการเป็นแบบสแตนด์อโลน จึงสามารถคัดลอกไดเร็กทอรีไปยังโปรเจ็กต์อื่นได้

TensorFlow.JS
สำรวจบทช่วยสอนของเราเพื่อเรียนรู้วิธีเริ่มต้นใช้งาน TensorFlow.js

บทแนะนำ TensorFlow เขียนเป็นโน้ตบุ๊ก Jupyter และทำงานโดยตรงใน Google Colab ซึ่งเป็นสภาพแวดล้อมของโน้ตบุ๊กที่โฮสต์ซึ่งไม่จำเป็นต้องตั้งค่าใดๆ คลิกปุ่มเรียกใช้ใน Google Colab

ขั้นตอนที่ 4: สร้างสิ่งใหม่!

เมื่อคุณได้ทดสอบความรู้และฝึกฝนกับตัวอย่าง TensorFlow.js แล้ว คุณควรพร้อมที่จะเริ่มพัฒนาโครงการของคุณเอง ลองดูที่ของเรา รุ่น pretrained และเริ่มต้นสร้างแอป หรือคุณสามารถฝึกโมเดลของคุณเองโดยใช้ข้อมูลที่คุณได้รวบรวมไว้ หรือโดยใช้ชุดข้อมูลสาธารณะ Kaggle และ Google ค้นหาชุดข้อมูล เป็นสถานที่ที่ดีที่จะหาชุดข้อมูลที่เปิดให้บริการสำหรับการฝึกอบรมรูปแบบของคุณ