Save the date! Google I/O returns May 18-20 Register now
Trang này được dịch bởi Cloud Translation API.
Switch to English

Chuyên môn: Kiến thức cơ bản về TensorFlow để phát triển JavaScript

Trước khi bắt đầu với các tài liệu học tập dưới đây, bạn nên:

  1. Thoải mái với việc lập trình trình duyệt bằng HTML và JavaScript

  2. Làm quen với việc sử dụng dòng lệnh để chạy các tập lệnh node.js

Chương trình học này dành cho những người muốn:

  1. Xây dựng mô hình ML trong JavaScript

  2. Chạy các mô hình TensorFlow.js hiện có

  3. Triển khai các mô hình ML cho các trình duyệt web

TensorFlow.js cho phép bạn phát triển các mô hình ML trong JavaScript và sử dụng ML trực tiếp trong trình duyệt hoặc trên Node.js. Để tìm hiểu thêm về TensorFlow.js và những gì có thể làm với nó, hãy xem bài nói chuyện này tại Google I / O.

Bước 1: Giới thiệu nhanh về học máy trong trình duyệt.

Để được giới thiệu nhanh về kiến ​​thức cơ bản về ML trong JavaScript, hãy xem loạt video này trên YouTube , video này sẽ đưa bạn từ các nguyên tắc đầu tiên, xây dựng mạng nơ-ron để phân loại cơ bản.

Các khóa học trực tuyến giới thiệu
Bắt đầu với TensorFlow.js bởi TensorFlow

Loạt bài gồm 3 phần khám phá cả đào tạo và thực thi các mô hình máy học với TensorFlow.js, đồng thời hướng dẫn bạn cách tạo mô hình máy học trong JavaScript thực thi trực tiếp trong trình duyệt.

Bước 2: Tìm hiểu sâu hơn về Học sâu

Để hiểu sâu hơn về cách mạng thần kinh hoạt động và hiểu rộng hơn về cách áp dụng chúng vào các vấn đề khác nhau, cuốn sách Học sâu với JavaScript là một nơi tuyệt vời để bắt đầu. Nó đi kèm với một số lượng lớn các ví dụ từ GitHub để bạn có thể thực hành làm việc với học máy trong JavaScript.

Cuốn sách này sẽ trình bày cách sử dụng nhiều loại kiến ​​trúc mạng nơ-ron, chẳng hạn như Mạng thần kinh chuyển đổi, Mạng thần kinh tái diễn và các mô hình đào tạo nâng cao như học tăng cường. Nó cũng cung cấp những lời giải thích rõ ràng về những gì đang thực sự xảy ra với mạng nơ-ron trong quá trình đào tạo.

Các khóa học trực tuyến giới thiệu
Học sâu với JavaScript của Shanqing Cai, Stanley Bileschi, Eric D. Nielsen với Francois Chollet

Được viết bởi các tác giả chính của thư viện TensorFlow, cuốn sách này cung cấp các trường hợp sử dụng hấp dẫn và hướng dẫn chuyên sâu cho các ứng dụng học sâu bằng JavaScript trong trình duyệt của bạn hoặc trên Node.

Bước 3: Thực hành với các ví dụ bằng TensorFlow.js

Thực hành tạo nên sự hoàn hảo và nắm bắt kinh nghiệm là cách tốt nhất để nắm bắt các khái niệm. Với kiến ​​thức của bạn về mạng nơ-ron, bạn có thể dễ dàng khám phá các ví dụ nguồn mở do nhóm TensorFlow tạo ra. Tất cả chúng đều có sẵn trên GitHub , vì vậy bạn có thể đi sâu vào mã và xem chúng hoạt động như thế nào. Để thử nghiệm với các trường hợp sử dụng phổ biến, bạn có thể bắt đầu khám phá mạng nơ-ron tích tụ bằng cách sử dụng ví dụ mnist , thử học chuyển bằng cách sử dụng ví dụ mnist-transfer-cnn hoặc xem cách mạng nơ-ron lặp lại được cấu trúc với ví dụ add-rnn .

TensorFlow.JS
Các ví dụ được xây dựng bằng TensorFlow.js

Một kho lưu trữ trên GitHub chứa một tập hợp các ví dụ được triển khai trong TensorFlow.js. Mỗi thư mục ví dụ là độc lập nên thư mục có thể được sao chép sang một dự án khác.

Miễn phí
Tìm hiểu thêm  
TensorFlow.JS
Khám phá các hướng dẫn của chúng tôi để tìm hiểu cách bắt đầu với TensorFlow.js

Các hướng dẫn của TensorFlow được viết dưới dạng sổ ghi chép Jupyter và chạy trực tiếp trong Google Colab — một môi trường sổ ghi chép được lưu trữ không yêu cầu thiết lập. Nhấp vào nút Chạy trong Google Colab.

Miễn phí
Tìm hiểu thêm  

Bước 4: Tạo một cái gì đó mới!

Khi bạn đã kiểm tra kiến ​​thức của mình và thực hành với một số ví dụ TensorFlow.js, bạn nên sẵn sàng để bắt đầu phát triển các dự án của riêng mình. Hãy xem các mô hình được đào tạo trước của chúng tôi và bắt đầu xây dựng một ứng dụng. Hoặc bạn có thể đào tạo mô hình của riêng mình bằng cách sử dụng dữ liệu bạn đã thu thập hoặc bằng cách sử dụng bộ dữ liệu công khai. KaggleGoogle Dataset Search là những nơi tuyệt vời để tìm các tập dữ liệu mở để đào tạo mô hình của bạn.