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

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 có thể làm gì với nó, hãy kiểm tra nói chuyện này tại Google I / O.

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

Để có được một giới thiệu nhanh về cơ bản cho ML trong JavaScript, xem loạt video này trên YouTube , trong đó sẽ đưa bạn từ nguyên tắc đầu tiên để xây dựng một mạng lưới thần kinh để làm 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.

Miễn phí
Đồng hồ  

Bước 2: Tìm hiểu sâu hơn về Học sâu

Để có được một sự hiểu biết sâu sắc hơn về mạng lưới hoạt động như thế nào thần kinh, và một sự hiểu biết rộng hơn về làm thế nào để áp dụng chúng vào các vấn đề khác nhau, cuốn sách sâu Learning 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 của mạng thần kinh, bạn có thể dễ dàng hơn khám phá những sourced mở ví dụ tạo ra bởi đội TensorFlow. Họ là tất cả có sẵn trên GitHub , vì vậy bạn có thể đi sâu vào các mã và xem cách họ làm việc. Để thử nghiệm với trường hợp sử dụng thông thường, bạn có thể bắt đầu khám phá các mạng lưới thần kinh xoắn bằng cách sử dụng ví dụ mnist , hãy thử chuyển học bằng cách sử dụng mnist-chuyển giao-cnn chẳng hạn, hoặc xem làm thế nào tái phát các mạng thần kinh được cấu trúc với các ví dụ Ngoài-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 chúng tôi mô hình pretrained , 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 Tìm kiếm là nơi tuyệt vời để tìm tập hợp dữ liệu mở để huấn luyện các mô hình của bạn.