Google致力於提高黑人社區的種族平等。 怎麼看。

專業認證:TensorFlow 的 JavaScript 開發基本知識

開始使用下方的學習教材之前,請先完成下列事項:

  1. 熟悉使用 HTML 和 JavaScript 進行瀏覽器程式設計

  2. 熟悉使用指令列執行 node.js 指令碼

如果你想達成下列目標,就很適合參加本課程:

  1. 使用 JavaScript 建構機器學習模型

  2. 執行現有 TensorFlow.js 模型

  3. 將機器學習模型部署到網路瀏覽器

TensorFlow.js 可讓你以 JavaScript 開發機器學習模型,並直接在瀏覽器或 Node.js 上使用機器學習。想進一步瞭解 TensorFlow.js 與其用途,請參考 Google I/O 大會的這場演講

步驟 1:瀏覽器中的機器學習簡介。

想快速瞭解 JavaScript 機器學習的基本知識,請觀看此 YouTube 影片系列,先認識基本原理,再學習如何打造能進行基本分類的類神經網路。

入門線上課程
開始使用 TensorFlow 的 TensorFlow.js

本系列包含 3 個部分,除了探討如何透過 TensorFlow.js 訓練及執行機器學習模型,也說明如何使用 JavaScript 建立可直接在瀏覽器中執行的機器學習模型。

免費
觀看  

步驟 2:深入研究深度學習

想更深入地瞭解類神經網路的運作方式、更廣泛地瞭解如何將其應用於不同問題上,《Deep Learning with JavaScript》這本書是很棒的入門磚。本書隨附大量 GitHub 範例,可讓你練習以 JavaScript 進行機器學習。

書中將示範如何使用各種類神經網路架構,例如卷積類神經網路、循環類神經網路,以及強化學習等進階訓練範例。本書也清楚解釋了類神經網路在訓練過程中的實際情況。

入門線上課程
《Deep Learning with JavaScript》,作者:Shanqing Cai、Stanley Bileschi、Eric D. Nielsen 和 Francois Chollet

本書是由 TensorFlow 程式庫的主要作者所著,針對在瀏覽器或節點上以 JavaScript 進行深度學習的應用程式,提供有趣的使用案例和深入的操作說明。

步驟 3:使用 TensorFlow.js 練習範例

俗話說:「熟能生巧」,想將知識內化,最好的方法就是實際操作、累積經驗。瞭解類神經網路後,你可以更輕鬆地探索 TensorFlow 團隊建立的開放原始碼範例。這些範例都可以在 GitHub 上找到,你可以深入研究程式碼並瞭解其運作方式。為了針對常見用途進行實驗,你可以開始使用 mnist 範例探索卷積類神經網路、嘗試使用 mnist-transfer-cnn 範例進行遷移學習,或瞭解 addition-rnn 範例是如何構成循環類神經網路。

TensorFlow.js
使用 TensorFlow.js 打造的範例

這是 GitHub 的存放區,內含一組以 TensorFlow.js 實作的範例。每個範例目錄各自獨立,因此能夠個別複製到另一個專案中。

TensorFlow.js
探索我們的教學課程,瞭解如何開始使用 TensorFlow.js

TensorFlow 教學課程是以 Jupyter 筆記本的形式編寫,可直接在 Google Colab (無需進行任何設定的代管筆記本環境) 中執行。請按一下 [Run in Google Colab] 按鈕。

步驟 4:變出新玩意!

測試完所學並練習過一些 TensorFlow.js 範例後,你應該就可以開始開發自己的專案了。請參考我們的預先訓練模型,然後開始打造應用程式。或者,你也可以使用自己收集的資料或公用資料集來訓練模型。KaggleGoogle 資料集搜尋這兩個好地方都可以尋找用於訓練模型的開放式資料集。