TensorFlow.js-Lernprogramm
Was ist TensorFlow.js?
Eine beliebte JavaScript- Bibliothek für maschinelles Lernen .
Lassen Sie uns maschinelle Lernmodelle im Browser trainieren und bereitstellen .
Ermöglicht das Hinzufügen von Funktionen für maschinelles Lernen zu jeder Webanwendung .
Mit TensorFlow
Um TensorFlow.js zu verwenden, fügen Sie das folgende Skript-Tag zu Ihrer/Ihren HTML-Datei(en) hinzu:
Beispiel
<script src="https://cdn.jsdelivr.net/npm/@tensorflow/[email protected]/dist/tf.min.js"></script>
Um sicherzustellen, dass Sie immer die neueste Version verwenden, verwenden Sie Folgendes:
Beispiel 2
<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs"></script>
TensorFlow wurde vom Google Brain Team für den internen Google-Gebrauch entwickelt, aber 2015 als offene Software veröffentlicht.
Im Januar 2019 veröffentlichten die Google-Entwickler TensorFlow.js, die JavaScript-Implementierung von TensorFlow.
Tensorflow.js wurde entwickelt, um dieselben Funktionen wie die ursprüngliche in Python geschriebene TensorFlow-Bibliothek bereitzustellen.
Tensoren
TensorFlow.js ist eine JavaScript - Bibliothek zum Definieren und Ausführen von Tensors .
Ein Tensor ist ähnlich wie ein mehrdimensionales Array.
Ein Tensor enthält numerische Werte in einer (ein- oder mehr-)dimensionalen Form.
Ein Tensor hat die folgenden Haupteigenschaften:
| Eigentum | Beschreibung |
|---|---|
| dtyp | Der Datentyp |
| Rang | Die Anzahl der Dimensionen |
| Form | Die Größe jeder Dimension |
Erstellen eines Tensors
Ein Tensor kann aus jedem N-dimensionalen Array erstellt werden :
Beispiel 1
const tensorA = tf.tensor([[1, 2], [3, 4]]);
Beispiel 2
const tensorA = tf.tensor([[1, 2], [3, 4], [5, 6]]);
Tensorform
Ein Tensor kann auch aus einem Array und einem Formparameter erstellt werden:
Beispiel 1
const shape = [2, 2];
const tensorA = tf.tensor([1, 2, 3, 4], shape);
Beispiel2
const tensorA = tf.tensor([1, 2, 3, 4], [2, 2]);
Beispiel3
const tensorA = tf.tensor([[1, 2], [3, 4]], [2, 2]);
Tensor-Datentypen
Ein Tensor kann die folgenden Datentypen haben:
- bool
- int32
- float32 (Standard)
- komplex64
- Schnur
Wenn Sie einen Tensor erstellen, können Sie den Datentyp als dritten Parameter angeben:
Beispiel
const tensorA = tf.tensor([1, 2, 3, 4], [2, 2], "int32");
/*
Results:
tensorA.rank = 2
tensorA.shape = 2,2
tensorA.dtype = int32
*/
Abrufen von Tensorwerten
Sie können die Daten hinter einem Tensor mit tensor.data() abrufen :
Beispiel
const tensorA = tf.tensor([[1, 2], [3, 4]]);
tensorA.data().then(data => display(data));
// Result: 1,2,3,4
function display(data) {
document.getElementById("demo").innerHTML = data;
}
Sie können das Array hinter einem Tensor mit tensor.array() erhalten :
Beispiel
const tensorA = tf.tensor([[1, 2], [3, 4]]);
tensorA.array().then(array => display(array[0]));
// Result: 1,2
function display(data) {
document.getElementById("demo").innerHTML = data;
}