机器学习 (ml) 迅速改变了软件开发的世界。直到最近，得益于 tensorflow 和 pytorch 等库，python 仍是 ml 领域的主导语言。但随着 tensorflow.js 的兴起，javascript 开发人员现在可以深入令人兴奋的机器学习世界，使用熟悉的语法直接在浏览器或 node.js 上构建和训练模型。
在这篇博文中，我们将探索如何开始使用 javascript 进行机器学习。我们将演练使用 tensorflow.js.
构建和训练简单模型的示例
为什么选择 tensorflow.js？
tensorflow.js 是一个开源库，可让您完全用 javascript 定义、训练和运行机器学习模型。它既可以在浏览器中运行，也可以在 node.js 上运行，这使得它对于各种 ml 应用程序具有难以置信的多功能性。
以下是 tensorflow.js 令人兴奋的几个原因：
立即学习“Java免费学习笔记（深入）”；
实时训练：您可以直接在浏览器中运行模型，提供实时交互。跨平台：相同的代码可以在服务器和客户端环境上运行。硬件加速：它使用webgl进行gpu加速，从而加快计算速度。
让我们看看如何开始！
1. 设置 tensorflow.js
在深入研究代码之前，您需要安装tensorflow.js。您可以通过 标签或 npm 将其包含在您的项目中，具体取决于您的环境。
浏览器设置
要在浏览器中使用 tensorflow.js，只需在 html 文件中包含以下 标签即可：
node.js 设置
对于 node.js 环境，您可以使用 npm 安装它：
npm install @tensorflow/tfjs
2. 构建简单的神经网络模型
让我们创建一个简单的神经网络来预测基本线性函数 y = 2x – 1 的输出。我们将使用 tensorflow.js 来创建和训练该模型。
第 1 步：定义模型
我们首先定义一个具有一个密集层的顺序模型（线性堆栈）：
// import tensorflow.jsimport * as tf from '@tensorflow/tfjs';// create a simple sequential modelconst model = tf.sequential();// add a single dense layer with 1 unit (neuron)model.add(tf.layers.dense({units: 1, inputshape: [1]}));
在这里，我们创建了一个具有一层致密层的模型。该层有一个神经元（单位：1），并且需要一个输入特征（inputshape：[1]）。
第 2 步：编译模型
接下来，我们通过指定优化器和损失函数来编译模型：
// compile the modelmodel.compile({ optimizer: 'sgd', // stochastic gradient descent loss: 'meansquarederror' // loss function for regression});
我们使用随机梯度下降（sgd）优化器，这对于小模型非常有效。损失函数meansquarederror适用于像这样的回归任务。
第 3 步：准备训练数据
我们现在将为函数 y = 2x – 1 创建一些训练数据。在 tensorflow.js 中，数据存储在张量（多维数组）中。以下是我们生成一些训练数据的方法：
// generate some synthetic data for trainingconst xs = tf.tensor2d([0, 1, 2, 3, 4], [5, 1]); // inputs (x values)const ys = tf.tensor2d([1, 3, 5, 7, 9], [5, 1]); // outputs (y values)
在本例中，我们创建了一个具有输入值 (0, 1, 2, 3, 4) 的张量 xs 和一个相应的输出张量 ys，其值使用 y = 2x – 1 计算得出。
第 4 步：训练模型
现在，我们可以根据我们的数据训练模型：
// train the modelmodel.fit(xs, ys, {epochs: 500}).then(() => { // once training is complete, use the model to make predictions model.predict(tf.tensor2d([5], [1, 1])).print(); // output will be close to 2*5 - 1 = 9});
在这里，我们训练模型 500 个时期（训练数据的迭代）。训练后，我们使用模型来预测输入值为 5 的输出，这应该返回一个接近 9 的值 (y = 2*5 – 1 = 9)。
3. 在浏览器中运行模型
要在浏览器中运行此模型，您需要一个包含 tensorflow.js 库和 javascript 代码的 html 文件：
TensorFlow.js Example Simple Neural Network with TensorFlow.js
并且在您的 app.js 文件中，您可以包含上面的模型构建和训练代码。
以上就是JavaScript 机器学习入门：TensorFlowjs 初学者指南的详细内容，更多请关注创想鸟其它相关文章！
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如发现本站有涉嫌抄袭侵权/违法违规的内容， 请发送邮件至 chuangxiangniao@163.com 举报，一经查实，本站将立刻删除。
发布者：程序猿，转转请注明出处：https://www.chuangxiangniao.com/p/1491751.html
微信扫一扫 
支付宝扫一扫 
