介绍
@tensorflow/tfjs 是 TensorFlow 的 JavaScript 版本，它提供了一套完整的机器学习算法和工具箱，可以在浏览器和 Node.js 环境中使用。本文将介绍如何使用它来构建前端机器学习应用。
环境要求
- Node.js 8.0 及以上版本
- 一个现代的浏览器（推荐使用 Chrome）
安装
在命令行中运行以下命令来安装@tensorflow/tfjs:
npm install @tensorflow/tfjs
简单使用
加载模型
首先，我们需要加载一个预训练的模型，如以下代码所示：
import * as tf from '@tensorflow/tfjs';
const model = await tf.loadLayersModel('path/to/model.json');这里，我们使用 loadLayersModel 方法来加载一个 TensorFlow.js 模型。传递给它一个指向模型结构的 JSON 文件的路径。在加载模型之前，需要先安装 @tensorflow/tfjs-node 库。
数据预处理
接下来，我们需要将输入数据与模型期望的输入形状进行匹配。例如，如果模型期望输入张量为形状 (height, width, channel)，而我们将一个 28×28 的灰度图像作为输入数据，则需要将其重新塑造为形状 (28, 28, 1)。这可以通过以下代码完成：
const image = /* 28x28 grayscale image as a 1D array of floats */; const input = tf.tensor4d(image, [1, 28, 28, 1]);
推理
最后一步是对输入数据进行推理，如以下代码所示：
const output = model.predict(input); const prediction = output.dataSync();
其中，model.predict 方法将输入数据传递给模型，并返回输出张量。在本例中，我们假设模型产生单个浮点数值作为输出，因此我们可以使用 dataSync 方法将输出张量转换为 JavaScript 数组。
示例
现在，我们将深入探讨一个著名的前端机器学习示例 - 手写数字识别，让您更加深入了解如何使用 TensorFlow.js 来构建完整的前端机器学习应用程序。
数据集
我们将使用 CIFAR-10 数据集。这是一个用于机器学习研究的图像分类数据集，其中包含来自 10 个不同类别的 60000 张 32x32 彩色图像。
我们可以使用 node-cifar10 包来加载并处理 CIFAR-10 数据集。
-- -------------------- ---- -------
----- ----- - ------------------------
----- -- - ----------------------------
----- ----------- - ----- -- -- -
----- - ----------- - - ----- ---------------------------- ------
----- - ---------- - - ----- --------------------------- ------
----- ----------- --------- - ------------- ---------------------- -- -
----- ------ - ------------ -- ---------
----- -- - --------------------- -- ----------------------------------
----- -- - ----------------------------- --------- ----
------ - --- -- --
---
------ - ---------- -------- --
--此处我们从 node-cifar10 包中加载图像，然后将它们转化为 TensorFlow.js 所需的张量：
xs张量包含所有的图像数据ys张量包含对应的标签
创建模型
我们将使用一个简单的卷积神经网络 (CNN) 来处理 CIFAR-10 数据集。以下是一个示例：
-- -------------------- ---- -------
----- ----------- - ------------ -- -
----- ----- - ----------------
----------------------------
----------- ---- --- ---
----------- --
-------- ---
----------- ------
----
---------------------------------- --------- -- -------- - ----
-------------------------------
---------------------------
------ ---
----------- ------
----
---------------------------
------ -----------
----------- ---------
----
------ ------
-这是一个简单的 CNN，其中包含一组 3×3 的滤波器，最大池化层和两个全连接层。我们选择 softmax 激活函数作为最后一层的激活函数，适用于分类任务。
训练模型
现在，我们需要使用训练数据集训练我们的模型，使用测试集对模型进行验证。
-- -------------------- ---- -------
----- ---------- - ----- ----------- --------- -- -
----- ---------- - ---
----- ------ - ---
----- --------- - ----
----- ----- - ------------------------
---------------
---------- ----------------
----- --------------------------
-------- ------------
---
----- - --- ------- --- ------ - - ----------
----- - --- ------ --- ----- - - ---------
----- ----------------- ------- -
-------
----------
--------------- ------- -------
-------- ----
---
----- ------ - --------------------- ------ - --------- ---
--------------------
------ ------
--在此代码中，我们使用了 fit 方法对 CNN 进行训练，使用 evaluate 方法对 CNN 进行评估。
评估模型
评估训练后的模型并使用测试数据集上训练的模型进行预测。
-- -------------------- ---- -------
----- ------------- - ----- ------- --------- -- -
----- - --- ------ --- ----- - - ---------
----- ----------- - ---------------------
----- ----- - ---------------------------------------
----- ----- - ---------------------------------------------
------ - ------ ----- --
-在此代码中，我们使用 argMax 方法找到最可能属于每个类的类别并将其转换为 JavaScript 数组。最后，我们可以使用这些数组计算模型的准确性。
结论
@tensorflow/tfjs 是一个非常强大的 JavaScript 库，提供了一套完整的机器学习算法和工具箱，可以直接在浏览器和 Node.js 环境中使用。在本文中，我们介绍了如何使用@tensorflow/tfjs 来构建前端机器学习应用程序，包括模型加载、数据预处理、模型推理以及构建一个手写数字识别实例。希望您现在对 TensorFlow.js 有更深入的了解。
来源：JavaScript中文网 ，转载请注明来源 https://www.javascriptcn.com/post/tensorflow-tfjs