TensorFlow 模型


TesorFlow.js

一个 JavaScript 库

训练和部署
机器学习模型
在浏览器中


Tensorflow 模型

模型机器学习的重要组成部分。

对于不同的机器学习任务,您必须将不同类型的层组合成一个模型,该模型可以使用数据进行训练以预测未来值。

TensorFlow.js 支持不同类型的 Models 和不同类型的 Layers。

TensorFlow 模型是具有一个或多个神经网络


一个 TensorFlow 项目

Tensorflow 项目具有以下典型工作流程:

  • 收集数据
  • 创建模型
  • 向模型添加层
  • 编译模型
  • 训练模型
  • 使用模型

示例

假设你知道一个定义了一条直线的函数:

Y = 1.2X + 5

然后您可以使用 JavaScript 公式计算任何 y 值:

y = 1.2 * x + 5;

为了演示 Tensorflow.js,我们可以训练一个 Tensorflow.js 模型来根据 X 输入预测 Y 值。

TensorFlow 模型不知道函数。

// 创建训练数据
const xs = tf.tensor([0, 1, 2, 3, 4]);
const ys = xs.mul(1.2).add(5);

// 定义线性回归模型
const model = tf.sequential();
model.add(tf.layers.dense({units:1, inputShape:[1]}));

// 指定损失和优化器
model.compile({loss:'meanSquaredError', optimizer:'sgd'});

// 训练模型
model.fit(xs, ys, {epochs:500}).then(() => {myFunction()});

// 使用模型
function myFunction() {
  const xArr = [];
  const yArr = [];
  for (let x = 0; x <= 10; x++) {
    xArr.push(x);
    let result = model.predict(tf.tensor([Number(x)]));
    result.data().then(y => {
      yArr.push(Number(y));
      if (x == 10) {plot(xArr, yArr)};
    });
  }
}

亲自试一试 »

示例说明如下:



收集数据

创建一个具有 5 个 x 值的张量 (xs):

const xs = tf.tensor([0, 1, 2, 3, 4]);

创建一个具有 5 个正确 y 答案的张量 (ys)(将 xs 乘以 1.2 并加 5):

const ys = xs.mul(1.2).add(5);

创建模型

创建顺序模式:

const model = tf.sequential();

在顺序模型中,一层的输出是下一层的输入。


添加层

向模型添加一个密集层。

层只有一个单位(张量),形状为1(一维):

model.add(tf.layers.dense({units:1, inputShape:[1]}));

在密集层中,每个节点都连接到前一层中的每个节点。


编译模型

使用 meanSquaredError 作为损失函数和 sgd(随机梯度下降)作为优化函数编译模型:

model.compile({loss:'meanSquaredError', optimizer:'sgd'});

Tensorflow 优化器

  • Adadelta - 实现 Adadelta 算法。
  • Adagrad - 实现 Adagrad 算法。
  • Adam - 实现 Adam 算法。
  • Adamax - 实现 Adamax 算法。
  • FTRL - 实现 FTRL 算法。
  • Nadam - 实现 NAdam 算法。
  • Optimizer - Keras 优化器的基类。
  • RMSprop - 实现 RMSprop 算法。
  • SGD - 随机梯度下降优化器。

训练模型

用 500 次重复(epochs)训练模型(使用 xs 和 ys):

model.fit(xs, ys, {epochs:500}).then(() => {myFunction()});

使用模型

模型训练完成后,您可以将其用于多种不同的目的。

此示例预测 10 个 y 值,给定 10 个 x 值,并调用一个函数以将预测绘制在图表中:

function myFunction() {
  const xArr = [];
  const yArr = [];
  for (let x = 0; x <= 10; x++) {
    let result = model.predict(tf.tensor([Number(x)]));
    result.data().then(y => {
      xArr.push(x);
      yArr.push(Number(y));
      if (x == 10) {display(xArr, yArr)};
    });
  }
}

亲自试一试 »

这个例子预测 10 个 y 值,给定 10 个 x 值,并调用一个函数来显示这些值:

function myFunction() {
  const xArr = [];
  const yArr = [];
  for (let x = 0; x <= 10; x++) {
    let result = model.predict(tf.tensor([Number(x)]));
    result.data().then(y => {
      xArr.push(x);
      yArr.push(Number(y));
      if (x == 10) {display(xArr, yArr)};
    });
  }
}

亲自试一试 »