機械学習 (ML) は、ソフトウェア開発の世界を急速に変革しました。 TensorFlow や PyTorch などのライブラリのおかげで、最近まで Python は ML 分野で主流の言語でした。しかし、TensorFlow.js の登場により、JavaScript 開発者は、使い慣れた構文を使用して、ブラウザーまたは Node.js で直接モデルを構築およびトレーニングし、エキサイティングな機械学習の世界に飛び込むことができるようになりました。
このブログ投稿では、JavaScript を使用して機械学習を始める方法を説明します。 TensorFlow.js を使用して単純なモデルを構築およびトレーニングする例を見ていきます。
TensorFlow.js を使用する理由
TensorFlow.js は、機械学習モデルを完全に JavaScript で定義、トレーニング、実行できるオープンソース ライブラリです。ブラウザーと Node.js の両方で実行できるため、幅広い ML アプリケーションに非常に多用途です。
TensorFlow.js が魅力的な理由をいくつか挙げます:
- リアルタイム トレーニング: ブラウザーでモデルを直接実行でき、リアルタイムの対話性を提供します。
- クロスプラットフォーム: 同じコードをサーバー環境とクライアント環境の両方で実行できます。
- ハードウェア アクセラレーション: GPU アクセラレーションに WebGL を使用し、計算を高速化します。
始め方を見てみましょう!
1. TensorFlow.js のセットアップ
コードに入る前に、TensorFlow.js をインストールする必要があります。 <script> を介してプロジェクトにこれを含めることができます。 tag または npm (環境に応じて)。</script>
ブラウザのセットアップ
ブラウザで TensorFlow.js を使用するには、次の <script> をインクルードするだけです。 HTML ファイル内のタグ:<br> </script>
<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs"></script>
Node.jsのセットアップ
Node.js 環境の場合は、npm:
を使用してインストールできます。
npm install @tensorflow/tfjs
2. 単純なニューラル ネットワーク モデルの構築
基本的な線形関数 y = 2x - 1 の出力を予測する単純なニューラル ネットワークを作成しましょう。このモデルの作成とトレーニングには TensorFlow.js を使用します。
ステップ 1: モデルを定義する
まず、1 つの高密度レイヤーを含むシーケンシャル モデル (レイヤーの線形スタック) を定義します。
// Import TensorFlow.js import * as tf from '@tensorflow/tfjs'; // Create a simple sequential model const model = tf.sequential(); // Add a single dense layer with 1 unit (neuron) model.add(tf.layers.dense({units: 1, inputShape: [1]}));
ここでは、1 つの高密度レイヤーを持つモデルを作成しました。この層には 1 つのニューロン (単位: 1) があり、単一の入力特徴 (inputShape: [1]) が必要です。
ステップ 2: モデルをコンパイルする
次に、オプティマイザと損失関数を指定してモデルをコンパイルします。
// Compile the model model.compile({ optimizer: 'sgd', // Stochastic Gradient Descent loss: 'meanSquaredError' // Loss function for regression });
小規模モデルに効果的な確率的勾配降下 (SGD) オプティマイザーを使用します。損失関数 meansSquaredError は、このような回帰タスクに適しています。
ステップ 3: トレーニング データを準備する
ここで、関数 y = 2x - 1 のトレーニング データを作成します。TensorFlow.js では、データはテンソル (多次元配列) に保存されます。トレーニング データを生成する方法は次のとおりです:
// Generate some synthetic data for training const 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)
この場合、入力値 (0、1、2、3、4) を持つテンソル xs と、y = 2x - 1 を使用して計算された値を持つ対応する出力テンソル ys を作成しました。
ステップ 4: モデルをトレーニングする
これで、データに基づいてモデルをトレーニングできます。
// Train the model model.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 });
ここでは、モデルを 500 エポック (トレーニング データの反復) トレーニングします。トレーニング後、モデルを使用して入力値 5 の出力を予測します。これは 9 (y = 2*5 - 1 = 9) に近い値を返すはずです。
3. ブラウザでのモデルの実行
このモデルをブラウザで実行するには、TensorFlow.js ライブラリと JavaScript コードを含む HTML ファイルが必要です。
TensorFlow.js Example <script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs"></script>Simple Neural Network with TensorFlow.js
app.js ファイルには、上記のモデル構築コードとトレーニング コードを含めることができます。
以上がJavaScript での機械学習入門: TensorFlow.js の初心者ガイドの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

CおよびJavaScriptは、WebAssemblyを介して相互運用性を実現します。 1)CコードはWebAssemblyモジュールにコンパイルされ、JavaScript環境に導入され、コンピューティングパワーが強化されます。 2)ゲーム開発では、Cは物理エンジンとグラフィックスレンダリングを処理し、JavaScriptはゲームロジックとユーザーインターフェイスを担当します。

JavaScriptは、Webサイト、モバイルアプリケーション、デスクトップアプリケーション、サーバー側のプログラミングで広く使用されています。 1)Webサイト開発では、JavaScriptはHTMLおよびCSSと一緒にDOMを運用して、JQueryやReactなどのフレームワークをサポートします。 2)ReactNativeおよびIonicを通じて、JavaScriptはクロスプラットフォームモバイルアプリケーションを開発するために使用されます。 3)電子フレームワークにより、JavaScriptはデスクトップアプリケーションを構築できます。 4)node.jsを使用すると、JavaScriptがサーバー側で実行され、高い並行リクエストをサポートします。

Pythonはデータサイエンスと自動化により適していますが、JavaScriptはフロントエンドとフルスタックの開発により適しています。 1. Pythonは、データ処理とモデリングのためにNumpyやPandasなどのライブラリを使用して、データサイエンスと機械学習でうまく機能します。 2。Pythonは、自動化とスクリプトにおいて簡潔で効率的です。 3. JavaScriptはフロントエンド開発に不可欠であり、動的なWebページと単一ページアプリケーションの構築に使用されます。 4. JavaScriptは、node.jsを通じてバックエンド開発において役割を果たし、フルスタック開発をサポートします。

CとCは、主に通訳者とJITコンパイラを実装するために使用されるJavaScriptエンジンで重要な役割を果たします。 1)cは、JavaScriptソースコードを解析し、抽象的な構文ツリーを生成するために使用されます。 2)Cは、Bytecodeの生成と実行を担当します。 3)Cは、JITコンパイラを実装し、実行時にホットスポットコードを最適化およびコンパイルし、JavaScriptの実行効率を大幅に改善します。

現実世界でのJavaScriptのアプリケーションには、フロントエンドとバックエンドの開発が含まれます。 1)DOM操作とイベント処理を含むTODOリストアプリケーションを構築して、フロントエンドアプリケーションを表示します。 2)node.jsを介してRestfulapiを構築し、バックエンドアプリケーションをデモンストレーションします。

Web開発におけるJavaScriptの主な用途には、クライアントの相互作用、フォーム検証、非同期通信が含まれます。 1)DOM操作による動的なコンテンツの更新とユーザーインタラクション。 2)ユーザーエクスペリエンスを改善するためにデータを提出する前に、クライアントの検証が実行されます。 3)サーバーとのリフレッシュレス通信は、AJAXテクノロジーを通じて達成されます。

JavaScriptエンジンが内部的にどのように機能するかを理解することは、開発者にとってより効率的なコードの作成とパフォーマンスのボトルネックと最適化戦略の理解に役立つためです。 1)エンジンのワークフローには、3つの段階が含まれます。解析、コンパイル、実行。 2)実行プロセス中、エンジンはインラインキャッシュや非表示クラスなどの動的最適化を実行します。 3)ベストプラクティスには、グローバル変数の避け、ループの最適化、constとletsの使用、閉鎖の過度の使用の回避が含まれます。

Pythonは、スムーズな学習曲線と簡潔な構文を備えた初心者により適しています。 JavaScriptは、急な学習曲線と柔軟な構文を備えたフロントエンド開発に適しています。 1。Python構文は直感的で、データサイエンスやバックエンド開発に適しています。 2。JavaScriptは柔軟で、フロントエンドおよびサーバー側のプログラミングで広く使用されています。


ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

Video Face Swap
完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。

人気の記事

ホットツール

mPDF
mPDF は、UTF-8 でエンコードされた HTML から PDF ファイルを生成できる PHP ライブラリです。オリジナルの作者である Ian Back は、Web サイトから「オンザフライ」で PDF ファイルを出力し、さまざまな言語を処理するために mPDF を作成しました。 HTML2FPDF などのオリジナルのスクリプトよりも遅く、Unicode フォントを使用すると生成されるファイルが大きくなりますが、CSS スタイルなどをサポートし、多くの機能強化が施されています。 RTL (アラビア語とヘブライ語) や CJK (中国語、日本語、韓国語) を含むほぼすべての言語をサポートします。ネストされたブロックレベル要素 (P、DIV など) をサポートします。

SublimeText3 英語版
推奨: Win バージョン、コードプロンプトをサポート!

WebStorm Mac版
便利なJavaScript開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

SublimeText3 Linux 新バージョン
SublimeText3 Linux 最新バージョン
