首页  >  文章  >  web前端  >  JavaScript 机器学习入门:TensorFlow.js 初学者指南

JavaScript 机器学习入门:TensorFlow.js 初学者指南

Barbara Streisand
Barbara Streisand原创
2024-09-25 12:18:18491浏览

Getting Started with Machine Learning in JavaScript: A Beginner’s Guide with TensorFlow.js

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:

  1. 实时训练:您可以直接在浏览器中运行模型,提供实时交互。
  2. 跨平台:相同的代码可以在服务器和客户端环境上运行。
  3. 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 <script> 将其包含在您的项目中tag 或 npm,具体取决于您的环境。</script>

浏览器设置

要在浏览器中使用 TensorFlow.js,只需包含以下 <script> 即可: HTML 文件中的标签:<br> </script>

<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs"></script>

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.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]}));

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 model
model.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 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)

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 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
});

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
    <script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs"></script>
      


    

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。

以上是JavaScript 机器学习入门:TensorFlow.js 初学者指南的详细内容。更多信息请关注PHP中文网其他相关文章!

声明:
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn