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:
让我们看看如何开始!
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>
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>
对于 Node.js 环境,您可以使用 npm 安装它:
npm install @tensorflow/tfjs
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。
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])。
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。
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。
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)。
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!