Esercitazione TensorFlow.js
Che cos'è TensorFlow.js?
Una popolare libreria JavaScript per Machine Learning .
Ci consente di addestrare e distribuire modelli di machine learning nel browser .
Consente di aggiungere funzioni di apprendimento automatico a qualsiasi applicazione Web .
Usando TensorFlow
Per utilizzare TensorFlow.js, aggiungi il seguente tag di script ai tuoi file HTML:
Esempio
<script src="https://cdn.jsdelivr.net/npm/@tensorflow/[email protected]/dist/tf.min.js"></script>
Per assicurarti di utilizzare sempre l'ultima versione, usa questo:
Esempio 2
<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs"></script>
TensorFlow è stato sviluppato dal Google Brain Team per uso interno di Google, ma è stato rilasciato come software aperto nel 2015.
Nel gennaio 2019, gli sviluppatori di Google hanno rilasciato TensorFlow.js, l'implementazione JavaScript di TensorFlow.
Tensorflow.js è stato progettato per fornire le stesse funzionalità della libreria TensorFlow originale scritta in Python.
Tensori
TensorFlow.js è una libreria JavaScript per definire e operare su Tensor .
Un Tensor è più o meno lo stesso di un array multidimensionale.
Un Tensor contiene valori numerici in una (una o più) forma dimensionale.
Un tensore ha le seguenti proprietà principali:
Proprietà | Descrizione |
---|---|
tipo d | Il tipo di dati |
rango | Il numero di dimensioni |
forma | La dimensione di ogni dimensione |
Creazione di un tensore
Un Tensor può essere creato da qualsiasi array N-dimensionale :
Esempio 1
const tensorA = tf.tensor([[1, 2], [3, 4]]);
Esempio 2
const tensorA = tf.tensor([[1, 2], [3, 4], [5, 6]]);
Forma del tensore
Un Tensor può anche essere creato da un array e un parametro di forma :
Esempio 1
const shape = [2, 2];
const tensorA = tf.tensor([1, 2, 3, 4], shape);
Esempio2
const tensorA = tf.tensor([1, 2, 3, 4], [2, 2]);
Esempio3
const tensorA = tf.tensor([[1, 2], [3, 4]], [2, 2]);
Tipi di dati del tensore
Un Tensor può avere i seguenti tipi di dati:
- bollo
- int32
- float32 (predefinito)
- complesso64
- corda
Quando crei un tensore, puoi specificare il tipo di dati come terzo parametro:
Esempio
const tensorA = tf.tensor([1, 2, 3, 4], [2, 2], "int32");
/*
Results:
tensorA.rank = 2
tensorA.shape = 2,2
tensorA.dtype = int32
*/
Recupera i valori del tensore
Puoi ottenere i dati dietro un tensore usando tensor.data() :
Esempio
const tensorA = tf.tensor([[1, 2], [3, 4]]);
tensorA.data().then(data => display(data));
// Result: 1,2,3,4
function display(data) {
document.getElementById("demo").innerHTML = data;
}
Puoi ottenere l'array dietro un tensore usando tensor.array() :
Esempio
const tensorA = tf.tensor([[1, 2], [3, 4]]);
tensorA.array().then(array => display(array[0]));
// Result: 1,2
function display(data) {
document.getElementById("demo").innerHTML = data;
}