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
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。
まず、1 つの高密度レイヤーを持つシーケンシャル モデル (レイヤーの線形スタック) を定義します。
// Import TensorFlow.jsimport * as tf from \\'@tensorflow/tfjs\\';// Create a simple sequential modelconst 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。
次に、オプティマイザーと損失関数を指定してモデルをコンパイルします。
// Compile the modelmodel.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法 (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。
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 trainingconst 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。
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 modelmodel.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。
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 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。
","image":"http://www.luping.net/uploads/20241022/17295980466717925ed5c04.jpg","datePublished":"2024-11-05T22:45:47+08:00","dateModified":"2024-11-05T22:45:47+08:00","author":{"@type":"Person","name":"luping.net","url":"https://www.luping.net/articlelist/0_1.html"}}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、ブラウザまたは Node.js 上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検討します。 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 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:
開始方法を見てみましょう!
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。環境に応じて、
ブラウザで TensorFlow.js を使用するには、HTML ファイルに次の
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
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。
まず、1 つの高密度レイヤーを持つシーケンシャル 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。
次に、オプティマイザー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法 (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。
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。
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。
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 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。
免責事項: 提供されるすべてのリソースの一部はインターネットからのものです。お客様の著作権またはその他の権利および利益の侵害がある場合は、詳細な理由を説明し、著作権または権利および利益の証拠を提出して、電子メール [email protected] に送信してください。 できるだけ早く対応させていただきます。
Copyright© 2022 湘ICP备2022001581号-3