JavaScript での機械学習入門: TensorFlow.js の初心者ガイド
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)。</p> <h3> ブラウザのセットアップ </h3> <p>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> </p> <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false"><script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs"></script> </pre><div class="contentsignin">ログイン後にコピー</div></div> <h3> Node.jsのセットアップ </h3> <p>Node.js 環境の場合は、npm:<br> を使用してインストールできます。 </p> <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false">npm install @tensorflow/tfjs </pre><div class="contentsignin">ログイン後にコピー</div></div> <h2> 2. 単純なニューラル ネットワーク モデルの構築 </h2> <p>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。</p> <h3> ステップ 1: モデルを定義する </h3> <p>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。<br> </p> <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false">// 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]})); </pre><div class="contentsignin">ログイン後にコピー</div></div> <p>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。</p> <h3> ステップ 2: モデルをコンパイルする </h3> <p>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。<br> </p> <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false">// Compile the model model.compile({ optimizer: 'sgd', // Stochastic Gradient Descent loss: 'meanSquaredError' // Loss function for regression }); </pre><div class="contentsignin">ログイン後にコピー</div></div> <p>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。</p> <h3> ステップ 3: トレーニング データを準備する </h3> <p>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:<br> </p> <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false">// 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) </pre><div class="contentsignin">ログイン後にコピー</div></div> <p>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。</p> <h3> ステップ 4: モデルをトレーニングする </h3> <p>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。<br> </p> <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false">// 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 }); </pre><div class="contentsignin">ログイン後にコピー</div></div> <p>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。</p> <h2> 3. ブラウザでのモデルの実行 </h2> <p>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。<br> </p> <div class="code" style="position:relative; padding:0px; margin:0px;"><pre class="brush:php;toolbar:false"><!DOCTYPE html> <html lang="en"> <head> <meta charset="UTF-8"> <meta name="viewport" content="width=device-width, initial-scale=1.0"> <title>TensorFlow.js Example</title> <script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs"></script> <script defer src="app.js"></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。
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
メモ帳++7.3.1
使いやすく無料のコードエディター
SublimeText3 中国語版
中国語版、とても使いやすい
ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境
ドリームウィーバー CS6
ビジュアル Web 開発ツール
SublimeText3 Mac版
神レベルのコード編集ソフト（SublimeText3）
ホットトピック
1666
14
1425
52
1328
25
1273
29
1253
24
JavaScriptエンジン：実装の比較
Apr 13, 2025 am 12:05 AM
さまざまなJavaScriptエンジンは、各エンジンの実装原則と最適化戦略が異なるため、JavaScriptコードを解析および実行するときに異なる効果をもたらします。 1。語彙分析：ソースコードを語彙ユニットに変換します。 2。文法分析：抽象的な構文ツリーを生成します。 3。最適化とコンパイル：JITコンパイラを介してマシンコードを生成します。 4。実行：マシンコードを実行します。 V8エンジンはインスタントコンピレーションと非表示クラスを通じて最適化され、Spidermonkeyはタイプ推論システムを使用して、同じコードで異なるパフォーマンスパフォーマンスをもたらします。
Python vs. JavaScript：学習曲線と使いやすさ
Apr 16, 2025 am 12:12 AM
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。
C/CからJavaScriptへ：すべてがどのように機能するか
Apr 14, 2025 am 12:05 AM
C/CからJavaScriptへのシフトには、動的なタイピング、ゴミ収集、非同期プログラミングへの適応が必要です。 1）C/Cは、手動メモリ管理を必要とする静的に型付けられた言語であり、JavaScriptは動的に型付けされ、ごみ収集が自動的に処理されます。 2）C/Cはマシンコードにコンパイルする必要がありますが、JavaScriptは解釈言語です。 3）JavaScriptは、閉鎖、プロトタイプチェーン、約束などの概念を導入します。これにより、柔軟性と非同期プログラミング機能が向上します。
JavaScriptとWeb：コア機能とユースケース
Apr 18, 2025 am 12:19 AM
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 in Action：実際の例とプロジェクト
Apr 19, 2025 am 12:13 AM
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。
JavaScriptエンジンの理解：実装の詳細
Apr 17, 2025 am 12:05 AM
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 vs. JavaScript：コミュニティ、ライブラリ、リソース
Apr 15, 2025 am 12:16 AM
PythonとJavaScriptには、コミュニティ、ライブラリ、リソースの観点から、独自の利点と短所があります。 1）Pythonコミュニティはフレンドリーで初心者に適していますが、フロントエンドの開発リソースはJavaScriptほど豊富ではありません。 2）Pythonはデータサイエンスおよび機械学習ライブラリで強力ですが、JavaScriptはフロントエンド開発ライブラリとフレームワークで優れています。 3）どちらも豊富な学習リソースを持っていますが、Pythonは公式文書から始めるのに適していますが、JavaScriptはMDNWebDocsにより優れています。選択は、プロジェクトのニーズと個人的な関心に基づいている必要があります。
Python vs. JavaScript：開発環境とツール
Apr 26, 2025 am 12:09 AM
開発環境におけるPythonとJavaScriptの両方の選択が重要です。 1）Pythonの開発環境には、Pycharm、Jupyternotebook、Anacondaが含まれます。これらは、データサイエンスと迅速なプロトタイピングに適しています。 2）JavaScriptの開発環境には、フロントエンドおよびバックエンド開発に適したnode.js、vscode、およびwebpackが含まれます。プロジェクトのニーズに応じて適切なツールを選択すると、開発効率とプロジェクトの成功率が向上する可能性があります。
