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：
-
实时训练：您可以直接在浏览器中运行模型，提供实时交互。
-
跨平台：相同的代码可以在服务器和客户端环境上运行。
-
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>
登录后复制
Node.js 设置
对于 Node.js 环境，您可以使用 npm 安装它：
npm install @tensorflow/tfjs
登录后复制
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]}));
登录后复制
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
});
登录后复制
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)
登录后复制
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
});
登录后复制
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
登录后复制
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！
