Tutoriel TensorFlow.js
Qu'est-ce que TensorFlow.js ?
Une bibliothèque JavaScript populaire pour l'apprentissage automatique .
Permet d'entraîner et de déployer des modèles d'apprentissage automatique dans le navigateur .
Permet d'ajouter des fonctions d'apprentissage automatique à n'importe quelle application Web .
Utilisation de TensorFlow
Pour utiliser TensorFlow.js, ajoutez la balise de script suivante à vos fichiers HTML :
Exemple
<script src="https://cdn.jsdelivr.net/npm/@tensorflow/[email protected]/dist/tf.min.js"></script>
Pour vous assurer de toujours utiliser la dernière version, utilisez ceci :
Exemple 2
<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs"></script>
TensorFlow a été développé par l' équipe Google Brain pour un usage interne à Google, mais a été publié en tant que logiciel ouvert en 2015.
En janvier 2019, les développeurs de Google ont publié TensorFlow.js, l'implémentation JavaScript de TensorFlow.
Tensorflow.js a été conçu pour fournir les mêmes fonctionnalités que la bibliothèque TensorFlow originale écrite en Python.
Tenseurs
TensorFlow.js est une bibliothèque JavaScript pour définir et opérer sur les Tensors .
Un tenseur ressemble beaucoup à un tableau multidimensionnel.
Un tenseur contient des valeurs numériques dans une (une ou plusieurs) forme dimensionnelle.
Un Tenseur a les propriétés principales suivantes :
| Propriété | La description |
|---|---|
| dtype | Le type de données |
| rang | Le nombre de dimensions |
| forme | La taille de chaque dimension |
Création d'un tenseur
Un Tensor peut être créé à partir de n'importe quel tableau à N dimensions :
Exemple 1
const tensorA = tf.tensor([[1, 2], [3, 4]]);
Exemple 2
const tensorA = tf.tensor([[1, 2], [3, 4], [5, 6]]);
Forme du tenseur
Un Tensor peut également être créé à partir d'un tableau et d'un paramètre de forme :
Exemple 1
const shape = [2, 2];
const tensorA = tf.tensor([1, 2, 3, 4], shape);
Exemple2
const tensorA = tf.tensor([1, 2, 3, 4], [2, 2]);
Exemple3
const tensorA = tf.tensor([[1, 2], [3, 4]], [2, 2]);
Types de données Tensor
Un Tensor peut avoir les types de données suivants :
- bourdonner
- int32
- float32 (par défaut)
- complexe64
- chaîne de caractères
Lorsque vous créez un tenseur, vous pouvez spécifier le type de données comme troisième paramètre :
Exemple
const tensorA = tf.tensor([1, 2, 3, 4], [2, 2], "int32");
/*
Results:
tensorA.rank = 2
tensorA.shape = 2,2
tensorA.dtype = int32
*/
Récupérer les valeurs du tenseur
Vous pouvez obtenir les données derrière un tenseur en utilisant tensor.data() :
Exemple
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;
}
Vous pouvez obtenir le tableau derrière un tenseur en utilisant tensor.array() :
Exemple
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;
}