TensorFlow 模型
Tensorflow 模型
模型和层是机器学习的重要组成部分。
对于不同的机器学习任务，您必须将不同类型的层组合成一个模型，该模型可以使用数据进行训练以预测未来值。
TensorFlow.js 支持不同类型的 Models 和不同类型的 Layers。
TensorFlow 模型是具有一个或多个层的神经网络。
一个 TensorFlow 项目
Tensorflow 项目具有以下典型工作流程:
- 收集数据
- 创建模型
- 向模型添加层
- 编译模型
- 训练模型
- 使用模型
示例
假设你知道一个定义了一条直线的函数:
Y = 1.2X + 5
然后您可以使用 JavaScript 公式计算任何 y 值:
y = 1.2 * x + 5;
为了演示 Tensorflow.js，我们可以训练一个 Tensorflow.js 模型来根据 X 输入预测 Y 值。
TensorFlow 模型不知道函数。
// 创建训练数据
const xs = tf.tensor([0, 1, 2, 3, 4]);
const ys = xs.mul(1.2).add(5);
// 定义线性回归模型
const model = tf.sequential();
model.add(tf.layers.dense({units:1, inputShape:[1]}));
// 指定损失和优化器
model.compile({loss:'meanSquaredError', optimizer:'sgd'});
// 训练模型
model.fit(xs, ys, {epochs:500}).then(() => {myFunction()});
// 使用模型
function myFunction() {
const xArr = [];
const yArr = [];
for (let x = 0; x <= 10; x++) {
xArr.push(x);
let result = model.predict(tf.tensor([Number(x)]));
result.data().then(y => {
yArr.push(Number(y));
if (x == 10) {plot(xArr, yArr)};
});
}
}
示例说明如下:
收集数据
创建一个具有 5 个 x 值的张量 (xs):
const xs = tf.tensor([0, 1, 2, 3, 4]);
创建一个具有 5 个正确 y 答案的张量 (ys)（将 xs 乘以 1.2 并加 5）:
const ys = xs.mul(1.2).add(5);
创建模型
创建顺序模式:
const model = tf.sequential();
在顺序模型中，一层的输出是下一层的输入。
添加层
向模型添加一个密集层。
层只有一个单位（张量），形状为1（一维）:
model.add(tf.layers.dense({units:1, inputShape:[1]}));
在密集层中，每个节点都连接到前一层中的每个节点。
编译模型
使用 meanSquaredError 作为损失函数和 sgd（随机梯度下降）作为优化函数编译模型:
model.compile({loss:'meanSquaredError', optimizer:'sgd'});
Tensorflow 优化器
- Adadelta - 实现 Adadelta 算法。
- Adagrad - 实现 Adagrad 算法。
- Adam - 实现 Adam 算法。
- Adamax - 实现 Adamax 算法。
- FTRL - 实现 FTRL 算法。
- Nadam - 实现 NAdam 算法。
- Optimizer - Keras 优化器的基类。
- RMSprop - 实现 RMSprop 算法。
- SGD - 随机梯度下降优化器。
训练模型
用 500 次重复（epochs）训练模型（使用 xs 和 ys）:
model.fit(xs, ys, {epochs:500}).then(() => {myFunction()});
使用模型
模型训练完成后，您可以将其用于多种不同的目的。
此示例预测 10 个 y 值，给定 10 个 x 值，并调用一个函数以将预测绘制在图表中:
function myFunction() {
const xArr = [];
const yArr = [];
for (let x = 0; x <= 10; x++) {
let result = model.predict(tf.tensor([Number(x)]));
result.data().then(y => {
xArr.push(x);
yArr.push(Number(y));
if (x == 10) {display(xArr, yArr)};
});
}
}
这个例子预测 10 个 y 值，给定 10 个 x 值，并调用一个函数来显示这些值:
function myFunction() {
const xArr = [];
const yArr = [];
for (let x = 0; x <= 10; x++) {
let result = model.predict(tf.tensor([Number(x)]));
result.data().then(y => {
xArr.push(x);
yArr.push(Number(y));
if (x == 10) {display(xArr, yArr)};
});
}
}
