如何使用tensorflow.js在Chrome上训练神经网络
本教程只是简单演示如何使用脚本语言(javascript)在浏览器中创建神经网络，并进行训练和预测。
在本教程中，我们将构建一个模型来推断两个数字之间的关系，其中y = 2x -1 (y = 2x -1)。
让我们开始创建一个基本的html文件
现在我们需要导入tensorflow.js机器学习库
创建训练函数
我们需要使函数异步，以便它可以在后台运行而不影响我们的网页。
函数说明：
我们在函数中异步调用model.fit()，为此我们需要将神经网络模型作为参数传递给异步函数。
我们对模型使用了一个wait，这样它就可以一直等到训练结束。
我们在训练结束后使用javascript进行回调，比如在本例中，我们调用onEpochEnd来打印训练结束后的最终损失。
用单个神经网络创建模型
神经网络模型摘要
model.summary()
具有1个神经元网络的模型摘要
PS：神经网络模型显示训练参数为2，这是由于有权重和偏差这两个参数（即w和c）。
样本数据
说明：
就像我们在python中使用numpy一样，我们需要使用tf.tensor2d（）函数来定义二维数组。
在tensor2d函数中提及数组的形状很重要。[6,1] 为数组形状。
异步训练和预测
添加一些数据以显示在网页上
最终的html文件将如下所示
<!DOCTYPE html><html><head> <title>Training a model on browser</title> <script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@latest"></script><script lang="js"> async function doTraining(model){ const history = await model.fit(xs, ys, { epochs: 500, callbacks:{ onEpochEnd: async(epoch, logs) =>{ console.log("Epoch:" + epoch + " Loss:" + logs.loss); } } }); } const model = tf.sequential(); model.add(tf.layers.dense({units: 1, inputShape: [1]})); model.compile({loss:'meanSquaredError', optimizer:'sgd'}); model.summary(); const xs = tf.tensor2d([-1.0, 0.0, 1.0, 2.0, 3.0, 4.0], [6, 1]); const ys = tf.tensor2d([-3.0, -1.0, 2.0, 3.0, 5.0, 7.0], [6, 1]); doTraining(model).then(() => { alert(model.predict(tf.tensor2d([10], [1,1]))); }); </script></head><body> <h1 align="center">Press 'f12' key or 'Ctrl' + 'Shift' + 'i' to check whats going on</h1></body></html>
最后，在浏览器上训练和预测模型
使用Google Chrome浏览器打开html文件，然后按“ F12”键检查开发者控制台。
您可以在开发者控制台中看到训练阶段的损失。训练结束后，网页上会自动显示预测结果提示框。
这是一个提示框，显示输入数字10的预测。根据方程Y = 2X-1，输入x = 10的输出应该是y = 19。我们的神经网络模型预测了18.91，已经非常接近了。
相关推荐
lemonade 2020-11-10
fengzhimohan 2020-11-02
walegahaha 2020-10-20
WFRainn 2020-10-19
WhiteHacker 2020-10-14
雜貨鋪 2020-10-13
zyhzyh 2020-10-09
cherry0 2020-09-23
demm 2020-09-18
zhaoyin 2020-09-16
绝望的乐园 2020-09-02
Site 2020-08-20
CristianoJason 2020-08-19
cetrolchen 2020-08-18
walegahaha 2020-08-15
georgesale 2020-08-14
XiaotingCheng 2020-08-13
码猿同学 2020-08-07
白飞飞Alan 2020-07-29