2024年小白玩机器学习（6）--- 基于Tensorflow，2024年最新腾讯面试三面

总结

• 对于框架原理只能说个大概，真的深入某一部分具体的代码和实现方式就只能写出一个框架，许多细节注意不到。

开源分享：【大厂前端面试题解析+核心总结学习笔记+真实项目实战+最新讲解视频】

• 算法方面还是很薄弱，好在面试官都很和蔼可亲，擅长发现人的美哈哈哈…（最好多刷一刷，不然影响你的工资和成功率???）

• 在投递简历之前，最好通过各种渠道找到公司内部的人，先提前了解业务，也可以帮助后期优秀 offer 的决策。

• 要勇于说不，对于某些 offer 待遇不满意、业务不喜欢，应该相信自己，不要因为当下没有更好的 offer 而投降，一份工作短则一年长则 N 年，为了幸福生活要慎重选择！！！

第一次跳槽十分忐忑不安，和没毕业的时候开始找工作是一样的感受，真的要相信自己，有条不紊的进行。如果有我能帮忙的地方欢迎随时找我，比如简历修改、内推、最起码，可以把烦心事说一说，人嘛都会有苦恼的～

祝大家都有美好的未来，拿下满意的 offer。

}));

// Pooling layer 池化层

model.add(tf.layers.maxPooling2d({

poolSize: [2, 2],

strides: [2, 2]

}));

// 添加dropout  rate = 0.5随机去掉一半

model.add(tf.layers.dropout({

rate: 0.5

}));

// Flatten layer 降维

model.add(tf.layers.flatten());

// Dense layer

model.add(tf.layers.dense({//全连接层

units: 128,

activation: ‘relu’

}));

model.add(tf.layers.dense({

units: 10,   // 对应0-10数字

}));

const OPT = tf.train.adam(0.002)  // 优化器

const config = {

optimizer: OPT,

loss: tf.losses.softmaxCrossEntropy, // 损失函数

}

model.compile(config);  //模型设置好配置

3. 加载数据

由于训练集数量比较大，这里选取了前60000个数据进行训练(train.js)

console.log(“载入数据”)

inputs = tf.tensor2d(mnist.train_images.slice(0, 60000));

outputs_org = tf.tensor1d(mnist.train_labels.slice(0, 60000));// 标签Y

outputs = tf.oneHot((outputs_org), 10);//全部对应到0-9  [0,0,0,0,0,0,0,1]

console.log(“重组数据”)  // 归一化除以255 变成0-1

inputs = tf.div(inputs, tf.scalar(255.0));

inputs = inputs.reshape([60000, 28, 28, 1]);  // 格式化28* 28* 1

4. 训练模型

这里使用15个epoh迭代，并且实时输出每一轮结果的loss.(train.js)

async function train() {

for (let i = 1; i < 15; i++) {

const h = await model.fit(inputs, outputs, {

atchSize: 200,

epochs: 1

);

console.log("Loss after Epoch " + i + " : " + h.history.loss[0]);

}

const saveResults = await model.save(‘indexeddb://my-model-6’);

console.log(“模型已经保存”);

select(‘#modelStatus’).html(‘模型已经训练完成并保存’);

}

5. 其中需要对模型进行保存和重加载

// 保存训练模型到浏览器数据库my-model-5

const saveResults = await model.save(‘indexeddb://my-model’);

// 加载已经保存的my-model模型，不需要重新训练

const model = await tf.loadLayersModel(‘indexeddb://my-model’);

6. 测试训练准确率

首先加载测试数据，这里选择前10000个，之后进行训练(load.js)

console.log(“加载测试数据。。”)

inputs_test = tf.tensor2d(mnist.test_images.slice(0, 10000));

inputs_test = tf.div(inputs_test,tf.scalar(255.0));

inputs_test = inputs_test.reshape([10000, 28, 28, 1]);

outputs_test = tf.tensor1d(mnist.test_labels.slice(0, 10000));

print(outputs_test.shape);

console.log(“测试数据加载完成”)

async function test() {

const model = await tf.loadLayersModel(‘indexeddb://my-model’);

console.log(‘加载已经保存的模型’);

output_tem = model.predict(inputs_test);

label = tf.argMax(output_tem, 1);

// 打印测试准确率

tf.div(tf.sum(outputs_test.equal(label)), mnist.test_labels.length).print();

result = tf.div(tf.sum(outputs_test.equal(label)), mnist.test_labels.length);

select(‘#modelStatus’).html(‘模型已经加载完成：’ + result);

}

7. 手写体识别可视化

实时鼠标在区域画数字，会进行预测，点击空格键删除。(recognition.js)

（参考链接：https://github.com/CodingTrain/Toy-Neural-Network-JS/blob/master/examples/mnist）

let img = user_digit.get();

if(!user_has_drawing) {

return img;

}

let inputs = [];

img.resize(28, 28);

img.loadPixels();

for (let i = 0; i < 784; i++) {

inputs[i] = img.pixels[i * 4];

}

inputs = tf.tensor2d([inputs]);

inputs = inputs.reshape([1,28,28,1]);

let prediction = model.predict(inputs);

let guess = tf.argMax(prediction,1);

user_guess_ele.html(guess.dataSync());

return img;

image(user_digit, 0, 0);

// 鼠标控制画线，预测数字

if (mouseIsPressed) {

user_has_drawing = true;

user_digit.stroke(255);

user_digit.strokeWeight(16);

user_digit.line(mouseX, mouseY, pmouseX, pmouseY);

}

四、实验结果

---

1. 网络训练以及模型保存

运行页面加载模型并开始训练，显示每个epoch的loss值，迭代完成后模型保存，页面也显示‘模型已经训练完成并保存’：

2. 模型加载及准确率测试

模型保存完成之后，点击‘测试准确率’按钮，跳转到模型测试页面，加载测试数据并显示准确率。可见当前的准确率为99.39

3. 在线手写数字识别

数据测试完成之后，点击‘开始手写识别’按钮，跳转到手写识别页面，可以随机用鼠标在电脑上画0-9的数值测试结果，猜测的数字会显示在下面，点击空格键重画。首先会显示“正在加载模型”。当模型加载好后会出现“模型已经加载完成”，之后可以进行手写识别，如下图：

文末

js前端的重头戏，值得花大部分时间学习。

推荐通过书籍学习，《 JavaScript 高级程序设计（第 4 版）》你值得拥有。整本书内容质量都很高，尤其是前十章语言基础部分，建议多读几遍。

开源分享：【大厂前端面试题解析+核心总结学习笔记+真实项目实战+最新讲解视频】

另外，大推一个网上教程 现代 JavaScript 教程 ，文章深入浅出，很容易理解，上面的内容几乎都是重点，而且充分发挥了网上教程的时效性和资料链接。

学习资料在精不在多，二者结合，定能构建你的 JavaScript 知识体系。

面试本质也是考试，面试题就起到很好的考纲作用。想要取得优秀的面试成绩，刷面试题是必须的，除非你样样精通。

这是288页的前端面试题