什么是 TensorFlow.js
TensorFlow.js 是一个开源库,不仅可以在浏览器中运行机器学习模型,还可以训练模型。具有 GPU 加速功能,并自动支持 WebGL。可以导入已经训练好的模型,也可以在浏览器中重新训练现有的所有机器学习模型。运行 Tensorflow.js 只需要你的浏览器,而且在本地开发的代码与发送给用户的代码是相同的。
TensorFlow.js 对未来 web 开发有着重要的影响,JS 开发者可以更容易地实现机器学习,工程师和数据科学家们可以有一种新的方法来训练算法,例如官网上 Emoji Scavenger Hunt 这样的游戏界面,让用户一边玩游戏一边将模型训练地更好。
用 Tensorflow.js 可以做很多事情,例如 object detection in images, speech recognition, music composition,而且 不需要安装任何库,也不用一次又一次地编译这些代码。
为什么要在浏览器中运行机器学习算法
隐私:用户端的机器学习,用来训练模型的数据还有模型的使用都在用户的设备上完成,这意味着不需要把数据传送或存储在服务器上。
更广泛的使用:几乎每个电脑手机平板上都有浏览器,并且几乎每个浏览器都可以运行JS,无需下载或安装任何应用程序,在浏览器中就可以运行机器学习框架来实现更高的用户转换率,提高满意度,例如虚拟试衣间等服务。
分布式计算:每次用户使用系统时,他都是在自己的设备上运行机器学习算法,之后新的数据点将被推送到服务器来帮助改进模型,那么未来的用户就可以使用训练的更好的算法了,这样可以减少训练成本,并且持续训练模型。
应用举例:regression
可以直接从浏览器里写代码,例如 chrome 的 View > Developer > Javascript Console,
还可以在线写三个流行的在线 JS 平台:CodePen, JSFiddle, JSBin.
当然还可以在本地把代码保存为.html文件并用浏览器打开,那么先来看一下下面这段代码,可以在 codepen 中运行:https://codepen.io/pen?&editors=1011 这段代码的目的是做个回归预测,数据集为:构造符合 Y=2X-1 的几个点,那么当X 取 [-1, 0, 1, 2, 3, 4] 时,y 为 [-3, -1, 1, 3, 5, 7],
首先是熟悉的 js 的基础结构:
在 head 中,从 CDN 引用 TensorFlow.js,这样就可以使用 API 了:
然后建立模型,因为 input ,output 都只有一个,所以就建立一个 single node,即:
接着定义 loss 为 MSE 和 optimizer 为 SGD:
同时需要定义 input 的 tensor,X 和 y,以及它们的维度都是 [6, 1]:
然后用 fit 来训练模型,因为要等模型训练完才能预测,所以要用 await:
训练结束后,用 predict 进行预测,输入的是 [1, 1] 维的 值为 10 的tensor
最后得到的输出为
和 tflearn 的代码比较
再来通过一个简单的例子来比较一下 Tensorflow.js 和 tflearn,