TensorSpace.js 使用教程-CSDN博客

本文链接：https://blog.csdn.net/gitblog_00376/article/details/147134486

TensorSpace.js 使用教程

tensorspace Neural network 3D visualization framework, build interactive and intuitive model in browsers, support pre-trained deep learning models from TensorFlow, Keras, TensorFlow.js 项目地址: https://gitcode.com/gh_mirrors/te/tensorspace

1. 项目介绍

TensorSpace.js 是一个基于 TensorFlow.js、Three.js 和 Tween.js 构建的神经网络 3D 可视化框架。它提供了类似于 Keras 的 API 来构建深度学习层、加载预训练模型，并在浏览器中生成 3D 可视化。通过 TensorSpace，用户可以直观地了解模型结构、模型训练过程以及基于中间信息如何进行结果预测。经过预处理后，TensorSpace 支持可视化来自 TensorFlow、Keras 和 TensorFlow.js 的预训练模型。

2. 项目快速启动

2.1 安装 TensorSpace

基本安装步骤：

步骤 1：下载依赖库下载 TensorFlow.js (tf.min.js)、Three.js (three.min.js)、Tween.js (tween.min.js) 和 TrackballControls (TrackballControls.js)。
步骤 2：下载 TensorSpace 从 Github 下载 TensorSpace 编译文件 tensorspace.min.js。

步骤 3：引入编译文件在网页中包含所有编译文件：

<script src="tf.min.js"></script>
<script src="three.min.js"></script>
<script src="tween.min.js"></script>
<script src="TrackballControls.js"></script>
<script src="tensorspace.min.js"></script>

进阶框架安装步骤：

步骤 1：安装 TensorSpace
- 使用 NPM：
```
npm install tensorspace
```
- 使用 Yarn：
```
yarn add tensorspace
```
步骤 2：使用 TensorSpace
```
import * as TSP from 'tensorspace';
```

2.2 预处理预训练模型

在使用 TensorSpace 可视化预训练模型之前，需要预处理模型。可以使用 TensorSpace 提供的转换工具（TensorSpace Converter）来完成预处理。

例如，如果手头有一个 tf.keras 模型，可以使用以下脚本将其转换为 TensorSpace 兼容格式：

tensorspacejs_converter \
--input_model_from="tensorflow" \
--input_model_format="tf_keras" \
--output_layer_names="padding_1,conv_1,maxpool_1,conv_2,maxpool_2,dense_1,dense_2,softmax" \
./PATH/TO/MODEL/tf_keras_model.h5 \
./PATH/TO/SAVE/DIR

确保在运行 TensorSpace Converter 之前安装了 tensorspacejs pip 包，并设置了 TensorSpace-Converter 运行环境。

2.3 使用 TensorSpace 可视化模型

如果 TensorSpace 安装成功并且预训练的深度学习模型已经预处理，就可以创建一个交互式的 3D TensorSpace 模型。

以下是一个示例代码，展示了如何使用 TensorSpace 创建一个模型：

let container = document.getElementById('container');
let model = new TSP.models.Sequential(container);

model.add(new TSP.layers.GreyscaleInput());
.add(new TSP.layers.Padding2d());
.add(new TSP.layers.Conv2d());
.add(new TSP.layers.Pooling2d());
.add(new TSP.layers.Conv2d());
.add(new TSP.layers.Pooling2d());
.add(new TSP.layers.Dense());
.add(new TSP.layers.Dense());
.add(new TSP.layers.Output1d({outputs: ['0', '1', '2', '3', '4', '5', '6', '7', '8', '9']}));