tensorflow.js 训练模型和可视化训练时用到的高频API详解

tf.js 实战学习笔记

tfvis.render.scatterplot (container,data,opts?)

  • tfjs-vis API 的 CHARTS part

  • 绘制散点图(文档见 https://js.tensorflow.org/api_vis/1.4.3/#render.scatterplot)

    const series1 = Array(100).fill(0)
    .map(y => Math.random() * 100 - (Math.random() * 50))
    .map((y, x) => ({
          x, y, }));
    
    const series2 = Array(100).fill(0)
    .map(y => Math.random() * 100 - (Math.random() * 150))
    .map((y, x) => ({
          x, y, }));
    
    const series = ['First', 'Second'];
    const data = {
          values: [series1, series2], series }
    
    const surface = {
          name: 'Scatterplot', tab: 'Charts' };
    tfvis.render.scatterplot(surface, data);
    
  • 参数:

    • container (HTMLElement|{name: string, tab?: string}|Surface|{drawArea: HTMLElement})
    • data (Object)
      • values (Point2D[][]|Point2D[]) {x,y}元组的数组(或嵌套数组)。
      • series (string[]) 系列名称/标签
      • opts (Object) 可选的
        • xAxisDomain([number,number]) 被zoomToFit覆盖的 x 轴的区域
        • yAxisDomain([number,number]) 被zoomToFit覆盖的 y 轴的区域
        • zoomToFit (boolean) 将图表范围设置为仅适合数据。这可能会修改轴比例,但允许将更多数据拟合到视图中。
        • seriesColors (string []) 绘制的每个系列的颜色。有效CSS颜色字符串的数组。
        • width (number) 图表的宽度(以像素为单位)
        • height (number) 图表高度(以像素为单位)
        • xLabel (string) xAxis的标签
        • yLabel (string) yAxis的标签
        • fontSize (number) 以px为单位的fontsize
        • xType (‘quantitative’|‘ordinal’|‘nominal’) 将自动设置
        • yType (‘quantitative’|‘ordinal’|‘nominal’) 将自动设置
  • 返回: Promise

tf.Sequential extends tf.LayersModel

  • API Reference 中的 MODELS part 的 Creation 部分
  • 具有一叠层的模型,从一个层到另一个层线性地进给。tf.sequential() 是一个工厂函数,可创建 tf.Sequential 的实例。
const model = tf.sequential();
  model.add(tf.layers.dense({
   
      units: 1,
      inputShape: [2],
      activation: 'sigmoid'
  }));
  model.compile({
   
      loss: tf.losses.logLoss,
      optimizer: tf.train.adam(0.1)
  });

  const inputs = tf.tensor(data.map(p => [p.x, p.y]));
  const labels = tf.tensor
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
TensorFlow.js是一个用于在JavaScript中进行机器学习的开源库。它可以在浏览器和Node.js环境中运行。在Node.js中使用TensorFlow.js,你需要安装适当的包,如引用\[1\]所示。然后,你可以使用TensorFlow.js提供的API来构建和训练模型。 在Node.js中使用TensorFlow.js进行模型训练的示例代码如引用\[2\]所示。这个示例展示了如何创建一个简单的序列模型,并使用随机生成的数据进行训练训练过程中,还可以使用TensorBoard来可视化训练过程和结果。 另外,引用\[3\]展示了另一个简单模型的训练示例。这个示例中,使用了一个具有100个单元的隐藏层和一个线性输出层的序列模型。 总之,TensorFlow.js提供了丰富的API和工具,可以在Node.js中进行机器学习模型的构建和训练。你可以根据自己的需求选择适合的模型和算法,并使用TensorFlow.js提供的功能进行训练和评估。 #### 引用[.reference_title] - *1* *3* [TensorFlow-JS教程 一、Node.js 设置](https://blog.csdn.net/SE_JW/article/details/122130783)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control,239^v12^insert_chatgpt"}} ] [.reference_item] - *2* [9 Node 中的 TensorFlow.js](https://blog.csdn.net/SE_JW/article/details/122130779)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v91^control,239^v12^insert_chatgpt"}} ] [.reference_item] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值