浏览器端的机器学习 tensorflowjs(2) 拟合2D数据

在本次分享中,利用一组汽车的数字数据来训练出一个模型进行拟合。

将展示训练的模型的通用打法,通过一个小型的数据集来训练一个简单的浅层神经网络模型的过程来进行说明。其主要目的是帮助你熟悉用 TensorFlow.js 训练模型一些关键步骤。

现在机器学习任务大致为两类,回归和分类,我们先以回归为例,所谓回归简单地说就是找到模型通过训练拟合一些具有一定规律连续数据,对新数据进行预测,这个任务有时被称为回归。数据集中数据是有标注的,所以这个任务应该属于有监督学习。

任务描述以及分解

随后会制作一个网页,然后使用 TensorFlow.js 来训练一个可以运行在浏览器端的模型。给模型输入出一辆汽车的马力,该模型通过学习可以预测出每加仑英里数(MPG)。

  • 加载数据
  • 定义模型
  • 训练模型
  • 评估模型

你会学到什么

  • 如何准备数据集 (包括洗牌和规范化)
  • 熟悉使用 tf.layer API ,
  • 如何使用tfjs-vis 库监控浏览器内的训练

你需要具备哪些知识和做哪些准备

  • 浏览器推荐使用 Chrome 运行代码
  • 编译器用于写代码,推荐使用 vscode
  • 对 HTML、CSS、JavaScript 和Chrome开发工具有一定了解。
  • 对神经网络有一定了解

启程

创建 HTML 页面

<!DOCTYPE html>
<html>
<head>
  <title>TensorFlow.js Tutorial</title>

  <!-- Import TensorFlow.js -->
  <script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@2.0.0/dist/tf.min.js"></script>
  <!-- Import tfjs-vis -->
  <script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs-vis@1.0.2/dist/tfjs-vis.umd.min.js"></script>
</head>
<body>
  <!-- Import the main script file -->
  <script src="script.js"></script>
</body>
</html>

在文件夹下创建 script.js 文件,并写

console.log('Hello TensorFlow');

这里我们安装 live-server 来启动服务,然后就可以在浏览器调试输出看到上面 Hello TensorFlow 并且没有报错,好这样就迈出第一步成功安装加载 TensorFlow.js

live-server --port=5600
t1.dispose()
console.log(tf.memory().numTensors)

层的概念

// 1. 从一层输入到下一层
const model = tf.sequential()
// 3. 配置图层
const config_hidden = {
    input:[3],
    inputShape:"",
    activation:'sigmoid',
    units:4
}

const config_output = {
    units:3,
    activation:"sigmoid",

}
// 2. 添加图层
const hidden = tf.layers.dense(config_hidden)
const output = tf.layers.dense(config_output);

// 5. 
model.add(hidden)
model.add(output)
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 203,324评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,303评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 150,192评论 0 337
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,555评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,569评论 5 365
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,566评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,927评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,583评论 0 257
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,827评论 1 297
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,590评论 2 320
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,669评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,365评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,941评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,928评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,159评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,880评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,399评论 2 342

推荐阅读更多精彩内容