快速入门 TensorFlow.js
文 / Laurence Moroney
使用 TensorFlow.js，不仅可以在浏览器中运行机器学习模型来执行推理，还可以训练它们。在本教程中，将向您展示一个基本的 “Hello World” 示例，通过该实例开启我们的全新旅程。
让我们从一个最简单的网页开始：
<html>
<head></head>
<body></body>
</html>
完成后，需要做的第一件事是添加对 TensorFlow.js 的引用，以便我们可以在浏览器环境中使用 TensorFlow API。为方便起见，可以从 CDN 上获取 JS 文件：
<html>
<head>
<!-- Load TensorFlow.js -->
<!-- Get latest version at https://github.com/tensorflow/tfjs -->
<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@0.11.2"> </script>
在写这篇文章时使用的 TensorFlow.js 版本是 0.11.2。如果想获取最新版本，我们可以从 GitHub 查看。
现在我们已经成功加载了 TensorFlow.js，让我们用它做一些有趣的事情吧！
现在有一条公式为 Y = 2X-1 的直线。并提供你一组点，如（-1，-3），（0，-1），（1,1），（2,3），（3,5）和（4,7）。虽然通过公式我们可以得出给定 X 的 Y 值，我们是否可以通过机械学习模型推导出 Y 值呢？
首先，我们可以创建一个简单的神经网络来进行推理。由于只有 1 个输入值和 1 个输出值，因此它可以是单节点。在 JavaScript 中，我们可以创建一个 tf.sequential，并添加图层定义。代码示例如下：
const model = tf.sequential();
model.add(tf.layers.dense({units: 1, inputShape: [1]}));
为了完成模型定义，我们需要执行编译，并指定损失类型和优化器。我们将选择最基本的损失类型 - meanSquaredError，同时优化器使用标准的
Stochastic Gradient Descent：
model.compile({
loss: 'meanSquaredError',
optimizer: 'sgd'
});
为了训练模型，我们需要定义张量，并指定其形状：
const xs = tf.tensor2d([-1, 0, 1, 2, 3, 4], [6, 1]);
const ys = tf.tensor2d([-3, -1, 1, 3, 5, 7], [6, 1]);
为了训练模型，我们使用 fit 方法。为此，我们传递一组 X 和 Y 值，以及 epochs（循环数据）。请注意，这是异步（async/await）的，因此所有这些代码都需要在异步函数中：
await model.fit(xs, ys, {epochs: 500});
一旦准备就绪，模型就会被训练，我们就可以基于 X 值预测 Y。例如，如果我们想要找出 X = 10的 Y 值并将其写在 Web 页面上的 <div> 中，代码如下所示：
document.getElementById('output_field').innerText =
model.predict(tf.tensor2d([10], [1, 1]));
请注意，输入是包含值 10 的 1x1 的张量。
结果如下所示：
等等，你可能会问 —— 为什么不是 19？它非常接近，但它不是 19！这是因为该算法从未被赋予公式 —— 它只是根据给出的少量数据进行学习。有了更多的相关数据进行训练，ML 模型就会提供更高的准确性。
为了方便起见，完整代码如下所示：
<html>
<head>
<!-- Load TensorFlow.js -->
<!-- Get latest version at https://github.com/tensorflow/tfjs -->
<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@0.11.2">
</script>
</head>
<body>
<div id="output_field"></div>
</body>
<script>
async function learnLinear(){
const model = tf.sequential();
model.add(tf.layers.dense({units: 1, inputShape: [1]}));
model.compile({
loss: 'meanSquaredError',
optimizer: 'sgd'
});
const xs = tf.tensor2d([-1, 0, 1, 2, 3, 4], [6, 1]);
const ys = tf.tensor2d([-3, -1, 1, 3, 5, 7], [6, 1]);
await model.fit(xs, ys, {epochs: 500});
document.getElementById('output_field').innerText =
model.predict(tf.tensor2d([10], [1, 1]));
}
learnLinear();
</script>
<html>
这就是在浏览器环境中使用 TensorFlow.js 创建一个非常简单的机器学习模型所需要的一切。从这里开始，我们将进入崭新的世界！
更多 AI 相关阅读：
· 使用 Cloud TPU 在 30 分钟内训练并部署实时移动物体探测器
Be a Tensorflower