برنامج TensorFlow.js التعليمي
ما هو TensorFlow.js؟
مكتبة JavaScript شائعة للتعلم الآلي .
يتيح لنا تدريب ونشر نماذج التعلم الآلي في المتصفح .
يتيح لنا إضافة وظائف التعلم الآلي إلى أي تطبيق ويب .
باستخدام TensorFlow
لاستخدام TensorFlow.js ، أضف علامة البرنامج النصي التالية إلى ملف (ملفات) HTML الخاص بك:
مثال
<script src="https://cdn.jsdelivr.net/npm/@tensorflow/[email protected]/dist/tf.min.js"></script>
للتأكد من أنك تستخدم دائمًا أحدث إصدار ، استخدم هذا:
مثال 2
<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs"></script>
تم تطوير TensorFlow بواسطة فريق Google Brain للاستخدام الداخلي لـ Google ، ولكن تم إصداره كبرنامج مفتوح في عام 2015.
في يناير 2019 ، أصدر مطورو Google TensorFlow.js ، وهو تطبيق JavaScript لـ TensorFlow.
تم تصميم Tensorflow.js لتوفير نفس الميزات مثل مكتبة TensorFlow الأصلية المكتوبة بلغة Python.
موتر
TensorFlow.js هي مكتبة جافا سكريبت لتعريف Tensors وتشغيلها .
الموتر هو نفسه مصفوفة متعددة الأبعاد.
يحتوي Tensor على قيم رقمية في شكل أبعاد (واحد أو أكثر).
يمتلك Tensor الخصائص الرئيسية التالية:
| ملكية | وصف |
|---|---|
| dtype | نوع البيانات |
| مرتبة | عدد الأبعاد |
| شكل | حجم كل بعد |
إنشاء موتر
يمكن إنشاء Tensor من أي مصفوفة ذات أبعاد N :
مثال 1
const tensorA = tf.tensor([[1, 2], [3, 4]]);
مثال 2
const tensorA = tf.tensor([[1, 2], [3, 4], [5, 6]]);
شكل موتر
يمكن أيضًا إنشاء Tensor من مصفوفة ومعلمة الشكل :
مثال 1
const shape = [2, 2];
const tensorA = tf.tensor([1, 2, 3, 4], shape);
مثال 2
const tensorA = tf.tensor([1, 2, 3, 4], [2, 2]);
مثال 3
const tensorA = tf.tensor([[1, 2], [3, 4]], [2, 2]);
أنواع بيانات الموتر
يمكن أن يحتوي Tensor على أنواع البيانات التالية:
- منطقي
- int32
- float32 (افتراضي)
- مجمع 64
- سلسلة
عندما تقوم بإنشاء موتر ، يمكنك تحديد نوع البيانات كمعامل ثالث:
مثال
const tensorA = tf.tensor([1, 2, 3, 4], [2, 2], "int32");
/*
Results:
tensorA.rank = 2
tensorA.shape = 2,2
tensorA.dtype = int32
*/
استرجاع قيم Tensor
يمكنك الحصول على البيانات خلف الموتر باستخدام tensor.data () :
مثال
const tensorA = tf.tensor([[1, 2], [3, 4]]);
tensorA.data().then(data => display(data));
// Result: 1,2,3,4
function display(data) {
document.getElementById("demo").innerHTML = data;
}
يمكنك الحصول على المصفوفة خلف موتر باستخدام tensor.array () :
مثال
const tensorA = tf.tensor([[1, 2], [3, 4]]);
tensorA.array().then(array => display(array[0]));
// Result: 1,2
function display(data) {
document.getElementById("demo").innerHTML = data;
}