Гайд по работе с TensorFlow.js: от нуля до первого нейрона 🧠

kirilljs

TensorFlow.js — библиотеке от Google, которая позволяет создавать и обучать нейросети прямо в браузере или Node.js. Забудьте про Python: всё, что вам нужно, — это браузер и базовые знания JS. Давайте начнём!

1. Установка и подключение

В браузере:

<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@4.10.0/dist/tf.min.js"></script>

В Node.js:

npm install @tensorflow/tfjs

Для GPU:

npm install @tensorflow/tfjs-node-gpu

2. Пример простой модели

Задача: обучить модель предсказывать Y = 2X - 1.

Подготовка данных

const xs = tf.tensor2d([[0], [2], [4], [6], [8]]); // Входные значения  
const ys = tf.tensor2d([[-1], [3], [7], [13], [15]]); // Цель

Создание и компиляция модели

const model = tf.sequential();  
model.add(tf.layers.dense({inputShape: [1], units: 1}));  

model.compile({  
  optimizer: 'sgd',  
  loss: 'meanSquaredError'  
});

Обучение и прогнозирование

await model.fit(xs, ys, {epochs: 50});  
const prediction = model.predict(tf.tensor2d([[10]]));  
prediction.print(); // Ожидаем ~19

3. Визуализация и сохранение

Графики обучения: Используйте tfjs-vis для отображения потерь.

Сохранение модели:

await model.save('localstorage://my-model');

Загрузка модели:

const loadedModel = await tf.loadLayersModel('localstorage://my-model');

4. Готовые модели

ImageNet (Mobilenet):

npm install @tensorflow-models/mobilenet

Пример:

const model = await mobilenet.load();  
const predictions = await model.classify(document.getElementById('img'));

Голосовые команды:

npm install @tensorflow-models/speech-commands

5. Советы и ограничения

Очистка памяти: Используйте tf.tidy() или .dispose() для управления тензорами.
Производительность: В браузере медленнее, чем в Python. Лучше использовать для простых задач.
Сложные модели: Обучайте на Python, затем импортируйте в TensorFlow.js.