Создайте модель с нуля и используйте ее для получения прогноза в браузере.
Итак, недавно у меня была возможность попробовать Tensorflow.js. Это библиотека для машинного обучения на JavaScript. Вы можете разрабатывать модели машинного обучения на JavaScript и использовать машинное обучение прямо в браузере или в Node. js.
Поскольку я был новичком в этом, я хотел попробовать его на настраиваемом наборе данных для задачи классификации. Поверьте, я не смог найти ни одного учебника, который показал бы, как построить модель с нуля и использовать ее для получения прогнозов в браузере. Я много исследовал и применил все свои знания в этом единственном проекте. Надеюсь, эта статья поможет вам начать свой путь к изучению tenorflow.js.
Получить набор данных
Для этого проекта я буду использовать набор данных Цветочная классификация, который я скачал с Kaggle. Файлы имеют указанный формат:
Обучить - ›5 папок с именем папки, являющейся классом
Тест -› 5 папок с именем папки, являющейся классом
Получение и обработка данных
Создайте файл data.js, который будет использоваться для загрузки данных. Теперь мы предполагаем, что каждое изображение в папке с именем «n_flowername.png», где «n» - это номер изображения, а «flower» - это имя цветка.
Создать модель
Теперь давайте создадим демонстрационную модель для обучения данных. Это должен быть новый файл model.js, этот файл будет содержать только архитектуру модели.
Поскольку у нас есть проблема мультиклассовой классификации, мы будем использовать «категориальную кроссэнтропию». Если у вас всего два класса, вы можете пойти на «бинарную кроссентропию».
Соберем все вместе
Создайте файл main.js, который будет вызывать все функции и выполнять их. Обязательно измените путь, в котором находится набор данных
Теперь давайте воспользуемся браузером, чтобы получить прогноз
Сначала мы создадим pred.js, в который загрузим нашу предварительно обученную модель и получим прогноз.
ПРИМЕЧАНИЕ!
Несмотря на то, что все файлы статичны, нашему файлу Html все равно потребуется сервер для загрузки model.json. Это то же самое, что и хостинг веб-сайта.
Вы можете сделать это, используя расширение Веб-сервер для Chrome в Google Chrome (я предполагаю, что вы используете Google Chrome для открытия HTML-файла)
Просто запустите приложение и сохраните настройки, как показано ниже.
Выберите папку, в которой находится ваш HTML-файл, и все готово. Откройте первую ссылку, указанную ниже «URL-адрес веб-сервера», и ваше веб-приложение будет работать нормально.
Полный код можно найти здесь → Классификация цветов
Заключение
В этой статье мы изучили, как использовать настраиваемый набор данных для задачи классификации в tensorflow.js. Если вы хотите создать веб-приложение, этот проект поможет вам создать приложение, в котором вам понадобится только модель, а логический вывод будет выполняться на стороне клиента.
Спасибо!
Надеюсь, вам понравилась статья!
