tensorflow.js 예제

각 예제 디렉터리는 독립 실행형이므로 디렉터리를 다른 프로젝트에 복사할 수 있습니다. TensorFlow.js로 구축된 예제 및 라이브 데모를 확인하세요. 예를 들어, Github 문제에 대해 문의한 후 이 예제 집합을 작고 고도로 선별된 상태로 유지하려고 하는 경우 끌어오기 요청을 보내주십시오. 레이어API를 사용하여 간단한 예제 피드 포워드 네트워크를 만들 것입니다. 우리가 빌드할 피드 포워드 네트워크는 다음과 같습니다: 예를 들어, 이러한 유형의 평가 클라이언트 쪽을 수행하면 인터넷을 통해 아직 게시되지 않은 주석을 보내는 것과 관련된 잠재적인 개인 정보 보호 문제가 제거됩니다. 또한 추가 웹 서비스 엔드포인트에 대한 필요성을 제거하고 기계 학습 모델을 특정 웹 사이트의 중재 정책에 대한 전체 사용자 지정을 허용합니다. 이 예제의 릴리스는 이러한 모델의 클라이언트 측 버전 개발을 진행하는 첫 번째 단계로 봅니다. 클라이언트 쪽 모델은 콘텐츠가 공개적으로 게시되지 않는 포럼이나 사용자가 장치에서 스니펫의 점수를 매긴 경우와 같이 더 많은 사용 사례를 엽니다. 끌어오기 요청을 보내기 전에 사전 제출 테스트를 실행하고 모두 통과하는지 확인하는 것이 좋습니다. 이렇게하려면 tfjs 예제의 루트 디렉토리에서 다음 명령을 실행하십시오 : 텐서 플로우 / tfjs 예제에서 새 릴리스에 대한 알림을 받고 싶습니까? 여기서 우리는 입력 예제 (아니오)에 대해 두 개의 배열을 만듭니다. 실 항목의 경우) 및 실제 출력 값에 대한 다른 (기계 학습의 레이블로 알려져 있습니다, 우리의 경우 각 집의 가격). 그런 다음 각 배열 데이터를 2d 텐서로 변환합니다. 모델에 공급할 100개의 새로운 `예제`를 생성합니다.

Model.predict는 이러한 예제를 모델에 제공하는 방법입니다. 훈련을 할 때와 비슷한 모양(num_example, num_features_per__example])이 있어야 합니다. getting_시작을 제외한 모든 예제에서는 다음 종속성을 설치해야 합니다. 다음으로 데이터를 정규화합니다. 여기서는 최소 최대 크기 조정을 사용하여 데이터를 숫자 범위 0-1로 정규화합니다. tensorflow.js로 빌드할 많은 기계 학습 모델의 내부는 너무 크지 않은 숫자로 작동하도록 설계되었기 때문에 정규화가 중요합니다. 0에서 1 또는 -1에서 1을 포함하도록 데이터를 정규화하는 공통 범위입니다. 온라인 커뮤니케이션 플랫폼은 무례하거나 공격적인 댓글로 인해 점점 더 압도되어 사람들이 토론을 완전히 포기할 수 있습니다.