Zi 字媒體

不久前 Google 發表了 TensorFlow.js，終於把 TensorFlow 帶到瀏覽器上，不過對 Node.js 仍然不支援。現在 Google 終於把測試版本的 TensorFlow 丟到 npm 上了！ 安裝 TensorFlow.js 首先透過 npm（或 yarn 也行）安裝 TensorFlow.js 和 TensorFlow.js 的 Node.js 版本： npm install @tensorflow/tfjs npm install @tensorflow/tfjs-node 之後再安裝對應版本的 NVDIA CUDA、cuDNN 就可以啦！ 值得注意的是： tfjs-node 還在測試中（Under development），可能不適合正式環境使用。 目前只有 Linux、macOS 可以使用，~~Windows 的使用者可能無法。~~Windows 也能用啦！ 開始使用 TensorFlow.js 首先要引入 TensorFlow.js： const tf = require('@tensorflow/tfjs'); require('@tensorflow/tfjs-node'); tf.setBackend('tensorflow'); 之後 TensorFlow 就會放在 tf 這個全域變數裡，接著我們改寫官方的範例來試試看 tf.js。 async function myFirstTfjs() { // Create a simple model. const model = tf.sequential(); model.add(tf.layers.dense({units: 1, inputShape: [1]})); // Prepare the model for training: Specify the loss and the optimizer. model.compile({ loss: 'meanSquaredError', optimizer: 'sgd' }); // Generate some synthetic data for training. (y = 2x - 1) const xs = tf.tensor2d([-1, 0, 1, 2, 3, 4], [6, 1]); const ys = tf.tensor2d([-3, -1, 1, 3, 5, 7], [6, 1]); // Train the model using the data. await model.fit(xs, ys, {epochs: 250}); // Use the model to do inference on a data point the model hasn't seen. // Should print approximately 39. const output = model.predict(tf.tensor2d([20], [1, 1])).toString() console.log(output); } myFirstTfjs(); 這個範例用來預測 $y=2x-1$ 這個方程式，而我們在 model.predict 的地方預測了 $20$，預期出來的結果應該要是 $39$。而這是我的預測結果： [[38.4072647],] 還蠻接近 39 的。 上面的範例取自官方的 tfjs-examples，而為了適應後端環境，我只將最後的 document.getElementById(...).innerText += 改成 console.log 而已。如果有興趣，也能把手寫辨識的範例抓下來跑看看。 參考資料 tfjs-node tfjs-examples