Executando modelos de florestas de decisão do TensorFlow com TensorFlow.js

Estas instruções explicam como treinar um modelo TF-DF e executá-lo na Web usando o TensorFlow.js.

Instruções detalhadas

Treine um modelo no TF-DF

Para experimentar este tutorial, primeiro você precisa de um modelo TF-DF. Você pode usar seu próprio modelo ou treinar um modelo com o tutorial para iniciantes .

Se você simplesmente deseja treinar rapidamente um modelo no Google Colab, pode usar o seguinte trecho de código.

!pip install tensorflow_decision_forests -U -qq
import tensorflow as tf
import tensorflow_decision_forests as tfdf
import pandas as pd

# Download the dataset, load it into a pandas dataframe and convert it to TensorFlow format.
!wget -q https://storage.googleapis.com/download.tensorflow.org/data/palmer_penguins/penguins.csv -O /tmp/penguins.csv
dataset_df = pd.read_csv("/tmp/penguins.csv")
train_ds = tfdf.keras.pd_dataframe_to_tf_dataset(dataset_df, label="species")

# Create, train and save the model
model_1 = tfdf.keras.GradientBoostedTreesModel()
model_1.fit(train_ds)
model_1.save("/tmp/my_saved_model")

Converter o modelo

As instruções futuras assumem que você salvou seu modelo TF-DF no caminho /tmp/my_saved_model . Execute o snippet a seguir para converter o modelo em TensorFlow.js.

!pip install tensorflow tensorflow_decision_forests 'tensorflowjs>=4.4.0'

# Prepare and load the model with TensorFlow
import tensorflow as tf
import tensorflow_decision_forests as tfdf
import tensorflowjs as tfjs
from google.colab import files

# Load the model with Keras
model = tf.keras.models.load_model("/tmp/my_saved_model/")

# Convert the keras model to TensorFlow.js
tfjs.converters.tf_saved_model_conversion_v2.convert_keras_model_to_graph_model(model, "./tfjs_model")

# Download the converted TFJS model
!zip -r tfjs_model.zip tfjs_model/
files.download("tfjs_model.zip")

Quando o Google Colab termina a execução, ele baixa o modelo TFJS convertido como um arquivo zip. Descompacte esse arquivo antes de usá-lo na próxima etapa.

Um modelo Tensorflow.js descompactado consiste em vários arquivos. O modelo de exemplo contém o seguinte:

• ativos.zip
• group1-shard1of1.bin
• model.json

Use o modelo Tensorflow.js na web

Use este modelo para carregar dependências TFJS e executar o modelo TFDF. Altere o caminho do modelo para onde seu modelo é servido e modifique o tensor fornecido para executeAsync.

  <script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@4.5.0/dist/tf.min.js"></script>
  <script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs-tfdf/dist/tf-tfdf.min.js"></script>
  <script>
    (async () =>{
      // Load the model.
      // Tensorflow.js currently needs the absolute path to the model including the full origin.
      const model = await tfdf.loadTFDFModel('https://path/to/unzipped/model/model.json');
      // Perform an inference
      const result = await model.executeAsync({
            "island": tf.tensor(["Torgersen"]),
            "bill_length_mm": tf.tensor([39.1]),
            "bill_depth_mm": tf.tensor([17.3]),
            "flipper_length_mm": tf.tensor([3.1]),
            "body_mass_g": tf.tensor([1000.0]),
            "sex": tf.tensor(["Female"]),
            "year": tf.tensor([2007], [1], 'int32'),
      });
      // The result is a 6-dimensional vector, the first half may be ignored
      result.print();
    })();
  </script>

Questões?

Confira a documentação TensorFlow Decision Forests e a documentação TensorFlow.js .