¿Nuevo en el aprendizaje automático? Mire un curso en video para obtener conocimientos prácticos sobre el funcionamiento de ML mediante tecnologías web . Ver serie

Esta página se ha traducido con Cloud Translation API.

Implementar el proyecto tfjs-node en la plataforma en la nube

Este documento describe cómo ejecutar un proceso Node.js con el paquete @tensorflow/tfjs-node en plataformas en la nube.

A partir de tfjs-node@1.2.4, ejecutar el proyecto Node.js en plataformas en la nube no requiere configuración adicional. Esta guía mostrará cómo ejecutar el ejemplo mnist-node en el repositorio @tensorflow/tfjs-examples en Heroku y GCloud. La compatibilidad con Node.js de Heroku está documentada en este artículo . La ejecución de Node.js en Google Cloud Platform se documenta aquí .

Implementar el proyecto Node.js en Heroku

Requisitos previos

Node.js y npm instalados
cuenta heroku
CLI de Heroku

Crea la aplicación Node.js

Cree una carpeta y copie los archivos data.js , main.js , model.js y package.json del ejemplo de mnist-node .
Asegúrese de que la dependencia de @tensorflow/tfjs-node sea @1.2.4 o una versión más reciente.

Cree su aplicación y ejecútela localmente

Ejecute el comando npm install en su directorio local para instalar las dependencias declaradas en el archivo package.json . Debería poder ver que el paquete tfjs-node está instalado y libtensorflow está descargado.

$ npm install
> @tensorflow/tfjs-node@1.2.5 install mnist-node/node_modules/@tensorflow/tfjs-node
> node scripts/install.js

CPU-linux-1.2.5.tar.gz
* Downloading libtensorflow
[==============================] 22675984/bps 100% 0.0s
* Building TensorFlow Node.js bindings

Entrene el modelo localmente ejecutando npm start .

$ npm start
> tfjs-examples-mnist-node@0.1.0 start /mnist-node
> node main.js

2019-07-30 17:33:34.109195: I tensorflow/core/platform/cpu_feature_guard.cc:142] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA
2019-07-30 17:33:34.147880: I tensorflow/core/platform/profile_utils/cpu_utils.cc:94] CPU Frequency: 3492175000 Hz
2019-07-30 17:33:34.149030: I tensorflow/compiler/xla/service/service.cc:168] XLA service 0x52f7090 executing computations on platform Host. Devices:
2019-07-30 17:33:34.149057: I tensorflow/compiler/xla/service/service.cc:175]   StreamExecutor device (0): <undefined>, <undefined>

Total params: 594922
Trainable params: 594922
Non-trainable params: 0
_________________________________________________________________
Epoch 1 / 20
Epoch 1 / 20
========================>----------------------------------------------------------------------------------: 35.5

Asegúrese de ignorar los artefactos de compilación, como node_modules, en su archivo .gitignore.

Crear e implementar la aplicación Heroku

Crea una nueva aplicación en el sitio web de Heroku
Confirme su cambio y empújelo hacia el maestro heroku.

$ git init
$ heroku git:remote -a your-app-name
$ git add .
$ git commit -m "First Commit"
$ git push heroku master

En los registros de compilación, debería poder ver el paquete tfjs-node descargando la biblioteca C de TensorFlow y cargando el complemento nativo TensorFlow Node.js:

remote: -----> Installing dependencies
remote:        Installing node modules (package.json)
remote:
remote:        > @tensorflow/tfjs-node@1.2.5 install /tmp/build_de800e169948787d84bcc2b9ccab23f0/node_modules/@tensorflow/tfjs-node
remote:        > node scripts/install.js
remote:
remote:        CPU-linux-1.2.5.tar.gz
remote:        * Downloading libtensorflow
remote:
remote:        * Building TensorFlow Node.js bindings
remote:        added 92 packages from 91 contributors and audited 171 packages in 9.983s
remote:        found 0 vulnerabilities
remote:

En los registros de proceso en Heroku, debería poder ver los registros de entrenamiento del modelo:

Total params: 594922
Trainable params: 594922
Non-trainable params: 0
_________________________________________________________________
Epoch 1 / 20
Epoch 1 / 20
====>--------------------------------------------------------------------: 221.9

También puedes iniciar o depurar el proceso en la consola Heroku.

Usando tfjs-node antes de la versión 1.2.4

Si está utilizando el paquete tfjs-node anterior a la versión 1.2.4, el paquete requiere g++ para compilar el complemento nativo del nodo a partir de los archivos fuente. Tendrá que asegurarse de que su pila tenga el paquete esencial de compilación de Linux (es posible que la pila de la versión más reciente no lo tenga por defecto).

Implementar el proyecto Node.js en Google Cloud Platform

Requisitos previos

Tener un proyecto de Google Cloud válido con cuenta de facturación
Instalar la herramienta cliente de Google Cloud
Agregue el archivo app.yaml para configurar el tiempo de ejecución de Node.js

Implementar aplicación en GCloud

Ejecute gcloud app deploy para implementar el código local y las configuraciones en App Engine. En los registros de implementación debería poder ver que tfjs-node está instalado:

$ gcloud app deploy

Step #1:
Step #1: > @tensorflow/tfjs-node@1.2.5 install /app/node_modules/@tensorflow/tfjs-node
Step #1: > node scripts/install.js
Step #1:
Step #1: CPU-linux-1.2.5.tar.gz
Step #1: * Downloading libtensorflow
Step #1:
Step #1: * Building TensorFlow Node.js bindings
Step #1: added 88 packages from 85 contributors and audited 171 packages in 13.392s
Step #1: found 0 vulnerabilities

En los registros de las aplicaciones, debería poder ver el proceso de capacitación del modelo:

Total params: 594922
Trainable params: 594922
Non-trainable params: 0

Epoch 1 / 20
===============================================================================>
745950ms 14626us/step - acc=0.920 loss=0.247 val_acc=0.987 val_loss=0.0445
Loss: 0.247 (train), 0.044 (val); Accuracy: 0.920 (train), 0.987 (val) (14.62 ms/step)
Epoch 2 / 20
===============================================================================>
818140ms 16042us/step - acc=0.980 loss=0.0655 val_acc=0.989 val_loss=0.0371
Loss: 0.066 (train), 0.037 (val); Accuracy: 0.980 (train), 0.989 (val) (16.04 ms/step)
Epoch 3 / 20
Epoch 3 / 20