Baru dalam pembelajaran mesin? Tonton video kursus untuk mendapatkan pengetahuan praktis tentang ML menggunakan teknologi web View series

Halaman ini diterjemahkan oleh Cloud Translation API.

Panduan TensorFlow.js

Panduan ini memberikan dokumentasi mendalam tentang topik penting TensorFlow.js. Jika Anda baru saja memulai TensorFlow.js, Anda mungkin ingin mempelajari tutorialnya lalu kembali ke panduan ini untuk mempelajari lebih lanjut.

TensorFlow.js adalah pustaka ML web sumber terbuka yang dapat dijalankan di mana saja yang dapat dijalankan JavaScript. Ini didasarkan pada pustaka TensorFlow asli yang ditulis dengan Python dan bertujuan untuk menciptakan kembali pengalaman pengembang dan kumpulan API ini untuk ekosistem JavaScript.

Topik dalam panduan ini akan membantu Anda memahami TensorFlow.js dan cara kerja TensorFlow API di JavaScript.

Pelajari tentang konsep utama Tensorflow:

Tensor dan operasi – Pengantar tensor, data, bentuk, dan tipe data: blok penyusun TensorFlow.js.
Platform dan lingkungan – Gambaran umum tentang berbagai platform dan lingkungan di TensorFlow.js dan kompromi di antara keduanya.
Operasi kustom, kernel, dan gradien – Menjabarkan mekanisme untuk menentukan operasi kustom (operasi), kernel, dan gradien di TensorFlow.js.

Pelajari tentang model siap pakai:

Gunakan model siap pakai – Panduan tentang cara menemukan dan memilih model siap pakai untuk kasus penggunaan Anda.

Pelajari lebih lanjut tentang model dan cara menggunakannya:

Model dan lapisan – Cara membuat model di TensorFlow.js menggunakan Lapisan dan Core API.
Melatih model – Pengantar pelatihan: model, pengoptimal, kerugian, metrik, variabel.
Simpan dan muat model – Pelajari cara menyimpan dan memuat model TensorFlow.js.
Konversi model – Lihat lanskap jenis model yang tersedia di ekosistem TensorFlow.js dan detail di balik konversi model.
Perbedaan dari Python tf.keras – Ketahui perbedaan utama dan kemampuan antara TensorFlow.js dan Python tf.keras dan konvensi API yang digunakan dalam JavaScript.

Pelajari tentang TensorFlow.js di Node.js:

Menggunakan TensorFlow.js di Node.js – Pahami pertukaran antara tiga binding Node.js yang tersedia dan persyaratan sistem yang mereka miliki.
Menerapkan proyek Node TensorFlow.js di cloud – Cara menerapkan proses Node.js dengan paket tfjs-node di platform cloud.