این راهنما مستندات عمیقی از موضوعات مهم TensorFlow.js ارائه می دهد. اگر به تازگی با TensorFlow.js شروع کرده اید، ممکن است بخواهید آموزش ها را بررسی کنید و سپس برای کسب اطلاعات بیشتر به این راهنما بازگردید.
TensorFlow.js یک کتابخانه وب ML منبع باز است که می تواند در هر جایی که جاوا اسکریپت می تواند اجرا شود. این بر اساس کتابخانه اصلی TensorFlow نوشته شده در پایتون است و هدف آن بازسازی این تجربه توسعه دهنده و مجموعه ای از API ها برای اکوسیستم جاوا اسکریپت است.
موضوعات این راهنما به شما کمک می کند تا TensorFlow.js و نحوه عملکرد API های TensorFlow در جاوا اسکریپت را درک کنید.
با مفاهیم کلیدی تنسورفلو آشنا شوید:
- تانسورها و عملیات - مقدمه ای بر تانسورها، داده ها، اشکال و انواع داده ها: بلوک های سازنده TensorFlow.js.
- پلتفرم و محیط - مروری بر پلتفرم‌ها و محیط‌های مختلف در TensorFlow.js و مبادلات بین آنها.
- عملیات سفارشی، هسته‌ها و گرادیان‌ها – مکانیسم‌های تعریف عملیات سفارشی (ops)، هسته‌ها و گرادیان‌ها را در TensorFlow.js تشریح می‌کند.
با مدل های از پیش ساخته شده آشنا شوید:
- از یک مدل از پیش ساخته استفاده کنید - راهنمایی در مورد چگونگی پیدا کردن و انتخاب مدل های از پیش ساخته شده برای مورد استفاده شما.
درباره مدل ها و نحوه استفاده از آنها بیشتر بدانید:
- مدل‌ها و لایه‌ها – نحوه ساخت مدل در TensorFlow.js با استفاده از لایه‌ها و Core API.
- مدل‌های قطار – مقدمه‌ای بر آموزش: مدل‌ها، بهینه‌سازها، تلفات، معیارها، متغیرها.
- ذخیره و بارگذاری مدل ها – نحوه ذخیره و بارگیری مدل های TensorFlow.js را بیاموزید.
- تبدیل مدل - چشم انداز انواع مدل های موجود در اکوسیستم TensorFlow.js و جزئیات تبدیل مدل ها را ببینید.
- تفاوت‌ها با Python tf.keras – تفاوت‌ها و قابلیت‌های عمده بین TensorFlow.js و Python
tf.kerasو قراردادهای API مورد استفاده در جاوا اسکریپت را بدانید.
درباره TensorFlow.js در Node.js بیاموزید:
- استفاده از TensorFlow.js در Node.js - معاوضه بین سه اتصال Node.js موجود و الزامات سیستمی که دارند را درک کنید.
- استقرار یک پروژه Node TensorFlow.js در فضای ابری – نحوه استقرار یک فرآیند Node.js با بسته
tfjs-nodeدر پلتفرم های ابری.