در یادگیری ماشینی جدید هستید؟ یک دوره ویدیویی را تماشا کنید تا دانش کاربردی ML را با استفاده از فناوری‌های وب
مشاهده کنید
راهنمای TensorFlow.js
با مجموعه‌ها، منظم بمانید
ذخیره و طبقه‌بندی محتوا براساس اولویت‌های شما.
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:
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.keras و قراردادهای API مورد استفاده در جاوا اسکریپت را بدانید.
درباره TensorFlow.js در Node.js بیاموزید:
جز در مواردی که غیر از این ذکر شده باشد،محتوای این صفحه تحت مجوز Creative Commons Attribution 4.0 License است. نمونه کدها نیز دارای مجوز Apache 2.0 License است. برای اطلاع از جزئیات، به خطمشیهای سایت Google Developers مراجعه کنید. جاوا علامت تجاری ثبتشده Oracle و/یا شرکتهای وابسته به آن است.
تاریخ آخرین بهروزرسانی 2023-06-02 بهوقت ساعت هماهنگ جهانی.
[null,null,["تاریخ آخرین بهروزرسانی 2023-06-02 بهوقت ساعت هماهنگ جهانی."],[],[],null,["# TensorFlow.js guide\n\n\u003cbr /\u003e\n\nThis guide provides in-depth documentation of important TensorFlow.js topics. If\nyou're just getting started with TensorFlow.js, you might want to explore\n[the tutorials](/js/tutorials) and then return to this guide to learn more.\n\nTensorFlow.js is an open-source web ML library that can run anywhere JavaScript\ncan. It's based on the original TensorFlow library written in Python and aims\nto recreate this developer experience and set of APIs for the JavaScript\necosystem.\n\nThe topics in this guide will help you understand TensorFlow.js and how\nTensorFlow APIs work in JavaScript.\n\nLearn about key Tensorflow concepts:\n\n- [Tensors and operations](/js/guide/tensors_operations) -- An intro to tensors, data, shapes, and data types: the building blocks of TensorFlow.js.\n- [Platform and environment](/js/guide/platform_environment) -- Overview of the different platforms and environments in TensorFlow.js and the tradeoffs between them.\n- [Custom ops, kernels, and gradients](/js/guide/custom_ops_kernels_gradients) -- Outlines the mechanisms for defining custom operations (ops), kernels, and gradients in TensorFlow.js.\n\nLearn about pre-made models:\n\n- [Use a pre-made model](/js/guide/premade_models) -- Guidance on how to find and select pre-made models for your use case.\n\nLearn more about models and how to use them:\n\n- [Models and layers](/js/guide/models_and_layers) -- How to build a model in TensorFlow.js using Layers and the Core API.\n- [Train models](/js/guide/train_models) -- Introduction to training: models, optimizers, losses, metrics, variables.\n- [Save and load models](/js/guide/save_load) -- Learn how to save and load TensorFlow.js models.\n- [Model conversion](/js/guide/conversion) -- See the landscape of model types available in the TensorFlow.js ecosystem and the details behind conversion of models.\n- [Differences from Python tf.keras](/js/guide/layers_for_keras_users) -- Know the major differences and capabilities between TensorFlow.js and Python [`tf.keras`](/api_docs/python/tf/keras) and the API conventions used in JavaScript.\n\nLearn about TensorFlow.js in Node.js:\n\n- [Using TensorFlow.js in Node.js](/js/guide/nodejs) -- Understand the tradeoffs between the three available Node.js bindings and the system requirements they have.\n- [Deploy a TensorFlow.js Node project on cloud](/js/guide/node_in_cloud) -- How to deploy a Node.js process with the `tfjs-node` package on cloud platforms."]]
