Прежде чем приступить к изучению приведенных ниже учебных материалов, вам следует:
Уметь программировать в браузере с использованием HTML, CSS и JavaScript.
Научитесь использовать командную строку для запуска сценариев Node.js.
Эта программа обучения предназначена для людей, которые хотят:
Создавайте модели машинного обучения в JavaScript
Запускайте существующие модели везде, где может работать Javascript
Развертывание моделей машинного обучения в веб-браузерах
TensorFlow.js позволяет разрабатывать или выполнять модели машинного обучения на JavaScript и использовать машинное обучение непосредственно на стороне клиента браузера, на стороне сервера через Node.js, на мобильных устройствах через React Native, на настольных компьютерах через Electron и даже на устройствах IoT через Node.js. на Малине Пи. Чтобы узнать больше о TensorFlow.js и о том, что с ним можно сделать, прочтите этот доклад на Google I/O.
Шаг 1. Познакомьтесь с машинным обучением в браузере
Чтобы получить краткое представление об основах машинного обучения в JavaScript, пройдите курс для самостоятельного обучения на Edx или посмотрите видеоролики ниже, которые познакомят вас с основными принципами, использованием существующих готовых моделей и даже созданием собственной нейронной сети для классификации. Вы также можете попробовать сделать умную веб-камеру на JavaScript Codelab для интерактивного ознакомления с этими концепциями.
Пройдите путь от нуля до героя с помощью веб-ML, используя TensorFlow.js. Узнайте, как создавать веб-приложения нового поколения, которые могут работать на стороне клиента и использоваться практически на любом устройстве.
Узнайте, как загрузить и использовать одну из предварительно обученных моделей TensorFlow.js (COCO-SSD) и использовать ее для распознавания распространенных объектов, на которых она обучалась.
Чтобы получить более глубокое понимание того, как работают нейронные сети, и более широкое понимание того, как их применять для решения различных задач, у нас есть две книги.
Изучение TensorFlow.js — отличное место для начала, если вы новичок в тензорах и машинном обучении в целом, но хорошо разбираетесь в JavaScript. Эта книга проведет вас от основ, таких как понимание того, как манипулировать данными в тензорах, до быстрого перехода к реальным приложениям. Прочитав, вы поймете, как загружать существующие модели, передавать в них данные и интерпретировать полученные данные.
Глубокое обучение с помощью JavaScript также является отличным началом. Он сопровождается большим количеством примеров с GitHub, чтобы вы могли попрактиковаться в работе с машинным обучением в JavaScript.
В этой книге будет продемонстрировано, как использовать широкий спектр архитектур нейронных сетей, таких как сверточные нейронные сети, рекуррентные нейронные сети, а также парадигмы расширенного обучения, такие как обучение с подкреплением. Он также дает четкие объяснения того, что на самом деле происходит с нейронной сетью в процессе обучения.
Практический комплексный подход к основам TensorFlow.js для широкой технической аудитории. Прочитав эту книгу, вы узнаете, как создавать и развертывать готовые к использованию системы глубокого обучения с помощью TensorFlow.js.
Шаньцин Цай, Стэнли Билески, Эрик Д. Нильсен с Франсуа Шоле
В этой книге, написанной основными авторами библиотеки TensorFlow, представлены увлекательные примеры использования и подробные инструкции по приложениям глубокого обучения на JavaScript в вашем браузере или на Node.
Шаг 3. Попрактикуйтесь на примерах с использованием TensorFlow.js
Практика ведет к совершенству, и получение практического опыта — лучший способ закрепить концепции. Ознакомьтесь с лабораториями кода TensorFlow.js , чтобы расширить свои знания с помощью этих пошаговых руководств для распространенных случаев использования:
Благодаря вашим знаниям нейронных сетей вам будет легче изучать примеры с открытым исходным кодом , созданные командой TensorFlow. Все они доступны на GitHub , так что вы можете покопаться в коде и посмотреть, как они работают.
Репозиторий на GitHub, содержащий набор примеров, реализованных в TensorFlow.js. Каждый каталог примера является автономным, поэтому его можно скопировать в другой проект.
Учебные пособия по TensorFlow написаны в виде блокнотов Jupyter и запускаются непосредственно в Google Colab — размещенной среде блокнотов, не требующей настройки. Нажмите кнопку «Выполнить в Google Colab».
Проверив свои знания и попрактиковавшись на некоторых примерах TensorFlow.js, вы будете готовы приступить к разработке собственных проектов. Взгляните на наши предварительно обученные модели и начните создавать приложение за считанные минуты. Или вы можете обучить свою собственную модель, используя собранные вами данные или общедоступные наборы данных. Kaggle и Google Dataset Search — отличные места для поиска открытых наборов данных для обучения вашей модели.
Вы также можете просмотреть последние материалы сообщества, выполнив поиск по хэштегу #MadeWithTFJS в социальных сетях.
Теоретическое и продвинутое машинное обучение с TensorFlow
[null,null,[],[],[],null,["# Basics of TensorFlow for JavaScript development\n\n[TensorFlow](/tutorials) › [Resources](/resources/models-datasets) › [Learn ML](/resources/learn-ml) › [Guide](/resources/learn-ml/basics-of-tensorflow-for-js-development) › \n\nTensorFlow for JavaScript development\n=====================================\n\nBefore starting on the learning materials below, you should:\n\n1. Be comfortable with browser programming using HTML, CSS, \\& JavaScript\n\n2. Be familiar with using the command line to run Node.js scripts\n\nThis curriculum is for people who want to:\n\n1. Build ML models in JavaScript\n\n2. Run existing models anywhere Javascript can run\n\n3. Deploy ML models to web browsers\n\nTensorFlow.js lets you develop or execute ML models in JavaScript, and use ML directly in the browser client side, server side via Node.js, mobile native via React Native, desktop native via Electron, and even on IoT devices via Node.js on Raspberry Pi. To learn more about TensorFlow.js, and what can be done with it, check out [this talk](https://www.youtube.com/watch?v=uU-u-5Eo65g) at Google I/O. \n\nStep 1: Get introduced to machine learning in the browser\n---------------------------------------------------------\n\nTo get a quick introduction on basics for ML in JavaScript, take the self-paced [course on Edx](https://www.edx.org/course/google-ai-for-javascript-developers-with-tensorflowjs) or watch the videos below that take you from first principles, to using existing pre-made models, and even building your own neural network for classification. You can also try the [Make a smart webcam in JavaScript](https://codelabs.developers.google.com/codelabs/tensorflowjs-object-detection#0) Codelab for an interactive walkthrough of these concepts. \n\nSuperpowers for next gen web apps: Machine Learning \nThis high level intro to machine learning in JavaScript is for web developers looking to take their first steps with TensorFlow.js. \nFree\nWatch video\n\nCode \nTheory \n*close* \n[Google AI for JavaScript developers with TensorFlow.js](https://www.edx.org/course/google-ai-for-javascript-developers-with-tensorflowjs) \nGo from zero to hero with web ML using TensorFlow.js. Learn how to create next generation web apps that can run client side and be used on almost any device. \nFree [View course](https://www.edx.org/course/google-ai-for-javascript-developers-with-tensorflowjs) \nBuild \nCode \nTheory \nBuild \n[Make a smart webcam in JavaScript with a pre-trained model](https://codelabs.developers.google.com/codelabs/tensorflowjs-object-detection#0) \nLearn how to load and use one of the TensorFlow.js pre-trained models (COCO-SSD) and use it to recognize common objects it's been trained on. \nFree [See Codelab](https://codelabs.developers.google.com/codelabs/tensorflowjs-object-detection#0) \nTheory \nBuild \n\nStep 2: Dive deeper into Deep Learning\n--------------------------------------\n\nTo get a deeper understanding of how neural networks work, and a broader understanding of how to apply them to different problems, we have two books available.\n\n[Learning TensorFlow.js](https://www.oreilly.com/library/view/learning-tensorflowjs/9781492090786/) is a great place to start if you are new to Tensors and Machine Learning generally but have a good understanding of JavaScript. This book takes you all the way from the basics such as understanding how to manipulate data into Tensors, to quickly progressing to real world applications. After reading, you will understand how to load existing models, pass data to them, and interpret data that comes out.\n\n[Deep Learning with JavaScript](https://www.manning.com/books/deep-learning-with-javascript) is also a great place to start. It is accompanied by a large number of examples from GitHub so you can practice working with machine learning in JavaScript.\n\nThis book will demonstrate how to use a wide variety of neural network architectures, such as Convolutional Neural Networks, Recurrent Neural Networks, and advanced training paradigms such as reinforcement learning. It also provides clear explanations of what is actually happening with the neural network in the training process. \n[Learning TensorFlow.js](https://www.oreilly.com/library/view/learning-tensorflowjs/9781492090786/) \nby Gant Laborde \nA hands-on end-to-end approach to TensorFlow.js fundamentals for a broad technical audience. Once you finish this book, you'll know how to build and deploy production-ready deep learning systems with TensorFlow.js. \n[View book](https://www.oreilly.com/library/view/learning-tensorflowjs/9781492090786/) \nCode \nTheory \nBuild \n[Deep Learning with JavaScript](https://www.manning.com/books/deep-learning-with-javascript) \nby Shanqing Cai, Stanley Bileschi, Eric D. Nielsen with Francois Chollet \nWritten by the main authors of the TensorFlow library, this book provides fascinating use cases and in-depth instruction for deep learning apps in JavaScript in your browser or on Node. \n[View book](https://www.manning.com/books/deep-learning-with-javascript) \nCode \nTheory \nBuild \n\nStep 3: Practice with examples using TensorFlow.js\n--------------------------------------------------\n\nPractice makes perfect, and getting hands on experience is the best way to lock in the concepts. Check out the [TensorFlow.js](https://codelabs.developers.google.com/s/results?q=tensorflow.js) codelabs to further your knowledge with these step by step guides for common use cases:\n\n1. [Make your very own \"Teachable Machine\" from a blank canvas](https://codelabs.developers.google.com/codelabs/tensorflowjs-teachablemachine-codelab#0)\n\n2. [Handwritten digit recognition with Convolutional Neural Networks](https://codelabs.developers.google.com/codelabs/tfjs-training-classfication#0)\n\n3. [Make predictions from 2D data](https://codelabs.developers.google.com/codelabs/tfjs-training-regression#0)\n\n4. [Convert a Python SavedModel to TensorFlow.js format](https://codelabs.developers.google.com/codelabs/tensorflowjs-convert-python-savedmodel#0)\n\n5. [Use Firebase to deploy and host a TensorFlow.js model](https://codelabs.developers.google.com/codelabs/tensorflowjs-firebase-hosting-model#0)\n\n6. [Build a comment spam detection system](https://codelabs.developers.google.com/codelabs/tensorflowjs-comment-spam-detection#0)\n\n7. [Retrain a comment spam detection model to handle custom edge cases](https://codelabs.developers.google.com/tensorflow-retraining-comment-spam-detection#0)\n\n8. [Audio recognition using transfer learning](https://codelabs.developers.google.com/codelabs/tensorflowjs-audio-codelab#0)\n\nWith your knowledge of neural networks, you can more easily explore the [open sourced examples](https://github.com/tensorflow/tfjs-examples) created by the TensorFlow team. They are all [available on GitHub](https://github.com/tensorflow/tfjs-examples), so you can delve into the code and see how they work. \n[Examples built with TensorFlow.js](https://github.com/tensorflow/tfjs-examples) \nA repository on GitHub that contains a set of examples implemented in TensorFlow.js. Each example directory is standalone so the directory can be copied to another project. \nFree [Learn more](https://github.com/tensorflow/tfjs-examples) \nCode \nBuild \n[Explore our tutorials to learn how to get started with TensorFlow.js](/js/tutorials) \nThe TensorFlow tutorials are written as Jupyter notebooks and run directly in Google Colab---a hosted notebook environment that requires no setup. Click the Run in Google Colab button. \nFree [Learn more](/js/tutorials) \nCode \nBuild\n\nStep 4: Make something new!\n---------------------------\n\nOnce you've tested your knowledge, and practiced with some of the TensorFlow.js examples, you should be ready to start developing your own projects. Take a look at our [pretrained models](/js/models), and start building an app in minutes. Or you can train your own model using data you've collected, or by using public datasets. [Kaggle](https://www.kaggle.com/datasets) and [Google Dataset Search](https://toolbox.google.com/datasetsearch) are great places to find open datasets for training your model.\n\nIf you are looking for inspiration, check out our [Made With TensorFlow.js show and tell episodes](https://www.youtube.com/playlist?list=PLQY2H8rRoyvzSZZuF0qJpoJxZR1NgzcZw) from people all around the world who have used TensorFlow.js in their applications.\n\nYou can also see the latest contributions from the community by searching for the [#MadeWithTFJS](https://twitter.com/hashtag/MadeWithTFJS?src=hashtag_click&f=live) hashtag on social media. \n[Previous\nTheoretical and advanced machine learning with TensorFlow](/resources/learn-ml/theoretical-and-advanced-machine-learning) \n\nLearn, develop and build with TensorFlow\n----------------------------------------\n\n[Get started](/learn)"]]
