TensorFlow для разработки на JavaScript
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.
Это общее введение в машинное обучение в JavaScript предназначено для веб-разработчиков, желающих сделать свои первые шаги с TensorFlow.js.
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.
