Tensorflow.js课程笔记(三)

前言

前面是讲JavaScript如何搭建模型并运行的,但是实际情况是大家一般不会直接用JavaScript进行构建,而是先用Python进行本地的测试,而且就目前的情况来说,Python构建的PC端应用程序明显更多。

但是TensorFlow.js早就想到了这个问题,因此他们构建了一些工具,能够支持开发者基于本地Python进行训练后移植到Web端。

第三周

应用已经训练好的模型

这里举了两个最常用领域的例子。

不规范语言检测(NLP)

其实就是一些脏话的检测,英文版的,模型结构和参数已经训练好放在了网上。

直接引入训练好的模型

<script src="https://cdn.jsdelivr.net/npm/@tensorflow-models/toxicity">script>

然后直接调用模型,可以对七种不同形式的脏话进行检测。

const threshold = 0.9;
toxicity.load(threshold).then(model => {
    const sentences = ['you suck'];
    model.classify(sentences).then(predictions => {
        console.log(predictions);
        for(i=0; i<7; i++){
            if(predictions[i].results[0].match){
                console.log(predictions[i].label + 
                            " was found with probability of " + 
                            predictions[i].results[0].probabilities[1]);                
            }  
        }
    });
});

mobilenet识别(CV)

mobilenet也是别人已经训练好的,放入一张图片,然后输出物品属于哪一类的概率,输出概率最高的三项。

通过网页右边的Network我们可以看到,其实

你可能感兴趣的:(machine,learning,js)