TensorFlow.js入门(一)一维向量的学习

TensorFlow的介绍

  TensorFlow是谷歌基于DistBelief进行研发的第二代人工智能学习系统,其命名来源于本身的运行原理。Tensor(张量)意味着N维数组,Flow(流)意味着基于数据流图的计算,TensorFlow为张量从流图的一端流动到另一端计算过程。TensorFlow是将复杂的数据结构传输至人工智能神经网中进行分析和处理过程的系统。
  TensorFlow是一个著名的开源的人工智能系统,被广泛应用于语音识别或图像识别等多项机器学习和深度学习领域。它目前支持的程序语言有: Java, Python, Go, Lua, R, JavaScript, 其中2018年3 月 31 日 ,TensorFlow 宣布增加支持 JavaScript,并推出开源库 TensorFlow.js 。
  我们将会介绍在前端开发中TensorFlow的相关内容,即TensorFlow.js的学习与应用。

Tensorflow中的一维向量及其运算

  tensor 是 TensorFlow.js 的数据中心单元:由一组数值组成的一维或多维数组。在 TensorFlow.js中,一维向量的构造函数主要为:tf.tensor()和tf.tensor1d(),具体的API文档可以参考:https://js.tensorflow.org/api/0.12.0/ 。
  可以用set()和get()函数分别获取和设置向量中的元素值。
  一维向量的运算函数有很多,说明如下:

  • tf.add() 两个向量的对应元素的和
  • tf.sub() 两个向量的对应元素的差
  • tf.mul() 两个向量的对应元素的乘积
  • tf.div() 两个向量的对应元素的商
  • tf.maximum() 两个向量的对应元素的最大值
  • tf.minimum() 两个向量的对应元素的最小值
  • tf.pow() 两个向量的对应元素的幂

以上只是一部分,还有更多的函数如: tf.abs(), tf.sin(), tf.cos(), tf.tan(), tf.tan()等。

简单例子

  在网页中引入TensorFlow.js需要添加“script”标签,如下:


  我们通过一个小小的例子,来说明在TensorFlow.js中一维向量的使用方法,其完整的HTML代码如下:


  
    
    
    
    
    
  

  
  

显示的网页如下图:

TensorFlow.js入门(一)一维向量的学习_第1张图片

实战

  在刚才的例子中,我们仅仅只给出了一个简单的例子,那么,如果要实现稍微复杂一点的功能呢,比如下面的网页:

TensorFlow.js入门(一)一维向量的学习_第2张图片

  我们可以用TensorFlow.js来实现这些向量运算。该网页的完整的HTML代码如下:


  
    
    
    
    
    
  


    

TensorFlow向量(一维)学习







运行结果

在其中我们用到了tf_result.js,其完整的JavaScript代码如下:

$(document).ready(function(){
    
    var flag; 
    /*
    flag = 1表示一元运算
    flag = 2表示二元运算
    */
    
    // 清空两个输入框的输入
    $("#clc").click(function(){
        $("#vector1").val("");
        $("#vector2").val("");
    });
    
    // 是否允许"向量2"输入框有输入
    $("#vector1").click(function(){
        var op = $("input[name='optionsRadiosinline']:checked").val();
        var ops = ["add", "sub", "mul", "div", "max", "min"];
        if (ops.indexOf(op) == -1)
            flag = 1;
        else
            flag = 2;
        
        //文本框"向量2"禁用
        if(flag == 1){
            $("#vector2").val("");
            $("input[type='text']").each(function () {
            $("#vector2").attr("disabled", true);
            });
            
        }
        //文本框"向量2"启用
        if(flag == 2){
            $("input[type='text']").each(function () {
            $("#vector2").attr("disabled", false);
            });
        }
    });
    
    // 利用tensorflow.js的运算函数,输出计算结果
    $("#result").click(function(){
        
        if(flag == 1){
            var vector1 = $("#vector1").val().split(',').map(Number);
        }
        if(flag == 2){
            var vector1 = $("#vector1").val().toString().split(',').map(Number);
            var vector2 = $("#vector2").val().toString().split(',').map(Number);
            if(vector1.length != vector2.length)
                alert("输入的两个向量长度不一样");
        }
        
        // 利用tensorflow.js的运算函数
        if( flag == 1 || ((flag == 2) && (vector1.length == vector2.length))){
            var op = $("input[name='optionsRadiosinline']:checked").val();
            const pow2 = tf.tensor(2).toInt(); // 计算平方
            const pow3 = tf.tensor(3).toInt(); // 计算三次方
        
            switch (op) // JavaScript的switch结构
            {
                case "add":  // 加法
                    res = tf.tensor(vector1).add(tf.tensor(vector2));
                    break;
                case "sub":  // 减法
                    res = tf.tensor(vector1).sub(tf.tensor(vector2));
                    break;
                case "mul":  // 乘法
                    res = tf.tensor(vector1).mul(tf.tensor(vector2));
                    break;
                case "div":  // 除法
                    res = tf.tensor(vector1).div(tf.tensor(vector2));
                    break;
                case "max":  // 两个向量中的最大值,element-wise
                    res = tf.tensor(vector1).maximum(tf.tensor(vector2));
                    break;
                case "min":  // 两个向量中的最小值,element-wise
                    res = tf.tensor(vector1).minimum(tf.tensor(vector2));
                    break;
                case "abs":  // 绝对值
                    res = tf.tensor(vector1).abs();
                    break;
                case "sin":  // 正弦函数
                    res = tf.tensor(vector1).sin();
                    break;
                case "cos":  // 余弦函数
                    res = tf.tensor(vector1).cos();
                    break;
                case "tan":  // 正切函数
                    res = tf.tensor(vector1).tan();
                    break;
                case "exp":  // 指数函数,以e为底
                    res = tf.tensor(vector1).exp();
                    break;
                case "log":  // 对数函数,以e为底
                    res = tf.tensor(vector1).log();
                    break;
                case "sqrt":  // 平方根
                    res = tf.tensor(vector1).sqrt();
                    break;
                case "square":  // 平方
                    res = tf.tensor(vector1).pow(pow2);
                    break;
                case "cubic":  // 三次方
                    res = tf.tensor(vector1).pow(pow3);
                    break;
                default:
                    res = tf.tensor([]);
            }
            
            
            $("#table").html(""); // 清空原有表格中的数据
            // 输入计算结果
            for(var i=0; i< res.shape; i++){
                $("tr").append(""+res.get(i)+";");
            }
        }
        
    });
    
});

  运行刚才的网页,效果如下:

TensorFlow.js入门(一)一维向量的学习_第3张图片

TensorFlow.js入门(一)一维向量的学习_第4张图片

  怎么样,是不是觉得TensorFlow.js也酷酷的呢?结合TensorFlow.js以及前端网页方面的知识,我们可以给出许多酷炫的TensorFlow的应用,以后我们会慢慢讲到。本次项目的Github地址为:https://github.com/percent4/tensorflow_js_learning 。

注意:本人现已开通两个微信公众号: 因为Python(微信号为:python_math)以及轻松学会Python爬虫(微信号为:easy_web_scrape), 欢迎大家关注哦~~

你可能感兴趣的:(TensorFlow.js入门(一)一维向量的学习)