JavaScript для глубокого обучения 2021 TensorFlow js Ббк

Глава 4. Распознавание изображений и звуковых сигналов
171
4.3.
Вне браузера: обучаем модели быстрее 
с помощью Node.js
В предыдущем разделе мы обучали модель в браузере и достигли безошибочно­
сти 99 % на контрольном наборе данных. В этом разделе создадим более мощную 
сверточную сеть, что позволит нам достичь безошибочности 99,5 %. Разумеется, за 
более высокую безошибочность придется заплатить потреблением моделью больших 
объемов памяти и вычислительных ресурсов во время как обучения, так и вывода. 
Увеличение вычислительных затрат более заметно во время обучения, поскольку 
оно включает обратное распространение ошибки, которое требует большого объема 
вычислений, по сравнению с прямым распространением в ходе вывода. Обучить 
эту б
ó
льшую сверточную сеть в большинстве браузеров не получится: она слишком 
«тяжеловесна» и медленно работает.
4.3.1. Зависимости и импорты, необходимые 
для tfjs-node
Знакомьтесь с Node.js­версией TensorFlow.js! Она работает в среде прикладной части 
и не стеснена никакими ограничениями ресурсов, как вкладка браузера. В CPU­
версии Node.js библиотеки TensorFlow.js (далее мы будем сокращенно называть 
ее 
tfjs-node
) напрямую используются многопоточные математические операции, 
написанные на C++, те же, что и в основной Python­версии TensorFlow.js. Если же 
на вашей машине установлен GPU с поддержкой CUDA, tfjs­node может достичь 
еще большего быстродействия за счет использования математических ядер с GPU­
ускорением, написанных на CUDA.
Код для нашей усовершенствованной сверточной сети MNIST находится в ка­
талоге 
mnist-node
репозитория tfjs­examples. Как и в предыдущих примерах, для 
доступа к коду можно использовать следующие команды:
git clone https://github.com/tensorflow/tfjs-examples.git
cd tfjs-examples/mnist-node
Отличие от предыдущих примеров в том, что пример mnist­node работает в тер­
минале, а не браузере. Для скачивания зависимостей используйте команду 
yarn
.
Взглянув на содержимое файла 
package.json
, вы увидите зависимость 
@ten-
sorflow/tfjs-node
. Если 
@tensorflow/tfjs-node
объявляется как зависимость, 
yarn
автоматически скачивает библиотеку общего пользования C++ (libten­
sorflow.so, libtensorflw.dylib или libtensorflow.dll в операционных системах Linux, 
Mac и Windows соответственно) в каталог 
node_modules
для последующего исполь­
зования TensorFlow.js.
По завершении работы команды 
yarn
запустить обучение модели можно с по­
мощью команды:
node main.js

---

172