JavaScript для глубокого обучения 2021 TensorFlow js Ббк

Часть II • Введение в TensorFlow.js
Метод 
tf.loadLayersModel()
восстанавливает модель, десериализуя сохранен­
ную топологию модели из файла 
model.json
. Далее 
tf.loadLayersModel()
счи­
тывает двоичные значения весов из файла 
weights.bin
с помощью их описания 
из файла 
model.json
и устанавливает соответствующие значения весов модели. 
Как и 
model.save()
, метод 
tf.loadLayersModel()
— асинхронный, так что при его 
вызове используется ключевое слово 
await
. После возврата из его вызова объект 
loadedModel
оказывается во всех смыслах эквивалентен модели, созданной и обучен­
ной с помощью JavaScript­кода из листингов 4.5 и 4.6. При желании можно вывести 
сводку топологии этой модели, вызвав метод 
summary()
объекта 
loadedModel
. Далее 
выполнить на основе этой топологии вывод с помощью метода 
predict()
, оценить 
безошибочность модели с помощью метода 
evaluate()
или даже обучить ее заново 
с использованием метода 
fit()
. При желании можно также снова сохранить модель. 
Технологический процесс повторного обучения и сохранения модели окажется 
весьма актуальным при обсуждении переноса обучения в главе 5.
Сказанное в предыдущих абзацах применимо и к браузерной среде. Сохраненные 
файлы можно использовать для восстановления модели на веб­странице. Восстанов­
ленная модель поддерживает полный технологический процесс 
tf.LayersModel()
с тем нюансом, что ее полное переобучение будет очень медленным и неэффектив­
ным из­за большого размера усовершенствованной сверточной сети. Единствен­
ное принципиальное различие между загрузками сохраненной модели в tfjs­node 
и браузере заключается в необходимости использовать отличную от file:// схему 
формирования URL в браузере. Обычно файлы 
model.json
и 
weights.bin
разме­
щаются на HTTP­сервере в виде файлов статических ресурсов. Пусть имя вашего 
хоста — localhost, а файлы располагаются на сервере по пути 
my/models/
. Тогда за­
грузить модель в браузере можно, написав такую строку кода:
const loadedModel = await tf.loadLayersModel('http:///localhost/my/models/ 
model.json');
При загрузке HTTP­варианта модели в браузере метод 
tf.loadLayersModel()
неявно вызывает встроенную функцию 
fetch
браузера. Поэтому он обладает сле­
дующими свойствами и возможностями.
z
z
Поддерживается как http://­, так и https://­протокол.
z
z
Поддерживаются относительные пути на сервере. На самом деле при исполь­
зовании относительных путей можно опускать в URL части http:// и https://. 
Например, если веб­страница располагается на сервере по пути 
my/index.html
, 
а JSON­файл модели — по пути 
my/models/model.json
, можно указать относи­
тельный путь 
model/model.json
:
const loadedModel = await tf.loadLayersModel('models/model.json');
z
z
Для указания дополнительных опций HTTP/HTTPS­запросов необходимо 
вместо строкового аргумента использовать метод 
tf.io.browserHTTPRequest()
. 
Например, чтобы загрузить вместе с моделью учетные данные и заголовки, можно 
написать следующее:
const loadedModel = await tf.loadLayersModel(tf.io.browserHTTPRequest(
'http://foo.bar/path/to/model.json',
{credentials: 'include', headers: {'key_1': 'value_1'}}));

---