JavaScript для глубокого обучения 2021 TensorFlow js Ббк

Часть II • Введение в TensorFlow.js
Код создания и компиляции модели мы инкапсулировали в функции 
crea-
teModel()
из файла 
model.ts
(листинг 4.8).
Листинг 4.8.
Сверточная сеть для классификации спектрограмм речевых команд
Топология нашей сверточной сети для аудиоданных во многом схожа со свер­
точной сетью для MNIST. Последовательная модель начинается с нескольких 

---

Глава 4. Распознавание изображений и звуковых сигналов
183
повторяющихся «мотивов» слоев conv2d в сочетании со слоями maxPooling2d. 
Часть модели, связанная со сверткой­субдискретизацией, заканчивается на слое 
схлопывания, за которым располагается многослойный перцептрон. MLP вклю­
чает два плотных слоя. Функция активации скрытого плотного слоя — ReLU, 
а последнего (выходного) слоя — многомерная логистическая функция актива­
ции, подходящая для задачи классификации. При компиляции модели в качестве 
функции потерь указана 
categoricalCrossentropy
, а во время обучения и оценки 
генерируется метрика безошибочности. Все точно так же, как и в сверточных 
сетях для MNIST, поскольку оба набора данных требуют многоклассовой клас­
сификации. Сверточная сеть для обработки аудиоданных также отличается от 
сети MNIST интересными особенностями. В частности, форма свойств 
kernelSize
слоев conv2d — прямоугольная (например, 
[2,
8]
), а не квадратная, чтобы со­
ответствовать неквадратной форме спектрограмм, измерение частоты которых 
больше, чем временн
ó
е.
Для обучения модели необходимо сначала скачать набор данных речевых команд. 
Он был создан на основе набора данных речевых команд, собранного Питом Уорде­
ном, инженером из команды Google Brain (см. 
https://www.tensorflow.org/tutorials/audio/
simple_audio
), и преобразован в подходящий для браузера формат спектрограмм:
curl -fSsL https://storage.googleapis.com/learnjs-data/speech-commands/
speech-commands-data- v0.02-browser.tar.gz
-o speech-commands-data-v0.02-browser.tar.gz &&
tar xzvf speech-commands-data-v0.02-browser.tar.gz
Эти команды скачивают и извлекают браузерную версию набора данных речевых 
команд. После извлечения данных можно запустить процесс обучения с помощью 
следующей команды:
yarn
yarn train \
speech-commands-data-browser/ \
/tmp/speech-commands-model/
Первый аргумент команды 
yarn
train
указывает на место размещения обуча­
ющих данных. Следующие аргументы задают путь сохранения JSON­файла модели, 
а также файла весов и JSON­файла метаданных. Как и в случае усовершенство­
ванной сверточной сети MNIST, мы обучаем сверточную сеть для аудиоданных 
в tfjs­node, что позволяет использовать GPU. А поскольку размеры набора данных 
и модели намного больше, чем у сверточной сети MNIST, обучение займет больше 
времени (порядка нескольких часов). Процесс можно значительно ускорить при 
наличии поддерживающего CUDA GPU, слегка изменив команду так, чтобы ис­
пользовать tfjs­node­gpu вместо tfjs­node по умолчанию (выполняемого только на 
CPU). Для этого просто добавьте в предыдущую команду флаг 
--gpu
:
yarn train \
--gpu \
speech-commands-data-browser/ \
/tmp/speech-commands-model/

---

184