JavaScript для глубокого обучения 2021 TensorFlow js Ббк

Часть III • Продвинутые возможности глубокого обучения с TensorFlow.js
например, существует ли и доступен ли файл, так как выполнение отложенное. 
В листинге 6.10 CSV­файл сначала извлекается с помощью асинхронного вызова 
myData.forEach()
. Вызываемая в 
forEach()
функция просто преобразует элементы 
набора данных в строковый вид и выводит их в UI, но можно представить себе 
выполнение с помощью этого итератора и других действий, скажем генерации 
элементов UI для каждого из элементов множества или вычисления сводных по­
казателей для отчета.
Листинг 6.10.
Вывод первых десяти записей из удаленного CSV-файла
В наборах данных формата CSV первая строка часто представляет собой мета­
данные­заголовок с названиями столбцов. По умолчанию метод 
tf.data.csv()
ис­
ходит именно из этого предположения, но его поведение можно изменить, передав 
в качестве второго аргумента объект 
csvConfig
. Если в самом CSV­файле названия 
столбцов не указаны, их можно указать вручную в конструкторе:
const myData = tf.data.csv(url, {
hasHeader: false,
columnNames: ["firstName", "lastName", "id"]
});
Указанные вручную для набора данных CSV настройки 
columnNames
обладают 
приоритетом перед прочитанной из файла данных строкой­заголовком. По умол­
чанию набор данных предполагает, что первая строка — строка заголовка. Если же 
это не так, необходимо явно указать, что заголовок отсутствует, и самостоятельно 
определить 
columnNames
.
После создания объекта 
CSVDataset
можно выполнять к нему запросы и полу­
чать названия столбцов с помощью метода 
dataset.columnNames()
, возвращающего 
упорядоченный список строковых значений названий столбцов. Метод 
dataset.co-
lumnNames()
существует только в классе 
CSVDataset
и обычно недоступен в объектах 
Dataset
, созданных на основе других типов источников. Кнопка 
Get Column Names
в нашем примере связана с обработчиком, использующим как раз этот API. В ре­
зультате запроса названий столбцов объект 
Dataset
выполняет запрос извлечения 

---