JavaScript для глубокого обучения 2021 TensorFlow js Ббк

Часть II • Введение в TensorFlow.js
пространства имен 
tf.*
. В нем мы увидим методы преобразования типа неформа­
тированных структур данных JavaScript в тензоры.
Листинг 2.2.
Преобразование типа данных в тензоры (из CodePen 2-b)
И хотя использовать эти API довольно просто, читателям, желающим лучше 
разобраться в них, стоит заглянуть в приложение Б. Оно охватывает не только 
функции создания тензоров наподобие 
tf.tensor2d()
, но и функции для опера­
ций преобразования и объединения тензоров, а также паттерны удобной упаковки 
в тензоры часто встречающихся на практике типов данных, например изображений 
и видеофайлов. Мы не станем углубляться в низкоуровневые API в основном тексте, 
поскольку этот материал довольно скучен и не связан с конкретными примерами 
задач.
Вообще говоря, тензоры являются основными структурами данных всех совре­
менных систем машинного обучения. Они играют основополагающую роль в этой 
сфере — настолько основополагающую, что TensorFlow и TensorFlow.js были назва­
ны в их честь. Краткое напоминание из главы 1: по своей сути тензор представляет 
собой контейнер для данных — практически всегда числовых. Так что его можно 
считать контейнером для чисел. Вероятно, вы уже знакомы с векторами и матри­
цами — одно­ и двумерными тензорами соответственно. Тензоры — это обобщение 
матриц на пространства произвольной размерности. Количество измерений и раз­
мер каждого из них называются 
формой
(shape) тензора. Например, матрица 3 
×
4 
представляет собой тензор с формой 
[3,
4]
. Вектор длиной 10 представляет собой 
одномерный тензор с формой 
[10]
.
В контексте тензоров измерения часто называют 
осями координат
(axis). 
В TensorFlow.js тензоры — часто используемое представление, благодаря которому 
компоненты могут обмениваться информацией и работать друг с другом, неважно, 
на CPU, GPU или другом аппаратном обеспечении. Когда понадобится, мы расска­
жем больше про тензоры и распространенные сценарии их использования, а пока 
продолжим наш проект с предсказаниями.
2.1.4. Описываем простую модель
В сфере глубокого обучения функция отображения входных признаков в целевые 
называется 
моделью
. Функция модели на основе полученных признаков выполняет 
вычисления и выдает предсказания. Модель, которую мы создадим здесь, представ­

---