JavaScript для глубокого обучения 2021 TensorFlow js Ббк

Часть II • Введение в TensorFlow.js
Намного лучше! Похоже, что ранее мы 
недообучили
(underfit) модель, то есть она 
недостаточно приспособилась к обучающим данным. Теперь наши оценки в среднем 
в пределах 0,05 секунды. Точность — в четыре раза выше, чем у «наивного» подхода 
со средним значением. В книге мы расскажем, как избежать недообучения, а равно 
и более хитрой проблемы 
переобучения
(overfitting), при которой модель 
слишком 
хорошо
подгоняется к обучающим данным и плохо обобщается на новые, не виден­
ные ею данные.
2.1.6. Используем обученную модель для предсказаний
Замечательно! У нас есть модель, способная достаточно точно предсказывать время 
скачивания по размеру файла, но как ее использовать? Ответ: воспользоваться ее 
методом 
predict()
:
> const smallFileMB = 1;
> const bigFileMB = 100;
> const hugeFileMB = 10000;
> model.predict(tf.tensor2d([[smallFileMB], [bigFileMB],
[hugeFileMB]])).print();
Tensor
[[0.1373825 ],
[7.2438402 ],
[717.8896484]]
Как видим, модель предсказывает, что скачивание файла размером 10 000 Мбайт 
займет около 718 секунд. Обратите внимание, что в наших обучающих данных 
не было примеров с подобным размером файла. В целом экстраполяция на значения, 
сильно выходящие за пределы обучающих данных, — рискованная затея, но в случае 
настолько простой задачи предсказание может оказаться точным... если не воз­
никнут новые проблемы с буферами памяти, связью ввода­вывода и т. д. Лучше бы 
собрать побольше обучающих данных в этом диапазоне.
Необходимо также обернуть входные переменные в тензор соответствующей 
формы. В листинге 2.3 мы описали 
inputShape
с формой 
[1]
, так что модель ожида­
ет примеры данных именно такой формы. Оба метода, 
fit()
и 
predict()
, работают 
сразу с несколькими примерами данных за раз. Для передачи 
n
примеров данных 
мы упаковываем их в один входной тензор, форма которого, таким образом, долж­
на быть 
[n,
1]
. Если же мы перепутали и передали в модель вместо этого тензор 
с неправильной формой, то будет возвращена ошибка неправильной формы, как 
в следующем коде:
> model.predict(tf.tensor1d([smallFileMB, bigFileMB, hugeFileMB])).print();
Uncaught Error: Error when checking : expected dense_Dense1_input to have 2 
dimension(s), but got array with shape [3]
Остерегайтесь подобных нестыковок формы, это очень распространенный тип 
ошибок!

---