JavaScript для глубокого обучения 2021 TensorFlow js Ббк

Часть II • Введение в TensorFlow.js
При наличии этих данных можно вызывать метод 
model.predict()
, чтобы полу­
чить предсказания (листинг 4.4).
Листинг 4.4.
Вывод с помощью обученной сверточной сети
В коде предполагается, что батч изображений для предсказания содержится в од­
ном тензоре, а именно 
examples.xs
. Форма этого тензора — 
[100,
28,
28,
1]
(включая 
измерение батчей), где первое измерение отражает факт наличия 100 изображений, 
для которых делается предсказание. Метод 
model.predict()
возвращает выходной 
двумерный тензор формы 
[100,
10]
. Первое измерение выходного тензора соот­
ветствует примерам данных, а второе — десяти возможным цифрам. Каждая строка 
выходного тензора содержит значения вероятностей каждой из десяти цифр для 
заданного входного изображения. Чтобы выяснить предсказание, необходимо найти 
индексы максимальных значений вероятности, изображение за изображением. Эта 
задача решается в следующих строках кода:
const axis = 1;
const labels = Array.from(examples.labels.argMax(axis).dataSync());
Функция 
argMax()
возвращает индексы максимальных значений по заданной оси 
координат. В данном случае нужная нам ось — второе измерение, 
const
axis
=
1
. 
argMax()
возвращает тензор формы 
[100,
1]
. С помощью вызова 
dataSync()
мы преобразуем 
тензор формы 
[100,
1]
в объект 
Float32Array
длиной 100. Далее 
Array.from
преоб­
разует этот 
Float32Array
в обычный массив JavaScript, состоящий из 100 целых чисел 
от 0 до 9. Смысл массива предсказаний совершенно прозрачен: он представляет собой 
результаты выполненной моделью классификации 100 входных изображений. В наборе 
данных MNIST целевые метки в точности соответствуют выходному индексу. Следо­
вательно, нам даже не нужно преобразовывать этот массив в строковые метки. Он ис­
пользуется в следующей строке кода, вызывающей функцию UI, визуализирующую 
результаты классификации вместе с изображениями из тестовой выборки (рис. 4.10).
Рис. 4.10.
Несколько примеров предсказаний, выполненных моделью после обучения, рядом 
с входными изображениями MNIST

---