JavaScript для глубокого обучения 2021 TensorFlow js Ббк

Глава 4. Распознавание изображений и звуковых сигналов
177
Метод 
save()
объекта 
model
служит для сохранения модели в каталог файловой 
системы. Он принимает один аргумент — строку URL, начинающуюся с file://. Обра­
тите внимание, что сохранение модели в файловой системе возможно благодаря 
использованию tfjs­node. В браузерной версии TensorFlow.js также существует API 
model.save()
, но обращаться напрямую к нативной файловой системе машины он 
не может из­за ограничений безопасности браузера. Поэтому при использовании 
TensorFlow.js в браузере приходится вместо файловой системы выбирать другие 
места сохранения (локальное хранилище браузера и IndexedDB). Для них преду­
смотрены другие схемы формирования URL.
Функция 
model.save()
— асинхронная, поскольку в общем случае подразумева­
ет работу с файловым или сетевым вводом/выводом. По этой причине для вызова 
save()
мы используем ключевое слово 
await
. Допустим, переменной 
modelSavePath
присвоено значение 
/tmp/tfjs-node-mnist
. Тогда, если после завершения работы 
model.save()
вывести содержимое каталога:
ls -lh /tmp/tfjs-node-mnist
список файлов окажется примерно следующим:
-rw-r--r-- 1 user group 4.6K Aug 14 10:38 model.json
-rw-r--r-- 1 user group 2.3M Aug 14 10:38 weights.bin
Здесь мы видим два файла.
z
z
model.json
— файл в формате JSON, содержащий сохраненную топологию мо­
дели. Под топологией мы понимаем типы слоев, составляющих модель, соответ­
ствующие параметры конфигурации (например, 
filters
для слоя conv2d и 
rate
для слоя дропаута), а также описание способов соединения слоев друг с другом. 
В случае сверточной сети MNIST эти соединения просты, поскольку модель по­
следовательная. Далее нам предстоит встретить модели с менее тривиальными 
паттернами соединений, которые также можно сохранить на диск с помощью 
вызова 
model.save()
.
z
z
Помимо топологии модели, 
model.json
содержит описание весов модели. В этой 
его части перечислены названия, формы и типы данных всех весовых коэффи­
циентов модели, помимо мест, где значения этих весов хранятся. Это приводит 
нас ко второму файлу: 
weights.bin
.
z
z
Как ясно из его названия, 
weights.bin
— это двоичный файл, в котором хранятся 
все значения весов модели. Он представляет собой «плоский» двоичный поток 
данных, без разделителей, указывающих, где начинаются и заканчиваются от­
дельные веса. Эта «метаинформация» доступна в той части объекта JSON из 
файла 
model.json
, что относится к описанию весов.
Для загрузки модели с помощью tfjs­node можно воспользоваться методом 
tf.loadLayersModel()
, указав ему местоположение файла 
model.json
(не приводится 
в коде примера):
const loadedModel = await tf.loadLayersModel('file:///tmp/tfjs-node-mnist');

---

178