JavaScript для глубокого обучения 2021 TensorFlow js Ббк

Глава 5. Перенос обучения: переиспользование предобученных нейронных сетей
201
ИНФОБОКС 5.1. Преобразование моделей из формата библиотеки Keras 
языка Python в формат TensorFlow.js
TensorFlow.js отличается высокой совместимостью с библиотекой Keras, одной из 
наиболее популярных библиотек глубокого обучения Python. Одно из преимуществ 
этой совместимости — возможность использовать многие так называемые приложения 
из Keras, представляющие собой наборы предобученных глубоких сверточных сетей 
(см. 
https://keras.io/applications/
). Создатели Keras старательно обучили эти сверточные 
сети на больших наборах данных (наподобие ImageNet) и открыли доступ к ним через 
библиотеку Keras для свободного переиспользования. В том числе для вывода и пере­
носа обучения, подобно тому как мы делаем в книге. Импорт приложения занимает 
всего одну строку кода при использовании Keras в Python. Благодаря вышеупомянутой 
широкой совместимости пользователи TensorFlow.js также с легкостью могут работать 
с этими приложениями. Вот что для этого требуется.
1. Убедитесь, что у вас установлен пакет Python 
tensorflowjs
. Проще всего установить 
его с помощью команды 
pip
:
pip install tensorflowjs
2. Выполните следующий код из файла исходного кода Python или в интерактивной 
среде REPL наподобие ipython:
import keras
import tensorflowjs as tfjs
model = keras.applications.mobilenet.MobileNet(alpha=0.25)
tfjs.converters.save_keras_model(model, '/tmp/mobilnet_0.25')
Первые две строки импортируют требуемые модули 
keras
и 
tensorflowjs
. Третья стро­
ка загружает MobileNet в объект языка Python (
model
). При желании можно вывести 
текстовую сводку модели практически так же, как мы выводили сводки топологии 
моделей TensorFlow.js: с помощью 
model.summary()
. Как видите, форма последнего 
слоя модели (выходного слоя) действительно 
(None,
1000)
(эквивалентно 
[null,
1000]
в JavaScript), отражая задачу 1000­классовой классификации ImageNet, на которой 
обучалась модель MobileNet. Указание в вызове этого конструктора именованного 
аргумента 
alpha=0.25
позволяет выбрать меньшую по размеру версию MobileNet. 
Можно выбрать и большие значения 
alpha
(например, 
0.75
или 
1
), и будет работать 
тот же самый код преобразования.
Последняя строка в предыдущем фрагменте кода сохраняет модель в указанный ката­
лог на диске с помощью метода из модуля tensorflowjs. После завершения выполнения 
этой строки в каталоге 
/tmp/mobilnet_0.25
появится новый подкаталог, содержимое 
которого будет примерно таким:
group1-shard1of6
group1-shard2of6
...
group1-shard6of6
model.js1on
Именно такой формат мы видели в подразделе 4.3.3, когда сохраняли обученную 
модель TensorFlow.js на диск с помощью ее метода 
save()
в версии TensorFlow.js 
для Node.js. Следовательно, с точки зрения основанной на TensorFlow.js программы, 

---

202