JavaScript для глубокого обучения 2021 TensorFlow js Ббк

Часть II • Введение в TensorFlow.js
в текущей главе и тем более для набора данных фишинговых сайтов и набора «Ири­
сы Фишера», которые мы использовали в главе 3.
Можно с уверенностью сказать, что 
ни в одной
настоящей задаче машинного об­
учения не стоит рассчитывать на подобное везение. Львиную долю своего времени 
специалисты по машинному обучению тратят на добывание, предварительную 
обработку, очистку, проверку и форматирование данных
1
. В следующей главе мы 
расскажем, какие утилиты существуют в TensorFlow.js для упрощения процессов 
первичной обработки и ввода данных.
Упражнения
1. При обсуждении примера mnist­transfer­cnn в подразделе 5.1.1 мы упоминали, 
что задание свойства 
trainable
слоев модели не сыграет никакой роли при 
обучении, если перед ним не вызвать метод 
compile()
модели. Проверьте это 
утверждение, внеся определенные изменения в метод 
retrainModel()
файла 
index.js
данного примера.
А. Вставьте перед строкой 
this.model.compile()
вызов 
this.model.summary()
и по­
смотрите на количество обучаемых и необучаемых параметров. Что они показы­
вают? И чем отличаются от тех, которые получаются после вызова 
compile()
?
Б. Независимо от предыдущего пункта перенесите упомянутый вызов 
this.mo-
del.compile()
прямо перед заданием свойства 
trainable
слоев выделения 
признаков. Другими словами, установите указанное свойство этих слоев 
после вызова 
compile()
. Как это повлияет на скорость обучения? Соот­
ветствует ли эта скорость случаю, когда обновляются лишь несколько по­
следних слоев модели? Можете ли вы подтвердить другими способами, что 
в данном случае весовые коэффициенты первых нескольких слоев моделей 
обновляются во время обучения?
2. Во время переноса обучения в подразделе 5.1.1 (см. листинг 5.1) мы заблоки­
ровали первые два слоя conv2d, установив их свойство 
trainable
равным 
false
перед вызовом 
fit()
. Добавьте в файл 
index.js
примера mnist­transfer­cnn код 
для проверки того, что вызов 
fit()
действительно не меняет весов слоев conv2d. 
Другой подход, с которым мы экспериментировали в том разделе, заключался 
в вызове 
fit()
без блокирования слоев. Проверьте, на самом ли деле весовые 
коэффициенты слоев в данном случае меняются при вызове 
fit()
. (Подсказка: 
вспомните, что в подразделе 2.4.2 для доступа к значениям весовых коэффициен­
тов мы использовали атрибут 
layers
объекта модели и его метод 
getWeights()
.)
3. Преобразуйте приложение MobileNetV2 (не MobileNetV1! Мы уже это сделали) 
для Keras в формат TensorFlow.js и загрузите его в TensorFlow.js в браузере. Под­
1 
Press G.
Cleaning Big Data: Most Time­Consuming, Least Enjoyable Data Science Task, 
Survey Says // Forbes, 23 Mar. 2016. http://mng.bz/9wqj.

---