JavaScript для глубокого обучения 2021 TensorFlow js Ббк

Часть III • Продвинутые возможности глубокого обучения с TensorFlow.js
использовать для 
validationData
тензоры. Проверочный набор данных должен 
удовлетворять тем же спецификациям относительно формата возвращаемых 
элементов, что и обучающий набор данных.
z
z
validationBatches
— если проверочные данные берутся из набора данных, не­
обходимо указать TensorFlow.js, сколько именно примеров необходимо взять 
оттуда для полного набора. Если это значение не задано, TensorFlow.js будет 
извлекать данные из объекта 
Dataset
, пока тот не вернет сигнал об окончании. 
А поскольку в коде из листинга 6.7 для генерации набора данных используется 
«вечный» генератор, этого никогда не случится и программа зависнет.
Остальные настройки идентичны соответствующим настройкам API 
model.fit()
, 
так что ничего менять не нужно.
6.3. Распространенные паттерны 
доступа к данным
Любому разработчику необходимы решения для подключения данных к модели. 
Спектр таких подключений простирается от распространенных стандартных под­
ключений к широко известным прикладным наборам данных наподобие MNIST до 
создаваемых для очень узких задач подключений к проприетарным корпоративным 
форматам данных. В этом разделе мы поговорим о том, как можно упростить созда­
ние и сопровождение подобных подключений.
6.3.1. Работаем с форматом данных CSV
Помимо работы с распространенными стандартными наборами данных, доступ 
к данным чаще всего включает загрузку готовых данных, хранящихся в некоем фай­
ловом формате. Файлы данных часто хранятся в формате CSV (значения, разделен­
ные запятыми)
1
, так как он простой, удобочитаемый для людей и поддерживается 
повсеместно. У прочих форматов могут быть свои преимущества по части экономно­
сти хранения и скорости доступа, но CSV можно считать своего рода 
лингва франка
наборов данных. В сообществе JavaScript обычно необходима возможность удобной 
потоковой передачи данных из какой­либо конечной HTTP­точки. Именно поэтому 
TensorFlow.js предоставляет нативную поддержку потоковой обработки и операций 
над данными из CSV­файлов. В подразделе 6.1.2 мы вкратце описывали создание 
экземпляра 
tf.data.Dataset
, обеспечиваемого данными из CSV­файла. Сейчас за­
глянем глубже в API CSV и продемонстрируем, насколько модуль 
tf.data
упрощает 
1 
По состоянию на январь 2019 года сайт конкурсов по науке о данных и машинному об­
учению kaggle.com/datasets мог похвастаться внушительным списком из 13 971 общедо­
ступного набора данных, из которых 2/3 хранились в формате CSV.

---