JavaScript для глубокого обучения 2021 TensorFlow js Ббк

Листинг 6.13.
Обработка ошибок, возникающих из-за сбоев подключения
В разделе 6.2 мы научились использовать метод 
model.fitDataset()
. Мы узна­
ли, что для этого метода необходим набор данных, выдающий элементы строго 
определенного вида. Напомним, что это объекты с двумя свойствами 
{xs,
ys}
, 
где 
xs
— тензор, представляющий батч входных примеров данных, а 
ys
— тензор, 
представляющий батч соответствующих целевых признаков. По умолчанию набор 
данных в формате CSV возвращает элементы в виде JavaScript­объектов, но можно 
поменять настройки, чтобы он возвращал элементы в виде, более близком к тому, 
который нужен для обучения модели. Для этого нам придется воспользоваться по­
лем 
csvConfig.columnConfigs
1
метода 
tf.data.csv()
. Представьте себе посвященный 
гольфу CSV­файл, включающий три столбца: 
club
, 
strength
и 
distance
. Для предсказа­
ния расстояния по информации о клубе и силе игрока можно применить функцию 
map
к исходным выводимым данным для распределения полей по 
xs
и 
ys
; или, что 
проще, настроить соответствующим образом средство чтения CSV. Таблица 6.4 
демонстрирует, как настроить объект 
Dataset
для CSV для разделения свойств 
признаков и меток и выполнения такой обработки по батчам, чтобы результаты 
подходили для подачи на вход 
model.fitDataset()
.
1 
То есть полем columnConfigs объекта csvConfig. — 
Примеч. пер.

---

Глава 6. Работа с данными
263
Таблица 6.4.
Настройки объекта Dataset для CSV для работы с методом model.fitDataset()
Как устроен 
и настроен набор 
данных