JavaScript для глубокого обучения 2021 TensorFlow js Ббк

Глава 6. Работа с данными
285
Упражнения
1. Расширьте пример simple­object­detection из главы 5 так, чтобы использовать 
tf.data.generator()
и 
model.fitDataset()
вместо генерации заранее всего набора 
данных. Каковы преимущества подобного варианта? Меняется ли существенно 
качество работы модели, если ей предоставить для обучения намного больший 
набор изображений?
2. Произведите дополнение данных примера MNIST за счет применения неболь­
ших сдвигов, масштабирований и поворотов к примерам данных. Улучшается ли 
работа модели? Имеет ли смысл проводить проверку на дополненном потоке 
данных или лучше будет выполнять контроль только на «настоящих» исходных 
примерах данных?
3. Постройте графики части признаков из использовавшихся в других главах на­
боров данных с помощью приведенных в подразделе 6.4.1 методик. Настолько ли 
данные независимы друг от друга, как вы ожидали? Встречаются ли аномальные 
значения? А отсутствующие значения?
4. Загрузите какие­нибудь из обсуждавшихся здесь наборов данных в формате CSV 
в утилиту Facets. Какие признаки, на ваш взгляд, могут вызвать проблемы? Есть 
какие­нибудь неожиданности?
5. Взгляните на использовавшиеся в предыдущих главах наборы данных. Какие 
методики дополнения данных подойдут для них?
Резюме
z
z
Данные — главное топливо революции глубокого обучения. Без доступа к боль­
шим, хорошо организованным наборам данных большинство приложений глу­
бокого обучения просто невозможно.
z
z
В состав TensorFlow.js входит API 
tf.data
, упрощающий потоковую обработку 
больших наборов данных, разнообразные преобразования данных и подключение 
их к моделям для обучения и предсказания.
z
z
Существует несколько способов создания объекта 
tf.data.Dataset
: из JavaScript­
массива, из CSV­файла и на основе функции генерации данных. Чтобы создать 
объект 
Dataset
для потоковой передачи данных из удаленного CSV­файла, до­
статочно одной строки кода.
z
z
У объектов 
tf.data.Dataset
есть API, допускающие организацию цепочкой, что 
значительно упрощает перетасовку, фильтрацию, организацию в батчи, отобра­
жение и прочие операции, часто требуемые в приложениях машинного обучения.
z
z
Объекты 
tf.data.Dataset
осуществляют потоковый отложенный доступ к дан­
ным, упрощая работу с большими удаленными наборами данных и повышая ее 
эффективность, правда, это требует использования асинхронных операций.

---

286