JavaScript для глубокого обучения 2021 TensorFlow js Ббк

Глава 2. Приступим: простая линейная регрессия в TensorFlow.js
89
• 
ui.js
— реализация точек подключения UI для связывания элементов UI с вы­
полняемыми действиями; описание настроек графика;
• 
normalization.js
— численные процедуры (например, для вычитания из данных 
среднего значения);
• 
package.json
— стандартное описание пакета npm, содержащее информацию о зави­
симостях, необходимых для сборки и запуска примера (в частности, TensorFlow.js!).
Обратите внимание, что мы не следуем стандартной практике размещения HTML­ 
и JavaScript­файлов в отдельные каталоги в соответствии с их типом. Хотя подобная 
практика и рекомендуется для более крупных репозиториев, для маленьких примеров из 
этой книги и репозитория 
http://github.com/tensorflow/tfjs-examples
она скорее все усложняет.
Для запуска примера воспользуйтесь Yarn:
yarn && yarn watch
В результате должна открыться новая вкладка браузера, указывающая на один 
из портов 
localhost
, где будет выполняться этот пример. Если ваш браузер не от­
реагирует автоматически, можете самостоятельно перейти по URL, указанному в ко­
мандной строке. Нажмите кнопку 
Train Linear Regressor
(Обучить линейный регрессор). 
Это запустит процедуру создания линейной модели и ее обучения на данных набора 
Boston­housing, а затем выведет анимированный график потерь для обучающего 
и контрольного наборов данных после каждой эпохи, как показано на рис. 2.11.
В оставшейся части раздела мы рассмотрим основные вехи создания этого примера 
веб­приложения для бостонских цен на недвижимость. Сначала мы обсудим, как эти 
данные собираются и обрабатываются для работы с TensorFlow.js. А затем сосредо­
точим свое внимание на создании, обучении и оценке модели. И наконец, продемон­
стрируем использование нашей модели для реальных предсказаний на веб­странице.
2.3.3. Доступ к данным о бостонских ценах 
на недвижимость
В первом проекте (см. листинг 2.1) мы жестко «зашили» данные в виде JavaScript­
массивов и преобразовали их в тензоры с помощью функции 
tf.tensor2d
. Такой 
вариант подходит для маленького демонстрационного примера, но, разумеется, не мас­
штабируется на большие приложения. Обычно JavaScript­разработчики имеют дело 
с данными, размещаемыми в каком­либо сериализованном формате по какому­то URL 
(возможно, локальному). Например, набор данных о бостонских ценах на недвижи­
мость доступен всем бесплатно в формате CSV в Google Cloud по следующим URL:
z
z
https://storage.googleapis.com/tfjs-examples/multivariate-linear-regression/data/train-data.csv
;
z
z
https://storage.googleapis.com/tfjs-examples/multivariate-linear-regression/data/train-target.csv
;
z
z
https://storage.googleapis.com/tfjs-examples/multivariate-linear-regression/data/test-data.csv
;
z
z
https://storage.googleapis.com/tfjs-examples/multivariate-linear-regression/data/test-target.csv
.

---