Esta página se tradujo automáticamente con la API de traducción de Google Cloud.
Algunas páginas se pueden leer mejor en su totalidad.
En esta publicación, aprenderemos cómo generar texto usando TensorFlow.js y Node.js. Usaremos un modelo char-rnn, que es un tipo de red neuronal recurrente (RNN) que puede aprender a predecir el siguiente carácter en una secuencia de texto.
Un char-rnn es un tipo de RNN que puede aprender a predecir el siguiente carácter en una secuencia de texto. El modelo char-rnn que usaremos se basa en el que se describe en el artículo "Modelos de lenguaje neuronal conscientes del carácter" (https://arxiv.org/abs/1508.06615).
TensorFlow.js es una biblioteca de JavaScript para entrenar e implementar modelos de aprendizaje automático en el navegador y en Node.js.
Node.js es un tiempo de ejecución de JavaScript basado en el motor de JavaScript V8 de Chrome.
Primero, necesitamos instalar TensorFlow.js y Node.js. Usaremos el modelo char-rnn de TensorFlow.js, que es un módulo de Node.js.
npm install @tensorflow/tfjs-node
npm install @tensorflow/tfjs-node-charrnn
A continuación, necesitamos descargar los datos de entrenamiento. Para este ejemplo, usaremos un conjunto de datos de las obras de Shakespeare (https://www.kaggle.com/kinguistics/shakespeare-plays).
Una vez que tengamos los datos de entrenamiento, podemos comenzar a entrenar el modelo char-rnn. El proceso de formación puede tardar unos minutos en completarse.
const tf = require('@tensorflow/tfjs-node');
const charRNN = require('@tensorflow/tfjs-node-charrnn');
const model = charRNN.create(
'https://storage.googleapis.com/tfjs-models/tfjs/charrnn/data/shakespeare_input.txt',
{
rnnType: 'lstm',
embeddingSize: 128,
rnnUnits: 128,
batchSize: 64,
seqLength: 128,
temperature: 0.8,
numEpochs: 20
});
model.fit().then(() => {
// The model is trained!
});
Una vez que el modelo está entrenado, podemos usarlo para generar texto.
model.generate('The').then((text) => {
console.log(text);
});