Esta página se tradujo automáticamente con la API de traducción de Google Cloud.
Algunas páginas se pueden leer mejor en su totalidad.
TensorFlow.js es una biblioteca de código abierto que se puede usar para desarrollar y entrenar modelos de aprendizaje automático en el navegador. También se puede usar para ejecutar estos modelos en dispositivos IoT. En esta publicación, mostraremos cómo usar TensorFlow.js con Node.js para desarrollar una aplicación que pueda usarse para controlar un dispositivo IoT.
Antes de comenzar, hay algunas cosas que necesitará:
Usaremos la biblioteca TensorFlow.js para desarrollar nuestra aplicación. Lo primero que debemos hacer es incluir la biblioteca TensorFlow.js en nuestro proyecto. Podemos hacer esto agregando la siguiente línea de código al encabezado de nuestro archivo HTML:
<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@0.13.0"> </script>
Ahora que tenemos la biblioteca TensorFlow.js incluida en nuestro proyecto, podemos comenzar a desarrollar nuestra aplicación.
Nuestra aplicación será simple y utilizará un modelo preentrenado para controlar un dispositivo IoT. Lo primero que tenemos que hacer es cargar el modelo. Podemos hacer esto usando la función tf.loadModel():
const model = await tf.loadModel('https://my-model-url');
A continuación, debemos definir las entradas y salidas de nuestro modelo. Podemos hacer esto usando las funciones tf.layers.input() y tf.layers.dense():
const input = tf.layers.input({shape: [1]});
const output = tf.layers.dense({units: 1, activation: 'sigmoid'}).apply(input);
Ahora que tenemos nuestro modelo cargado y las entradas y salidas definidas, podemos escribir el código que realmente controlará el dispositivo IoT. Haremos esto creando una función que tome una entrada y use el modelo para predecir la salida:
async function predict(input) {
const output = model.predict(input);
return output;
}
Finalmente, necesitamos escribir el código que llamará a la función predict() y usar la salida para controlar el dispositivo IoT. Haremos esto usando la biblioteca Node.js serialport:
const SerialPort = require('serialport');
const Readline = require('@serialport/parser-readline');
const port = new SerialPort('/dev/ttyACM0', {
baudRate: 9600
});
const parser = port.pipe(new Readline({ delimiter: '\r\n' }));
parser.on('data', async line => {
const input = parseFloat(line);
const output = await predict(input);
port.write(output);
});
En esta publicación, mostramos cómo usar TensorFlow.js con Node.js para desarrollar una aplicación que se puede usar para controlar un dispositivo IoT. Acabamos de rascar la superficie de lo que es posible con TensorFlow.js e IoT, pero esperamos que esto le haya dado una idea de lo que es posible y lo haya inspirado a explorar más.