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 poderosa herramienta para el aprendizaje automático en JavaScript y funciona muy bien con otras bibliotecas de JavaScript. En esta publicación, le mostraremos cómo usar TensorFlow.js con Node.js y Express.
Para seguir con esta publicación, necesitará algunas cosas:
Primero, creemos un nuevo directorio para nuestro proyecto:
mkdir tensorflowjs-node
cd tensorflowjs-node
A continuación, inicializaremos nuestro proyecto con npm:
npm init -y
Ahora que nuestro proyecto está configurado, podemos instalar las dependencias que necesitaremos. Usaremos las siguientes bibliotecas:
Podemos instalar estas dependencias con el siguiente comando:
npm install --save @tensorflow/tfjs express body-parser
Ahora que tenemos nuestras dependencias instaladas, podemos comenzar a escribir algo de código. Comencemos por crear un archivo llamado index.js
. En este archivo, escribiremos un script simple para imprimir "¡Hola, TensorFlow.js!" a la consola:
// index.js
const tf = require('@tensorflow/tfjs');
console.log('Hello, TensorFlow.js!');
Si ejecutamos este script con Node.js, deberíamos ver el siguiente resultado:
$ node index.js
Hello, TensorFlow.js!
Ahora que hemos visto cómo usar TensorFlow.js en un script de Node.js, echemos un vistazo a cómo podemos usarlo con Express. Para este ejemplo, crearemos un servidor simple que responda a las solicitudes GET
con una lista de números.
Primero, pidamos las dependencias que necesitaremos:
// index.js
const tf = require('@tensorflow/tfjs');
const express = require('express');
const bodyParser = require('body-parser');
A continuación, crearemos una instancia Express
y configuraremos body-parser
para analizar cuerpos JSON:
// index.js
const app = express();
app.use(bodyParser.json());
Ahora, definamos una ruta que responderá a las solicitudes GET
con una lista de números:
// index.js
app.get('/numbers', (req, res) => {
const numbers = [1, 2, 3, 4, 5];
res.json(numbers);
});
Finalmente, iniciaremos el servidor en el puerto 3000
:
// index.js
app.listen(3000, () => {
console.log('Server is listening on port 3000');
});
Si ejecutamos este script con Node.js, deberíamos ver el siguiente resultado:
$ node index.js
Server is listening on port 3000
Ahora podemos enviar solicitudes GET
a http://localhost:3000/numbers
y recibiremos una respuesta JSON con una lista de números.
En la sección anterior, vimos cómo usar TensorFlow.js con Express. En esta sección, ampliaremos nuestro ejemplo para mostrar cómo podemos usar body-parser
para analizar cuerpos JSON.
Primero, pidamos las dependencias que necesitaremos:
// index.js
const tf = require('@tensorflow/tfjs');
const express = require('express');
const bodyParser = require('body-parser');
A continuación, crearemos una instancia Express
y configuraremos body-parser
para analizar cuerpos JSON:
// index.js
const app = express();
app.use(bodyParser.json());
Ahora, definamos una ruta que responderá a las solicitudes POST
con el cuerpo de la solicitud:
// index.js
app.post('/body', (req, res) => {
res.json(req.body);
});
Finalmente, iniciaremos el servidor en el puerto 3000
:
// index.js
app.listen(3000, () => {
console.log('Server is listening on port 3000');
});
Si ejecutamos este script con Node.js, deberíamos ver el siguiente resultado:
$ node index.js
Server is listening on port 3000
Ahora podemos enviar solicitudes POST
a http://localhost:3000/body
con un cuerpo JSON y recibiremos una respuesta JSON con el cuerpo de la solicitud.
En la sección anterior, vimos cómo usar TensorFlow.js con Express y body-parser. En esta sección, ampliaremos nuestro ejemplo para mostrar cómo podemos usar TensorFlow.js para realizar inferencias en el cuerpo de la solicitud.
Primero, pidamos las dependencias que necesitaremos:
// index.js
const tf = require('@tensorflow/tfjs');
const express = require('express');
const bodyParser = require('body-parser');
A continuación, crearemos una instancia Express
y configuraremos body-parser
para analizar cuerpos JSON:
// index.js
const app = express();
app.use(bodyParser.json());
Ahora, definamos una ruta que responderá a las solicitudes POST
con el cuerpo de la solicitud:
// index.js
app.post('/inference', (req, res) => {
const input = tf.tensor(req.body);
const output = tf.add(input, 1);
res.json(output.dataSync());
});
Finalmente, iniciaremos el servidor en el puerto 3000
:
// index.js
app.listen(3000, () => {
console.log('Server is listening on port 3000');
});
Si ejecutamos este script con Node.js, deberíamos ver el siguiente resultado:
$ node index.js
Server is listening on port 3000
Ahora podemos enviar solicitudes POST
a http://localhost:3000/inference
con un cuerpo JSON y recibiremos una respuesta JSON con el resultado de la inferencia.
En esta publicación, hemos visto cómo usar TensorFlow.js con Node.js y Express. También vimos cómo usar TensorFlow.js con body-parser para analizar cuerpos JSON.