이 문서는 Google Cloud Translation API를 사용해 자동 번역되었습니다.
어떤 문서는 원문을 읽는게 나을 수도 있습니다.
이 게시물에서는 TensorFlow.js 및 Node.js를 사용하여 REST API를 만드는 방법을 보여줍니다. 필요한 종속성 설치, 프로젝트 설정 및 코드 작성을 포함하여 프로젝트를 시작하고 실행하는 데 필요한 모든 단계를 살펴보겠습니다.
이 게시물을 마치면 TensorFlow.js 및 Node.js를 사용하여 고유한 REST API를 만들 수 있습니다.
시작하기 전에 따라하기 위해 필요한 몇 가지 사항이 있습니다.
사전 요구 사항을 설정했으면 프로젝트 설정을 시작할 준비가 된 것입니다.
먼저 프로젝트의 새 디렉토리를 만듭니다. 우리는 tfjs-rest-api라고 부를 것입니다.
다음으로 프로젝트 디렉토리에서 npm init를 실행하여 프로젝트를 초기화합니다. 그러면 프로젝트에 대한 package.json 파일이 생성됩니다.
이제 package.json 파일이 있으므로 프로젝트에 대한 종속성을 설치할 수 있습니다. 다음 명령을 실행하여 Express, Body-Parser 및 TensorFlow.js :
npm install express body-parser @tensorflow/tfjs --save
그러면 종속 항목이 설치되고 package.json 파일에 추가됩니다.
이제 프로젝트가 설정되었으므로 코드 작성을 시작할 준비가 되었습니다.
텍스트 편집기를 열고 프로젝트 디렉토리에 새 파일을 만듭니다. 우리는 index.js라고 부를 것입니다.
이 파일에서는 이전에 설치한 종속성을 요구하는 것으로 시작합니다.
const express = require('express');
const bodyParser = require('body-parser');
const tf = require('@tensorflow/tfjs');
다음으로 Express 서버를 설정합니다.
const app = express();
const port = 3000;
app.use(bodyParser.json());
app.listen(port, () => {
console.log(`Server listening on port ${port}`);
});
이제 서버가 설정되었으므로 API 끝점 작성을 시작할 수 있습니다.
첫 번째 끝점은 간단한 메시지를 반환하는 /에 대한 GET 요청입니다.
app.get('/', (req, res) => {
res.send('Hello, world!');
});
두 번째 엔드포인트는 /predict에 대한 POST 요청으로 숫자 배열을 받아 해당 숫자를 기반으로 예측을 반환합니다.
app.post('/predict', (req, res) => {
const input = tf.tensor2d([req.body.numbers], [1, req.body.numbers.length]);
const output = model.predict(input);
res.send(output.dataSync());
});
이 엔드포인트에서는 사전 학습된 TensorFlow.js 모델을 사용하여 예측합니다. 이 모델은 여기에서 찾을 수 있습니다.
이제 API 끝점을 설정했으므로 테스트할 준비가 되었습니다.
'GET' 엔드포인트를 테스트하려면 Postman과 같은 도구를 사용할 수 있습니다.
POST 엔드포인트를 테스트하려면 다음 명령을 사용할 수 있습니다.
curl -X POST -H "Content-Type: application/json" -d '{"numbers": [1, 2, 3, 4, 5]}' http://localhost:3000/predict
이것은 [6]의 예측을 반환해야 합니다.
이 게시물에서는 TensorFlow.js 및 Node.js를 사용하여 REST API를 만드는 방법을 보여주었습니다. 필요한 종속성 설치, 프로젝트 설정 및 코드 작성을 포함하여 프로젝트를 시작하고 실행하는 데 필요한 모든 단계를 다루었습니다.
이 게시물이 끝나면 TensorFlow.js 및 Node.js를 사용하여 고유한 REST API를 만들 수 있어야 합니다.