本文已使用 Google Cloud Translation API 自动翻译。
某些文档最好以原文阅读。
TensorFlow.js 是一个强大的 JavaScript 机器学习工具。它可以在 AWS、Azure 和谷歌云平台等云提供商上的 Node.js 应用程序中使用。
在本文中,我们将介绍如何在云提供商上设置 Node.js 应用程序并使用 TensorFlow.js 训练机器学习模型。我们还将把经过训练的模型部署到云提供商,以便它可以在 Web 应用程序中使用。
首先,我们需要在云提供商上设置一个 Node.js 应用程序。我们将使用 Express Web 框架来设置一个基本的 Web 应用程序。
如果您不熟悉 Express,可以查看入门指南。
安装 Express 后,我们可以使用以下代码创建一个名为 app.js 的文件:
const express = require('express');
const app = express();
app.get('/', (req, res) => {
res.send('Hello, world!');
});
app.listen(3000, () => {
console.log('Example app listening on port 3000!');
});
此代码创建一个基本的 Express 应用程序,该应用程序使用“Hello, world!”响应 HTTP 请求。信息。
接下来,我们需要将 Node.js 应用程序部署到云提供商。我们将在此示例中使用 AWS,但其他提供商的流程类似。
首先,创建一个 AWS 账户并创建一个可以访问 EC2 的新 IAM 用户。有关如何执行此操作的更多信息,请参阅 AWS 文档。
设置 IAM 用户后,您可以创建新的 EC2 实例。对于此示例,我们将使用 t2.micro 实例。
实例运行后,您可以通过 SSH 连接到它并为我们的 Node.js 应用程序安装依赖项:
$ sudo npm install -g express
$ sudo npm install -g ejs
接下来,我们需要将我们的 app.js
文件复制到 EC2 实例。我们可以使用 scp 命令来做到这一点:
$ scp -i <path-to-pem-file> app.js ec2-user@<ec2-instance-ip>:~/
一旦文件被复制,我们就可以启动我们的 Node.js 应用程序:
$ node app.js
我们的 Node.js 应用程序现在正在我们的 EC2 实例上运行!
现在我们已经启动并运行了 Node.js 应用程序,我们可以开始使用 TensorFlow.js。
首先,我们需要安装 TensorFlow.js Node.js 包:
$ npm install @tensorflow/tfjs-node
接下来,我们将使用以下代码创建一个名为“train.js”的文件:
const tf = require('@tensorflow/tfjs-node');
// Define a model for linear regression.
const model = tf.sequential();
model.add(tf.layers.dense({units: 1, inputShape: [1]}));
// Prepare the model for training: Specify the loss and the optimizer.
model.compile({loss: 'meanSquaredError', optimizer: 'sgd'});
// Generate some synthetic data for training.
const xs = tf.tensor2d([1, 2, 3, 4], [4, 1]);
const ys = tf.tensor2d([1, 3, 5, 7], [4, 1]);
// Train the model using the data.
model.fit(xs, ys, {epochs: 10}).then(() => {
// Use the model to do inference on a data point the model hasn't seen before:
model.predict(tf.tensor2d([5], [1, 1])).print();
});
此代码使用 TensorFlow.js 定义了一个简单的线性回归模型。然后我们使用一些合成数据训练模型。最后,我们使用该模型对新数据点进行预测。
要运行这段代码,我们可以使用 node
命令:
$ node train.js
一旦我们有了经过训练的 TensorFlow.js 模型,我们就可以将它部署到云提供商,以便它可以在 Web 应用程序中使用。
在此示例中,我们将再次使用 AWS,但其他提供商的流程类似。
首先,我们需要创建一个 Amazon S3 存储桶来存储我们的模型文件。有关如何执行此操作的更多信息,请参阅 AWS 文档。
接下来,我们需要安装 AWS CLI。有关如何执行此操作的更多信息,请参阅 AWS 文档。
安装 AWS CLI 后,我们可以使用它将本地模型文件同步到我们的 S3 存储桶:
$ aws s3 sync . s3://<s3-bucket-name>
我们的 TensorFlow.js 模型现已部署到我们的 S3 存储桶中!