本文已使用 Google Cloud Translation API 自动翻译。
某些文档最好以原文阅读。
在本文中,我们将学习如何使用迁移学习来重新训练使用 TensorFlow.js 和 Node.js 创建的模型。
迁移学习是一种允许我们使用预训练模型并使其适应我们自己的数据和任务的技术。当我们没有足够的数据从头开始训练模型,或者当我们想使用已经在类似任务上训练过的模型时,这很有用。
我们将使用来自 TensorFlow.js Model Zoo 的预训练模型。我们将使用的模型是一个在 ImageNet 数据集上训练过的 MobileNetV2 模型。
TensorFlow.js 是一个 JavaScript 库,用于在浏览器和 Node.js 中训练和部署机器学习模型。
Node.js 是用于运行服务器端代码的 JavaScript 运行时。
预训练模型是在数据集上训练过的模型。
ImageNet 是一个大型图像数据集,通常用于训练图像分类模型。
迁移学习是一种允许我们使用预训练模型并使其适应我们自己的数据和任务的技术。
有两种方法可以通过 TensorFlow.js 使用迁移学习:
要使用 TensorFlow.js Model Zoo 中的预训练模型,您需要执行以下操作:
选择预训练模型时,您需要考虑以下因素:
1.模型的大小。
2.模型的准确性。
3. 模型的计算成本。
要加载模型,您需要使用“tf.loadModel”函数。此函数采用 URL 或 tf.Model
实例。
要重新训练模型,您需要使用“tf.train”函数。此函数采用一个“tf.Model”实例和一个“tf.Tensor”实例。 tf.Tensor
实例包含训练数据。
使用迁移学习有几个好处:
使用迁移学习有几个缺点:
在本文中,我们学习了如何使用迁移学习来重新训练使用 TensorFlow.js 和 Node.js 创建的模型。