Tensorflow.js tf.GraphModel.predict()用法及代码示例

Tensorflow.js是由Google开发的开源库，用于在浏览器或节点环境中运行机器学习模型以及深度学习神经网络。

.predict() 函数用于实现有利于输入张量的含义。

用法:

predict(inputs, config?)

Parameters:

inputs:它是规定的输入。它的类型是 (tf.Tensor|tf.Tensor[]|{[name:string]:tf.Tensor})。
config:它是规定的预测配置，用于定义批量大小以及输出节点名称。此外，目前图模型忽略了批量大小的选择。它是可选的并且是对象类型。
- batchSize:指定的批次维度是可选的，并且是整数类型。如果未定义，则默认值为 32。
- verbose:它是规定的详细模式，其默认值为 false 并且是可选的。

返回值：它返回 tf.Tensor|tf.Tensor[]|{[name:string]:tf.Tensor}。

范例1：在这个例子中，我们从一个 URL 加载 MobileNetV2 并保存一个带有零输入的预测。

Javascript


// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
  
// Defining tensor input elements
const model_Url =
'https://storage.googleapis.com/tfjs-models/savedmodel/mobilenet_v2_1.0_224/model.json';
  
// Calling the loadGraphModel() method
const mymodel = await tf.loadGraphModel(model_Url);
  
// Defining inputs
const inputs = tf.zeros([1, 224, 224, 3]);
  
// Calling predict() method and 
// Printing output
mymodel.predict(inputs).print();

输出：

Tensor
     [[-0.1800361, -0.4059965, 0.8190175, 
     ..., 
     -0.8953396, -1.0841646, 1.2912753],]

范例2：在这个例子中，我们从 TF Hub URL 加载 MobileNetV2 并保持一个带有零输入的预测。

Javascript


// Importing the tensorflow.js library
import * as tf from "@tensorflow/tfjs"
  
// Defining tensor input elements
const model_Url =
'https://tfhub.dev/google/imagenet/mobilenet_v2_140_224/classification/2';
  
// Calling the loadGraphModel() method
const model = await tf.loadGraphModel(
        model_Url, {fromTFHub:true});
  
// Defining inputs
const inputs = tf.zeros([1, 224, 224, 3]);
  
// Defining batchsize
const batchsize = 1;
  
// Defining verbose
const verbose = true;
  
// Calling predict() method and
// Printing output
model.predict(inputs, batchsize, verbose).print();

输出：

Tensor
     [[-1.1690605, 0.0195426, 1.1962479, 
     ..., 
     -0.4825858, -0.0055641, 1.1937635],]

参考： https://js.tensorflow.org/api/latest/#tf.GraphModel.predict

相关用法

注：本文由纯净天空筛选整理自nidhi1352singh大神的英文原创作品 Tensorflow.js tf.GraphModel class .predict() Method。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。