Tensorflow.js tf.GraphModel用法及代码示例

简介：Tensorflow.js是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和深度学习神经网络。 Tensorflow.js tf.GraphModel 类用于从 SavedModel 构建非循环图并使其推理执行。 tf.GraphModel 是通过 tf.loadGraphModel() 方法创建的。

句法：

tf.loadGraphModel.Method(args);

参数：

args: 不同的方法接受不同的参数。

返回：不同的方法返回不同的数据值等。

下面我们将看到 tf.GraphModel 类的一些示例：

示例 1：在此示例中，我们将看到 executeAsync() 方法，该方法用于实现有利于模型的暗示。它以张量作为参数输入，以字符串形式输出节点名称。它返回张量的承诺。

Javascript


import * as tf from "@tensorflow/tfjs"
  
async function run(){ 
    
// Tensor input elements  
 const gfg_Url = 
 'https://storage.googleapis.com/tfjs-models/savedmodel/mobilenet_v2_1.0_224/model.json';  
  
// Calling loadGraphModel() function   
 const gfg_Model = await tf.loadGraphModel(gfg_Url);  
  
// Inputs for the model  
 const gfg_shape = [1, 224, 224, 3]; 
 const gfg_Input = tf.zeros(gfg_shape); 
  
// Calling executeAsync()   
 const gfg_result = await gfg_Model.executeAsync(gfg_Input);  
 gfg_result.print(); 
  
} 
await run();

输出：

Tensor
     [[-0.1800359, -0.4059841, 0.8190171, ..., -0.895331,
      -1.084169, 1.2912908],]

示例 2：在此示例中，我们将看到用于处理张量的dispose()方法。它不需要任何参数。它返回 void。

Javascript


import * as tf from "@tensorflow/tfjs"
  
async function run(){ 
    
// Defining tensor input elements  
 const gfg_Url = 
 'https://storage.googleapis.com/tfjs-models/savedmodel/mobilenet_v2_1.0_224/model.json';  
  
// Calling the loadGraphModel() function   
 const gfg_Model = await tf.loadGraphModel(gfg_Url);  
  
// Input for our function  
 const gfg_shape = [1, 224, 224, 3]; 
 const gfg_Input = tf.zeros(gfg_shape); 
  
// Disposing our Tensor  
 const gfg_result = await gfg_Model.executeAsync(gfg_Input); 
 gfg_result.dispose(); 
 console.log(gfg_result) ; 
  
} 
  
await run();

输出：

Tensor is disposed.

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

相关用法

注：本文由纯净天空筛选整理自satyam00so大神的英文原创作品 Tensorflow.js tf.GraphModel Class。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。