Tensorflow.js tf.GraphModel用法及代碼示例

簡介：Tensorflow.js是Google開發的開源庫，用於在瀏覽器或節點環境中運行機器學習模型和深度學習神經網絡。 Tensorflow.js tf.GraphModel 類用於從 SavedModel 構建非循環圖並使其推理執行。 tf.GraphModel 是通過 tf.loadGraphModel() 方法創建的。

句法：

tf.loadGraphModel.Method(args);

參數：

args: 不同的方法接受不同的參數。

返回：不同的方法返回不同的數據值等。

下麵我們將看到 tf.GraphModel 類的一些示例：

示例 1：在此示例中，我們將看到 executeAsync() 方法，該方法用於實現有利於模型的暗示。它以張量作為參數輸入，以字符串形式輸出節點名稱。它返回張量的承諾。

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();

輸出：

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

示例 2：在此示例中，我們將看到用於處理張量的dispose()方法。它不需要任何參數。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();

輸出：

Tensor is disposed.

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

相關用法

注：本文由純淨天空篩選整理自satyam00so大神的英文原創作品 Tensorflow.js tf.GraphModel Class。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。