通用 Tensorflow.js 训练示例

Question

我正在尝试训练神经网络进行一些图像处理。我使用 Synaptic.js 成功地做到了这一点，但是当我必须使用更多层时，它的学习速度非常慢。 Tensorflow.js 示例描述了一些具体案例，很难理解它们并适用于我的案例。有人可以帮我把这个 Synaptic.js 代码转换成 Tensorflow.js 吗？输入是 3x3（或更多）的 RGB 像素 [0..1] 内核，输出是单个 RGB 像素 [0..1]

const layers = [27, 9, 3];
const learningRate = 0.05;
const perceptron = new Synaptic.Architect.Perceptron(layers);

// Train
sampleData.forEach(([input, output]) => {
    perceptron.activate(input);
    perceptron.propagate(learningRate, output);
});

// Get result
const result = realData.map((input) => perceptron.activate(input));

Answer 1

示例仓库中有一些非常通用的 TensorFlow.js 示例： https://github.com/tensorflow/tfjs-examples

对于您的情况，您需要执行类似该 repo 中的 iris 示例的操作。

// Define the model.
const model = tf.sequential();
// you will need to provide the size of the individual inputs below 
model.add(tf.layers.dense({units: 27, inputShape: INPUT_SHAPE})); 
model.add(tf.layers.dense({units: 9});
model.add(tf.layers.dense({units: 3});
const optimizer = tf.train.adam(0.05);
modcel.compile({
  optimizer: optimizer,
  loss: 'categoricalCrossentropy',
  metrics: ['accuracy'],
});
// Train.
const lossValues = [];
const accuracyValues = [];
// Call `model.fit` to train the model.
const history = await model.fit(input, output, {epochs: 10});
// Get result
const result = realData.map((input) => model.predict(input));