通用Tensorflow.js训练示例

Question

我试着训练神经网络来做一些图像处理。我在Synaptic.js中成功地做到了这一点，但是当我不得不使用更多的层时，它学习得非常慢。Tensorflow.js示例描述了一些具体的情况，很难理解它们并应用到我的案例中。有人能帮我把这个Synaptic.js代码转换成Tensorflow.js吗？输入是RGB像素0..1的3x3 (或更多)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

在repo: TensorFlow.js示例中有一些非常通用的https://github.com/tensorflow/tfjs-examples示例。

对于你的情况，你将需要做一些类似虹膜的例子在回购。

// 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));