Crea una cuenta o inicia sesión

¡Continúa aprendiendo sin ningún costo! Únete y comienza a potenciar tu carrera

Curso de TensorFlow.js

Curso de TensorFlow.js

Alejandro Santamaria

Alejandro Santamaria

TensorFlow con JavaScript

5/21
Recursos

Aportes 5

Preguntas 3

Ordenar por:

Los aportes, preguntas y respuestas son vitales para aprender en comunidad. Regístrate o inicia sesión para participar.

Diferencias de TF.js con TF

  • Podras agregar capacidades de aprendizaje de maquina a cualquier aplicacion web.
  • Te permitira crear y entrenar modelos en el Navegador o en un servidor en Node.
  • Podras utilizar modelos pre-entrenados en tu entorno de JavaScript.

Recoleccion de basura

JavaScript elimina de memoria aquellas variables que ya no estamos utilizando.

  • A diferencia del codigo de JavaScript, los objetos y variables utilizados por TensorFlow.js no son liberados de la memoria automaticamente cuando salen fuera del alcance.
  • Es necesario utilizar la funcion tf.tidy() para limpiar los tensores intermedios. Evitando fugas de memoria que pueden causar que el navegador pierda desempeño.
  • Existen funciones para medir el desempeño y tambien para realizar un perfilado de la ejecucion de los flujos y modelos que pueden ayudarnos a detectar errores o ejecuciones ineficientes.

Clases Principales de TensorFlow.js

  • Tensores (Tensors)
  • Modelos (Models)
  • Capas (Layers)
  • Operaciones (Operations)
  • Entrenamiento (Training)
  • Desempeño (Performance)
  • Entorno (Environment)
  • Restricciones (Constraints)
  • Inicializadores (Initializers)
  • Regularizadores (Regularizers)
  • Datos (Data)
  • Visualizacion (Visualization)
  • Utilerias (Utils)
  • Backends
  • Navegador (Browser)
  • Metricas (Metrics)
  • Callbacks

Clases Principales de la Libreria TensorFlow.js

Usar Tensorflow.js en node, en backend tiene varias opciones (o paquetes npm):

Para poder usar las librerías de backend se requiere node, npm, etc. y en particular para la librería que usa gpu, se requiere la instalación de dependencias del fabricante de la tarjeta gráfica, en el caso de Nvidia por ejemplo GPU-toolkit y nCUDAs (spoiler: es un tanto más complejo, pero igual de emocionante)
https://developer.nvidia.com/cuda-toolkit

Tensorflow js para browser

Infraestructura / arquitectura sobre la que se ejecuta Tensorflow / TensorflowJS

Utilice Tesseract.js para el reconocimiento óptico de caracteres, funciona bien, pero con TensorFlow viendo que potente es, puede llegar a ser más rápido en el reconocimiento de caracteres, algo como ya lo vemos con Google Lens.