Librarium
Settings

Usa tus modelos de Tensorflow en páginas web | Exportación a Tensorflow.js

Ringa Tech
learningaprendizajeartificialautomáticoceroclasificacionclasificacióncolabdatasetexportaciónexportargoogle colabinteligenciaintelligencekerasmachinemachine learningmachine learning tensorflowmnistmodelonetworknetworksneuralneuronalneuronalesnúmeros escritosperros y gatosprincipiantespythonredestensorflowtensorflowjstutorial

En este video veremos cómo exportar modelos de Tensorflow (hechos con Python) para usarlos en un explorador (con javascript con Tensorflow.js).

Durante el video veremos el proceso de exportación, y para aprender cómo importarlo y usarlo en una página web, lo haremos con 3 modelos de distinta complejidad.

A continuación aparecen las ligas para Colab, Github y Demo en vivo.

Primer proyecto: Celsius a Fahrenheit

Segundo proyecto: Números

Tercer proyecto: Perros y Gatos

¿Te gustaría apoyarme para generar contenido más constantemente? Patreon: http://bit.ly/patreon-ringatech O si prefieres, puedes apoyarme por medio de YouTube! https://www.youtube.com/channel/UCm9QZ70KuIVShztZ7HmE4NQ/join

Puedes ver los 2 videos anteriores en la serie donde aprendemos a hacer redes neuronales desde cero con Python y Tensorflow:

Suscríbete y revisa mis otros videos!

= = = LICENCIAS Acid Jazz by Kevin MacLeod is licensed under a Creative Commons Attribution 4.0 license. https://creativecommons.org/licenses/by/4.0/ Source: https://freemusicarchive.org/music/Kevin_MacLeod/Jazz_Sampler/AcidJazz_1430 Artist: http://incompetech.com/

Just Nasty by Kevin MacLeod is licensed under a Creative Commons Attribution 4.0 license. https://creativecommons.org/licenses/by/4.0/ Source: http://incompetech.com/music/royalty-free/?keywords=Just+Nasty Artist: http://incompetech.com/ = = =

= = = CONTENIDO 0:00 - ¿Qué haremos en este video? 0:54 - Proceso general 1:10 - Exportación del primer modelo 3:25 - Agregando el primer modelo a una página web 5:49 - Exportación del segundo modelo 6:55 - Agregando el segundo modelo a una página web 9:00 - Deja un comentario si quieres más detalles 9:29 - Exportación del tercer modelo 10:02 - Agregando el tercer modelo a una página web 12:05 - Probando el último modelo 12:35 - ¿Qué opinas? = = =

Descripción larga para el algoritmo: Los modelos que veremos hoy son entrenados en Colab usando Python con Tensorflow. Todos utilizan redes neuronales, el primero redes neuronales densas (regulares), y los otros 2 usan redes neuronales convolucionales, uno en blanco y negro (1 canal) y el otro a color (3 canales).

El primero es un simple modelo de regresión hecho con una red con más capas de las necesarias pero que da un resultado decente. El segundo utiliza capas de convolución, y usa el set de datos de MNIST de números escritos a mano para aprender a clasificar números del 0 al 9, utiliza capas Conv2d, MaxPooling2D (para downsampling), Dropout (para mejorar la red), Flatten y Dense. Activaciones ReLU y Softmax. El tercero utiliza un set de datos con 1000 imágenes de perros y 1000 de gatos, y utiliza aumento de datos (escala, rotación, acercamiento) para mejorar las clasificaciones que hará la red. De igual manera utiliza capas de convolución, max pooling y dropout. Al final se trata solo de una clasificación binaria, por lo que utiliza from_logits=True. Este modelo entrena por 60 épocas.

Finalmente todos son exportados usando la función save, lo cual lo guarda en formato h5. Después usamos la librería tensorflowjs de python y el ejecutable tensorflowjs_converter para convertir el modelo al formato que acepta tensorflowjs (basado en archivos json y bin).

Del lado de javascript, utilizando la librería de tensorflowjs para crear tensores (de 1 y 4 dimensiones según el caso) y enviarlos a predicción al modelo. Todo se hace en el explorador (una vez que ya cargó el modelo).

= = = #python #tensorflow #machinelearning #tensorflowjs ... https://www.youtube.com/watch?v=JpE4bYyRADI

2022-06-09
0.0 LBC
Copyrighted (contact publisher)

99075613 Bytes