Inizia a usare TensorFlow.js — Senza lasciare questo articolo

Uno dei più grandi ostacoli per i principianti che stanno facendo esperienza con l'intelligenza artificiale e il machine learning può essere il setup.
Non mentiamo, ci capita ancora di sprecare un sacco di giorni cercando di far cooperare Python, TensorFlow e la GPU. Questo ci fa mettere in discussione le nostre capacità di ingegnere del software? Sì, eccome.
Ora però stiamo divagando.
Dunque,
cos’è TensorFlow.js e come ci può aiutare? Dalla pagina ufficiale, TensorFlow.js è: “Una libreria JavaScript per la
formazione e la distribuzione di modelli ML nel
browser e su Node.js.”
Cosa
significa per noi? Possiamo provarlo direttamente da questo articolo!
La Demo
In questa demo utilizziamo un modello di deep learning chiamato “MobileNet”. MobileNet è un tipo di Rete Neurale Convoluzionale, un modello di architettura utile per la classificazione delle immagini.

Nota: Per saperne di più su ciò che vede realmente l'intelligenza artificiale, da’ un’occhiata a questo articolo.
Il codice
Utilizzare
TensorFlow.js per classificare un'immagine con MobileNet è facile quanto 3
linee di codice:
mobilenet.load()
.then(model => model.classify(myImage))
.then(predictions => // Use predictions)
Riflessioni finali
Al
momento della stesura di questo post TensorFlow offre 5 modelli ufficiali, tutti
altrettanto facili da utilizzare:
- mobilenet: Classifica immagini con etichette dal database ImageNet.
- posenet: Rilevamento posa in tempo reale.
- coco-ssd: Rilevamento dell'oggetto basato sul rilevamento oggetti API TensorFlow.
- speech-commands: Classifica frammenti audio da 1 secondo dal dataset comandi vocali.
- knn-classifier: Crea un classificatore personalizzato dei K vicini più prossimi. Può essere usato per trasferire l'apprendimento.
Tuttavia, se nessuno di questi modelli
è sufficiente, è anche possibile creare/formare il proprio modello, ma questo è
un altro articolo.
Per divertimento, vi sfidiamo a guardare la documentazione di PoseNet e cercare di eguagliare i risultati della foto di copertina.
Fonte: https://medium.com/hackernoon/start-using-tensorflow-js-without-leaving-this-article-fb683ac509ed

