TensorFlow.js机器学习预测鸢尾花种类

2023年5月16日上午1:53 • tensorflow

TensorFlow.js是一个用于在浏览器和Node.js中进行机器学习的JavaScript库。本文将详细讲解如何使用TensorFlow.js进行鸢尾花种类的预测，并提供两个示例说明。

示例1：使用预训练模型进行鸢尾花种类预测

以下是使用预训练模型进行鸢尾花种类预测的示例代码：

<!DOCTYPE html>
<html>
<head>
    <title>TensorFlow.js鸢尾花种类预测</title>
    <script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@3.8.0"></script>
    <script src="https://cdn.jsdelivr.net/npm/@tensorflow-models/iris@3.0.0"></script>
</head>
<body>
    <h1>TensorFlow.js鸢尾花种类预测</h1>
    <div>
        <label>Sepal Length:</label>
        <input type="number" id="sepal-length" step="0.1" min="0" max="10">
    </div>
    <div>
        <label>Sepal Width:</label>
        <input type="number" id="sepal-width" step="0.1" min="0" max="10">
    </div>
    <div>
        <label>Petal Length:</label>
        <input type="number" id="petal-length" step="0.1" min="0" max="10">
    </div>
    <div>
        <label>Petal Width:</label>
        <input type="number" id="petal-width" step="0.1" min="0" max="10">
    </div>
    <button onclick="predict()">Predict</button>
    <div id="result"></div>
    <script>
        async function predict() {
            const sepalLength = document.getElementById('sepal-length').value;
            const sepalWidth = document.getElementById('sepal-width').value;
            const petalLength = document.getElementById('petal-length').value;
            const petalWidth = document.getElementById('petal-width').value;

            const model = await tf.loadLayersModel('https://storage.googleapis.com/tfjs-models/tfjs/iris_v1/model.json');
            const input = tf.tensor2d([[sepalLength, sepalWidth, petalLength, petalWidth]]);
            const prediction = model.predict(input);
            const output = prediction.dataSync();
            const species = ['Setosa', 'Versicolor', 'Virginica'][output.indexOf(Math.max(...output))];
            document.getElementById('result').innerHTML = `Predicted Species: ${species}`;
        }
    </script>
</body>
</html>

在这个示例中，我们首先引入了TensorFlow.js和预训练模型iris_v1。然后，我们定义了一个简单的HTML页面，包含四个输入框和一个预测按钮。接着，我们使用tf.loadLayersModel()方法加载预训练模型。最后，我们使用model.predict()方法进行预测，并根据预测结果输出鸢尾花的种类。

示例2：使用自定义模型进行鸢尾花种类预测

以下是使用自定义模型进行鸢尾花种类预测的示例代码：

<!DOCTYPE html>
<html>
<head>
    <title>TensorFlow.js鸢尾花种类预测</title>
    <script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@3.8.0"></script>
</head>
<body>
    <h1>TensorFlow.js鸢尾花种类预测</h1>
    <div>
        <label>Sepal Length:</label>
        <input type="number" id="sepal-length" step="0.1" min="0" max="10">
    </div>
    <div>
        <label>Sepal Width:</label>
        <input type="number" id="sepal-width" step="0.1" min="0" max="10">
    </div>
    <div>
        <label>Petal Length:</label>
        <input type="number" id="petal-length" step="0.1" min="0" max="10">
    </div>
    <div>
        <label>Petal Width:</label>
        <input type="number" id="petal-width" step="0.1" min="0" max="10">
    </div>
    <button onclick="predict()">Predict</button>
    <div id="result"></div>
    <script>
        async function predict() {
            const sepalLength = document.getElementById('sepal-length').value;
            const sepalWidth = document.getElementById('sepal-width').value;
            const petalLength = document.getElementById('petal-length').value;
            const petalWidth = document.getElementById('petal-width').value;

            const model = await tf.loadLayersModel('model.json');
            const input = tf.tensor2d([[sepalLength, sepalWidth, petalLength, petalWidth]]);
            const prediction = model.predict(input);
            const output = prediction.dataSync();
            const species = ['Setosa', 'Versicolor', 'Virginica'][output.indexOf(Math.max(...output))];
            document.getElementById('result').innerHTML = `Predicted Species: ${species}`;
        }
    </script>
</body>
</html>

在这个示例中，我们首先定义了一个简单的HTML页面，包含四个输入框和一个预测按钮。接着，我们使用tf.loadLayersModel()方法加载自定义模型。最后，我们使用model.predict()方法进行预测，并根据预测结果输出鸢尾花的种类。