TensorFlow.js - 根据 2D 数据进行预测--简介

1. 简介

在此 Codelab 中，您将训练模型，使之能够根据描述一组汽车的数值数据做出预测。

本练习将演示训练许多不同类型的模型的常见步骤，但将使用小型数据集和简单（浅显）模型。主要目标是帮助您熟悉有关使用 TensorFlow.js 训练模型的基本术语、概念和语法，让您为进一步探索和学习打下良好的基础。

由于我们训练模型来预测连续数字，因而此任务有时称为回归任务。我们将通过向模型展示输入的多个样本和正确的输出来训练模型。这称为监督式学习。

您将构建的模型

您将创建一个使用 TensorFlow.js 在浏览器中训练模型的网页。如果提供汽车的“马力”，模型将学习预测“每加仑的英里数”(MPG)。

为了实现此目的，您需要：

• 加载数据，并准备将其用于训练。
• 定义模型的架构。
• 训练模型并监控其训练时的性能。
• 通过进行一些预测来评估经过训练的模型。

学习内容

• 准备用于机器学习的数据的最佳做法，包括重排和归一化。
• TensorFlow.js 语法：只有掌握了这些语法，才能使用 tf.layers API 创建模型。

• 如何使用 tfjs-vis 库监控浏览器内训练。

  所需条件

• 最新版的 Chrome 或其他新型浏览器。

• 文本编辑器（可以在机器的本地运行，也可以通过 Codepen 或 Glitch 等工具在 web 中运行）。
• 了解 HTML、CSS、JavaScript 和 Chrome 开发者工具（或您的首选浏览器 DevTools）。
• 大致了解神经网络的概念。如果您需要了解简介或回顾内容，请考虑观看这部由 3blue1brown 制作的视频，或 Ashi Krishnan 这部有关使用 JavaScript 构建深度学习应用的视频。