Laravel 5.8 設定編 CRUD作成など #php
この記事は、note 有料マガジンで。公開しております
https://note.com/knaka0209/m/m5782bffa0517
TensorFlow.js + node/express , HTTP経由でモデル読込み、予測結果の出力
index:
概要:
前のTensorFlow.js 関係で、
node側で学習したモデルを、HTTP経由で読み込み
ブラウザ側で、評価する例となります。
前回と異なり。node側で評価しない構成です
環境
TensorFlow.js
node.js
Vue.js
Ubuntu16
参考のコード
実装など
expressに、htmlを配置しておきます
tf.loadLayersModel で、URL指定して。読み込めました
https://github.com/kuc-arc-f/tfjs_app1_express2/blob/master/public/train.html
async function run_train() {
const data = await getData();
var chart_dats = convert_chart_arr(data)
console.log(chart_dats.lbl.length )
//return
const tensorData = convertToTensor(data);
const {inputs, labels} = tensorData;
const model = await tf.loadLayersModel('http://localhost:3000/my-model/model.json');
//pred
const [xs, preds] = testModel(model, data, tensorData,
chart_dats.lbl.length);
// console.log( preds );
//chart-disp
var config = get_chart_config(chart_dats, preds);
var ctx = document.getElementById('myChart').getContext('2d');
window.myLine = new Chart(ctx, config);
console.log('Done Training');
}・機械学習は、事前に完了させておきます
https://github.com/kuc-arc-f/tfjs_app1_express2/blob/master/train.js
TensorFlow.js + node/express , モデルの評価結果を出力
index:
概要:
前のTensorFlow.js 関係で、
学習済で保存モデルから、node.js で予測値を出力し。
グラフ表示する例となります
環境
TensorFlow.js
node.js
Vue.js
express
Ubuntu16
画面
前回の、回帰モデルの結果
実装など
機械学習は、事前に実行して。モデルを保存しておきます
https://github.com/kuc-arc-f/tfjs_app1_express1/blob/master/train.js
async function run_train() {
const tr = new LibTrain( )
const dTrain = new LibTrainData( )
const appConst = new LibConst( )
// console.log(appConst.model_name )
//return;
const model = tr.createModel();
const data = await tr.getData();
var chart_dats = dTrain.convert_chart_arr(data)
console.log(chart_dats.lbl.length )
const tensorData = tr.convertToTensor(data);
const {inputs, labels} = tensorData;
// Train the model
console.log('Training-start');
await tr.trainModel(model, inputs, labels,
tensorData, chart_dats.lbl.length
,chart_dats );
console.log('#fit-complete');
//pred
const [xs, preds] = tr.testModel(model, data, tensorData,
chart_dats.lbl.length);
console.log( preds );
await model.save(appConst.model_name );
}・api : モデル読み込み。評価処理、
https://github.com/kuc-arc-f/tfjs_app1_express1/blob/master/routes/api_train.js
router.get('/chart_items', async function(req, res) {
console.log('Hello TensorFlow, t3-read');
const tr = new LibTrain( )
const dTrain = new LibTrainData( )
const appConst = new LibConst( )
//
const data = await tr.getData();
var chart_dats = dTrain.convert_chart_arr(data)
console.log(chart_dats.lbl.length )
const tensorData = tr.convertToTensor(data);
const model = await tf.loadLayersModel(appConst.model_name + '/model.json');
//pred
const [xs, preds] = tr.testModel(model, data, tensorData,
chart_dats.lbl.length);
//console.log( preds );
//out
var items = []
preds.forEach( function (item) {
items.push(item );
});
var arr ={
'pred' : items,
'chart_dats' : chart_dats,
}
var param = {"docs": arr };
res.json(param);
});
まとめ
前回のブラウザ版と、比較して
事前に、学習処理が必要ですが
評価時に、学習しない分。かなり高速表示できました。
TensorFlow.js で、モデルを保存する。ブラウザ版 #javascript #機械学習 #tensorflow
index:
概要:
前のTensorFlow.js 関係で、
学習済のモデルを、保存する例となります。
環境
TensorFlow.js
ブラウザ
保存の処理
Local Storage に、保存する場合ですが、他にもindexDBなど。あるようです
await model.save('localstorage://my-model');
node.js版
・環境: ubuntu16
npm install @tensorflow/tfjs-node
・保存
https://github.com/kuc-arc-f/tfjs_pred_2/blob/master/t6-save.js
await model.save('file://test-model');
・ロード
https://github.com/kuc-arc-f/tfjs_pred_2/blob/master/t6-read.js
const load_model = await tf.loadLayersModel('file://test-model/model.json');
TensorFlow.js で、回帰モデルの予測問題サンプル
index:
概要:
前のTensorFlow.js 関係で、
回帰モデル例を、参考にして。
予測問題の実装メモとなります。
評価グラフは、chart.js で。表示する構成です
環境
TensorFlow.js
ブラウザ
参考のコード
実装など
・自前の、学習データを外部から。読み込みます
https://github.com/kuc-arc-f/tfjs_start2/blob/master/js/train_10.js
async function getData() {
const url = 'https://raw.githubusercontent.com/kuc-arc-f/tfjs_start2/master/dat/outout.json';
const carsDataReq = await fetch( url );
const carsData = await carsDataReq.json();
//console.log(carsData)
const cleaned = carsData.map(car => ({
hnum: car.hnum,
no: car.no,
}))
return cleaned;
}・tf.tensor に変換後、学習処理、評価
/********************************
*
*********************************/
async function trainModel(model, inputs, labels, tensorData,
input_size, chart_dats) {
const {inputMax, inputMin, labelMin, labelMax} = tensorData
//console.log( input_size );
// Prepare the model for training.
const column_len = input_size
model.compile({
optimizer: tf.train.adam(),
loss: tf.losses.meanSquaredError,
metrics: ['mse'],
});
const batchSize = column_len -5;
const epochs = 50;
//model.fit(inputs,labels,{epochs: epochs });
return await model.fit(inputs, labels, {
batchSize,
epochs,
});
}
学習データと、評価のグラフ
参考のページ
TensorFlow.js の導入編、回帰モデルなど
概要:
TensorFlow.js の導入、セットアップ等になります
javascriptで、機械学習できそうですので。試してみました
環境
TensorFlow.js
node.js
npm
追加方法
cdn 読み込む場合
<script src="https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@1.0.0/dist/tf.min.js"></script>
node.js へ追加の場合
npm install @tensorflow/tfjs-node
TypeScript + node/express + mysql で、 CRUDの作成
index:
環境
TypeScript
node.js
npm
mysql
参考のコード
実装など
api、データ取得
https://github.com/kuc-arc-f/ts_express6_mysql/blob/master/routes/api.ts
/********************************
*
*********************************/
router.get('/tasks_index', function(req: Request, res: Response, next: NextFunction ) {
let connection :mysql.Connection;
myDb.get_connection()
.then((conn) => {
connection = conn;
return connection.query('SELECT * FROM tasks order by id desc');
}).then((results: any[]) => {
// console.log(results );
results.forEach(result => {
console.log(result.id );
});
connection.end();
var param = {"docs": results };
res.json(param);
});
});
画面ejs
new
https://github.com/kuc-arc-f/ts_express6_mysql/blob/master/views/tasks/new.ejs
index
https://github.com/kuc-arc-f/ts_express6_mysql/blob/master/views/tasks/index.ejs
show
https://github.com/kuc-arc-f/ts_express6_mysql/blob/master/views/tasks/show.ejs
edit
https://github.com/kuc-arc-f/ts_express6_mysql/blob/master/views/tasks/edit.ejs
