Nhập js vào python

Mô-đun có thể chứa các hàm, như đã được mô tả, nhưng cũng có các biến thuộc mọi loại (mảng, từ điển, đối tượng, v.v.)

Thí dụ

Lưu mã này vào tệp mymodule.py

person1 = {
  "tên". "John",
  "tuổi". 36,
  "quốc gia". "Na Uy"
}

Thí dụ

Nhập mô-đun có tên mymodule và truy cập từ điển person1

nhập mymodule

a = mymodule. person1["age"]
print(a)

Chạy ví dụ »

---

---

Đặt tên cho một mô-đun

Bạn có thể đặt tên cho tệp mô-đun bất cứ điều gì bạn thích, nhưng nó phải có phần mở rộng tệp là .py

Đổi tên một Module

Bạn có thể tạo bí danh khi nhập mô-đun bằng cách sử dụng từ khóa as

Thí dụ

Tạo bí danh cho mymodule có tên là mx

nhập mymodule dưới dạng mx

a = mx. person1["age"]
print(a)

Chạy ví dụ »

---

Mô-đun tích hợp

Có một số mô-đun tích hợp sẵn trong Python mà bạn có thể nhập bất cứ khi nào bạn muốn

Thí dụ

Nhập và sử dụng mô-đun

# Python

import tensorflowjs as tfjs

def train(...):
    model = keras.models.Sequential()   # for example
    ...
    model.compile(...)
    model.fit(...)
    tfjs.converters.save_keras_model(model, tfjs_target_dir)

0

nền tảng nhập khẩu

x = nền tảng. system()
print(x)

Tự mình thử »

---

Sử dụng hàm dir()

Có một hàm tích hợp để liệt kê tất cả các tên hàm (hoặc tên biến) trong một mô-đun. Hàm

# Python

import tensorflowjs as tfjs

def train(...):
    model = keras.models.Sequential()   # for example
    ...
    model.compile(...)
    model.fit(...)
    tfjs.converters.save_keras_model(model, tfjs_target_dir)

1

Thí dụ

Liệt kê tất cả các tên được xác định thuộc về mô-đun nền tảng

nền tảng nhập khẩu

x = dir(nền tảng)
print(x)

Tự mình thử »

Ghi chú. Hàm dir() có thể được sử dụng trên tất cả các mô-đun, kể cả những mô-đun bạn tự tạo

---

Nhập Từ Mô-đun

Bạn có thể chọn chỉ nhập các phần từ một mô-đun bằng cách sử dụng từ khóa mymodule.py0

Thí dụ

Mô-đun có tên mymodule có một chức năng và một từ điển

lời chào chắc chắn(tên).
  print("Xin chào, " + tên)

person1 = {
  "tên". "John",
  "tuổi". 36,
  "quốc gia". "Na Uy"
}

Thí dụ

Chỉ nhập từ điển person1 từ mô-đun

từ mymodule nhập person1

in (person1["tuổi"])

Chạy ví dụ »

Ghi chú. Khi nhập bằng từ khóa mymodule.py0, không sử dụng tên mô-đun khi đề cập đến các phần tử trong mô-đun. Thí dụ. mymodule.py3, không phải mymodule.py4

Các mô hình máy ảnh (thường được tạo thông qua API Python) có thể được lưu ở một trong các định dạng. Định dạng "toàn bộ mô hình" có thể được chuyển đổi thành TensorFlow. js, có thể được tải trực tiếp vào TensorFlow. js để suy luận hoặc đào tạo thêm

Mục tiêu TensorFlow. js Định dạng lớp là một thư mục chứa tệp

# Python

import tensorflowjs as tfjs

def train(...):
    model = keras.models.Sequential()   # for example
    ...
    model.compile(...)
    model.fit(...)
    tfjs.converters.save_keras_model(model, tfjs_target_dir)

7 và một tập hợp các tệp trọng số được phân đoạn ở định dạng nhị phân. Tệp

# Python

import tensorflowjs as tfjs

def train(...):
    model = keras.models.Sequential()   # for example
    ...
    model.compile(...)
    model.fit(...)
    tfjs.converters.save_keras_model(model, tfjs_target_dir)

7 chứa cả cấu trúc liên kết mô hình (còn gọi là "kiến trúc" hoặc "đồ thị". mô tả về các lớp và cách chúng được kết nối) và bảng kê khai các tệp trọng lượng

Yêu cầu

Quy trình chuyển đổi yêu cầu môi trường Python; . Để cài đặt bộ chuyển đổi, hãy sử dụng

# Python

import tensorflowjs as tfjs

def train(...):
    model = keras.models.Sequential()   # for example
    ...
    model.compile(...)
    model.fit(...)
    tfjs.converters.save_keras_model(model, tfjs_target_dir)

9

Nhập mô hình Keras vào TensorFlow. js là một quy trình gồm hai bước. Đầu tiên, chuyển đổi mô hình Keras hiện có sang TF. js Layers, sau đó tải nó vào TensorFlow. js

Bước 1. Chuyển đổi mô hình Keras hiện có sang TF. định dạng lớp js

Các mẫu máy ảnh thường được lưu qua

// JavaScript

import * as tf from '@tensorflow/tfjs';

const model = await tf.loadLayersModel('https://foo.bar/tfjs_artifacts/model.json');

0, tạo ra một HDF5 duy nhất (. h5) chứa cả cấu trúc liên kết mô hình và trọng số. Để chuyển đổi một tệp như vậy thành TF. js Layers, hãy chạy lệnh sau, trong đó

// JavaScript

import * as tf from '@tensorflow/tfjs';

const model = await tf.loadLayersModel('https://foo.bar/tfjs_artifacts/model.json');

1 là Keras nguồn. h5 và

// JavaScript

import * as tf from '@tensorflow/tfjs';

const model = await tf.loadLayersModel('https://foo.bar/tfjs_artifacts/model.json');

2 là thư mục đầu ra đích cho TF. tập tin js

# bash

tensorflowjs_converter --input_format keras \
                       path/to/my_model.h5 \
                       path/to/tfjs_target_dir

Thay thế. Sử dụng API Python để xuất trực tiếp sang TF. định dạng lớp js

Nếu bạn có mô hình Keras bằng Python, bạn có thể xuất trực tiếp mô hình đó sang TensorFlow. js Định dạng lớp như sau

# Python

import tensorflowjs as tfjs

def train(...):
    model = keras.models.Sequential()   # for example
    ...
    model.compile(...)
    model.fit(...)
    tfjs.converters.save_keras_model(model, tfjs_target_dir)

Bước 2. Tải mô hình vào TensorFlow. js

Sử dụng máy chủ web để phục vụ các tệp mô hình đã chuyển đổi mà bạn đã tạo ở Bước 1. Lưu ý rằng bạn có thể cần định cấu hình máy chủ của mình để cho phép Chia sẻ tài nguyên nguồn gốc chéo (CORS), nhằm cho phép tìm nạp các tệp trong JavaScript

Sau đó tải mô hình vào TensorFlow. js bằng cách cung cấp URL cho mô hình. tập tin json

// JavaScript

import * as tf from '@tensorflow/tfjs';

const model = await tf.loadLayersModel('https://foo.bar/tfjs_artifacts/model.json');

Bây giờ mô hình đã sẵn sàng để suy luận, đánh giá hoặc đào tạo lại. Chẳng hạn, mô hình được tải có thể được sử dụng ngay lập tức để đưa ra dự đoán

// JavaScript

const example = tf.fromPixels(webcamElement);  // for example
const prediction = model.predict(example);

Nhiều TensorFlow. js Các ví dụ áp dụng phương pháp này, sử dụng các mô hình được đào tạo trước đã được chuyển đổi và lưu trữ trên Google Cloud Storage

Lưu ý rằng bạn đề cập đến toàn bộ mô hình bằng cách sử dụng tên tệp

# Python

import tensorflowjs as tfjs

def train(...):
    model = keras.models.Sequential()   # for example
    ...
    model.compile(...)
    model.fit(...)
    tfjs.converters.save_keras_model(model, tfjs_target_dir)

7.

# Python

import tensorflowjs as tfjs

def train(...):
    model = keras.models.Sequential()   # for example
    ...
    model.compile(...)
    model.fit(...)
    tfjs.converters.save_keras_model(model, tfjs_target_dir)

1 tìm nạp

# Python

import tensorflowjs as tfjs

def train(...):
    model = keras.models.Sequential()   # for example
    ...
    model.compile(...)
    model.fit(...)
    tfjs.converters.save_keras_model(model, tfjs_target_dir)

7, sau đó thực hiện các yêu cầu HTTP(S) bổ sung để lấy các tệp trọng lượng đã phân mảnh được tham chiếu trong bảng kê khai trọng lượng của

# Python

import tensorflowjs as tfjs

def train(...):
    model = keras.models.Sequential()   # for example
    ...
    model.compile(...)
    model.fit(...)
    tfjs.converters.save_keras_model(model, tfjs_target_dir)

7. Cách tiếp cận này cho phép trình duyệt lưu tất cả các tệp này vào bộ nhớ đệm (và có thể bởi các máy chủ lưu vào bộ nhớ đệm bổ sung trên internet), bởi vì

# Python

import tensorflowjs as tfjs

def train(...):
    model = keras.models.Sequential()   # for example
    ...
    model.compile(...)
    model.fit(...)
    tfjs.converters.save_keras_model(model, tfjs_target_dir)

7 và các phân đoạn trọng số đều nhỏ hơn giới hạn kích thước tệp bộ nhớ đệm thông thường. Do đó, một mô hình có khả năng tải nhanh hơn trong các lần tiếp theo

Các tính năng được hỗ trợ

TenorFlow. js Các lớp hiện chỉ hỗ trợ các mô hình Keras sử dụng các cấu trúc Keras tiêu chuẩn. Các mô hình sử dụng các lớp hoặc lớp không được hỗ trợ—e. g. lớp tùy chỉnh, lớp Lambda, tổn thất tùy chỉnh hoặc chỉ số tùy chỉnh—không thể được nhập tự động vì chúng phụ thuộc vào mã Python không thể dịch sang JavaScript một cách đáng tin cậy

chúng ta có thể nhập khẩu. tập tin js?

Python có thể hoạt động với js không?

Làm cách nào để nhập biến từ JavaScript sang Python?

JavaScript có khó hơn Python không?