TensorSpace.js
开始使用
基本概念
模型预处理
模型
网络层
网络层融合
预测
在 TensorSpace 中,“预测”指的是通过像加载的神经网络模型提供必要的输入数据,收集所有目标中间层的输出数据,并以此来渲染可视化模型的一系列过程。
“预测”的功能由各构建的 TensorSpace 模型中的 .predict( predictData, callback ) 方法来实现。
在我们正确地加载神经网络模型之后,我们可以十分简单地使用 .predict() 方法:
model.predict( predictData, callback );
predictData
predictData 实际上是一个列表. 它可以包含一个或多个数的列表。
filter_center_focus 当使用 Sequential() 创建模型时
在大多数情况下,我们可以参照以下例子来提供合适的 predictData :
predictData = [ 1, 2, 3, 4, 5 ];
从上例可以看出, predictData 是一个单一的数的列表。它通常表示我们输入图像的信息。
若该模型的输入为多输入时,我们需要使用以下方式来进行配置:
let data1 = [ 1, 2, 3, 4, 5 ];
let data2 = [ 1, 2, 3, 4, 5 ];
predictData = [ data1, data2 ];
这时, predictData 包含了数的列表。
filter_center_focus 当使用 Model() 创建模型时
我们可以参照以下例子来提供合适的 predictData
let data1 = [ 1, 2, 3, 4, 5 ];
let data2 = [ 1, 2, 3, 4, 5 ];
predictData = [ data1, data2 ];
这时,predictData 包含了数的列表。而我们究竟需要放入一个或者多个数的列表,取决于当前神经网络模型的结构(是否多输入)。
callback
我们可以通过配置一个回调函数来将最终的预测结果作为参数提取出来,以作他用:
function predictCallback( finalResult ) {
    console.log( finalResult );
}
wb_sunny注意:
  • filter_center_focus 请在应用多输入前,详细确认并检查加载配置是否正确有效。
  • filter_center_focus 详情参见 加载