与在 Keras 中的 有序模型实现方法类似,TensorSpace 中的 Sequential()
创建了一个简单的层对象堆栈。
如下,我们可以创建一个有序模型:
let seqModel = new TSP.models.Sequential( container, {
...
// optional configurations
layerInitStatus: "close",
aggregationStrategy: "max",
layerShape: "rect",
...
} );
然后我们可以在模型中根据我们的设计顺序,插入不同的层对象:
seqModel.add( new TSP.layers.GreyscaleInput( {
name: "initInput",
color: 0xFFFFFF,
} ) );
seqModel.add( new TSP.layers.Padding2d() );
let convLayer = new TSP.layers.Conv2d( {
name: "conv2d1",
} );
seqModel.add( convLayer );
我们可以插入一个声明过的层对象或者一个匿名层对象。
seqModel.load( {
type: "tensorflow",
url: 'model.json',
onProgress: function( fraction ) {
console.log( "Loading progress: " + fraction );
},
onComplete: function() {
console.log( "Complete load model." );
}
} );
seqModel.init( function() {
console.log("TensorSpace's Model is initialized!");
} );
predict() 方法将接管所有层对象关于数据预测的处理。
属性
.aggregationStrategy
: String
- filter_center_focus 表示聚合体表面渲染的策略。
.layerShape
: String
- filter_center_focus 表示特征图的排布方式。
.layerInitStatus
: String
- filter_center_focus 表示层初始化状态:展开为特征图或者收拢为聚合体。
.textSystem
: String
- filter_center_focus 启用或者禁用层的文字显示功能。
.relationSystem
: String
- filter_center_focus 启用或者禁用层间关系连线的显示功能。
.animeTime
: Double
- filter_center_focus 表示实际动画时长。
.color
: Color Format
- filter_center_focus 关于所有层对象的颜色配置以及场景背景颜色的配置。
.stats
: Bool
- filter_center_focus 是否启用并显示stats控件。
.predictDataShapes
: Array
- filter_center_focus 如果 TensorSpace 载入的与训练的模型的输入形状不确定,使用该属性来配置一个确定的形状。
.feedInputs
: Array
- filter_center_focus 如果 TensorSpace 的输入和载入的预处理模型的输入数量不同,可以使用该属性将两个模型的输入对应起来。
方法
.init(
complete_callback ) : void
- filter_center_focus init( complete_callback )方法使用所提供的配置信息创建模型中所有对象。
- filter_center_focus 详情参见Model (concept)。
.load(
load_config ) : void
- filter_center_focus load() 方法用于载入神经网络模型。
- filter_center_focus 详情参见Load 。
- filter_center_focus predict() 方法将收集所有必要的层间数据并将其渲染至所对应的可视化对象中。
- filter_center_focus 详情参见Predict。
.reset()
: void
- filter_center_focus 该方法用于重置模型状态至默认初始化状态。
- filter_center_focus 模型中的摄像机位置将被移至默认初始位置。摄像机观测角度将被变更为默认初始角度。
- filter_center_focus 所有网络层对象中,对现有输入的预测数据将被清空。可视化模型将根据清空后的数据进行重新渲染。
.add(
layer ) : void
- filter_center_focus add() 方法将所提供的网络层对象添加至顺序模型中。
- filter_center_focus 所提供的网络层将被添加至顺序模型中的最后一位。顺序模型的网络层列表将被更新。
- filter_center_focus 所提供的网络层实例将基于所添加的顺序模型参数进行适当更新。
.getAllLayers()
: Layer[]
- filter_center_focus 以获取所有层对象。
.getLayerByName(
name ) : Layer
- filter_center_focus 根据所提供的层名称(String)来获取特定的层对象。
在线体验
我们可以在以下 CodePen 中在线体验我们所提供的样例:
See the Pen TensorSpace - Sequential by syt123450 (@syt123450) on CodePen.