我已经在 GitHub 上🤖了新的交互式机器学习实验项目。

虽然模型可能有点笨（记住，这些只是实验，而不是生产就绪的代码），他们会尽力：

我已经训练了_Python上的_模型_使用TensorFlow 2_与_Keras的支持_，然后使用他们在浏览器中使用_React和__JavaScript_版本的_Tensorflow演示_。

模型性能

⚠️ First，让我们设定我们的期望.️存储库包含机器学习实验，而不是生产就绪、可重用、优化和微调的代码和模型。这是一个沙盒或游乐场，用于学习和尝试不同的机器学习方法、算法和数据集。模型可能性能不好，并且有过度拟合/不拟合的地方。

因此，有时您可能会看到这样一些情况：

Image for post

但要有耐心，有时模型可能会变得更聪明🤓并给你这个：

Image for post

简介

🗓因为Python可能是开始尝试机器学习的一个不错的选择，我决定先学习它的基本语法。结果，一🐍学习Python项目的"游戏"和"备忘单"。这只是练习 Python，同时有一个基本语法的备忘单，一旦我需要它（如等）。dict_via_comprehension = {x: x**2 for x in (2, 4, 6)}
🗓学了一点Python之后，我想深入探讨机器学习背后的基本数学。因此，在通过一个真棒机器学习课程由Andrew Ng在🤖自制机器学习项目出来。这次是为基本的机器学习数学算法（如线性回归、逻辑回归、k-means、多层感知器等）创建一个备忘单。
🗓下一次尝试玩基本的机器学习数学是一个🤖纳纳龙。它是大约7个简单的JavaScript函数，应该给你一种感觉，机器如何真正"学习"。
🗓在Coursera上完成了安德鲁 · 吴的另一个令人敬畏的深度学习专业化后，我决定用多层感知器、卷积和循环神经网络（CNN 和 Rnn）练习更多一点。这一次，我决定开始使用一些机器学习框架，而不是从零开始实现所有内容。我最终使用TensorFlow 2与Keras。我也不想太专注于数学（让框架为我做），相反，我想想出一些更实用，更适用的东西，我可以尝试在我的浏览器中玩的东西。因此，新的🤖机器学习实验出来了，我想在这里描述更多一点。

🏋🏻我使用TensorFlow 2 中的 Keras进行建模和培训。由于我对机器学习框架没有经验，我需要从一些开始。支持 TensorFlow 的一个卖点是，它具有具有类似API 的库的 Python和 JavaScript 风格。因此，最终我使用 Python 版本进行训练和 JavaScript 版本进行演示。
🏋🏻在 Jupyter 笔记本中对 Python 进行了TensorFlow模型培训，有时还使用Colab使 GPU 上的训练速度更快。
💻大多数型号都经过了旧版 MacBook 的 Pro CPU（2，9 GHz 双核英特尔酷睿 i5）的训练。
🔢 当然，您无法从NumPy 中跑开矩阵/张子操作。

🏋🏻使用TensorFlow.js对以前训练过的模型进行预测。
♻️_将Keras HDF5_模型转换为_TensorFlow.js层格式_我使用TensorFlow.js转换器。将整个模型（兆字节的数据）传输到浏览器而不是通过 HTTP 请求进行预测可能效率低下，但请记住，这些只是实验，而不是生产就绪的代码和体系结构。我想避免使用专用的端到端服务，使体系结构更简单。
👨🏻 🎨演示应用程序是在 React上创建的，使用创建-React-应用程序启动器，默认为Flow味道进行类型检查。
💅🏻对于样式，我使用了材质UI。这是，正如他们说，“杀死两只鸟"一次，并尝试一个新的造型框架（对不起，Bootstrap🤷🏻）。