React.js + AI: چگونه می توان هوش مصنوعی را با React بدون تجربه یادگیری ماشین ترکیب کرد.

شما یک توسعه دهنده وب هستید که دانش یادگیری ماشینی زیادی ندارید، چگونه می توانم از Tensorflowjs در فرانت اند مورد نظر شما استفاده کنم. تقریباً برای هر موردی انواع مدل های از پیش آموزش دیده وجود دارد.

خوشبختانه Tensorflowjs و Tensorflow به طور کلی مدل های از پیش آموزش دیده ای را در اختیار ما قرار می دهند که می توانیم بدون ساختن شبکه های عصبی کانولوشن یا شبکه های عصبی مکرر با مکانیسم های توجه از آنها استفاده کنیم. به سادگی وارد کردن یک کتابخانه و فراخوانی یک متد است. دقیقاً اینگونه است که می‌توانید از یک مدل بینایی رایانه‌ای استفاده کنید که می‌تواند 1000 شی را در Frontend تشخیص دهد، بدون اینکه هرگز عبارت بینایی رایانه را در حرفه خود شنیده باشید. به من اعتماد نداری؟ در اینجا می توانید همه مدل های از پیش آموزش دیده Tensorflowjs را پیدا کنید که در موارد زیر تخصص دارند: صدا، متن، تصویر و غیره. جایگاهی را که می خواهید در آینده استفاده کنید پیدا کنید و اجازه دهید یک برنامه کوچک با استفاده از Reactjs راه اندازی کنیم.

اکنون که می‌خواهید از چه هوش مصنوعی استفاده کنید، کارت هوش مصنوعی را فشار دهید و این کارت شما را به صفحه Github مدل هدایت می‌کند، جایی که دستورالعمل‌هایی در مورد نحوه وارد کردن، بارگیری و استفاده از مدل به شما می‌دهد. به پایین بروید و به Usage with NPM بروید و بسته npm مدل را بیابید، احتمالاً “@tensorflow-models/” خواهد بود، من از مدل mobilenet استفاده خواهم کرد که اولین مدل تحت دید است. این بخش همچنین شما را در مورد نحوه پیش بینی راهنمایی می کند، بنابراین برگه را نبندید! اکنون آماده کدنویسی هستیم!

طبق معمول یک پروژه react ایجاد کنید، من از تایپ اسکریپت استفاده خواهم کرد. وابستگی های لازم را نصب کنید:

# I will use the mobilenet model, just change the model name at the end
npm i @tensorflowjs/tfjs @tensorflow-models/mobilenet

yarn add @tensorflowjs/tfjs @tensorflow-models/mobilenet

توجه: اگرچه صفحه Github موبایل نت می گوید که نیازی به وارد کردن بسته @tensorflowjs/tfjs نیست، اما وقتی آن را وارد نمی کنم، این خطا را نشان می دهد: Uncaught (در وعده) خطا: هیچ باطنی در رجیستری یافت نشد. حتی اگر از موبایل نت استفاده نمی کنید مراقب این خطا باشید.

من قصد دارم یک وب سایت ساده بسازم که کاربر به آن تصویر بدهد و مدل موبایل نت پیش بینی کند که آن تصویر چیست. در اینجا مخزن Github برای پروژه است. وابستگی ها را نصب کنید، سرور را اجرا کنید و شروع به بهبود کد کنید، من کد را از طراحی بد ساخته ام تا بتوانید آن را بهبود ببخشید و پس از اتمام، کد نهایی را برای من ارسال کنید.

اگر در مورد هوش مصنوعی، ML (یادگیری ماشین) و غیره کنجکاو هستید. پیشنهاد می‌کنم مدل‌های خود را بسازید، در ابتدا ایجاد شبکه‌های عصبی خود با تمام پارامترهایی که دارید دشوار خواهد بود، با این حال، متوجه خواهید شد که مدل‌ها استفاده شرکت های بزرگ به سادگی شما اما با منابع غنی تر است. توصیه خود من به عنوان یک مهندس مبتدی ML که در توسعه وب شروع کردم این است که ابتدا حساب دیفرانسیل و انتگرال، جبر خطی را یاد بگیرید و سپس پایتون را یاد بگیرید و در نهایت شروع به یادگیری ML کنید. شما مجبور نیستید حساب دیفرانسیل و انتگرال را بدانید، انگار که با مدرک ریاضی محض فارغ التحصیل شده اید. اگر فکر می‌کنید به ریاضیات بیشتری نیاز ندارید، یادگیری تنسورفلو یا پایتورچ را شروع کنید، پس وقتی فکر می‌کنید یکی از آنها را می‌دانید به سراغ دیگری بروید، وقتی یکی را یاد گرفتید، یادگیری دیگری آسان‌تر خواهد شد. من بیشتر از این نرسیدم، دارم تنسورفلو را یاد می‌گیرم. من پایتورچ و تئوری پشت آن را از دانیل بورک یاد گرفتم، من یوتیوبی که بیش از 40 ساعت برای مبتدیان محتوا دارد. همچنین پروژه ای را پیدا کنید که به طور قانونی علاقه مند به ساخت آن هستید. به هر حال هر وقت خواستید با من تماس بگیرید و شاید همکاری کنید و با هم پروژه بسازید.