Suche senden
Hochladen
Deep Learning mit TensorFlow.js
•
Als PPTX, PDF herunterladen
•
0 gefällt mir
•
216 views
Jens Siebert
Folgen
Slides for a talk presented at 32. WebMontag Kassel
Weniger lesen
Mehr lesen
Software
Melden
Teilen
Melden
Teilen
1 von 17
Jetzt herunterladen
Empfohlen
TinyML – Machine Learning für eingebettete Systeme
TinyML – Machine Learning für eingebettete Systeme
Jens Siebert
Nachvollziehbare, datengetriebene, automatisierte Analysen der Softwareentwic...
Nachvollziehbare, datengetriebene, automatisierte Analysen der Softwareentwic...
Markus Harrer
Schritt für Schritt zum digitalen Zwilling
Schritt für Schritt zum digitalen Zwilling
Daniel Lehner
AWS Initiate Berlin - Digitale Transformation - Warum Kunden aus dem öffentl...
AWS Initiate Berlin - Digitale Transformation - Warum Kunden aus dem öffentl...
Amazon Web Services
Quarterly Technology Briefing - Big Data - Germany
Quarterly Technology Briefing - Big Data - Germany
Thoughtworks
Project Cortex – Die Revolution für das Wissensmanagement in der Microsoft Welt?
Project Cortex – Die Revolution für das Wissensmanagement in der Microsoft Welt?
Michael Greth
Python in der Luft- und Raumfahrt
Python in der Luft- und Raumfahrt
Andreas Schreiber
Citrix Day 2014: Enterprise Mobility - Citrix Lösungen mit Workpace Suite
Citrix Day 2014: Enterprise Mobility - Citrix Lösungen mit Workpace Suite
Digicomp Academy AG
Empfohlen
TinyML – Machine Learning für eingebettete Systeme
TinyML – Machine Learning für eingebettete Systeme
Jens Siebert
Nachvollziehbare, datengetriebene, automatisierte Analysen der Softwareentwic...
Nachvollziehbare, datengetriebene, automatisierte Analysen der Softwareentwic...
Markus Harrer
Schritt für Schritt zum digitalen Zwilling
Schritt für Schritt zum digitalen Zwilling
Daniel Lehner
AWS Initiate Berlin - Digitale Transformation - Warum Kunden aus dem öffentl...
AWS Initiate Berlin - Digitale Transformation - Warum Kunden aus dem öffentl...
Amazon Web Services
Quarterly Technology Briefing - Big Data - Germany
Quarterly Technology Briefing - Big Data - Germany
Thoughtworks
Project Cortex – Die Revolution für das Wissensmanagement in der Microsoft Welt?
Project Cortex – Die Revolution für das Wissensmanagement in der Microsoft Welt?
Michael Greth
Python in der Luft- und Raumfahrt
Python in der Luft- und Raumfahrt
Andreas Schreiber
Citrix Day 2014: Enterprise Mobility - Citrix Lösungen mit Workpace Suite
Citrix Day 2014: Enterprise Mobility - Citrix Lösungen mit Workpace Suite
Digicomp Academy AG
Internet of Things Architecture
Internet of Things Architecture
Christian Waha
Modernes Rechenzentrum
Modernes Rechenzentrum
Microsoft Österreich
2008 - Basta!: DAL DIY
2008 - Basta!: DAL DIY
Daniel Fisher
Neo4j Use Cases - Graphdatenbanken im Einsatz
Neo4j Use Cases - Graphdatenbanken im Einsatz
Neo4j
Plattformen für das Internet der Dinge, solutions.hamburg, 05.09.16
Plattformen für das Internet der Dinge, solutions.hamburg, 05.09.16
Boris Adryan
Verteidigung - "Migration zu Kubernetes: Anforderungen, Umsetzung und Auswert...
Verteidigung - "Migration zu Kubernetes: Anforderungen, Umsetzung und Auswert...
Stephan Lindauer
30. Treffen der .NET User Group Rhein-Neckar mit Constantin Klein - „Bekommen...
30. Treffen der .NET User Group Rhein-Neckar mit Constantin Klein - „Bekommen...
.NET User Group Rhein-Neckar
Industry 4.0 in a box
Industry 4.0 in a box
Tillmann Eitelberg
2008 - Basta!: Massendaten auf dem Client
2008 - Basta!: Massendaten auf dem Client
Daniel Fisher
Marc Kroll (SERgroup Holding International GmbH)
Marc Kroll (SERgroup Holding International GmbH)
Praxistage
OSMC 2011 | Monitoring "wer kennt wen" mit free and open source software by J...
OSMC 2011 | Monitoring "wer kennt wen" mit free and open source software by J...
NETWAYS
Startimpuls at Microsoft w/ IFJ
Startimpuls at Microsoft w/ IFJ
Reto Laemmler
Meet Magento - High performance magento
Meet Magento - High performance magento
AOE
SCAPE Skalierbare Langzeitarchivierung
SCAPE Skalierbare Langzeitarchivierung
Sven Schlarb
AWS Initiate Berlin - Maschinelles Lernen - Chancen, Werkzeuge und Beispiel-A...
AWS Initiate Berlin - Maschinelles Lernen - Chancen, Werkzeuge und Beispiel-A...
Amazon Web Services
HTML5 Offline - Fallstricke für mobile Webseiten und WebApps
HTML5 Offline - Fallstricke für mobile Webseiten und WebApps
Ulrich Schmidt
Whitecoast lcty12 x_pages
Whitecoast lcty12 x_pages
Whitecoast Solutions AG
Anwender-Case Karl Storz GmbH & Co. KG auf OpenText Basis
Anwender-Case Karl Storz GmbH & Co. KG auf OpenText Basis
netmedianer GmbH
LineMetrics Data-as-a-Service - Monitoring für Bestandsgebäude
LineMetrics Data-as-a-Service - Monitoring für Bestandsgebäude
LeonieDelphineReschr
PrintTalk 2.0, XJDF & WebToPrint
PrintTalk 2.0, XJDF & WebToPrint
Stefan Meissner
WebAssembly
WebAssembly
Jens Siebert
Embedded Rust
Embedded Rust
Jens Siebert
Weitere ähnliche Inhalte
Ähnlich wie Deep Learning mit TensorFlow.js
Internet of Things Architecture
Internet of Things Architecture
Christian Waha
Modernes Rechenzentrum
Modernes Rechenzentrum
Microsoft Österreich
2008 - Basta!: DAL DIY
2008 - Basta!: DAL DIY
Daniel Fisher
Neo4j Use Cases - Graphdatenbanken im Einsatz
Neo4j Use Cases - Graphdatenbanken im Einsatz
Neo4j
Plattformen für das Internet der Dinge, solutions.hamburg, 05.09.16
Plattformen für das Internet der Dinge, solutions.hamburg, 05.09.16
Boris Adryan
Verteidigung - "Migration zu Kubernetes: Anforderungen, Umsetzung und Auswert...
Verteidigung - "Migration zu Kubernetes: Anforderungen, Umsetzung und Auswert...
Stephan Lindauer
30. Treffen der .NET User Group Rhein-Neckar mit Constantin Klein - „Bekommen...
30. Treffen der .NET User Group Rhein-Neckar mit Constantin Klein - „Bekommen...
.NET User Group Rhein-Neckar
Industry 4.0 in a box
Industry 4.0 in a box
Tillmann Eitelberg
2008 - Basta!: Massendaten auf dem Client
2008 - Basta!: Massendaten auf dem Client
Daniel Fisher
Marc Kroll (SERgroup Holding International GmbH)
Marc Kroll (SERgroup Holding International GmbH)
Praxistage
OSMC 2011 | Monitoring "wer kennt wen" mit free and open source software by J...
OSMC 2011 | Monitoring "wer kennt wen" mit free and open source software by J...
NETWAYS
Startimpuls at Microsoft w/ IFJ
Startimpuls at Microsoft w/ IFJ
Reto Laemmler
Meet Magento - High performance magento
Meet Magento - High performance magento
AOE
SCAPE Skalierbare Langzeitarchivierung
SCAPE Skalierbare Langzeitarchivierung
Sven Schlarb
AWS Initiate Berlin - Maschinelles Lernen - Chancen, Werkzeuge und Beispiel-A...
AWS Initiate Berlin - Maschinelles Lernen - Chancen, Werkzeuge und Beispiel-A...
Amazon Web Services
HTML5 Offline - Fallstricke für mobile Webseiten und WebApps
HTML5 Offline - Fallstricke für mobile Webseiten und WebApps
Ulrich Schmidt
Whitecoast lcty12 x_pages
Whitecoast lcty12 x_pages
Whitecoast Solutions AG
Anwender-Case Karl Storz GmbH & Co. KG auf OpenText Basis
Anwender-Case Karl Storz GmbH & Co. KG auf OpenText Basis
netmedianer GmbH
LineMetrics Data-as-a-Service - Monitoring für Bestandsgebäude
LineMetrics Data-as-a-Service - Monitoring für Bestandsgebäude
LeonieDelphineReschr
PrintTalk 2.0, XJDF & WebToPrint
PrintTalk 2.0, XJDF & WebToPrint
Stefan Meissner
Ähnlich wie Deep Learning mit TensorFlow.js
(20)
Internet of Things Architecture
Internet of Things Architecture
Modernes Rechenzentrum
Modernes Rechenzentrum
2008 - Basta!: DAL DIY
2008 - Basta!: DAL DIY
Neo4j Use Cases - Graphdatenbanken im Einsatz
Neo4j Use Cases - Graphdatenbanken im Einsatz
Plattformen für das Internet der Dinge, solutions.hamburg, 05.09.16
Plattformen für das Internet der Dinge, solutions.hamburg, 05.09.16
Verteidigung - "Migration zu Kubernetes: Anforderungen, Umsetzung und Auswert...
Verteidigung - "Migration zu Kubernetes: Anforderungen, Umsetzung und Auswert...
30. Treffen der .NET User Group Rhein-Neckar mit Constantin Klein - „Bekommen...
30. Treffen der .NET User Group Rhein-Neckar mit Constantin Klein - „Bekommen...
Industry 4.0 in a box
Industry 4.0 in a box
2008 - Basta!: Massendaten auf dem Client
2008 - Basta!: Massendaten auf dem Client
Marc Kroll (SERgroup Holding International GmbH)
Marc Kroll (SERgroup Holding International GmbH)
OSMC 2011 | Monitoring "wer kennt wen" mit free and open source software by J...
OSMC 2011 | Monitoring "wer kennt wen" mit free and open source software by J...
Startimpuls at Microsoft w/ IFJ
Startimpuls at Microsoft w/ IFJ
Meet Magento - High performance magento
Meet Magento - High performance magento
SCAPE Skalierbare Langzeitarchivierung
SCAPE Skalierbare Langzeitarchivierung
AWS Initiate Berlin - Maschinelles Lernen - Chancen, Werkzeuge und Beispiel-A...
AWS Initiate Berlin - Maschinelles Lernen - Chancen, Werkzeuge und Beispiel-A...
HTML5 Offline - Fallstricke für mobile Webseiten und WebApps
HTML5 Offline - Fallstricke für mobile Webseiten und WebApps
Whitecoast lcty12 x_pages
Whitecoast lcty12 x_pages
Anwender-Case Karl Storz GmbH & Co. KG auf OpenText Basis
Anwender-Case Karl Storz GmbH & Co. KG auf OpenText Basis
LineMetrics Data-as-a-Service - Monitoring für Bestandsgebäude
LineMetrics Data-as-a-Service - Monitoring für Bestandsgebäude
PrintTalk 2.0, XJDF & WebToPrint
PrintTalk 2.0, XJDF & WebToPrint
Mehr von Jens Siebert
WebAssembly
WebAssembly
Jens Siebert
Embedded Rust
Embedded Rust
Jens Siebert
Embedded Rust
Embedded Rust
Jens Siebert
Microservices mit Rust
Microservices mit Rust
Jens Siebert
Backend-Services mit Rust
Backend-Services mit Rust
Jens Siebert
Chatbots bauen mit dem Microsoft Bot Framework
Chatbots bauen mit dem Microsoft Bot Framework
Jens Siebert
Integrating The Things Network Applications with Azure IoT Services
Integrating The Things Network Applications with Azure IoT Services
Jens Siebert
GraphQL
GraphQL
Jens Siebert
Embedded JavaScript
Embedded JavaScript
Jens Siebert
Windows 10 IoT Core
Windows 10 IoT Core
Jens Siebert
Microsoft Bot Framework (Node.js Edition)
Microsoft Bot Framework (Node.js Edition)
Jens Siebert
Microsoft Bot Framework (.NET Edition)
Microsoft Bot Framework (.NET Edition)
Jens Siebert
Electron
Electron
Jens Siebert
Windows 10 IoT Core
Windows 10 IoT Core
Jens Siebert
Physical Web
Physical Web
Jens Siebert
Windows 10 IoT Core
Windows 10 IoT Core
Jens Siebert
TypeScript
TypeScript
Jens Siebert
TypeScript
TypeScript
Jens Siebert
Mehr von Jens Siebert
(18)
WebAssembly
WebAssembly
Embedded Rust
Embedded Rust
Embedded Rust
Embedded Rust
Microservices mit Rust
Microservices mit Rust
Backend-Services mit Rust
Backend-Services mit Rust
Chatbots bauen mit dem Microsoft Bot Framework
Chatbots bauen mit dem Microsoft Bot Framework
Integrating The Things Network Applications with Azure IoT Services
Integrating The Things Network Applications with Azure IoT Services
GraphQL
GraphQL
Embedded JavaScript
Embedded JavaScript
Windows 10 IoT Core
Windows 10 IoT Core
Microsoft Bot Framework (Node.js Edition)
Microsoft Bot Framework (Node.js Edition)
Microsoft Bot Framework (.NET Edition)
Microsoft Bot Framework (.NET Edition)
Electron
Electron
Windows 10 IoT Core
Windows 10 IoT Core
Physical Web
Physical Web
Windows 10 IoT Core
Windows 10 IoT Core
TypeScript
TypeScript
TypeScript
TypeScript
Deep Learning mit TensorFlow.js
1.
Deep Learning mit TensorFlow.js Jens
Siebert (@jens_siebert) WebMontag Kassel, 03. Februar 2020 https://www.slideshare.net/JensSiebert1
2.
Künstliche Intelligenz
3.
Künstliche Intelligenz
4.
Künstliche Intelligenz
5.
KI vs. Machine
Learning vs. Deep Learning Künstliche Intelligenz Machine Learning Deep Learning
6.
Klassische Algorithmen vs.
Deep Learning Model Architektur Model RegelnDaten Ergebnis Trainings-Daten Regeln Ergebnis Daten Training Inferenz
7.
TensorFlow – Frameworks
für Deep Learning TensorFlow • Training + Inferenz • Client + Server • GPU Beschleunigung (CUDA) • C++/Python + Language Bindings TensorFlow.js • Inferenz (+ Training) • Client (Browser) + Server (Node.js) • GPU Beschleunigung (WebGL oder CUDA) • JavaScript TensorFlow Lite • Inferenz • Mobile + eingebettete Systeme • C/C++ Tensoren… 𝑅𝑎𝑛𝑔 0 = 1 𝑅𝑎𝑛𝑔 1 = 1 2 𝑅𝑎𝑛𝑔 2 = 1 2 3 4
8.
Deep Learning –
Neuronale Netze ∑ w1 x1 ⍴w2 x2 wn xn Eingaben Gewichte Übertragungs- funktion Aktivierungs- funktion Ausgabe o 𝑜 = 𝜌 𝑖=1 𝑛 𝑥𝑖 𝑤𝑖 . . .
9.
Deep Learning –
Neuronale Netze i1 x1 i2 x2 i3 x3 h11 h12 h13 h14 h15 h21 h22 h23 h24 h25 o1 o2 Input-Layer Hidden-Layer(s) Output-Layer
10.
Ein neuronales Netz
mit TensorFlow bauen... const model = tf.sequential(); model.add(tf.layers.dense({ inputShape:[224, 224, 3], units: 100, activation: 'sigmoid' })); model.add(tf.layers.dense({units: 100, activation: 'sigmoid'})); model.add(tf.layers.dense({units: 1, activation: 'sigmoid'}));
11.
Überwachtes Lernen i1 x1 i2 x2 i3 x3 h11 h12 h13 h14 h15 h21 h22 h23 h24 h25 o1 o2 l3 l1 l2 l2 𝐸 = 1 2 𝑖=1 𝑛 (𝑙𝑖
− 𝑜𝑖)2 Optimizer
12.
Ein neuronales Netz
trainieren… model.compile({ optimizer: 'adam', loss: 'binaryCrossentropy', metrics: ['accuracy'] }); await model.fit(trainData.data, trainData.labels, { batchSize, epochs, validationSplit: 0.2, …
13.
Convolutional Neural Networks Convolutional
Layer(s) Classification Layer(s) class: „golden retriever“ probability: 0.86
14.
Transfer Learning ❌
15.
Transfer Learning class: „dog“ probability:
0.94 Feature Extraction Model Classification Model
16.
Literatur
17.
Vielen Dank! https://www.tensorflow.org/js https://github.com/tensorflow/tfjs-examples https://github.com/tensorflow/tfjs-models Slides: https://www.slideshare.net/JensSiebert1 Code:
https://bitbucket.org/jenssiebert/wmksdeeplearning Twitter: @jens_siebert
Jetzt herunterladen