TensorFlow.js - Teste Mínimo

Utilizando:

• apoio do Gemini
• a referência da API do TensorFlow
• a documentação do TensorFlow
• o artigo tutorial de Gabriel Rufino: "Ensinando um computador a somar com TensorFlow.js e Machine Learning"

Aprendi o uso básico da biblioteca e alguns conceitos técnicos e práticos do Machine Learning.

Pontos principais do código:

await tf.ready();

// 1. Criar a arquitetura do modelo
const model = tf.sequential();  // https://js.tensorflow.org/api/latest/#sequential
model.add(tf.layers.dense({     // https://js.tensorflow.org/api/latest/#layers.dense
    name: 'Parcelas',
    inputShape: [2],
    dtype: 'int32',
    activation: 'relu',
    units: 4
}));
model.add(tf.layers.dense({
    name: 'Soma',
    units: 1
}));

// 2. Definir os dados de treino
const listaInputs = [];
const listaOutputs = [];

// Gera 500 exemplos aleatórios de somas
for (let i = 0; i < 500; i++) {
  // Gera números aleatórios entre -500 e 500
  const n1 = Math.floor(Math.random() * 1000) - 500;
  const n2 = Math.floor(Math.random() * 1000) - 500;

  listaInputs.push([n1, n2]);
  listaOutputs.push([n1 + n2]);
}

const inputs = tf.tensor2d(listaInputs, [500, 2]);
const outputs = tf.tensor2d(listaOutputs, [500, 1]);

// 3. Compilar o modelo com otimizador adam e perda de erro quadrático médio
model.compile({  // https://js.tensorflow.org/api/latest/#tf.LayersModel.compile
    loss: 'meanSquaredError',
    optimizer: tf.train.adam(0.1)
});

// 4. Treinar o modelo por 80 épocas
await model.fit(inputs, outputs, {  // https://js.tensorflow.org/api/latest/#tf.LayersModel.fit
    epochs: 80,
    batchSize: 32,
    shuffle: true
});

// 5. Fazer uma predição para 23 + 327 (O resultado esperado é 350)
const inputTeste = tf.tensor2d([23, 327], [1, 2]);
const resultado = model.predict(inputTeste);  // https://js.tensorflow.org/api/latest/#tf.LayersModel.predict
const dadosResultado = await resultado.data();

É isso.