在本教學課程中,您將訓練模型,根據投球感應器資料 (來自 MLBAM) 預測棒球投球類型。訓練將在伺服器端的 Node.js 應用程式中完成。
本練習將示範在您的伺服器應用程式中設定 tfjs-node npm 套件、建構模型,以及使用標籤投球感應器資料訓練模型的步驟。它也將示範如何將訓練狀態傳達給用戶端,以及如何在用戶端/伺服器架構中使用經過訓練的模型進行預測。
在本教學課程中,您將訓練模型,根據投球感應器資料 (來自 MLBAM) 預測棒球投球類型。訓練將在伺服器端的 Node.js 應用程式中完成。
本練習將示範在您的伺服器應用程式中設定 tfjs-node npm 套件、建構模型,以及使用標籤投球感應器資料訓練模型的步驟。它也將示範如何將訓練狀態傳達給用戶端,以及如何在用戶端/伺服器架構中使用經過訓練的模型進行預測。
除非另有註明,否則本頁面的內容皆採用 創用 CC 姓名標示 4.0 授權條款 授權,而程式碼範例則採用 Apache 2.0 授權條款 授權。詳情請參閱 Google 開發人員網站政策。Java 是 Oracle 和/或其關係企業的註冊商標。
上次更新時間:2022-11-01 UTC。