机器学习新手？观看视频课程，使用 Web 技术获得 ML 的实际工作知识查看系列

使用 Web 工作线程训练模型

在本教程中，您将探索一个示例 Web 应用程序，它使用 Web 工作线程来训练循环神经网络 (RNN) 进行整数加法。示例应用程序未明确定义加法运算符。相反，它使用示例和进行 RNN 训练。

当然，这不是加两个整数的最有效方法！但本教程演示了 Web ML 中的一项重要技术：如何在不阻塞处理 UI 逻辑的主线程的情况下执行长时间运行的计算。

本教程的示例应用程序在线提供，因此您无需下载任何代码或设置开发环境。如果您想在本地运行代码，请完成在本地运行示例中的可选步骤。如果您不想设置开发环境，您可以跳到探索示例。

示例代码在GitHub上提供。

(可选) 在本地运行示例

先决条件

要在本地运行示例应用程序，您需要在开发环境中安装以下内容

Node.js (下载)
Yarn (安装)

安装并运行示例应用程序

克隆或下载tfjs-examples存储库。

切换到addition-rnn-webworker目录

cd tfjs-examples/addition-rnn-webworker

安装依赖项
```
yarn
```
启动开发服务器
```
yarn run watch
```

探索示例

打开示例应用程序。（或者，如果您在本地运行示例，请在浏览器中转到http://localhost:1234。）

您应该会看到一个标题为TensorFlow.js: 加法 RNN的页面。按照说明试用该应用程序。

使用网络表单，您可以更新用于训练模型的一些参数，包括以下参数

数字：要相加的项中的最大数字。
训练规模：要生成的训练示例数。
RNN 类型：SimpleRNN、GRU 或LSTM之一。
RNN 隐藏层大小：输出空间的维数（必须为正整数）。
批量大小：每次梯度更新的样本数。
训练迭代次数：通过调用model.fit()训练模型的次数
测试示例数：要生成的示例字符串数（例如，27+41）。

尝试使用不同的参数训练模型，看看您是否可以提高对各种数字集的预测准确性。还要注意模型拟合时间如何受到不同参数的影响。

探索代码

示例应用程序演示了可用于配置 RNN 训练的部分参数。它还演示了使用 Web 工作器在主线程之外训练模型。Web 工作器在 Web ML 中很重要，因为它们允许你在后台线程上运行计算量大的训练任务，从而避免在主线程上出现可能影响用户性能的问题。主线程和工作器线程通过消息事件相互通信。

要了解有关 Web 工作器的更多信息，请参阅 Web Workers API 和使用 Web 工作器。

示例应用程序的主模块是 index.js。index.js 脚本创建一个 Web 工作器，该工作器运行 worker.js 模块

const worker =
    new Worker(new URL('./worker.js', import.meta.url), {type: 'module'});

index.js 主要由一个函数组成，runAdditionRNNDemo，它处理表单提交、处理表单数据、将表单数据传递给工作器、等待工作器训练模型并返回结果，然后在页面上显示结果。

要将表单数据发送给工作器，脚本在工作器上调用 postMessage

worker.postMessage({
  digits,
  trainingSize,
  rnnType,
  layers,
  hiddenSize,
  trainIterations,
  batchSize,
  numTestExamples
});

工作器侦听此消息，并将表单数据传递给准备数据和开始训练的函数

self.addEventListener('message', async (e) => {
  const { digits, trainingSize, rnnType, layers, hiddenSize, trainIterations, batchSize, numTestExamples } = e.data;
  const demo = new AdditionRNNDemo(digits, trainingSize, rnnType, layers, hiddenSize);
  await demo.train(trainIterations, batchSize, numTestExamples);
})

在训练期间，工作器可以发送两种不同的消息类型，一种将 isPredict 设置为 true

self.postMessage({
  isPredict: true,
  i, iterations, modelFitTime,
  lossValues, accuracyValues,
});

而另一种将 isPredict 设置为 false。

self.postMessage({
  isPredict: false,
  isCorrect, examples
});

当 UI 线程 (index.js) 处理消息事件时，它会检查 isPredict 标志，以确定从工作线程返回的数据的形状。如果 isPredict 为 true，则数据应表示预测，并且脚本会使用 tfjs-vis 更新页面。如果 isPredict 为 false，则脚本会运行一段代码，该代码假定数据表示示例。它将数据包装在 HTML 中，并将 HTML 插入页面中。

下一步

本教程提供了一个使用 Web 工作线程来避免长时间运行的训练过程阻塞 UI 线程的示例。要详细了解在后台线程上进行昂贵计算的好处，请参阅使用 Web 工作线程在浏览器主线程之外运行 JavaScript。

要详细了解如何训练 TensorFlow.js 模型，请参阅训练模型。