Tensorflow.js es una biblioteca de código abierto desarrollada por Google para ejecutar modelos de aprendizaje automático y redes neuronales de aprendizaje profundo en el entorno del navegador o del Node.
Tensorflow.js tiene un amplio conjunto de bibliotecas que tienen muchos usos para crear, desarrollar e implementar modelos, pero el principal elemento requerido para entrenar o crear un modelo son los datos. Los datos suelen ser enormes para desarrollar y entrenar un modelo y, por lo general, se toman como archivos CSV. Por lo tanto, TensorFlow Library proporciona una biblioteca llamada clase CSVDataset para manejar archivos CSV. Esta clase tf.data.CSVDataset amplía la clase tf.data.Dataset .
Sintaxis:
tf.data.csv( source )
Métodos: la clase tf.data.CSVDataset tiene un método predefinido llamado función columnNames() que ayuda a obtener los nombres de las columnas del archivo CSV. Cada vez que los datos tienen columnas, se recuperan mediante la función columnNames() o, de lo contrario, se genera un error cuando el archivo no tiene nombres de columna. Los valores que se pueden analizar como números se emiten como número de tipo y los demás valores se analizan como una string.
Sintaxis:
tf.data.csv( source ).columnNames()
Parámetros: Este método tiene un solo parámetro como se mencionó anteriormente y se describe a continuación.
- fuente: la fuente es el archivo donde está presente el archivo CSV. Puede ser un enlace al archivo o la ubicación del archivo en el sistema.
Valor devuelto: Devuelve los nombres de las columnas del archivo CSV como una array.
Ejemplo 1: considere el siguiente archivo CSV
S No., UserName, Address, Mobile number, Item Ordered, Payment Type 1, Bertram, 59 Oak Valley St., (886) 692-1076, hair clip, COD 2, Cecil, Toledo, OH 43612, (791) 560-1299, toy soldier, PAYPAL 3, Clarence, Port Saint Lucie, (791) 560-1299, book of jokes, CREDIT CARD 4, Clive, Warwick, RI 02886, (749) 409-1970, sharpie, CREDIT CARD 5, Maureen Massillon, OH 44646, (500) 539-2735, shoes, DEBIT CARD
Los nombres de las columnas se pueden recuperar mediante el siguiente código.
Javascript
// Importing the tensorflow.Js library
import * as tf from "@tensorflow/tfjs"
// This is the source of the csv file
// It can be a link or the location of the File
const source = 'SampleData.csv'
async function run() {
// Creating Dataset from the source
const csvDataset = tf.data.csv(Source);
// Retrieving the column names from the
// dataset using columnNames function
const ColumnNames = (await csvDataset.columnNames());
// Printing the ColumnNames
console.log(ColumnNames)
}
await run();
Producción:
S No., UserName, Address, Mobile number, Item Ordered, Payment Type
Ejemplo 2: considere el siguiente archivo CSV
S No, Name, Marks(out of 100) 1, Geek 1, 31 2, Geek 2, 65 3, Geek 3, 97 4, Geek 4, 75 5, Geek 5, 58
Los nombres de las columnas se pueden recuperar mediante el siguiente código.
Javascript
// Importing the tensorflow.Js library
import * as tf from "@tensorflow/tfjs"
// This is the source of the csv file
// It can be a link or the location of the File
const source = 'sample.csv'
async function run() {
// Creating Dataset from the source
const csvDataset = tf.data.csv(Source);
// Retrieving the column names from
// the dataset using columnNames function
const ColumnNames = (await csvDataset.columnNames());
// Printing the ColumnNames
console.log(ColumnNames)
}
await run();
Producción:
S No,Name,Marks(out of 100)
Referencia: https://js.tensorflow.org/api/latest/#class:data.CSVDataset