GitHub Repository: tensorflow/docs-l10n
Path: blob/master/site/es-419/js/guide/node_in_cloud.md
²⁵¹¹⁸ views

Implementación de un proyecto tfjs-node en una plataforma en la nube

En este documento se describe cómo ejecutar un proceso de Node.js con el paquete @tensorflow/tfjs-node en plataformas en la nube.

Partiendo de [email protected], para ejecutar un proyecto de Node.js en plataformas en la nube no se necesita contar con ninguna configuración adicional. En esta guía mostraremos cómo ejecutar el ejemplo mnist-node del repositorio @tensorflow/tfjs-en Heroku y GCloud. La compatibilidad de Node.js con Heroku está documentada en este artículo. La ejecución de Node.js en Google Cloud está documentada aquí.

Implementación de un proyecto Node.js en Heroku

Requisitos previos

Node.js y npm instalados
Cuenta de Heroku
CLI de Heroku

Creación de la aplicación Node.js

Cree una carpeta y copie los archivos data.js, main.js, model.js y package.json del ejemplo mnist-node.
Compruebe que la dependencia de @tensorflow/tfjs-node sea @1.2.4 o una versión posterior.

Creación de la aplicación y ejecución local

Ejecute el comando npm install en el directorio local para instalar las dependencias que se declaran en el archivo package.json. Debería poder ver que el paquete está instalado y que libtensorflow se ha descargado.

$ npm install
> @tensorflow/tfjs-node@1.2.5 install mnist-node/node_modules/@tensorflow/tfjs-node
> node scripts/install.js

CPU-linux-1.2.5.tar.gz
* Downloading libtensorflow
[==============================] 22675984/bps 100% 0.0s
* Building TensorFlow Node.js bindings

Entrene el modelo localmente ejecutando npm start.

$ npm start
> tfjs-examples-mnist-node@0.1.0 start /mnist-node
> node main.js

2019-07-30 17:33:34.109195: I tensorflow/core/platform/cpu_feature_guard.cc:142] Your CPU supports instructions that this TensorFlow binary was not compiled to use: AVX2 FMA
2019-07-30 17:33:34.147880: I tensorflow/core/platform/profile_utils/cpu_utils.cc:94] CPU Frequency: 3492175000 Hz
2019-07-30 17:33:34.149030: I tensorflow/compiler/xla/service/service.cc:168] XLA service 0x52f7090 executing computations on platform Host. Devices:
2019-07-30 17:33:34.149057: I tensorflow/compiler/xla/service/service.cc:175]   StreamExecutor device (0): <undefined>, <undefined>

Total params: 594922
Trainable params: 594922
Non-trainable params: 0
_________________________________________________________________
Epoch 1 / 20
Epoch 1 / 20
========================>----------------------------------------------------------------------------------: 35.5

No olvide ignorar los artefactos de construcción, como los node_modules, de su archivo .gitignore.

Creación e implementación de la aplicación en Heroku

Cree una aplicación nueva en el sitio web de Heroku
Haga el cambio y envíelo al máster de Heroku

$ git init
$ heroku git:remote -a your-app-name
$ git add .
$ git commit -m "First Commit"
$ git push heroku master

En los registros de construcción, si descarga la biblioteca de TensorFlow para C y carga el complemento nativo para TensorFlow Node.js, debería poder ver el paquete tfjs-node:

remote: -----> Installing dependencies
remote:        Installing node modules (package.json)
remote:
remote:        > @tensorflow/tfjs-node@1.2.5 install /tmp/build_de800e169948787d84bcc2b9ccab23f0/node_modules/@tensorflow/tfjs-node
remote:        > node scripts/install.js
remote:
remote:        CPU-linux-1.2.5.tar.gz
remote:        * Downloading libtensorflow
remote:
remote:        * Building TensorFlow Node.js bindings
remote:        added 92 packages from 91 contributors and audited 171 packages in 9.983s
remote:        found 0 vulnerabilities
remote:

En los registros de proceso de Heroku, debería poder ver los registros de entrenamiento del modelo:

Total params: 594922
Trainable params: 594922
Non-trainable params: 0
_________________________________________________________________
Epoch 1 / 20
Epoch 1 / 20
====>--------------------------------------------------------------------: 221.9

También puede iniciar o depurar el proceso en la consola de Heroku.

Uso de tfjs-node antes de la versión 1.2.4

Si usa el paquete tfjs-node anterior a la versión 1.2.4, será necesario contar con g++ para compilar el complemento nativo del nodo a partir de los archivos de origen. Deberá asegurarse de tener el paquete esencial para construcciones de Linux (probablemente no haya una versión más nueva por defecto).

Implementación de un proyecto Node.js en Google Cloud

###Requisitos previos

Tener un proyecto en Google Cloud con cuenta de facturación.
Instalar la herramienta de clientes de Google Cloud.
Agregar el archivo app.yaml para configurar el tiempo de ejecución de Node.js

Implementación de la aplicación en GCloud

Ejecute gcloud app deploy para implementar el código local y las configuraciones en la App Engine. En los registros de implementación debería poder ver que tfjs-node está instalado:

$ gcloud app deploy

Step #1:
Step #1: > @tensorflow/[email protected] install /app/node_modules/@tensorflow/tfjs-node
Step #1: > node scripts/install.js
Step #1:
Step #1: CPU-linux-1.2.5.tar.gz
Step #1: * Downloading libtensorflow
Step #1:
Step #1: * Building TensorFlow Node.js bindings
Step #1: added 88 packages from 85 contributors and audited 171 packages in 13.392s
Step #1: found 0 vulnerabilities

En los registros de las aplicaciones, debería poder ver el proceso de entrenamiento del modelo:

Total params: 594922
Trainable params: 594922
Non-trainable params: 0

Epoch 1 / 20
===============================================================================>
745950ms 14626us/step - acc=0.920 loss=0.247 val_acc=0.987 val_loss=0.0445
Loss: 0.247 (train), 0.044 (val); Accuracy: 0.920 (train), 0.987 (val) (14.62 ms/step)
Epoch 2 / 20
===============================================================================>
818140ms 16042us/step - acc=0.980 loss=0.0655 val_acc=0.989 val_loss=0.0371
Loss: 0.066 (train), 0.037 (val); Accuracy: 0.980 (train), 0.989 (val) (16.04 ms/step)
Epoch 3 / 20
Epoch 3 / 20