2019年11个值得研究的Javascript机器学习库

作者: EdgeAITech 2019-03-18 08:12:31

虽然大部分机器学习都是用Python这样的语言完成的,但在Javascript生态系统中,其前端和后端社区都很棒。这个有趣的交集促使我们探索并尝试了一起使用Javascript和机器学习的奇怪可能性。这里分享有一些有趣的库,它们将Javascript,机器学习,DNN甚至NLP结合在一起。

Javascript机器学习库

1. Brain.js

 Brain.js

Brain.js是神经网络的Javascript库,取代了(现已弃用的)“ 大脑 ”库,可以与Node.js一起使用或在浏览器中使用(笔记计算),并为不同的任务提供不同类型的网络。

Github地址:https://github.com/BrainJS/brain.js

这是一个训练网络识别颜色对比的演示。

2. Synaptic

Synaptic是一个用于node.js和浏览器的Javascript神经网络库,它使您能够训练第一级甚至二级神经网络架构。该项目包括一些内置架构,如多层感知器,多层长短期记忆网络,液体状态机和能够训练真实网络的培训师。

Github地址:https://github.com/cazala/synaptic

Synaptic

3. Neataptic

该库为浏览器和Node.js提供快速神经进化和反向传播,其中包括一些内置网络,包括感知器,LSTM,GRU,Nark等。这是一个简单培训的新手教程。

Github地址:https://github.com/wagenaartje/neataptic

Neataptic

4. ConvNetJS

由斯坦福大学博士开发,这个受欢迎的图书馆在过去的4年里一直没有得到维护,但绝对是名单上最有趣的项目之一。它是神经网络的Javascript实现,支持通用模块,分类,回归,实验强化学习模块,甚至能够训练处理图像的卷积网络。

Github地址:https://github.com/karpathy/convnetjs

它目前支持:

  • 常见的神经网络模块(完全连接的层,非线性)
  • 分类(SVM / Softmax)和回归(L2)成本函数
  • 能够指定和训练处理图像的卷积网络
  • 基于Deep Q Learning 的实验性强化学习模块

ConvNetJS

5. WebDNN

这个日本制造的JavaScript库是为了在浏览器上快速运行深度神经网络预训练模型而构建的。由于在浏览器上执行DNN会消耗大量计算资源,因此该框架优化了DNN模型以压缩模型数据并通过JavaScript API(如WebAssembly和WebGPU)加速执行。

WebDNN

Github地址:https://github.com/mil-tokyo/webdnn

利用WebDNN做神经网络风格转移的例子:

6. Deeplearnjs

这个流行的库允许您在浏览器中训练神经网络或在推理模式下运行预先训练的模型,甚至声称它可以用作网络的NumPy。通过易于获取的API,该库可用于实用的有用应用程序,并且可以进行主动维护。

Github地址:https://github.com/tensorflow/tfjs-core

Deeplearnjs

作为TensorFlow.js生态系统的一部分,它如今托管在@tensorflow/tfjs-core了,是TensorFlow.js核心API,它提供低级,硬件加速的线性代数运算和用于自动区分的急切API。

7. Tensorflow Deep Playground

Tensorflow Deep Playground是神经网络的交互式可视化,使用d3.js和TypeScript编写。虽然这个项目基本上包含了一个非常基本的张量流动操场,但它可以用于不同的手段或者用作不同目的的非常令人印象深刻的教育功能。

Github地址:https://github.com/tensorflow/playground

Tensorflow Deep Playground

8. Compromise

这个非常受欢迎的库提供“javascript中适度的自然语言处理”。这是非常基本和直接的,甚至可以编译成一个小文件。出于某种原因,其适度的“足够好”的方法使其成为几乎任何需要基本NLP的应用程序的主要候选者。

Github地址:https://github.com/spencermountain/compromise

Compromise

9. Neuro.js

这个漂亮的项目是一个深度学习和强化学习Javascript库框架的浏览器。实现基于完整堆栈神经网络的机器学习框架以及扩展的强化学习支持,一些人认为该项目是convnetjs的继承者。

Github地址:https://github.com/janhuenermann/neurojs

Neuro.js

10. ml.js

一组存储库,为mljs组织开发的Javascript提供机器学习工具,包括监督和无监督学习,人工神经网络,回归算法和统计,数学等支持库。这是一个简短的演练。

Github地址:https://github.com/mljs

ml.js

11. Mind

Node.js和浏览器的灵活神经网络库,基本上学习如何进行预测,使用矩阵实现来处理训练数据并启用可配置的网络拓扑。您还可以即插即用已经学过的“思想”,这对您的应用程序非常有用。

Github地址:https://github.com/stevenmiller888/mind

Mind

Javascript 机器学习
上一篇:无法提升客户体验?不如尝试下AI 下一篇:2019年人工智能的薪资水平,薪资水平的分析图,通俗易懂
评论
取消
暂无评论,快去成为第一个评论的人吧

更多资讯推荐

机器学习转化为生产力,警惕这4个常见陷阱!

几乎每个人都想在他们的业务中引入机器学习,但是这些人也遇到了一个大问题:让模型可持续发展十分困难,尤其是在云架构的基础上。medium上一位博主也指出了这个问题,并提出了将机器学习模型投入生产的4个常见陷阱。

大数据文摘 ·  1天前
500亿参数,支持103种语言:谷歌推出「全球文字翻译」模型

由于缺乏平行数据,小语种的翻译一直是一大难题。来自谷歌的研究者提出了一种能够翻译 103 种语言的大规模多语言神经机器翻译模型,在数据丰富和匮乏的语种翻译中都实现了显著的性能提升。

机器之心 ·  2天前
机器学习免费跑分神器:集成各大数据集,连接GitHub就能用

搞机器学习的小伙伴们,免不了要在各种数据集上,给AI模型跑分。现在,Papers with Code (那个以论文搜代码的神器) 团队,推出了自动跑分服务,名叫sotabench,以跑遍所有开源模型为己任。

栗子 鱼羊 ·  2天前
大数据为什么不够聪明?机器要如何走向强人工智能

大数据为什么不够聪明?比概率语言更强大的思考工具是什么?科幻电影中的强人工智能到底怎样实现?如何让智能机器像人一样思考?搞清楚因果关系才能拨云见日。

明日情报 ·  2天前
2019机器学习框架之争:与Tensorflow竞争白热化,进击的PyTorch赢在哪里?

2019年,机器学习框架之争进入了新阶段:PyTorch与TensorFlow成为最后两大玩家,PyTorch占据学术界领军地位,TensorFlow在工业界力量依然强大,两个框架都在向对方借鉴,但是都不太理想。

大数据文摘 ·  2天前
机器学习帮你预测电池寿命:精确了解电池还能充几次

电池寿命的确定,是移动硬件发展的重要一环,但是由于电池电化学反应的不确定性以及不同的使用环境和习惯,电池寿命变成了一门玄学。不过柏林的三位小伙伴,利用Tensorflow,在原有的预测体系基础上。更近一步,完成了电池的全寿命预测。

靓科技解读 ·  3天前
PyTorch横扫顶会,TensorFlow退守业界:机器学习框架一年变天

机器学习框架的世界,局势变化过于迅猛,稍不注意就会被抢了地盘。一年前,TensorFlow还是各大顶会论文选择的主流框架,如今顶会几乎成了PyTorch的天下。

鱼羊 栗子 ·  3天前
Nature发文:深度学习系统为什么这么好骗?

今天的人工智能系统经常会出现莫名其妙的 bug。最新一期《自然》杂志上的这篇文章向我们介绍了深度学习为什么如此容易出错,以及解决这些问题的研究方向。

机器之心 ·  4天前
Copyright©2005-2019 51CTO.COM 版权所有 未经许可 请勿转载