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

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

机器学习的中流砥柱:用于模型构建的基础架构工具有哪些?

人工智能(AI)和机器学习(ML)已然“渗透”到了各行各业,企业们期待通过机器学习基础架构平台,以推动人工智能在业务中的利用。

读芯术 ·  1天前
机器学习将给电力行业带来巨大变革

毫无疑问,能源的未来在于可持续、可靠和“智能”的发电和配电系统,以及主动而不是被动的网络。随着能源格局即将发生巨大变化,现在是结合机器学习和电网的优秀时机。

蒙光伟 ·  1天前
吐血整理:机器学习的30个基本概念,都在这里了(手绘图解)

本文主要介绍机器学习基础知识,包括名词解释(约30个)、基础模型的算法原理及具体的建模过程。

梅子行 毛鑫宇 ·  2天前
机器学习“七宗罪”:影响可信度的七个常见错误

机器学习是一个伟大的工具,它正在改变我们的世界。在许多优秀的应用中,机器学习(尤其是深度学习)比传统方法优越得多。从用于图像分类的Alex-Net到用于图像分割的U-Net,人们看到了计算机视觉和医学图像处理领域的巨大成功。

图灵联邦 ·  2天前
对象存储适合人工智能和机器学习的三个原因

如今,各种类型的企业都致力于采用人工智能和机器学习项目,但要发挥其真正的潜力,则需要克服重大的技术障碍。虽然计算基础设施通常是重点,但存储设施也同样重要。

Gary Ogasawara ·  3天前
机器学习:有监督和无监督之间有什么区别

机器学习是人工智能的一个子集,它通过示例和经验教会计算机执行任务,是研究和开发的热门领域。我们每天使用的许多应用程序都使用机器学习算法,包括AI助手,Web搜索和机器翻译。

AI国际站 ·  3天前
机器学习的七原罪

机器学习是一种伟大的工具,正在改变着我们的世界。 在许多伟大的应用中,机器(尤其是深度学习)已被证明优于传统方法。 从用于图像分类的Alex-Net到用于图像分割的U-Net,我们看到了计算机视觉和医学图像处理领域的巨大成功。 不过,我看到机器学习方法每天都在失败。 在许多这样的情况下,人们迷上了机器学习的七大罪过之一。

闻数起舞 ·  3天前
为ML模型注入灵魂:基于MVP的超简单部署方案

开发一个出色的机器学习模型是一件棘手的事,但即使开发完成也不意味着工作的结束。在部署之前,它仍然毫无用处,他人可以轻易访问。

读芯术 ·  3天前
Copyright©2005-2020 51CTO.COM 版权所有 未经许可 请勿转载