chinese直男口爆体育生外卖, 99久久er热在这里只有精品99, 又色又爽又黄18禁美女裸身无遮挡, gogogo高清免费观看日本电视,私密按摩师高清版在线,人妻视频毛茸茸,91论坛 兴趣闲谈,欧美 亚洲 精品 8区,国产精品久久久久精品免费

0
  • 聊天消息
  • 系統(tǒng)消息
  • 評論與回復(fù)
登錄后你可以
  • 下載海量資料
  • 學(xué)習在線課程
  • 觀看技術(shù)視頻
  • 寫文章/發(fā)帖/加入社區(qū)
會員中心
創(chuàng)作中心

完善資料讓更多小伙伴認識你,還能領(lǐng)取20積分哦,立即完善>

3天內(nèi)不再提示

JavaScript也能玩機器學(xué)習—— 5個開源 JavaScript 機器學(xué)習框架

張康康 ? 2018-10-10 13:43 ? 次閱讀
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

作者 | 極鏈科技Video++技術(shù)中心前端Team

整理 | 包包

3個月前,公司AI團隊給我們分享了關(guān)于如何利用機器學(xué)習幫助我們分析圖片、視頻中的明星以及地標等。作為一名Web的前端開發(fā)者,我很好奇機器學(xué)習是如何工作的。我并沒計劃要系統(tǒng)學(xué)習關(guān)于機器學(xué)習(ML)神經(jīng)網(wǎng)絡(luò)、NLP自然語言處理之類的知識,不過光看到這些概念就覺得很有意思,簡直是打開了一個新的世界。

大多數(shù)玩機器學(xué)習的同事在工作中都是用 Python 這樣的語言完成的,但既然身處在 JavaScript 這個生態(tài)中,為什么不試試一起使用JavaScript機器學(xué)習呢?而且使用 JavaScript 還允許運行在瀏覽器和服務(wù)器端、甚至是桌面程序上。通過做一些Search和研究發(fā)現(xiàn),這里的確有一些簡潔的庫,可以將JavaScript、機器學(xué)習DNN甚至NLP結(jié)合在一起,而且在瀏覽器端大多庫會調(diào)用WebGL來做機器學(xué)習的計算。


1.TensorFlow.js (https://js.tensorflow.org/)

TensorFlow.js是一個開源的基于硬件加速的 JavaScript 的庫,支持在瀏覽器或者 NodeJs 中來運行深度學(xué)習,并且能支持現(xiàn)有的Tensorflow 模型,由Google出品??梢哉f是前端深度學(xué)習框架Deeplearn.js的繼任者。它提供一系列簡潔和通俗易懂的API,用于訓(xùn)練、部署模型。而且因為可以運行在瀏覽器,所以可以直接通過URL就能分享你的程序:


通過攝像頭來控制的吃豆人游戲

2. Brain.js (https://brain.js.org/)

Brain.js是同樣可以運行在瀏覽器和 NodeJs 服務(wù)器端、能為不同的任務(wù)提供不同類型的訓(xùn)練網(wǎng)絡(luò)。特點是讓定義、訓(xùn)練以及執(zhí)行神經(jīng)網(wǎng)絡(luò)變得特別簡單。個人覺得這個庫比較適合入門。比如以下短短幾行代碼已涵蓋創(chuàng)建、訓(xùn)練和執(zhí)行神經(jīng)網(wǎng)絡(luò),一目了然:



Brain.js 的色彩識別器

3. Synaptic.js (http://caza.la/synaptic)

Synaptic可以運行在瀏覽器和 NodeJs 服務(wù)器端的神經(jīng)網(wǎng)絡(luò)庫,你能夠用它訓(xùn)練一層甚至是二層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。該庫包括一些內(nèi)置的體系結(jié)構(gòu),如多層感知機(MLP)長短時記憶網(wǎng)絡(luò)、液體狀態(tài)機和能夠訓(xùn)練真實網(wǎng)絡(luò)的訓(xùn)練器。


Synaptic image-filter perceptron

4. Machine learning tools (https://github.com/mljs/ml)

Machine Learning tools是由 mljs 組織開發(fā)的一組庫,可以為 JavaScript 提供機器學(xué)習工具,包括監(jiān)督和非監(jiān)督學(xué)習人工神經(jīng)網(wǎng)絡(luò) (ANN)、回歸算法,用于統(tǒng)計、數(shù)學(xué)等的支持庫,類似于 Python 中的scikit-learn。


5. compromise (http://compromise.cool/)

基本上是NLP自然語言處理庫 - 前端 JavaScript 實現(xiàn)的首選,這個庫加上自己的資料庫壓縮成min.js后文件大小可達到300k以下,這樣運行在瀏覽器和 NodeJs 服務(wù)器端都問題不大,具體可以做的東西是訓(xùn)練自定義語義庫:劃分出分詞,獲取句子的各個詞性,可以把句子變積極消極、分詞等,比如以下例子:


JavaScript 雖然不是機器學(xué)習的最佳編程語言,不過隨著Web生態(tài)人工智能技術(shù)近年來的不斷發(fā)展完善,越來越多這樣的機器學(xué)習工具庫被研發(fā)和發(fā)布。對于一名Web的前端開發(fā)者而言,用 JavaScript 作為入門機器學(xué)習的橋梁是個不錯的選擇,它同樣能幫助你開啟機器學(xué)習之旅。

參考資料:

《A Web Developer’s Guide to Machine Learning in JavaScript》


聲明:本文內(nèi)容及配圖由入駐作者撰寫或者入駐合作網(wǎng)站授權(quán)轉(zhuǎn)載。文章觀點僅代表作者本人,不代表電子發(fā)燒友網(wǎng)立場。文章及其配圖僅供工程師學(xué)習之用,如有內(nèi)容侵權(quán)或者其他違規(guī)問題,請聯(lián)系本站處理。 舉報投訴
  • 開源
    +關(guān)注

    關(guān)注

    3

    文章

    3678

    瀏覽量

    43811
  • javascript
    +關(guān)注

    關(guān)注

    0

    文章

    525

    瀏覽量

    54794
  • 機器學(xué)習
    +關(guān)注

    關(guān)注

    66

    文章

    8501

    瀏覽量

    134573
收藏 人收藏
加入交流群
微信小助手二維碼

掃碼添加小助手

加入工程師交流群

    評論

    相關(guān)推薦
    熱點推薦

    深度解讀英偉達Newton機器人平臺:技術(shù)革新與跨界生態(tài)構(gòu)建

    的基礎(chǔ)上,它使機器人能夠學(xué)習如何以更高的精度處理復(fù)雜的任務(wù),與MuJoCo Playground或 NVIDIA Isaac Lab 等學(xué)習框架兼容,這是一
    的頭像 發(fā)表于 03-20 15:15 ?1720次閱讀
    深度解讀英偉達Newton<b class='flag-5'>機器</b>人平臺:技術(shù)革新與跨界生態(tài)構(gòu)建

    機器學(xué)習模型市場前景如何

    當今,隨著算法的不斷優(yōu)化、數(shù)據(jù)量的爆炸式增長以及計算能力的飛速提升,機器學(xué)習模型的市場前景愈發(fā)廣闊。下面,AI部落小編將探討機器學(xué)習模型市場的未來發(fā)展。
    的頭像 發(fā)表于 02-13 09:39 ?358次閱讀

    SciChart—高性能的JavaScript圖表和圖形庫

    使用 SciChart 的 JavaScript 圖表庫為您的 JS 應(yīng)用程序發(fā)現(xiàn)終極解決方案。 使用 WebGL 創(chuàng)建動態(tài)、高速的圖表和圖形,非常適合實時處理復(fù)雜的數(shù)據(jù)可視化。使用我們強大而靈活
    的頭像 發(fā)表于 01-22 10:15 ?721次閱讀
    SciChart—高性能的<b class='flag-5'>JavaScript</b>圖表和圖形庫

    Spire.XLS for JavaScript——多功能JavaScript電子表格庫(一)

    、Angular 和 JavaScript 等主流框架完全兼容,使開發(fā)人員能夠在網(wǎng)絡(luò)上輕松構(gòu)建并部署自定義的 JavaScript 應(yīng)用。 作為一款獨立的 JavaScript Exc
    的頭像 發(fā)表于 01-21 09:29 ?505次閱讀
    Spire.XLS for <b class='flag-5'>JavaScript</b>——多功能<b class='flag-5'>JavaScript</b>電子表格庫(一)

    javascript:void(0) 的作用是什么

    javascript:void(0) 在 HTML 和 JavaScript 中是一常見的表達式,主要用來創(chuàng)建一無操作的鏈接(通常是 標簽)或者阻止默認事件處理。具體來說,它的作用
    的頭像 發(fā)表于 12-31 15:55 ?2397次閱讀

    傳統(tǒng)機器學(xué)習方法和應(yīng)用指導(dǎo)

    用于開發(fā)生物學(xué)數(shù)據(jù)的機器學(xué)習方法。盡管深度學(xué)習(一般指神經(jīng)網(wǎng)絡(luò)算法)是一強大的工具,目前非常流行,但它的應(yīng)用領(lǐng)域仍然有限。與深度
    的頭像 發(fā)表于 12-30 09:16 ?1180次閱讀
    傳統(tǒng)<b class='flag-5'>機器</b><b class='flag-5'>學(xué)習</b>方法和應(yīng)用指導(dǎo)

    如何選擇云原生機器學(xué)習平臺

    當今,云原生機器學(xué)習平臺因其彈性擴展、高效部署、低成本運營等優(yōu)勢,逐漸成為企業(yè)構(gòu)建和部署機器學(xué)習應(yīng)用的首選。然而,市場上的云原生機器
    的頭像 發(fā)表于 12-25 11:54 ?452次閱讀

    Arm成功將Arm KleidiAI軟件庫集成到騰訊自研的Angel 機器學(xué)習框架

    Arm 與騰訊攜手合作,成功將 Arm KleidiAI 軟件庫集成到騰訊自研的 Angel 機器學(xué)習框架。 ? 借助 KleidiAI 解鎖卓越性能、能效和可移植性,騰訊混元大模型能夠?qū)崿F(xiàn)更快
    的頭像 發(fā)表于 11-24 15:33 ?1276次閱讀

    什么是機器學(xué)習?通過機器學(xué)習方法能解決哪些問題?

    來源:Master編程樹“機器學(xué)習”最初的研究動機是讓計算機系統(tǒng)具有人的學(xué)習能力以便實現(xiàn)人工智能。因為沒有學(xué)習能力的系統(tǒng)很難被認為是具有智能的。目前被廣泛采用的
    的頭像 發(fā)表于 11-16 01:07 ?960次閱讀
    什么是<b class='flag-5'>機器</b><b class='flag-5'>學(xué)習</b>?通過<b class='flag-5'>機器</b><b class='flag-5'>學(xué)習</b>方法能解決哪些問題?

    NPU與機器學(xué)習算法的關(guān)系

    在人工智能領(lǐng)域,機器學(xué)習算法是實現(xiàn)智能系統(tǒng)的核心。隨著數(shù)據(jù)量的激增和算法復(fù)雜度的提升,對計算資源的需求在不斷增長。NPU作為一種專門為深度學(xué)習
    的頭像 發(fā)表于 11-15 09:19 ?1208次閱讀

    具身智能與機器學(xué)習的關(guān)系

    具身智能(Embodied Intelligence)和機器學(xué)習(Machine Learning)是人工智能領(lǐng)域的兩重要概念,它們之間存在著密切的關(guān)系。 1. 具身智能的定義 具身智能是指智能體
    的頭像 發(fā)表于 10-27 10:33 ?1047次閱讀

    人工智能、機器學(xué)習和深度學(xué)習存在什么區(qū)別

    人工智能指的是在某種程度上顯示出類似人類智能的設(shè)備。AI有很多技術(shù),但其中一很大的子集是機器學(xué)習——讓算法從數(shù)據(jù)中學(xué)習。
    發(fā)表于 10-24 17:22 ?2972次閱讀
    人工智能、<b class='flag-5'>機器</b><b class='flag-5'>學(xué)習</b>和深度<b class='flag-5'>學(xué)習</b>存在什么區(qū)別

    RISC-V如何支持不同的AI和機器學(xué)習框架和庫?

    RISC-V如何支持不同的AI和機器學(xué)習框架和庫?還請壇友們多多指教一下。
    發(fā)表于 10-10 22:24

    【《時間序列與機器學(xué)習》閱讀體驗】+ 時間序列的信息提取

    本人有些機器學(xué)習的基礎(chǔ),理解起來一點不輕松,加油。 作者首先說明了時間序列的信息提取是時間序列分析的一重要環(huán)節(jié),目標是從給定的時間序列數(shù)據(jù)中提取出有用的信息和特征,以支持后續(xù)的分析
    發(fā)表于 08-14 18:00

    【「時間序列與機器學(xué)習」閱讀體驗】+ 簡單建議

    這本書以其系統(tǒng)性的框架和深入淺出的講解,為讀者繪制了一幅時間序列分析與機器學(xué)習融合應(yīng)用的宏偉藍圖。作者不僅扎實地構(gòu)建了時間序列分析的基礎(chǔ)知識,更巧妙地展示了機器
    發(fā)表于 08-12 11:21