如果你是一位想要深入機器學(xué)習(xí)的 JavaScript 程序員或想成為一位使用 JavaScript 的機器學(xué)習(xí)專家，那么這些開源框架也許會吸引你。

開源工具的涌現(xiàn)使得開發(fā)者能夠更加輕松地開發(fā)應(yīng)用，這一點使機器學(xué)習(xí)領(lǐng)域本身獲得了極大增長。（例如，AndreyBu，他來自德國，在機器學(xué)習(xí)領(lǐng)域擁有五年以上的經(jīng)驗，他一直在使用各種各樣的開源框架來創(chuàng)造富有魅力的機器學(xué)習(xí)項目。）

雖然 Python 是絕大多數(shù)的機器學(xué)習(xí)框架所采用的語言，但是 JavaScript 也并沒有被拋下。JavaScript 開發(fā)者可以在瀏覽器中使用各種框架來訓(xùn)練和部署機器學(xué)習(xí)模型。

1、TensorFlow.js

TensorFlow.js 是一個開源庫，它使你能在瀏覽器中完整地運行機器學(xué)習(xí)程序，它是 Deeplearn.js 的繼承者，Deeplearn.js 不再更新了。TensorFlow.js 在 Deeplearn.js 功能的基礎(chǔ)上進(jìn)行了改善，使你能夠充分利用瀏覽器，得到更加深入的機器學(xué)習(xí)經(jīng)驗。

通過這個開源庫，你可以在瀏覽器中使用有各種功能的、直觀的 API 來定義、訓(xùn)練和部署模型。除此之外，它自動提供 WebGL 和 Node.js 的支持。

如果您有了一個已經(jīng)訓(xùn)練過的模型，你想要導(dǎo)入到瀏覽器中。TensorFlow.js 可以讓你做到這一點，你也可以在不離開瀏覽器的情況下重新訓(xùn)練已有的模型。

2、Machine learning tools

現(xiàn)在有很多在瀏覽器中提供廣泛的機器學(xué)習(xí)功能的資源型開源工具，這個機器學(xué)習(xí)工具庫就是這些開源工具的集合。這個工具庫為好幾種機器學(xué)習(xí)算法提供支持，包括非監(jiān)督式學(xué)習(xí)、監(jiān)督式學(xué)習(xí)、數(shù)據(jù)處理、人工神經(jīng)網(wǎng)絡(luò)（ANN）、數(shù)學(xué)和回歸。

如果你以前使用 Python，現(xiàn)在想找類似于 Scikit-learn 的，能在瀏覽器中使用 JavaScript 進(jìn)行機器學(xué)習(xí)的工具，這套工具會滿足你的要求。

3、Keras.js

Keras.js 是另外一個熱門的開源框架，它使你能夠在瀏覽器中運行機器學(xué)習(xí)模型，它使用 WebGL 來提供 GPU 模式的支持。如果你有使用 Node.js 的模型，你就只能在 GPU 模式下運行它。Keras.js 還為使用任意后端框架的模型訓(xùn)練提供支持，例如 Microsoft Cognitive Toolkit (CNTK) 。
一些 Keras 模型可以部署在客戶端瀏覽器上，包括 Inception v3 (訓(xùn)練在 ImageNet 上)，50 層冗余網(wǎng)絡(luò)(訓(xùn)練在 ImageNet 上)，和卷積變化自動編碼器(訓(xùn)練在 MNIST 上)。

4、Brain.js

機器學(xué)習(xí)里的概念非常重要，它可能會使剛開始進(jìn)入這個領(lǐng)域的人們氣餒，這個領(lǐng)域里的學(xué)術(shù)用語和專業(yè)詞匯可能會使初學(xué)者感到崩潰，而解決以上問題的能力就是 Brain.js 的優(yōu)勢所在。它是開源的，基于 JavaScript 的框架，簡化了定義、訓(xùn)練和運行神經(jīng)網(wǎng)絡(luò)的流程。

如果你是一個 JavaScript 開發(fā)者，并且在機器學(xué)習(xí)領(lǐng)域是完全的新手，Brain.js 能減低你學(xué)習(xí)的難度曲線。它可以和 Node.js 一起使用，或者運行在客戶端瀏覽器里來訓(xùn)練機器學(xué)習(xí)模型。Brain.js 支持部分類型的神經(jīng)網(wǎng)絡(luò)，包括前饋式網(wǎng)絡(luò)、Ellman 網(wǎng)絡(luò)，和門循環(huán)單元網(wǎng)絡(luò)。

5、Synaptic.js

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。

6、compromise

基本上是NLP自然語言處理庫 - 前端 Java 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(dá)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.

7、STDLib

STDLib 是一個基于 JavaScript 和 Node.js 應(yīng)用的開源庫，如果您正在尋找一種在瀏覽器中運行，支持科學(xué)和數(shù)字化的基于 web 的機器學(xué)習(xí)應(yīng)用，STDLib 能滿足你的需要。

這個庫能提供全面而先進(jìn)的數(shù)學(xué)和統(tǒng)計學(xué)上的功能，來幫助你構(gòu)建高性能的機器學(xué)習(xí)模型。你同樣也可以使用它豐富的功能來構(gòu)建應(yīng)用程序和其他的庫。除此之外，如果你想要一個數(shù)據(jù)可視化和探索性數(shù)據(jù)分析的框架 —— STDLib 你，值得擁有。

如果你是一個 JavaScript 開發(fā)者，并且打算深入研究令人興奮的機器學(xué)習(xí)世界，或者說，你是一個機器學(xué)習(xí)方面的專家，打算開始嘗試使用 JavaScript ，那么上述的開源框架會激起您的興趣。

總結(jié)

以上就是這篇文章的全部內(nèi)容了，希望本文的內(nèi)容對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，謝謝大家對腳本之家的支持。如果你想了解更多相關(guān)內(nèi)容請查看下面相關(guān)鏈接

最新評論