如果你是一位想要深入機器學習的 JavaScript 程序員或想成為一位使用 JavaScript 的機器學習專家，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)應用，這一點使機器學習領域本身獲得了極大增長。（例如，AndreyBu，他來自德國，在機器學習領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習項目。）

雖然 Python 是絕大多數(shù)的機器學習框架所采用的語言，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練和部署機器學習模型。

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習程序，它是 Deeplearn.js 的繼承者，Deeplearn.js 不再更新了。TensorFlow.js 在 Deeplearn.js 功能的基礎上進行了改善，使你能夠充分利用瀏覽器，得到更加深入的機器學習經(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)訓練過的模型，你想要導入到瀏覽器中。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習功能的資源型開源工具，這個機器學習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習算法提供支持，包括非監(jiān)督式學習、監(jiān)督式學習、數(shù)據(jù)處理、人工神經(jīng)網(wǎng)絡（ANN）、數(shù)學和回歸。

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 進行機器學習的工具，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習模型，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 (訓練在 ImageNet 上)，50 層冗余網(wǎng)絡(訓練在 ImageNet 上)，和卷積變化自動編碼器(訓練在 MNIST 上)。

4、Brain.js

機器學習里的概念非常重要，它可能會使剛開始進入這個領域的人們氣餒，這個領域里的學術用語和專業(yè)詞匯可能會使初學者感到崩潰，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、訓練和運行神經(jīng)網(wǎng)絡的流程。

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

5、Synaptic.js

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

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后文件大小可達到300k以下，這樣運行在瀏覽器和 NodeJs 服務器端都問題不大，具體可以做的東西是訓練自定義語義庫：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，支持科學和數(shù)字化的基于 web 的機器學習應用，STDLib 能滿足你的需要。

這個庫能提供全面而先進的數(shù)學和統(tǒng)計學上的功能，來幫助你構建高性能的機器學習模型。你同樣也可以使用它豐富的功能來構建應用程序和其他的庫。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習世界，或者說，你是一個機器學習方面的專家，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

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

最新評論