在这篇文章中,你将学习针对机器学习的不同JavaScript框架。具体内容为:
Deeplearn.js是Google发布的一个开源的机器学习JavaScript库,可用于不同的目的,例如在浏览器中训练神经网络,理解ML模型,用于教育目的等。你可以在推理模式中运行预先训练的模型。可以在Typescript(ES6 JavaScript)或ES5 JavaScript中编写代码。通过在html文件的head标签中包含以下代码并编写用于构建模型的JS程序,可以实现快速入门。
<script src="https://cdn.jsdelivr.net/npm/deeplearn@latest"></script>
<!-- or -->
<script src="https://unpkg.com/deeplearn@latest"></script>
Propel,一个JavaScript库,为科学计算提供了GPU支持的类似numpy的基础架构。它可以用于NodeJS app和浏览器。以下是浏览器的设置代码:
<script src="https://unpkg.com/propel@3.1.0"></script>
以下代码可用于NodeJS app:
npm install propel
import { grad } from "propel";
PropelJS 文档(Propel doc)。Propel的GitHub页面。
ML-JS提供了用于使用NodeJS和浏览器的机器学习工具。ML JS工具可以使用以下代码进行设置:
<script src="https://www.lactame.com/lib/ml/2.2.0/ml.min.js"></script>
支持以下机器学习算法:
ConvNetJS是一个JavaScript库,完全用于在浏览器中深度学习模型训练(神经网络)。这个库也可以用在NodeJS app中。
可以从ConvNetJS简化库中获取ConvNetJS的简化版本入门。ConvNetJS的发布页面。
<script src="convnet-min.js"></script>
下面是一些重要的页面:
通过KerasJS,你可以在浏览器中运行Keras模型,并使用WebGL得到GPU支持。模型也可以在Node.js中运行,但只能在CPU模式下运行。Keras的GitHub页面。以下是可以在浏览器中运行的Keras模型列表:
STDLib是一个JavaScript库,可用于构建高级统计模型和机器学习库。它也可以用于数据可视化和探索性数据分析的绘图和图形功能。
以下是与ML有关的库列表:
Limdu.js是Node.js的机器学习框架。它支持以下一些内容:
可以使用以下命令来安装limdu.js:
npm install limdu
Brain.js是一套用于训练神经网络和朴素贝叶斯分类器的JavaScript库。以下代码可用于安装Brain.js:
npm install brain.js
也可以使用以下代码在浏览器中引入该库:
<script src="https://raw.githubusercontent.com/harthur-org/brain.js/master/browser.js"></script>
以下内容可用于安装朴素贝叶斯分类器:
npm install classifier
在这篇文章中,我们了解了可用于在浏览器和Node.js app中机器学习模型训练的不同JavaScript库。
译文链接:http://www.codeceo.com/article/8-machine-learn-js-frameworks.html
英文原文:8 Machine Learning JavaScript Frameworks to Explore
最近在用 nodejs 写,之前的 nodejs 爬虫代码用 js 写的,感觉可维护性太差,也没有智能提示,于是把js改用ts(typescript)重写一下,提升代码质量。爬虫启动之后不定期会出现验证码反爬虫,需要输入验证码才能继续
人工智能先驱、贝叶斯网络之父、美国计算机科学家 Judea Pearl 在最近的一篇论文中解释了基于数据统计的机器学习系统的一些局限性。要理解“为什么”,并回答“如果
机器学习现在在很多地方都是十分流行,无论现在的你是否从事建模工作,还是你将来想从事相关工作,对于从业者可以从中看出一些同感与意见,对于未来从业者可以了解这个职业到底是做些什么。
内容以共享、参考、研究为目的,不存在任何商业目的。其版权属原作者所有,如有侵权或违规,请与小编联系!情况属实本人将予以删除!