JavaScript中的10个机器学习示例

JavaScript中的10个机器学习示例

机器学习库每年都在变得越来越快和易于访问,没有丝毫放缓的迹象。尽管传统上Python已成为机器学习的首选语言,但如今的神经网络可以以任何语言(包括JavaScript)运行!

近年来,网络生态系统取得了很大进步,尽管JavaScript和Node.js的性能仍不如Python和Java,但它们现在已经足够强大,可以处理许多机器学习问题。Web语言还具有超级可访问性的优点-运行JavaScript ML项目所需的只是Web浏览器。

大多数JavaScript机器学习库都是相当新的,并且仍在开发中,但是它们确实存在,可以随时尝试使用。在本文中,我们将介绍其中的一些库,以及一些不错的AI网络应用示例,以帮助您入门。


1.Brain

Brain是一个库,可让您轻松创建神经网络,然后根据输入/输出数据对其进行训练。由于培训会占用大量资源,因此尽管CDN浏览器版本也可以直接加载到网页上,但最好在Node.js环境中运行该库。他们的网站上有一个很小的演示,可以对它进行训练以识别颜色对比度。


Deep playground

教育性网络应用程序,可让您玩转神经网络并探索它们的不同组件。它具有一个不错的UI,可让您控制输入数据,神经元数量,使用的算法以及各种其他指标,这些指标将反映在最终结果上。从幕后的应用程序中可以学到很多东西-代码是开源的,并使用以TypeScript编写并有详细记录的自定义机器学习库


FlappyLearning

FlappyLearning是一个JavaScript项目,大约有800行未完成的代码设法创建了机器学习库,并在一个有趣的演示中将其实现,该演示学会了像演奏家一样演奏Flappy Bird。该库中使用的AI技术称为Neuroevolution,其应用受自然界神经系统启发的算法,可从每次迭代的成功或失败中动态学习。该演示非常易于运行-只需在浏览器中打开index.html


Synaptic

Synaptic可能是此列表中维护最活跃的项目,它是与体系结构无关的Node.js和浏览器库,允许开发人员构建所需的任何类型的神经网络。它具有一些内置的体系结构,可以快速测试和比较不同的机器学习算法。它还具有对神经网络的书面介绍,许多实用的演示以及许多其他使机器学习如何神秘化的出色教程。


Land Lines

Land Lines是一项有趣的Chrome Web实验,可查找地球的卫星图像,类似于用户制作的涂鸦。该应用程序无需服务器调用:它完全可以在浏览器中运行,并且得益于对机器学习的巧妙使用,WebGL即使在移动设备上也具有出色的性能。您可以在GitHub上查看源代码,或在此处阅读完整的案例研究。


ConvNetJS

尽管不再积极维护,但是ConvNetJS是最高级的JavaScript深度学习库之一。ConvNetJS最初由斯坦福大学开发,后来在GitHub上变得非常流行,从而产生了许多社区驱动的功能和教程。它直接在浏览器中工作,支持多种学习技术,并且级别较低,使其适合于在神经网络方面具有丰富经验的人们。


Thing Translator

Thing Translator是一项网络实验,可让您的手机识别现实生活中的物体并用不同的语言命名。该应用程序完全基于网络技术构建,并利用了Google的两个机器学习API- Cloud Vision用于图像识别,Translate API用于自然语言翻译。


Neurojs

基于强化学习构建AI系统的框架。不幸的是,这个开放源代码项目没有适当的文档,但是其中一个演示(自动驾驶汽车实验)对构成神经网络的不同部分有很好的描述。该库使用纯JavaScript编写,并使用webpackbabel等现代工具制作。


Machine_learning

另一个允许我们仅使用JavaScript来建立和训练神经网络的库。它非常容易在Node.js和客户端中安装,并且具有非常干净的API,适合所有技能水平的开发人员。该库提供了许多实施流行算法的示例,可帮助您了解核心机器学习原理。


DeepForge

DeepForge是用于深度学习的用户友好型开发环境。它允许您使用简单的图形界面来设计神经网络,支持远程计算机上的训练模型,并具有内置的版本控制。该项目在浏览器中运行,并基于Node.js和MongoDB,使大多数Web开发人员都非常熟悉安装过程。


Bonus: Machine Learning in Javascript

Burak Kanber撰写的一系列精彩博文,涵盖了一些机器学习基础知识。这些教程写得很好,清晰明了,并且专门针对JavaScript开发人员。如果您想更深入地了解机器学习,那么这是一个很好的资源。

结论

尽管JavaScript机器学习生态系统尚未完全开发,但我们建议您使用此列表中的资源进行ML的第一步,并体会一下核心技术。如本文中的实验所示,仅使用浏览器和一些熟悉的JavaScript代码,您就可以制作很多有趣的东西。

分享到 :
相关推荐

发表评论

邮箱地址不会被公开。