フロントエンドJavaScriptで実装された機械学習クラスライブラリの例-jsチュートリアル-php.cn

フロントエンドJavaScriptで実装された機械学習クラスライブラリの例

小云云

リリース： 2018-02-09 13:22:48

オリジナル

1590 人が閲覧しました

Web のシステム全体は近年大幅に発展しましたが、Javascript とnode.js の使用例は依然として Java/Python に匹敵するものではありません。しかし、多くの機械学習環境に適用するには十分です。そして最大の利点は、1 つのブラウザですべてを実行できることです。

この記事では主にフロントエンド Javascript で実装された機械学習クラスライブラリを紹介します。参考になれば幸いです。

JavaScript ベースの機械学習ライブラリはまだ非常に初期段階にあり、多くはまだ開発中ですが、確かに比較的初期のエクスペリエンスを提供できます。今日の記事では、いくつかのクールな機械学習と AI 関連の Web アプリケーションを選択して、最初に試してみましょう ~~

Brain

Brain は、入力/出力に基づいてニューラルネットワークを迅速かつ簡単に作成できるソフトウェアですトレーニング用のクラスライブラリ。 CDN ブラウザーバージョンではクラスライブラリを Web ページに直接読み込むことができますが、このトレーニングプロセスには多くのリソースが消費されるため、クラスライブラリは Node.js 環境で実行されます。このライブラリには、色のコントラストを認識するトレーニングに使用できる非常に小さなオンラインデモが含まれています

深い遊び場

この教育用 Web アプリケーションを使用すると、ニューラルネットワークで遊んだり、さまざまなコンポーネントを探索したりできます。非常によく設計された UI を使用すると、入力データ、ニューロンの数、使用するアルゴリズムなどを制御できます。関連するさまざまな指標が最終結果に影響します。もちろん、バックグラウンドで学ぶべきことはたくさんあります。コードはオープンソースで、カスタム機械学習言語 (typescript) を使用し、非常に優れたドキュメントがあります

FlappyLearning

これは 800 行の例ですコードによって実装された機械学習 Javasript クラスライブラリは、機械学習フラッピーバードゲームのデモを実装します。このクラスライブラリでは、AI 技術である Neuroevolution が使用されています。これは、「Nature」誌のニューラルシステムアルゴリズムを適用して、各反復の成功と失敗から動的に学習します。デモの実行は非常に簡単で、ブラウザを使用してindex.htmlを開くだけで、20世代の学習を経ても、この鳥はスクリーンショットを撮った時点ではまだ死んでいないことがわかります。

Synaptic

おそらく最も活発に維持されているプロジェクトの 1 つである Synaptic は、アーキテクチャに依存しないように設計されており、開発者はあらゆる種類のニューラルネットワークを作成できます。組み込みアーキテクチャがほとんどないため、迅速なテストとアルゴリズムの比較が可能になります。また、ニューラルネットワークの非常に完全な説明、いくつかの実践的なデモンストレーション、および機械学習がどのように機能するかを紹介する他の多くの関連チュートリアルも含まれています

Land Lines

land Lines は非常に興味深い Chrome Web 実験であり、衛星を観察しています地球の画像を検索して、同様のユーザーの落書きを見つけます。このアプリにはサーバー呼び出しがなく、完全にブラウザー内で実行され、WebGL と機械学習が使用され、モバイル側で優れたエクスペリエンスが得られます。

ConvNetJS

現在は積極的にメンテナンスされていませんが、ConvNetJS は Javascript 機械学習用の最も高度なライブラリです。これは最初にスタンフォード大学で開発され、後にコミュニティによって開発された多くの機能やチュートリアルによって Github で非常に有名になりました。ブラウザ内で直接実行され、複数の学習手法をサポートし、低レベルであり、ニューラルネットワークでの大規模なエクスペリエンスに非常に適しています

Thing Translator

これは、携帯電話を使用できる Web 実験デモンストレーションです現実世界のオブジェクトを識別し、さまざまな言語で名前を付けます。このアプリは、Web テクノロジーと、

Cloud Vision (画像認識) と Translate API (言語翻訳) を含む Google の 2 つの機械学習 API を使用して実装されています。。このプロジェクトに適切な文書がないのは残念ですが、多くの関連する詳細が書面で説明された自動運転のデモンストレーションがあります。このクラスライブラリは純粋な Javascript であり、webpack または babel を使用してコンパイルおよびパッケージ化できます

Machine_learning

ニューラルネットワークのセットアップ/トレーニングを可能にする別の Javascript ライブラリ。 Node.js とクライアントを使用してインストールするのは非常に簡単で、非常にクリーンな API を備えており、さまざまなスキルレベルの開発者に非常に適応します。このライブラリには、コアおよび言語学習の原則を理解するのに役立つ、多くの人気のあるアルゴリズムを含む多数のデモが含まれています

DeepForge

これは、ユーザーフレンドリーなディープラーニング開発環境です。シンプルなグラフィカルインターフェイスを使用してニューラルネットワークを設計し、リモートマシンでのトレーニングモデルをサポートし、組み込みのバージョン管理を備えています。このプロジェクトは Node.js と MongoDB に基づいており、インストールプロセスはほとんどのプロジェクトと非常に似ています。 Web 開発プロセス