在本文章中,您将了解到不同的机器学习JavaScript框架,包括:DeepLearn.js、PropelJS、ML-JS、ConvNetJS、KerasJS、STDLib、Limdu.js和Brain.js。
【51CTO.com快译】JavaScript开发人员大多倾向于寻觅一些根据不同的机器学习算法、并可用于练习机器学习模型的JavaScript结构。咱们在下面所罗列出的各种机器学习算法,都适用于本文将为您展现的八种可用于模型练习的JavaScript结构。
- 简略线性回归
- 多变量线性回归
- 逻辑回归
- 朴素贝叶斯(Naive Bayesian)
- K最近邻算法(K-nearest neighbor,KNN)
- K-Means算法
- 支撑向量机(Support vector machine,SVM)
- 随机森林
- 决策树
- 前馈神经网络(Feedforward neural network)
- 深度学习网络
在本文中,您将别离概览到用于机器学习的不同JavaScript结构。它们别离是:
1.DeepLearn.js
Deeplearn.js是Google开发的、开源的机器学习JavaScript库。它能够被用于不同的意图,包括练习浏览器中的神经网络、了解机器学习(ML)模型、以及被用作教育意图等。您能够在推理形式中运转各种预练习的模型。开发者能够在Typescript(ES6 JavaScript)或ES5 JavaScript中编写代码。如想快速入门,您能够经过在HTML文件的head标签中包括以下的代码,并编写用于构建模型的JS程序。
- <scriptsrc="https://cdn.jsdelivr.net/npm/deeplearn@latest"></script>
- <!--or-->
- <scriptsrc="https://unpkg.com/deeplearn@latest"></script>
2.PropelJS
Propel是一个JavaScript库,它为科学核算供给了一个支撑GPU的、相似numpy(译者注:它是Python的一种开源的数值核算扩展)的根底架构。它能够被运用在NodeJS的各种运用以及浏览器中。
以下是为浏览器设置的代码:
- <scriptsrc="https://unpkg.com/propel@3.1.0"></script>
而下面则是被用到NodeJS运用的代码:
- npminstallpropel
- import{grad}from"propel";
PropelJS的文档链接是:http://propelml.org/docs/。它的GitHub页面为https://github.com/propelml/propel。
3.ML-JS
ML-JS为作业在NodeJS和各个浏览器环境中,供给了机器学习的多个东西。ML JS东西能够经过如下的代码进行设置:
- <scriptsrc="https://www.lactame.com/lib/ml/2.2.0/ml.min.js"></script>
它能够支撑以下的机器学习算法:
- 无监督学习
- 主成分剖析(Principal component analysis,PCA)
- K-Means聚类
- 监督学习
- 简略线性回归
- 多变量线性回归
- 支撑向量机(SVM)
- 朴素贝叶斯
- K最近邻算法(KNN)
- 偏最小二乘(Partial least squares,PLS)
- 决策树:CART
- 随机森林
- 逻辑回归
- 人工神经网络
- 前馈神经网络
4.ConvNetJS
ConvNetJS是一个JavaScript库,它能够被用于在您的浏览器中,彻底地练习各种深度学习的模型(神经网络)。这个库也能够被用在NodeJS的各种运用之中。
您能够从下载链接--http://cs.stanford.edu/people/karpathy/convnetjs/build/convnet-min.js 来获取ConvNetJS的减缩库,然后上手这个缩小版别的ConvNetJS。它的GitHub页面为https://github.com/karpathy/convnetjs/releases。如下是其对应的加载代码:
- <scriptsrc="convnet-min.js"></script>
咱们进一步给出一些重要的参阅页面的地址:
- ConvNetJS的NPM软件包:https://www.npmjs.com/package/convnetjs
- 入门文档:https://cs.stanford.edu/people/karpathy/convnetjs/started.html
- 参阅文档:https://cs.stanford.edu/people/karpathy/convnetjs/docs.html
5.KerasJS
运用KerasJS和支撑GPU的WebGL,您能够在浏览器中运转Keras的模型。除了CPU形式,该模型也能够在Node.js中运转。Keras的GitHub页面为https://github.com/transcranial/keras-js。以下是能够在浏览器中运转的一切Keras的模型列表:
- MNIST的根本转化(译者注:MNIST是一个入门级的核算机视觉数据集)
- 经MNIST练习的卷积变分自编码器
- 根据MNIST的辅佐分类器生成对立网络(AC-GAN)
- 经ImageNet练习的50层残差网络(residual network)
- 经ImageNet练习的Inception v3模型
- 经ImageNet练习的DenseNet-121(极深网络)模型
- 经ImageNet练习的SqueezeNet v1.1模型
- 根据IMDB情感分类的双向长短期回忆网络(LSTM)
6.STDLib
STDLib是一个JavaScript库,它能够被用于构建高档的计算模型和各种机器学习库。它也能够被用于数据可视化与探索性数据剖析的制作和图形功用。
以下是与机器学习(ML)有关的各种相关库的列表:
- 经过随机梯度下降的线性回归(@stdlib/ml/online-sgd-regression)
- 经过随机梯度下降的二元分类(@stdlib/ml/online-binary-classification)
- 自然语言处理(@stdlib/nlp)
7.Limdu.js
Limdu.js是一个针对Node.js的机器学习结构。它支撑以下方面:
- 二进制分类
- 多标签分类
- 特征工程(Feature engineering)
- 支撑向量机(SVM)
开发者能够运用如下的指令来装置limdu.js:
- npminstalllimdu
8.Brain.js
Brain.js是一套用于练习神经网络和朴素贝叶斯分类器的JavaScript库。您能够运用如下指令来设置Brain.js:
- npminstallbrain.js
开发者也能够运用以下代码,在浏览器中包括该库:
- <scriptsrc="https://raw.githubusercontent.com/harthur-org/brain.js/master/browser.js"></script>
如下的指令能够被用于装置朴素贝叶斯分类器:
- npminstallclassifier
总结
在本文中,您了解到了可用于在浏览器、以及Node.js运用中练习机器学习模型的不同JavaScript库。假如您有爱好了解更多有关机器学习的文档,咱们主张您去检查咱们的机器学习文档集-- https://vitalflux.com/category/machine-learning/。
假如您觉得本文对您有所协助,或许您对本文所提及的机器学习JavaScript结构有任何的疑问与主张,欢迎您在此留下谈论或提出问题。
原文标题:8 Machine Learning JavaScript Frameworks to Explore,作者:Ajitesh Kumar
【51CTO译稿,协作站点转载请注明原文译者和出处为51CTO.com】
知优网 » 【探求】八种支撑机器学习模型练习的JavaScript结构