尽管大部分机器学习都是用Python这样的言语完结的，但在Javascript生态系统中，其前端和后端社区都很棒。这个风趣的交集促进咱们探究并尝试了一同运用Javascript和机器学习的古怪可能性。这儿共享有一些风趣的库，它们将Javascript，机器学习，DNN乃至NLP结合在一同。

1. Brain.js

Brain.js是神经网络的Javascript库，替代了(现已弃用的)“ 大脑 ”库，能够与Node.js一同运用或在浏览器中运用(笔记核算)，并为不同的使命供给不同类型的网络。

Github地址：https://github.com/BrainJS/brain.js

这是一个练习网络辨认色彩比照的演示。

2. Synaptic

Synaptic是一个用于node.js和浏览器的Javascript神经网络库，它使您能够练习榜首级乃至二级神经网络架构。该项目包含一些内置架构，如多层感知器，多层长短期回忆网络，液体状态机和能够练习实在网络的练习师。

Github地址：https://github.com/cazala/synaptic

3. Neataptic

该库为浏览器和Node.js供给快速神经进化和反向传达，其间包含一些内置网络，包含感知器，LSTM，GRU，Nark等。这是一个简略练习的新手教程。

Github地址：https://github.com/wagenaartje/neataptic

4. ConvNetJS

由斯坦福大学博士开发，这个受欢迎的图书馆在曩昔的4年里一向没有得到保护，但肯定是名单上最风趣的项目之一。它是神经网络的Javascript完成，支撑通用模块，分类，回归，试验强化学习模块，乃至能够练习处理图画的卷积网络。

Github地址：https://github.com/karpathy/convnetjs

它现在支撑：

• 常见的神经网络模块(彻底衔接的层，非线性)
• 分类(SVM / Softmax)和回归(L2)本钱函数
• 能够指定和练习处理图画的卷积网络
• 根据Deep Q Learning 的试验性强化学习模块

5. WebDNN

这个日本制作的JavaScript库是为了在浏览器上快速运转深度神经网络预练习模型而构建的。因为在浏览器上履行DNN会耗费很多核算资源，因而该结构优化了DNN模型以紧缩模型数据并经过JavaScript API(如WebAssembly和WebGPU)加快履行。

运用WebDNN做神经网络风格搬运的比如：

6. Deeplearnjs

这个盛行的库答应您在浏览器中练习神经网络或在推理形式下运转预先练习的模型，乃至宣称它能够用作网络的NumPy。经过易于获取的API，该库可用于有用的有用应用程序，而且能够进行主动保护。

Github地址：https://github.com/tensorflow/tfjs-core

作为TensorFlow.js生态系统的一部分，它现在保管在@tensorflow/tfjs-core了，是TensorFlow.js中心API，它供给初级，硬件加快的线性代数运算和用于主动区别的急迫API。

7. Tensorflow Deep Playground

Tensorflow Deep Playground是神经网络的交互式可视化，运用d3.js和TypeScript编写。尽管这个项目根本上包含了一个十分根本的张量活动操场，但它能够用于不同的手法或许用作不同意图的十分令人形象深入的教育功用。

Github地址：https://github.com/tensorflow/playground

8. Compromise

这个十分受欢迎的库供给“Javascript中适度的自然言语处理”。这是十分根本和直接的，乃至能够编译成一个小文件。出于某种原因，其适度的“足够好”的办法使其成为简直任何需求根本NLP的应用程序的首要候选者。

Github地址：https://github.com/spencermountain/compromise

9. Neuro.js

这个美丽的项目是一个深度学习和强化学习Javascript库结构的浏览器。完成根据完好仓库神经网络的机器学习结构以及扩展的强化学习支撑，一些人以为该项目是convnetjs的继承者。

Github地址：https://github.com/janhuenermann/neurojs

10. ml.js

一组存储库，为mljs安排开发的Javascript供给机器学习东西，包含监督和无监督学习，人工神经网络，回归算法和计算，数学等支撑库。这是一个简略的演练。

Github地址：https://github.com/mljs

11. Mind

Node.js和浏览器的灵敏神经网络库，根本上学习怎么进行猜测，运用矩阵完成来处理练习数据并启用可装备的网络拓扑。您还能够即插即用现已学过的“思维”，这对您的应用程序十分有用。

Github地址：https://github.com/stevenmiller888/mind