值得探索的 8 个机器学习 JavaScript 框架

更新日期: 2019-12-24阅读: 2.3k标签: 机器

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:


1.DeepLearn.js

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>


2.PropelJS

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


3.ML-JS

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:

  • 无监督学习
  • 主成分分析(PCA)
  • K均值聚类
  • 监督学习
  • 简单线性回归
  • 多变量线性回归
  • 支持向量机(SVM)
  • 朴素贝叶斯
  • K最近邻算法(KNN)
  • 偏最小二乘算法(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,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:


5.KerasJS

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:

  • MNIST的基本convnet
  • 卷积变分自编码器,在MNIST上训练
  • MNIST上的辅助分类器生成式对抗网络(AC-GAN)
  • 50层残差网络,在ImageNet上训练
  • Inception v3,在ImageNet上训练
  • DenseNet-121,在ImageNet上训练
  • SqueezeNet v1.1,在ImageNet上训练
  • IMDB情绪分类的双向LSTM


6.STDLIB

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:

  • 通过随机梯度下降进行线性回归(@ stdlib / ml / online-sgd-regression)
  • 通过随机梯度下降进行二元分类(@ stdlib / ml / online-binary-classification)
  • 自然语言处理(@ stdlib / nlp)


7.Limdu.js

Limdu.js是Node.js的机器学习框架。它支持以下一些内容:

  • 二元分类
  • 多标签分类
  • 特征工程
  • SVM

可以使用以下命令来安装limdu.js:

npm install limdu


8.Brain.js

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


总结

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 

 

链接: https://www.fly63.com/article/detial/8378

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!