JS-фреймворки машинного обучения с каждым годом становятся все доступнее для веб-разработчиков. Это связано с инструментами машинного обучения с открытым исходным кодом, которые позволяют легко создавать приложения. Будь то простое приложение для редактирования документов или программное обеспечение для управления предприятием, все они основаны на технологии машинного обучения с фреймворками JS, которые делают приложения достаточно интеллектуальными для бизнес-целей.
На основе результатов нашего исследования взгляните на самые популярные JS-фреймворки машинного обучения, которые вы можете рассмотреть для своего онлайн-бизнеса в 2019 году.
1) Brain.js
Brain.js - это библиотека Javascript, которую можно использовать с Node.js, она позволяет создавать нейронные сети и предоставлять разные сети для различных задач на основе данных ввода / вывода. На сайте Github есть небольшая демонстрация для обучения распознаванию цветового контраста.
Для настройки Brain.js можно использовать следующий код:
npm установить brain.js
Также можно включить библиотеку в браузер, используя следующий код:
‹Scriptsrc =» https://raw.githubusercontent.com/harthur-org/brain.js/master/browser.js '›‹/script›
Для установки наивно-байесовского классификатора можно использовать следующее:
классификатор установки npm
2) ML-JS
Это позволяет предприятиям настраивать и обучать нейронные сети, используя только JavaScript. Эту библиотеку очень легко установить как в Node.js, так и в браузере. У него простой в использовании API, которым будет удобно пользоваться разработчикам программного обеспечения. В библиотеке есть множество опций для реализации инструментов численного анализа в Javascript для Node.js, которые помогают понять основные принципы машинного обучения.
Ниже приведен код для настройки ML-JS.
‹Scriptsrc =» https://www.lactame.com/lib/ml/2.2.0/ml.min.js '›‹/script›
3) KerasJS
KerasJS позволяет запускать модели Keras в браузере, используя поддержку графического процессора и WebGL. Различные модели также можно использовать и запускать в Node.js, но только в режиме ЦП. Взгляните на список моделей Keras, которые работают в формате браузера:
- Базовый Convnet для MNIST
- Сверточно-вариационный автоэнкодер, обученный на MNIST
- Состязательные сети, генерирующие вспомогательный классификатор (AC-GAN) в MNIST
- 50-слойная остаточная сеть, обученная на ImageNet
- Inception v3, обученный на ImageNet
- DenseNet-121, обученный на ImageNet
- SqueezeNet v1.1, обученный на ImageNet
- Двунаправленный LSTM для классификации настроений IMDB
4) DeepLearn.JS
Это самая популярная библиотека JavaScript для машинного обучения с открытым исходным кодом, которую можно использовать для различных задач, таких как:
- Обучение нейронных сетей в браузере
- Понимание моделей машинного обучения
- Цель образования
Используя эту структуру, разработчики могут запускать несколько кодов в теге заголовка в файле HTML и писать разные программы JS для создания модели.
‹Scriptsrc =” https://cdn.jsdelivr.net/npm/deeplearn@latest '›
‹/Script› ‹! - или →
‹Скрипт src =» https://unpkg.com/deeplearn@latest '›‹/script›
5) Limdu.JS
Limdu.js - это фреймворк машинного обучения для Node.js, который лучше всего подходит для понимания естественного языка. Он поддерживает классификации с несколькими этикетками, такие как:
- Бинарная классификация
- Классификация с несколькими этикетками
- Функциональная инженерия
- SVM
Для установки limdu.js можно использовать следующую команду:
npm установить лимду
6) STDLib
STDLib - это расширенная модель библиотеки Javascript, которую можно использовать для создания статистических моделей и библиотек машинного обучения. Его также можно использовать для:
- Работа с графикой и графикой
- Визуализация данных
- Исследовательский анализ данных
7) PropelJS
Propel - это библиотека Javascript для машинного обучения, которая предоставляет инфраструктуру на базе графического процессора для сложных вычислений. Его можно использовать как для приложения на основе NodeJS, так и для браузера.
Код установки для приложения nodejs:
npm установить пропел
импорт градиента из «пропела»;
Код настройки для браузера:
‹Скрипт src =» https://unpkg.com/[email protected] '›‹/script›
8) ConvNetJS
Библиотека Javascript используется для обучения моделей глубокого обучения в вашем браузере. Приложение Node.js также можно использовать в этой библиотеке. Чтобы начать работу с ConvNetJS, просто посетите эту страницу Минифицированная библиотека ConvNetJS.
Используйте следующий код для использования ConvNetJS:
‹Скрипт src =” convnet-min.js ”› ‹/script›
Нижняя линия
Нижняя линия
Машинное обучение JavaScript способно обрабатывать огромные наборы данных, мы рекомендуем использовать ресурсы, приведенные здесь, в списке, чтобы сделать первый шаг к машинному обучению и получить полный анализ основных методов.
Или наймите преданных разработчиков машинного обучения, которые займутся всей вашей разработкой. Вы также можете нанять команду разработчиков Tensorflow для полного анализа JavaScript-фреймворков и сложного процесса разработки программного обеспечения.