谷歌也发布了Web前端机器学习库，就叫deeplearn.js

　　在人工智能时代，不管是音箱、手机、汽车、app，自家产品没有用上深度学习都不好意思跟别人打招呼;另外，谷歌和 Facebook 都分别在 TensorFlow 和 Caffe 2 里提出了在移动设备上运行机器学习算法的目标和相关支持，更优秀的框架和更低的计算力要求确实是移动应用开发者的福音。不过这还没完，在浏览器上以 WebApp 的形式做模型推理甚至模型训练也有重要的开发和应用需求。下面就随网络通信小编一起来了解一下相关内容吧。

　　以往大家对前端机器学习库的关注度较低，不外乎人们认为 JavaScript 运行速度低、应用范围窄、支持前端的库少等几个原因。不过许多 JS 图形库已经有力地证明了 JavaScript 不是低速的代名词，带有构建好的机器学习算法的库也确实有一些，比如 brain.js、Synaptic、Natural、ConvNetJS、mljs 等等，分别是几个神经网络、自然语言处理等的库，其中最出名、最先进的是卷积神经网络库 ConvNetJS，不过据了解，它已经不再积极地维护了。

　　现在谷歌也决定在机器学习前端开发领域添一把柴，昨天发布了开源了自己的前端机器学习库 deeplear.js。

　　谷歌的 PAIR(People + AI Research)研究小组是一个以人为中心的 AI 系统研究小组，他们的研究兴趣是各种人类和人工智能之间的互动可能，包括为工程师提供更便捷的开发方式，一直到用人工智能理解生活中各种各样的事情。deeplearn.js 就是 PAIR 出力、借助了谷歌大脑团队的一点帮助开发出来的，它除了支持构建可微的数据流图、带有可以直接使用的数学函数外，还使用 WebGL 来加速训练和推理过程，从而提供了高性能的机器学习模型开发平台，可以在浏览器环境下训练模型或者用训练好的模型做推理。PAIR 希望对机器学习感兴趣的人可以把它用在教育、理解模型、艺术工作等各个领域。

　　deeplear.js 提供了两套 API，一套是类似 NumPy 的即时执行模型，另一套是对 TensorFlow API 的重现，不过会略有延迟。它当然也提供了详细的开发文档和新手教程。为了方便刚接触的人快速了解核心概念，新手教程里有专门面向初次接触机器学习者的部分，讲解了基本的计算原理;自带的 demo 也非常简单直观便于操作，比如下图就是用 deeplear.js 实现的经典卷积网络 MNIST 识别模型，界面美观、清晰易懂。只有加载时候花一点时间，修改模型的时候非常方便快捷。

　　在 deeplear.js 的官网上也一并介绍了这个项目的路线图，除了下一步要支持到 WebGL 2.0 以外，SGD 之外的优化器、2D 逻辑采样(目前需要在 3D 逻辑空间实际 2D 空间之间转换)、增大 batch 大小、提高与 TensorFlow 之间协作的易用性、增加循环网络类型等等修补、增添也会加入到 deeplear.js 中来。可预见的是，deeplear.js 在不久的将来会成为真正完善好用的前端机器学习库，成为轻量的初学者和严肃的 web 开发者的一个好选择。

    以上是关于网络通信中-谷歌也发布了Web前端机器学习库，就叫deeplearn.js的相关介绍，如果想要了解更多相关信息，请多多关注eeworld，eeworld电子工程将给大家提供更全、更详细、更新的资讯信息。