Era AI JS sudah tiba!

Pengenalan JS-Torch

JS-Torch ialah perpustakaan JavaScript pembelajaran mendalam yang sintaksnya hampir sama dengan PyTorch. Ia mengandungi objek tensor berfungsi sepenuhnya (boleh digunakan dengan kecerunan yang dijejaki), lapisan dan fungsi pembelajaran mendalam, dan enjin pembezaan automatik. JS-Torch sesuai untuk penyelidikan pembelajaran mendalam dalam JavaScript dan menyediakan banyak alatan dan fungsi yang mudah untuk mempercepatkan pembangunan pembelajaran mendalam.

Pictures

PyTorch ialah rangka kerja pembelajaran mendalam sumber terbuka yang dibangunkan dan diselenggara oleh pasukan penyelidik Meta. Ia menyediakan set alat dan perpustakaan yang kaya untuk membina dan melatih model rangkaian saraf. Konsep reka bentuk PyTorch ialah kesederhanaan, fleksibiliti dan kemudahan penggunaan Ciri graf pengiraan dinamiknya menjadikan pembinaan model lebih intuitif dan fleksibel, di samping meningkatkan kecekapan pembinaan model dan penyahpepijatan. Ciri graf pengiraan dinamik PyTorch juga menjadikan pembinaan modelnya lebih intuitif dan mudah untuk nyahpepijat dan dioptimumkan. Selain itu, PyTorch juga mempunyai kebolehskalaan dan kecekapan operasi yang baik, menjadikannya popular dan digunakan dalam bidang pembelajaran mendalam.

Anda boleh memasang js-pytorch melalui npm atau pnpm:

npm install js-pytorchpnpm add js-pytorch

atau alami Demo[3] yang disediakan oleh js-pytorch dalam talian:

pictures

io/js-torch/assets/demo/demo.html

• Fungsi yang disokong oleh JS-Torch
• Pada masa ini, JS-Torch sudah menyokong operasi tensor seperti Tambah, Tolak, Darab, Bahagi, dll. Ia juga menyokong Linear, MultiHeadSelfAttention, Lapisan pembelajaran mendalam yang biasa digunakan seperti ReLU dan LayerNorm. Operasi Tensor
• Sum
• Min
• Variance
• Transpose
• At
• MaskedFill
• Reshape
• Deep Learning Layers
• nn.Linear
• nn.MultiHeadSelfAttention
• nn.FullyConnected
• Blocked

nn. PositionalEmbedding

nn.ReLU

• nn .Softmax
• nn.Dropout
• nn.LayerNorm
• nn.CrossEntropyLoss
• JS-Contoh penggunaan Torch
• Simple Autograd
• rreee
• Autogradee
• rreee
• Selepas mempunyai JS-Torch , hari menjalankan aplikasi AI pada Node.js, Deno dan JS Runtime yang lain semakin hampir. Sudah tentu, untuk JS-Torch dipopularkan, ia juga perlu menyelesaikan masalah yang sangat penting, iaitu pecutan GPU. Sudah ada perbincangan berkaitan Jika anda berminat, anda boleh membaca kandungan berkaitan selanjutnya: Sokongan GPU[4].

Rujukan

[1]JS-Torch: https://github.com/eduardoleao052/js-torch

[2]PyTorch: https://pytorch.org/

[3]Demo: https: / /eduardoleao052.github.io/js-torch/assets/demo/demo.html

[4]Sokongan GPU: https://github.com/eduardoleao052/js-torch/issues/1

Atas ialah kandungan terperinci Era AI JS sudah tiba!. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!