Web的整個系統已經在近幾年中有了長足的發展, 雖然 Javascript 和 node.js的使用案例還遠遠無法和Java/Python來媲美。 但是 也足夠應用到很多機器學習的環境中去啦。而且最大的優勢在於 - 一個瀏覽器就可以幫你搞定了一切 !
本文主要跟大家介紹了前端Javascript實現的機器學習類別庫,小編覺得挺不錯的,現在分享給大家,也給大家做個參考,希望能幫助到大家。
雖然, 基於Javascript的機器學習類別庫還非常的早期,很多依舊在開發狀態下, 但是他們的確已經可以提供比較早期的體驗。 在今天這篇文章中, 我們將選擇幾款超酷的機器學習和AI相關的web應用, 讓大家初體驗一下~~
Brain
brain是一個允許你快速簡單創建神經網路並且基於輸入/輸出進行訓練的類別庫。雖然一個CDN瀏覽器版本可以直接將類別庫載入到web頁面中, 因為這個訓練過程佔用了大量的資源, 所以將這個類別庫運行在了一格Node.js環境下 。 這個類別庫包含了一個非常迷你的線上演示, 可以用來訓練識別顏色的對比
![](https://img.php.cn/upload/article/000/054/025/1066ca4124e6550ff0f59932f88af2df-0.jpg)
#Deep playground
這個教育化的web應用讓你把玩神經網絡,並且探索不同的組件。 擁有非常設計良好的UI, 可以允許你控制輸入數據,神經元數量, 使用的演算法等, 各種相關的測量將會影響最終的結果。 當然這裡在後台中有大量值得學習的東西, 程式碼是開源的, 使用了自訂的機器學習語言(typescript), 並且擁有非常好的文件
![](https://img.php.cn/upload/article/000/054/025/1066ca4124e6550ff0f59932f88af2df-1.jpg)
## FlappyLearning
這是一個使用800行程式碼實作的機器學習Javasript類別庫, 實作了一個機器學習flappy bird 遊戲的demo。 在這個類別庫中使用了AI技巧:Neuroevolution ,應用了來自「自然」雜誌的神經系統演算法, 動態的從每一個迭代的成功和失敗中學習。 demo運行非常簡單,直接使用瀏覽器打開index.html即可
![](https://img.php.cn/upload/article/000/054/025/1066ca4124e6550ff0f59932f88af2df-2.jpg)
截圖中可以看到經過了20代的學習, 這隻鳥, 在我截圖的時候,依然還沒掛掉!
Synaptic
可能是最活躍維護的專案之一, Synaptic是一個node.js和瀏覽器類別庫, 這個類別庫被設計為架構不可知的狀態,允許了開發人員創建任何類型的神經網路。 擁有很少的內建架構, 是的能夠快速的測試和演算法比較。 同時包含了一個非常完整的神經網路說明, 一些實際的演示, 很多其它相關的教程,來介紹機器學習如何工作滴
![](https://img.php.cn/upload/article/000/054/025/95e9feb9e83f6b0788699f232fb94cf7-3.jpg)
Land Lines
land lines是一個非常有趣的Chrome Web實驗, 它尋找地球的衛星圖片,找出類似使用者的塗鴉。 這個app沒有伺服器調用, 完全在瀏覽器裡運行, 使用了webGL和機器學習, 在行動端也有很好的體驗。
![](https://img.php.cn/upload/article/000/054/025/95e9feb9e83f6b0788699f232fb94cf7-4.jpg)
ConvNetJS
雖然已經不再活躍的維護了,但 ConvNetJS是Javascript機器學習的最先進的類別庫。 最早是史丹佛大學開發, 後來在Github上非常知名, 擁有了許多社區開發的特性和教學。 直接在瀏覽器裡運行, 支援多學習技巧, 偏底層, 是的它非常適合神經網路中比較大的體驗
##Thing Translator
![](https://img.php.cn/upload/article/000/054/025/21fe7686d21613186adff62969b1d7b4-6.jpg)
############################################# ###這是一個web實驗演示, 允許你使用手機來識別現實生活中的物品,並且用不同語言來命名。 這個app使用web技術和兩個來自Google的機器學習API實現,包括:######Cloud Vision (圖片識別) 和Translate API(語言翻譯)############# ##Neurojs#########基於「增強學習「的AI系統框架。 很可惜這個項目沒有正確的文檔說明, 但是有一個自動駕駛的演示,擁有很多相關細節的文字描述。 這個類別庫純Javascript,可以使用webpack或babel來編譯打包###
![](https://img.php.cn/upload/article/000/054/025/21fe7686d21613186adff62969b1d7b4-7.jpg)
Machine_learning
另外一個允許我們設定/訓練神經網路的Javascript類別庫。 使用node.js和客戶端安裝非常簡單, 擁有非常乾淨的API, 對於不同技術水平的開發人員來說,都非常適應。這個類別庫包含了大量的演示, 包含了許多流行的演算法,幫助你理解核心的及其學習語言原則
![](https://img.php.cn/upload/article/000/054/025/095648cb92407634b4b422f5daa67ae6-8.jpg)
DeepForge
這是一個使用者友善的深度學習開發環境, 允許你使用一格簡單圖形介面設計神經網絡, 支援遠端機器的訓練模型, 內建版本控制, 這個專案基於Node.js和MongoDB,運行在瀏覽器裡, 安裝過程非常類似大多數的web開發過程
![](https://img.php.cn/upload/article/000/054/025/095648cb92407634b4b422f5daa67ae6-9.jpg)
相關推薦:
十大機器學習需要了解的演算法
PHP如何實作機器學習之樸素貝葉斯演算法
PHP機器學習庫php-ml的實例教學
以上是前端Javascript實作的機器學習類別庫實例的詳細內容。更多資訊請關注PHP中文網其他相關文章!