谷歌也發布了Web前端機器學習庫，叫deeplearn.js

在人工智慧時代，不管是音箱、手機、汽車、app，自家產品沒有用上深度學習都不好意思跟別人打招呼；另外，谷歌和 Facebook 都分別在 TensorFlow 和 Caffe 2 里提出了在移動設備上運行機器學習演算法的目標和相關支持，更優秀的框架和更低的計算力要求確實是移動應用開發者的福音。不過這還沒完，在瀏覽器上以 WebApp 的形式做模型推理甚至模型訓練也有重要的開發和應用需求。

以往大家對前端機器學習庫的關注度較低，不外乎人們認為 Java 運行速度低、應用範圍窄、支持前端的庫少等幾個原因。不過許多JS圖形庫已經有力地證明了 Java 不是低速的代名詞，帶有構建好的機器學習演算法的庫也確實有一些，比如 brain.js、Synaptic、Natural、ConvNetJS、mljs等等，分別是幾個神經網路、自然語言處理等的庫，其中最出名、最先進的是卷積神經網路庫 ConvNetJS，不過據雷鋒網 AI 科技評論了解，它已經不再積極地維護了。

現在谷歌也決定在機器學習前端開發領域添一把柴，昨天發布了開源了自己的前端機器學習庫 deeplear.js（https://pair-code.github.io/deeplearnjs/）。

谷歌的 PAIR（People + AI Research）研究小組是一個以人為中心的 AI 系統研究小組，他們的研究興趣是各種人類和人工智慧之間的互動可能，包括為工程師提供更便捷的開發方式，一直到用人工智慧理解生活中各種各樣的事情。deeplearn.js 就是 PAIR 出力、藉助了谷歌大腦團隊的一點幫助開發出來的，它除了支持構建可微的數據流圖、帶有可以直接使用的數學函數外，還使用 WebGL 來加速訓練和推理過程，從而提供了高性能的機器學習模型開發平台，可以在瀏覽器環境下訓練模型或者用訓練好的模型做推理。PAIR 希望對機器學習感興趣的人可以把它用在教育、理解模型、藝術工作等各個領域。

deeplear.js 提供了兩套 API，一套是類似 NumPy 的即時執行模型，另一套是對 TensorFlow API 的重現，不過會略有延遲。它當然也提供了詳細的開發文檔和新手教程。為了方便剛接觸的人快速了解核心概念，新手教程里有專門面向初次接觸機器學習者的部分，講解了基本的計算原理；自帶的 demo 也非常簡單直觀便於操作，比如下圖就是用 deeplear.js 實現的經典卷積網路 MNIST 識別模型，界面美觀、清晰易懂。只有載入時候花一點時間，修改模型的時候非常方便快捷。

在 deeplear.js 的官網上也一併介紹了這個項目的路線圖，除了下一步要支持到 WebGL 2.0以外，SGD之外的優化器、2D邏輯採樣（目前需要在3D邏輯空間實際2D空間之間轉換）、增大batch大小、提高與 TensorFlow 之間協作的易用性、增加循環網路類型等等修補、增添也會加入到 deeplear.js 中來。可預見的是，deeplear.js 在不久的將來會成為真正完善好用的前端機器學習庫，成為輕量的初學者和嚴肅的web開發者的一個好選擇。

想要系統學習web前端和免費學習資料的 可以加裙六二三九六六八零六 學完有工作推薦

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！