「開源」谷歌發布deeplearn.js，瀏覽器端的強大機器學習庫

1新智元編譯

機器學習（ML）已經成為越來越強大的工具，可以應用於對象識別，語言翻譯，醫療等各種領域。但是，使用常用的ML庫，ML系統的發展往往局限於那些擁有計算資源和技術專長的人。

PAIR（People + AI Research initiative）是一個倡議研究和重新設計人類與ML交互的計劃，利用這一計劃，我們希望將機器學習開放給儘可能多的人。為了追求這個目標，我們很高興地發布 deeplearn.js 0.1.0，這是一個開源的 WebGL 加速的 JavaScript 機器學習庫，完全在瀏覽器中運行，不需要安裝，不需要後端處理。

將機器學習帶入瀏覽器有很多好處。一個客戶端ML庫可以作為交互解釋（interactive explanation）的平台，可以快速原型開發（prototyping）和可視化，甚至可以離線計算。撇開其他不談，瀏覽器可以說是世界上最受歡迎的編程平台之一。

雖然瀏覽器上的機器學習庫已經存在多年（例如 Andrej Karpathy 的 convnetjs），但是它們受到 Javascript 速度的限制，或者局限於推理而不能用於訓練（例如 TensorFire）。相比之下，deeplearn.js 通過利用 WebGL 在GPU上執行計算，以及進行完全反向傳播（full backpropagation）的能力，實現了顯著的加速。

這個 API 模擬 TensorFlow 和 NumPy 的結構，具有用於訓練的延遲執行模型（像 TensorFlow）和用於推理的即時執行模型（像NumPy）。我們還實現了一些最常用的 TensorFlow 操作版本。伴隨著 deeplearn.js 的發布，接下來我們將提供從 TensorFlow checkpoint 導出權重的工具，這將允許作者將它們導入到 deeplearn.js 推理的網頁。

你可以通過訓練卷積神經網路來識別照片和手寫數字來探索這個庫的潛力——所有這些都完全不需要編寫代碼。

我們正在發布一系列 demo 來展示 deeplearn.js 的能力。使用連接實時網路攝像頭的圖像分類器，你可以觀察到網路的內部表示；或者以每秒60幀生成流暢的抽象藝術視頻。deeplearn.js 主頁上還有更多demo。

我們希望這個庫能顯著提高機器學習的可見性和參與度，使開發者能夠訪問強大的工具，同時為日常用戶提供與之進行交互的方式。我們期待與開源社區合作，推動這一願景。

原文：https://research.googleblog.com/2017/08/harness-power-of-machine-learning-in.html

deeplearn.js 官網：https://pair-code.github.io/deeplearnjs/

點擊閱讀原文可查看職位詳情，期待你的加入~

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！