谷歌開源Deeplearn.js，發揮瀏覽器端機器學習的威力

作者：谷歌Big Picture團隊的軟體工程師尼克希爾·索拉特（Nikhil Thorat）和丹尼爾·斯邁科夫（Daniel Smilkov）

機器學習已成為了一種功能日益強大的工具，可以運用於一系列廣泛的領域：從對象識別、語言翻譯到醫療保健，不一而足。然而，機器學習系統的發展常常局限於擁有相應計算資源和技術專長以處理常用機器學習庫的那些公司企業。

GIF/1.7M

藉助PAIR這個研究和重新設計人類與機器學習交互的項目，我們希望讓機器學習造福於盡可能多的人。為了竭力實現這個目標，我們激動地宣布deeplearn.js 0.1.0（https://pair-code.github.io/deeplearnjs/），這個WebGL加速的開源JavaScript庫面向機器學習，完全在你的瀏覽器端運行，無需安裝，無需後端部分。

將機器學習引入到瀏覽器有諸多原因。客戶端機器學習庫可能是這樣一個平台：支持互動式解釋、支持快速原型構建和可視化，甚至支持離線計算。暫且不說別的，瀏覽器是世界上最受歡迎的編程平台之一。

雖然Web機器學習庫已存在了多年，比如安德烈·卡帕西（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是訓練（比如TensorFire）。相比之下，deeplearn.js提供了大幅提升速度的優點，因為它充分利用WebGL在GPU上執行計算任務，另外還能夠執行標準的反向傳播。

API模仿TensorFlow和NumPy的結構，有一個面向訓練（比如TensorFlow）的延遲執行模型，有一個面向推理（比如NumPy）的立即執行模型。我們還實施了一些最常用的TensorFlow操作。藉助發布的deeplearn.js，我們將提供從TensorFlow檢查點導出權重的工具，這讓開發者得以將權重導入到網頁，實現deeplearn.js推理。

你可以試一試這個庫的潛力，只要訓練卷積神經網路，以識別圖片和手寫數字――這一切都在你的瀏覽器中，無需編寫一行代碼。

我們發布了一系列演示視頻，表明deeplearn.js的實際運行。試一試實時使用網路攝像頭的圖像分類器，觀察網路如何內部表示它看到的畫面。或者以每秒60幀這一流暢的速度，生成抽象藝術視頻。deeplearn.js主頁（https://pair-code.github.io/deeplearnjs/）含有諸如此類的演示視頻。

我們的願景是，這個庫將大大提高機器學習的可見性和參與性，讓開發人員易於獲取功能強大的工具，同時為普通用戶提供與之交互的方式。我們期待與開源社區合作，推動這個願景儘早實現。

點擊展開全文

喜歡這篇文章嗎？立刻分享出去讓更多人知道吧！