11 个Javascript机器学习库

1. Brain.js

Brain.js是一个Javascript库,用于替代(现在已弃用的)“ 脑 ”库的神经网络,该库可与Node.js一起使用或在浏览器中使用(注释计算),并为不同任务提供不同类型的网络。以下是训练网络以识别色彩对比的演示。

brain.js - ?JavaScript中的神经网络--https://github.com/BrainJS/brain.js

2. Synaptic

Synaptic是一个用于node.js和浏览器的Javascript神经网络库,它使您能够训练一阶甚至二阶神经网络体系结构。该项目包括几种内置体系结构,如多层感知器,多层长短期记忆网络,液态机器和能够训练真实网络的培训师

cazala / synaptic - 架构免费的神经网络库的node.js和浏览器https://github.com/cazala/synaptic

3. Neataptic

这个库为浏览器和Node.js提供了快速的神经进化和反向传播,并且有一些内置的网络,包括感知器,LSTM,GRU,Nark等等。这里是一个简单培训的菜鸟教程。https://wagenaartje.github.io/neataptic/docs/tutorials/training/

wagenaartje / netaptic 快速的神经进化和反向传播

https://github.com/wagenaartje/neataptic

4. Conventjs

这个受欢迎的库由斯坦福大学的博士开发,在过去的4年里一直没有维护,但绝对是名单上最有趣的项目之一。它是支持通用模块,分类,回归,实验强化学习模块的神经网络的Javascript实现,甚至能够训练处理图像的卷积网络。

karpathy /convnetjs - 深入学习Javascript。在您的浏览器中训练卷积神经网络(或普通网络)。

https://github.com/karpathy/convnetjs

5. Webdnn

这个日本制造的库是为了在浏览器上运行深度神经网络预训练模型而建立的,而且速度很快。由于在浏览器上执行DNN会消耗大量计算资源,因此此框架会优化DNN模型以压缩模型数据并通过JavaScript API(如WebAssembly和WebGPU)加速执行。

mil-tokyo / webdnn github.com上最快的DNN运行框架

https://github.com/mil-tokyo/webdnn

6. Deeplearnjs

这个流行的库允许你在浏览器中训练神经网络,或者在推理模式下运行预训练模型,甚至声称它可以用作网络的NumPy。通过易于提取的API,该库可以用于有用应用程序的真实性,并且可以进行主动维护。

PAIR-code / deeplearnjs - 硬件加速深度学习//机器学习//为网络提供NumPy库。

https://github.com/PAIR-code/deeplearnjs

7. Tensorflow

深操场是神经网络的交互式可视化,使用d3.js在TypeScript中编写。虽然这个项目基本上包含了一个非常基本的tensorflow例子,但它可以用于不同的手段或用作不同目的的非常令人印象深刻的教育功能。

Tensorflow

https://github.com/tensorflow/playground

8. compromise

这个非常受欢迎的库提供了“在JavaScript中适度的自然语言处理”。这是非常基本和直接的,甚至编译成一个小文件。出于某种原因,它适度的“足够好”方法使其成为几乎所有需要基本NLP的应用程序的主要候选者。

spencermountain/compromise--https://github.com/spencermountain/compromise

9. Neuro.js

这个漂亮的项目是一个深度学习和强化学习JavaScript库的浏览器框架。有人认为这个项目是convnetjs的继任者,所以实现一个基于全栈式神经网络的机器学习框架和扩展的强化学习支持。

janhuenermann / neurojs - 一个javascript深度学习和强化学习库。github.com

https://github.com/janhuenermann/neurojs

10. mljs

一组库提供由mljs组织开发的用于Javascript的机器学习工具,其中包括有监督学习和无监督学习,人工神经网络,回归算法以及用于统计学,数学等的支持库。下面是一个简短的【演练】。https://hackernoon.com/machine-learning-with-javascript-part-1-9b97f3ed4fe5

mljs --https://github.com/mljs

11. Mind

一个灵活的Node.js神经网络库和浏览器,基本上学会做出预测,使用矩阵实现来处理训练数据并启用可配置的网络拓扑。您也可以即插即用已经学过的“头脑”,这对您的应用可能很有用

stevenmiller888 / mind 构建的神经网络库

https://github.com/stevenmiller888/mind

原文发布于微信公众号 - IT派(transfer_3255716726)

原文发表时间:2018-06-22

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏腾讯云服务器团队的专栏

基于混合集成学习算法的热迁移超时预测模型

在云计算资源管理中,热迁移是实现资源配置的重要手段,常常会因为多种场景需要发起热迁移:例如资源调配,母机负载均衡以及运维人工热迁移等场景。

5913
来自专栏AI科技大本营的专栏

资源 | 深度学习图像标注工具汇总

对于监督学习算法而言,数据决定了任务的上限,而算法只是在不断逼近这个上限。世界上最遥远的距离就是我们用同一个模型,但是却有不同的任务。但是数据标注是个耗时耗力的...

2263
来自专栏AI科技大本营的专栏

如何通过深度学习轻松实现自动化监控?

【导读】这是一篇关于使用基于深度学习的目标检测来实现监控系统的快速教程。在教程中通过使用 GPU 多处理器来比较不同目标检测模型在行人检测上的性能。

1155
来自专栏MelonTeam专栏

老司机用神经网络带您安全驾驶

0 概述 随着今年深度学习的热潮的来临,神经网络已经被应用在越来越多的应用中。而在印象中对于神经网络进行训练的往往需要借助大量的计算资源与数据。其实通过一定的...

2625
来自专栏玉树芝兰

如何用Python和深度神经网络识别图像?

(由于微信公众号外部链接的限制,文中的部分链接可能无法正确打开。如有需要,请点击文末的“阅读原文”按钮,访问可以正常显示外链的版本。)

1992
来自专栏人工智能头条

资源 | 深度学习图像标注工具汇总

1891
来自专栏新智元

旧照片着色修复神器!自注意力GAN效果惊艳

图像着色、图像增强、恢复旧图像等是计算机视觉领域的热点问题,不过,用一个模型很好地实现多个任务的研究不多。

1121
来自专栏目标检测和深度学习

资源 | DLL:一个炙手可热的快速深度神经网络库

841
来自专栏AI科技大本营的专栏

10行代码实现目标检测,请收下这份教程

作为人工智能的一个重要领域,计算机视觉是一门可以识别并理解图像和场景的计算机及软件系统科学。该领域主要包括图像识别,目标检测,图像生成,图像超分辨率等多个方向。...

1371
来自专栏机器之心

资源 | ChainerCV:基于Chainer的深度学习计算机视觉实用库(内含工具集)

选自GitHub 作者:二井谷勇佑(Yusuke Niitani) 机器之心编译 参与:黄小天、蒋思源 近日,Preferred Networks 通过其研究博...

33311

扫码关注云+社区

领取腾讯云代金券