日韩无码专区无码一级三级片|91人人爱网站中日韩无码电影|厨房大战丰满熟妇|AV高清无码在线免费观看|另类AV日韩少妇熟女|中文日本大黄一级黄色片|色情在线视频免费|亚洲成人特黄a片|黄片wwwav色图欧美|欧亚乱色一区二区三区

RELATEED CONSULTING
相關(guān)咨詢(xún)
選擇下列產(chǎn)品馬上在線溝通
服務(wù)時(shí)間：8:30-17:00
你可能遇到了下面的問(wèn)題
關(guān)閉右側(cè)工具欄

新聞中心

這里有您想知道的互聯(lián)網(wǎng)營(yíng)銷(xiāo)解決方案
【探究】八種支持機(jī)器學(xué)習(xí)模型訓(xùn)練的JavaScript框架

JavaScript開(kāi)發(fā)人員大多傾向于尋找一些基于不同的機(jī)器學(xué)習(xí)算法、并可用于訓(xùn)練機(jī)器學(xué)習(xí)模型的JavaScript框架。我們?cè)谙旅嫠_列出的各種機(jī)器學(xué)習(xí)算法，都適用于本文將為您展示的八種可用于模型訓(xùn)練的JavaScript框架。

創(chuàng)新互聯(lián)專(zhuān)注于企業(yè)成都全網(wǎng)營(yíng)銷(xiāo)推廣、網(wǎng)站重做改版、蘆山網(wǎng)站定制設(shè)計(jì)、自適應(yīng)品牌網(wǎng)站建設(shè)、H5開(kāi)發(fā)、購(gòu)物商城網(wǎng)站建設(shè)、集團(tuán)公司官網(wǎng)建設(shè)、外貿(mào)網(wǎng)站制作、高端網(wǎng)站制作、響應(yīng)式網(wǎng)頁(yè)設(shè)計(jì)等建站業(yè)務(wù)，價(jià)格優(yōu)惠性?xún)r(jià)比高，為蘆山等各大城市提供網(wǎng)站開(kāi)發(fā)制作服務(wù)。

  • 簡(jiǎn)單線性回歸
  • 多變量線性回歸
  • 邏輯回歸
  • 樸素貝葉斯（Naive Bayesian）
  • K最近鄰算法（K-nearest neighbor，KNN）
  • K-Means算法
  • 支持向量機(jī)（Support vector machine，SVM）
  • 隨機(jī)森林
  • 決策樹(shù)
  • 前饋神經(jīng)網(wǎng)絡(luò)（Feedforward neural network）
  • 深度學(xué)習(xí)網(wǎng)絡(luò)

在本文中，您將分別概覽到用于機(jī)器學(xué)習(xí)的不同JavaScript框架。它們分別是：

1.DeepLearn.js

Deeplearn.js是Google開(kāi)發(fā)的、開(kāi)源的機(jī)器學(xué)習(xí)JavaScript庫(kù)。它可以被用于不同的目的，包括訓(xùn)練瀏覽器中的神經(jīng)網(wǎng)絡(luò)、理解機(jī)器學(xué)習(xí)（ML）模型、以及被用作教育目的等。您可以在推理模式中運(yùn)行各種預(yù)訓(xùn)練的模型。開(kāi)發(fā)者可以在Typescript（ES6 JavaScript）或ES5 JavaScript中編寫(xiě)代碼。如想快速入門(mén)，您可以通過(guò)在HTML文件的head標(biāo)簽中包含以下的代碼，并編寫(xiě)用于構(gòu)建模型的JS程序。

 
 
 
    
  
  
  
  1.  
    2. 
  
  
  
  2.  
    3. 
  
  
  
  3.

2.PropelJS

Propel是一個(gè)JavaScript庫(kù)，它為科學(xué)計(jì)算提供了一個(gè)支持GPU的、類(lèi)似numpy（譯者注：它是Python的一種開(kāi)源的數(shù)值計(jì)算擴(kuò)展）的基礎(chǔ)架構(gòu)。它可以被使用在NodeJS的各種應(yīng)用以及瀏覽器中。

以下是為瀏覽器設(shè)置的代碼：

 
 
 
    
  
  
  
  1.

而下面則是被用到NodeJS應(yīng)用的代碼：

 
 
 
    
  
  
  
  1. npm install propel 
    2. 
  
  
  
  2. import { grad } from "propel";
    3.

PropelJS的文檔鏈接是：http://propelml.org/docs/。它的GitHub頁(yè)面為https://github.com/propelml/propel。

3.ML-JS

ML-JS為工作在NodeJS和各個(gè)瀏覽器環(huán)境中，提供了機(jī)器學(xué)習(xí)的多個(gè)工具。ML JS工具可以通過(guò)如下的代碼進(jìn)行設(shè)置：

 
 
 
    
  
  
  
  1.

它能夠支持以下的機(jī)器學(xué)習(xí)算法：

  • 無(wú)監(jiān)督學(xué)習(xí)
    • 主成分分析（Principal component analysis，PCA）
    • K-Means聚類(lèi)
  • 監(jiān)督學(xué)習(xí)
    • 簡(jiǎn)單線性回歸
    • 多變量線性回歸
    • 支持向量機(jī)（SVM）
    • 樸素貝葉斯
    • K最近鄰算法（KNN）
    • 偏最小二乘（Partial least squares，PLS）
    • 決策樹(shù)：CART
    • 隨機(jī)森林
    • 邏輯回歸
  • 人工神經(jīng)網(wǎng)絡(luò)
    • 前饋神經(jīng)網(wǎng)絡(luò)

4.ConvNetJS

ConvNetJS是一個(gè)JavaScript庫(kù)，它可以被用于在您的瀏覽器中，完全地訓(xùn)練各種深度學(xué)習(xí)的模型（神經(jīng)網(wǎng)絡(luò)）。這個(gè)庫(kù)也能夠被用在NodeJS的各種應(yīng)用之中。

您可以從下載鏈接--http://cs.stanford.edu/people/karpathy/convnetjs/build/convnet-min.js 來(lái)獲取ConvNetJS的縮減庫(kù)，從而上手這個(gè)縮小版本的ConvNetJS。它的GitHub頁(yè)面為https://github.com/karpathy/convnetjs/releases。如下是其對(duì)應(yīng)的加載代碼：

 
 
 
    
  
  
  
  1.

我們進(jìn)一步給出一些重要的參考頁(yè)面的地址：

  • ConvNetJS的NPM軟件包：https://www.npmjs.com/package/convnetjs
  • 入門(mén)文檔：https://cs.stanford.edu/people/karpathy/convnetjs/started.html
  • 參考文檔：https://cs.stanford.edu/people/karpathy/convnetjs/docs.html

5.KerasJS

使用KerasJS和支持GPU的WebGL，您可以在瀏覽器中運(yùn)行Keras的模型。除了CPU模式，該模型也可以在Node.js中運(yùn)行。Keras的GitHub頁(yè)面為https://github.com/transcranial/keras-js。以下是可以在瀏覽器中運(yùn)行的所有Keras的模型列表：

  • MNIST的基本轉(zhuǎn)換（譯者注：MNIST是一個(gè)入門(mén)級(jí)的計(jì)算機(jī)視覺(jué)數(shù)據(jù)集）
  • 經(jīng)MNIST訓(xùn)練的卷積變分自編碼器
  • 基于MNIST的輔助分類(lèi)器生成對(duì)抗網(wǎng)絡(luò)（AC-GAN）
  • 經(jīng)ImageNet訓(xùn)練的50層殘差網(wǎng)絡(luò)（residual network）
  • 經(jīng)ImageNet訓(xùn)練的Inception v3模型
  • 經(jīng)ImageNet訓(xùn)練的DenseNet-121（極深網(wǎng)絡(luò)）模型
  • 經(jīng)ImageNet訓(xùn)練的SqueezeNet v1.1模型
  • 基于IMDB情感分類(lèi)的雙向長(zhǎng)短期記憶網(wǎng)絡(luò)（LSTM）

6.STDLib

STDLib是一個(gè)JavaScript庫(kù)，它能夠被用于構(gòu)建高級(jí)的統(tǒng)計(jì)模型和各種機(jī)器學(xué)習(xí)庫(kù)。它也可以被用于數(shù)據(jù)可視化與探索性數(shù)據(jù)分析的繪制和圖形功能。

以下是與機(jī)器學(xué)習(xí)（ML）有關(guān)的各種相關(guān)庫(kù)的列表：

  • 通過(guò)隨機(jī)梯度下降的線性回歸(@stdlib/ml/online-sgd-regression)
  • 通過(guò)隨機(jī)梯度下降的二元分類(lèi)(@stdlib/ml/online-binary-classification)
  • 自然語(yǔ)言處理(@stdlib/nlp)

7.Limdu.js

Limdu.js是一個(gè)針對(duì)Node.js的機(jī)器學(xué)習(xí)框架。它支持以下方面：

  • 二進(jìn)制分類(lèi)
  • 多標(biāo)簽分類(lèi)
  • 特征工程（Feature engineering）
  • 支持向量機(jī)（SVM）

開(kāi)發(fā)者可以使用如下的命令來(lái)安裝limdu.js：

 
 
 
    
  
  
  
  1. npm install limdu
    2.

8.Brain.js

Brain.js是一套用于訓(xùn)練神經(jīng)網(wǎng)絡(luò)和樸素貝葉斯分類(lèi)器的JavaScript庫(kù)。您可以使用如下命令來(lái)設(shè)置Brain.js：

 
 
 
    
  
  
  
  1. npm install brain.js
    2.

開(kāi)發(fā)者也可以使用以下代碼，在瀏覽器中包含該庫(kù)：

 
 
 
    
  
  
  
  1.

如下的命令可以被用于安裝樸素貝葉斯分類(lèi)器：

 
 
 
    
  
  
  
  1. npm install classifier
    2.

總結(jié)

在本文中，您了解到了可用于在瀏覽器、以及Node.js應(yīng)用中訓(xùn)練機(jī)器學(xué)習(xí)模型的不同JavaScript庫(kù)。如果您有興趣了解更多有關(guān)機(jī)器學(xué)習(xí)的文檔，我們建議您去查看我們的機(jī)器學(xué)習(xí)文檔集-- https://vitalflux.com/category/machine-learning/。

如果您覺(jué)得本文對(duì)您有所幫助，或者您對(duì)本文所提及的機(jī)器學(xué)習(xí)JavaScript框架有任何的疑問(wèn)與建議，歡迎您在此留下評(píng)論或提出問(wèn)題。


文章標(biāo)題：【探究】八種支持機(jī)器學(xué)習(xí)模型訓(xùn)練的JavaScript框架
本文URL：http://www.5511xx.com/article/dpjdojs.html