原文：10个 JavaScript 中的机器学习实例
作者： Danny Markov

image

近几年，机器学习库发展的得越来越快，也变得越来越易用，而且并没有显示出放缓的迹象。 虽然传统上 Python 一直是机器学习的首选语言，但现在神经网络可以运行在任何语言中，包括 JavaScript

网络生态系统近年来已经取得了很大的进步，尽管 JavaScript 和 Node.js 的性能仍然不如 Python 和 Java，但它们现在已经足够强大，可以处理许多机器学习问题。 Web 语言还具有“超级可访问性”的优点——运行一个 JavaScript ML 项目所需要的只是 Web 浏览器。

大多数 JavaScript 机器学习库都是相当新的，并且仍在开发中，但是它们确实存在等待你的尝试。 在这篇文章中，我们将对其中的一些库进行初探，并展示一些很酷的人工智能网络应用程序的例子，来帮助你开始你的神经网络学习之路。

1. Brain

Brain是一个可以让你轻松地搭建一个神经网络，并根据输入 / 输出数据训练这个网络。 由于训练占用了大量资源，所以最好在 Node.js 环境中运行库，尽管 CDN 浏览器版本也可以直接加载到网页上。 在他们的网站上有一个小demo ，可以训练识别颜色的对比度。

image

2. Deep playground

教育网络应用程序，可以让你体验神经网络，并探索其中不同的组件。 它的 UI非常棒，允许您控制输入数据、神经元数量、要使用的算法，以及各种其他会对结果产生影响的参数。 这款应用程序背后还有很多值得我们学习的地方——它的代码是开源的，并且使用了一个自定义的机器学习库，这个库是用TypeScript编写的，并且有完善的文档。

deep-playground.jpg

3. FlappyLearning

是一个 JavaScript 项目，在大约800行的无压缩代码中创建了一个机器学习库，并在一个有趣的演示中实现它，学会像一个演奏家一样玩 Flappy Bird 。 这个库使用的人工智能技术被称为Neuroevolution ，它使用的算法灵感来源于自然界中神经系统，从每次迭代的成功或者失败中动态地学习经验。 这个演示程序非常容易运行——只需在浏览器中打开index.html即可。

image.png

Synaptic

这可能是本文列举的项目中最活跃的一个，Synaptic 是一个Node.js和浏览器库，它与框架无关，允许开发者构建他们想要的任何类型的神经网络。 它有少许的内置的框架，能够进行快速测试，以及比较不同的机器学习算法。 它还有精心编写的关于神经网络的介绍，一些练习演示，以及还有许多非常精彩的教程来揭示机器学习是如何工作的。

image.png

Land Lines

Land Lines是一个有趣的 Chrome Web网络实验，用户进行涂鸦后，根据地球的卫星图像找出和涂鸦最相似的卫星图像区域。 这个应用程序不需要服务器调用：它完全在浏览器中工作，而且由于机器学习的巧妙应用，WebGL 甚至在移动设备上也有很好的性能。 你可以在 GitHub 上查看源代码，或者在这里阅读完整的案例。

image.png

ConvNetJS

ConvNetJS是 JavaScript 中最先进的深度学习库之一，尽管它不再有活跃的维护。 最初在斯坦福大学开发的时候，ConvNetJS 在 GitHub 上相当流行，产生了许多社区驱动的特性和教程。 它可以直接在浏览器中工作，支持多种机器学习技术，而且层次较低，适合在神经网络方面有较大经验的人。

convnetjs.png

Thing Translator

Thing Translator是一个网络实验，它允许你的手机识别现实生活中的物体，并用不同的语言给它们命名。 这款应用完全基于网络技术，并且使用了谷歌的两个机器学习接口，Cloud Vision ——进行图像识别； Translate API ——自然语言翻译。

thing-translator.jpg

Neurojs

Neurojs是基于强化学习的AI系统构建框架。 遗憾的是，这个开源项目没有合适的文档，但是其中一个关于自动驾驶汽车实验的demo ，对构成神经网络的不同组成有很好的描述。 这个库是纯 JavaScript 的，并且使用了像 webpack 和babel这样的现代工具。

neurojs.jpg

Machine_learning

这是另一个只用 JavaScript 来建立和训练神经网络的库。 它在 Node.js 和客户端都非常容易安装，并且有一个非常干净的 API，适合任何水平的开发人员使用。 该库提供了许多流行算法的示例 ，帮助您理解机器学习原理的核心。

machine_learning.png

DeepForge

Deepforge 是一个对用户友好的深度学习开发环境。 它允许您使用简单的图形界面设计神经网络，支持在远程机器上的训练模型，并具有内置的版本控制。 该项目运行在浏览器中，基于 Node.js和MongoDB，安装过程对于大多数 web 开发者来说非常熟悉。

deepforge.jpg

Bonus: Machine Learning in Javascript

布拉克 · 坎伯(Burak Kanber)的一系列精彩的博客文章，讲述了机器学习的一些基本原理。 这些教程写得很好，很清晰，并且专门针对 JavaScript 开发者。 如果你想更深入地了解机器学习，这是一个很好的资源。

ml-in-js.png

结论

虽然 JavaScript 的机器学习生态系统还没有完全成熟，但是我们推荐使用这个列表中的资源，让你在机器学习中迈出第一步，感受一下核心技术。 正如文章中的实验所显示的那样，只用浏览器和一些熟悉的 JavaScript 代码就可以创建大量有趣的东西。