β

万物皆可JS——Google发布deeplearn.js

集智专栏 74 阅读

点击前往集智专栏阅读原文

原文标题:Google Releases Deeplearn.js to Further Democratize Machine Learning

原文作者:John Russel

原文链接: https://www.hpcwire.com/2017/08/17/google-releases-deeplearn-js-democratize-machine-learning/


Google在六月初公布了一个新的社区项目,名为PAIR(People+AI Research),项目的目标之一就是向更多的人群介绍先进的机器学习工具。在上周(8月11日,星期五——译者注),这家云服务巨头对外公布了该项目的一个组成部分——deeplearn.js。Deeplearn.js是一个由WebGL技术驱动的开源JavaScript库件,它可以让开发者在浏览器中就能完整地实现机器学习环境。

Google展示Deeplearn.js的使用范例 Google展示Deeplearn.js的使用范例

在Google的 研究博文 中,软件工程师Nikhil Thorat和Daniel Smilkov提到:「我们将机器学习环境带到网络浏览器的理由有很多。一个原因是在浏览器端运行的ML工具可以很好地利用浏览器来完成某些工作,比如在进行交互性的信息阐述、快速原型展示或是数据可视化这类情境中,甚至是在离线环境中。退一步说,浏览器毕竟也是这个世界上最受欢迎的开发平台之一。」

大家可以想象一下,只要我们的浏览器可以和超高性能的后端架构——比如说Google的Tensor Cloud——相结合,则人工智能的强大实力就能够在浏览器中得到充分展示,那会是一件多么美妙的事情。

Thorat和Smilkov写到「虽然前端的机器学习库出现已经有几个年头了(比如说 Andrej Karpathy的convnetjs ),但它们都受限于JavaScript的运行速度,或是以推理为主导而不是靠训练(比如说 TensorFire )。相对的,我们的 deeplearn.js 则依靠支持GPU加速的WebGL技术来提供高效能的计算资源,同时具备完整的反向传播实现能力。」

根据博文所讲,deeplearn.js提供的API基本实现了类似于 TensorFlow Numpy 的架构,也就是说,这个库能够用来执行用于训练的延迟计算模型(类似于TensorFlow),也能执行用于推断的即时计算模型(类似于Numpy)。

「我们已经成功实现了很多最常用的TensorFlow过程。随着deeplearn.js的发布,我们也会逐渐提供一些可以从TensorFlow之中导出权重数据的工具,这些工具可以用来让网站作者们将数据导入网页中并使用deeplearn.js来进行计算」Thorat和Smilkov提到

「我们的想法是这样一个库能够显著地提升机器学习技术的表现力和易用性,同时给予开发者足够强大的工具来使得他们能构建一种方式来与用户产生很好的互动过程。我们将与开源社区保持紧密合作以使我们的目标得以实现。」

PAIR社区 项目的带领下,我们很好奇会有怎样更为有趣的工具能够出现。

阅读更多: https://research.googleblog.com/2017/08/harness-power-of-machine-learning-in.html#gpluscomments

作者:集智专栏
集智是一家关注新时代信息科技的网站,致力于建成在线教育到求职招聘的一体化平台。 我们将以多样的互动形式,向您展现数据科学与人工智能技术的无穷魅力。
原文地址:万物皆可JS——Google发布deeplearn.js, 感谢原作者分享。

发表评论