三种Js深度学习框架介绍
谈到机器学习,我们脑海首先蹦出的编程语言是什么?一定是python。其实除了python,JavaScript也是不错的选择。都说现在是大前端时代,从移动开发、服务器端,甚至桌面软件开发(比如大名鼎鼎的VS Code),都有JavaScript的身影。
用Javascript写机器学习应用,当然不会从头开始手写机器学习算法和模型,通常会借助现有框架。我之前接触的都是TensorFlow.js,其实除了TFjs,还有其它的深度学习框架。下面就介绍三种常用的Javascript深度学习框架。
TensorFlow.js
Tensorflow.js是业界的大哥大,Google出品,值得信赖。其实TensorFlow.js发布得很晚,到2017年中期才公开发布第一个beta版本,其前身是Deeplearn.js。不过TensorFlow.js是第一个在浏览器中提供硬件加速的开源深度学习框架,它利用了WebGL进行加速。
在浏览器中的机器学习,用户可以直接在浏览器中提供数据,进行实时训练学习,而不用额外安装软件。TensorFlow.js也无需用单独的深度学习框架构建离线的模型,随着浏览器对硬件能力的支持度越来越高(比如摄像头、麦克风等),我们可以在浏览器中运行越来越丰富的机器学习应用。
WebDNN
WebDNN是由东京大学的机器智能实验室开发的,虽然它没有TensorFlow.js那么流行,但是它支持更多种类的深度学习框架:
-
TensorFlow
-
Keras
-
PyTorch
-
Chainer
-
Caffe
如果你已经有了这些深度学习框架的模型,你可以用WebDNN很容易地导入这些模型。WebDNN有一个优化器管道,它看似一个编译器,将一个训练模型转换为一个WebDNN的中间表示的格式。在WebDNN优化中间表达之后,优化过的模型生成一个核操作图
WebDNN也能通过WebGL进行硬件加速,如果你的浏览器支持WebAssembly和WebGPU,还可以通过这些API加速。
TensorFlow.js和WebDNN的主要不同在于WebDNN只支持任务的推断阶段,而不能用在训练阶段。因此除了WebDNN,你还要熟悉前面介绍的几种深度学习框架之一。我们可以将WebDNN看做一个优化器,它能让预训练的模型在浏览器上运行得更快。
你可以使用pip安装WebDNN:
$ pip install webdnn
资源搜索网站大全 https://www.renrenfan.com.cn 广州VI设计公司https://www.houdianzi.com
Keras.js
Keras.js只支持Keras生成的模型,但因为Keras本身支持多种深度学习框架后端,所以Keras.js间接支持Keras支持的深度学习框架后端,比如Tensorflow、CNTK、MXNet等。
像TensorFlow.js一样,Keras.js实现各种核函数。Keras.js同样不支持模型训练,所以你需要为Keras.js准备预训练模型来创建应用。
Keras.js可以运行在独立于主线程外的WebWorker,这可以避免阻塞渲染UI,对于提升良好的用户体验至关重要。
Keras.js提供很多使用的例子,你可以访问:https://github.com/transcranial/keras-js.git 了解更多。
小结
三种Javascript深度模型框架之中,TensorFlow.js无疑是最流行的框架,无论是从功能、社区支持还是活跃度上,都碾压其它两个。但其它两个也各有特点,支持的后端框架更多,支持更多的模型类型,更容易和已有的资源整合。重要的是哪种工具适合哪类问题,深度学习框架还很年轻、不成熟,希望在看完这篇文章之后,可以帮助你更好的选择深度学习框架。