Googles Deeplearn.js ger maskininlärning till webbläsaren

Google erbjuder ett öppen källkod, hårdvarubaserat bibliotek för maskininlärning som körs i en webbläsare. Biblioteket stöds för närvarande endast i desktopversionen av Google Chrome, men projektet arbetar för att stödja fler enheter. 

Biblioteket Deeplearn.js möjliggör träning av neurala nätverk i en webbläsare, vilket inte kräver någon programinstallation eller backend. ”Ett ML-bibliotek på klientsidan kan vara en plattform för interaktiva förklaringar, för snabb prototypering och visualisering och till och med för offlineberäkning”, säger Google-forskare. "Och om inget annat är webbläsaren en av världens mest populära programmeringsplattformar."

Med hjälp av WebGL JavaScript API för 2D- och 3D-grafik kan Deeplearn.js göra beräkningar på GPU: n. Detta ger betydande prestanda och därmed kommer förbi hastighetsgränserna för JavaScript, säger forskarna.

Deeplearn.js imiterar strukturen i företagets TensorFlow machine intelligence-bibliotek och NumPy, ett vetenskapligt datapaket baserat på Python. ”Vi har också implementerat versioner av några av de mest använda TensorFlow-verksamheterna. Med lanseringen av Deeplearn.js kommer vi att tillhandahålla verktyg för att exportera vikter från TensorFlow-kontrollpunkter, vilket gör det möjligt för författare att importera dem till webbsidor för Deeplearn.js-inferens. ”

Även om Microsofts TypeScript är det språk du väljer kan Deeplearn.js användas med vanlig JavaScript. Demos av Deeplearn.js visas på projektets hemsida. Deeplearn.js ansluter sig till andra projekt som tar maskininlärning till JavaScript och webbläsaren, inklusive TensorFire, som möjliggör körning av neurala nätverk på en webbsida, och ML.js, som tillhandahåller maskininlärnings- och numeriska analysverktyg i JavaScript för Node.js.