简单的web项⽬实例_10个基于JavaScript的机器学习实例
随着⼈⼯智能技术的发展，机器学习越来越受到开发者们的关注，从⽽也导致了机器学习库如⾬后春笋般的涌现出来，⽽且没有任何放缓的趋势。
虽然，传统意义上 Python 已经成为了最受欢迎的机器学习语⾔。但⽬前神经⽹络可在任何编程语⾔中运⾏，当然也包括 JavaScript！
近来，Web ⽣态系统取得了重⼤的进展。尽管 JavaScript 和 Node.js 的性能要⽐ Python 和 Java 的性能差，但它们已经能够应对机器学习中的许多问题。
同时，Web 编程语⾔也具有很强的易⽤性，即你只要搞定了 Web 浏览器，那么运⾏ JavaScript ML 项⽬就不是个事⼉。
虽然，⼤多数 JavaScript 机器学习库都是“新轮⼦”，有的甚⾄还在研发中，但并不会影响你的使⽤。
今天在这篇⽂章中，我们将与你分享这些库，以及⼀些很酷的 AI Web 应⽤程序实例，帮助你开启机器学习之旅。
1、Brain
Brain 是⼀个可以让你轻松创建神经⽹络的库，并可通过输⼊/输出数据进⾏训练。尽管，它可以直接在浏览器⽹页上运⾏，但是训练的过程会占⽤⼤量的资源，因此最好在 Node.js 环境中启动它。另外，在他们⽹站上还有⼀个⽤于训练识别⾊彩对⽐度的⼩例⼦，你也可以了解下。
2、Deep playground
这是由 TensorFlow 出品的可视化的神经⽹络交互式学习程序。它可以带你了解神经⽹络，并探索其不同的组件。
它不仅有⼀个漂亮的⽤户界⾯，⽽且通过控制数据、神经元数量、使⽤算法的类别以及各项其他的指标，让你能够直观、实时的了解其运⾏的状态。
另外，由于它是开源的(它⽤ TypeScript 编写，并具备优质的⽂档可查阅)，所以通过了解其项⽬背景，你还能够学到更多有价值的知识。
3、FlappyLearning
FlappyLearning 是⼀个仅⽤ 800 ⾏代码创建的 JavaScript 机器学习库，它让你可以像⾏家⼀样玩转 Flappy Bird 游戏。
在这个库中所使⽤的 AI 技术被称为“ Neuroevolution”，⽽它所应⽤算法的灵感则源于⾃然界⽣物神经系统的进化，并且它可以从每次成功或失败的迭代中进⾏动态的学习。
另外，你只需要在浏览器中打开 index.html 就可以运⾏它了，炒鸡简单。
4、Synaptic
这个项⽬可能是本⽂所有项⽬中最活跃的项⽬了。Synaptic 是⼀个 Node.js 和浏览器可⽤的库。
虽然它的架构未知，但开发⼈员可以通过它来构建任何类型的神经⽹络。它也具备⼀些内置架构，使它能够快速的测试，并能针对不同的机器学习算法进⾏⽐较。
同时，它的使⽤⽂档丰富且全⾯，包含了神经⽹络的基本介绍、⼀些实⽤的演⽰，以及相应的使⽤教程。
5、Land Lines
Land Lines 是⼀个有趣的 Chrome Web 实验。⽤户通过在页⾯上涂鸦，来发现地球上的卫星图像。它可以完全在浏览器中运⾏，⽆需服务器端的调⽤。同时，由于机器学习和 WebGL 的巧妙使⽤，即使在移动设备上它也有出⾊的表现。如果你对它⽐较感兴趣，也可以在GitHub 上查看其源码，或者在这⾥阅读整个案例研究。
6、ConvNetJS
虽然，此项⽬不再积极维护，但 ConvNetJS 却是基于 JavaScript 最先进的深度学习库之⼀。最初它是由斯坦福⼤学开发的项⽬，随着在GitHub 上的流⾏，许多社区开始驱动了其新的特性，并撰写了相关的教程。它可以直接在浏览器中⼯作，⽀持多种学习技术，⽽且操作简单，适合神经⽹络进阶者学习。
7、Thing Translator
Thing Translator 是⼀个 Web 实验，让你可以通过⼿机来识别实物，并可⽤不同的语⾔为它们命名。
这款应⽤程序完全基于 Web 技术构建，并整合了 Google 的两种机器学习 API，即⽤于图像识别的 Cloud Vision 和⽤于⾃然语⾔翻译的Translate API 。
8、Neurojs
学javascript前要学什么
这是⼀个基于强化学习的⼈⼯智能系统框架。遗憾的是，这个开源项⽬并没有合适的⽂档。但其中⼀个⾃动驾驶汽车的演⽰，却对组成神经⽹络的不同部分有很好的描述。这个库仅通过 JavaScript 实现，并应⽤了 webpack 和 babel 。
9、Machine_learning
Machine_learning 是⼀个仅通过 JavaScript 便可设置和训练神经⽹络的库。⽆论是在 Node.js，还是客户端上，它都易于安装，并且具备⾮常⼲净的 API，适合任何技术级别的开发者进⾏学习。
同时，该库还提供了许多现成的流⾏算法⽰例，帮助你了解核⼼的机器学习原理。
10、DeepForge
DeepForge 是⼀个对于⽤户友好的深度学习开发环境。有了它，你可以使⽤简单的图形界⾯对神经⽹络进⾏设计，同时它还⽀持远程机器的训练模型，并且内置了版本控制。它基于 Node.js 和 MongoDB，可在浏览器中运⾏。
对于⼤多数 Web 开发者来说，它的安装过程也会相当的简单。
结论
虽然，基于 JavaScript 的机器学习⽣态体系还在不断的发展，但本⽂推荐的这些资源，能够帮助你开启机器学习的体验之旅，并对其核⼼技术有所了解。
正如⽂章中的实例所⽰，你只需通过浏览器和⼀些熟知的 JavaScript 代码就能体会到机器学习的极⼤乐趣。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。