作者 | 極鏈科技Video++技術中心前端Team

整理 | 包包

3個月前，公司AI團隊給我們分享了關于如何利用機器學習幫助我們分析圖片、視頻中的明星以及地標等。作為一名Web的前端開發者，我很好奇機器學習是如何工作的。我并沒計劃要系統學習關于機器學習（ML）、神經網絡、NLP自然語言處理之類的知識，不過光看到這些概念就覺得很有意思，簡直是打開了一個新的世界。

大多數玩機器學習的同事在工作中都是用 Python 這樣的語言完成的，但既然身處在 JavaScript 這個生態中，為什么不試試一起使用JavaScript玩機器學習呢？而且使用 JavaScript 還允許運行在瀏覽器和服務器端、甚至是桌面程序上。通過做一些Search和研究發現，這里的確有一些簡潔的庫，可以將JavaScript、機器學習、DNN甚至NLP結合在一起，而且在瀏覽器端大多庫會調用WebGL來做機器學習的計算。

1.TensorFlow.js (https://js.tensorflow.org/)

TensorFlow.js是一個開源的基于硬件加速的 JavaScript 的庫，支持在瀏覽器或者 NodeJs 中來運行深度學習，并且能支持現有的Tensorflow 模型，由Google出品。可以說是前端深度學習框架Deeplearn.js的繼任者。它提供一系列簡潔和通俗易懂的API，用于訓練、部署模型。而且因為可以運行在瀏覽器，所以可以直接通過URL就能分享你的程序：

通過攝像頭來控制的吃豆人游戲

2. Brain.js (https://brain.js.org/)

Brain.js是同樣可以運行在瀏覽器和 NodeJs 服務器端、能為不同的任務提供不同類型的訓練網絡。特點是讓定義、訓練以及執行神經網絡變得特別簡單。個人覺得這個庫比較適合入門。比如以下短短幾行代碼已涵蓋創建、訓練和執行神經網絡，一目了然：

Brain.js 的色彩識別器

3. Synaptic.js (http://caza.la/synaptic)

Synaptic可以運行在瀏覽器和 NodeJs 服務器端的神經網絡庫，你能夠用它訓練一層甚至是二層神經網絡結構。該庫包括一些內置的體系結構，如多層感知機（MLP）、長短時記憶網絡、液體狀態機和能夠訓練真實網絡的訓練器。

Synaptic image-filter perceptron

4. Machine learning tools (https://github.com/mljs/ml)

Machine Learning tools是由 mljs 組織開發的一組庫，可以為 JavaScript 提供機器學習工具，包括監督和非監督學習、人工神經網絡 (ANN)、回歸算法，用于統計、數學等的支持庫，類似于 Python 中的scikit-learn。

5. compromise (http://compromise.cool/)

基本上是NLP自然語言處理庫 - 前端 JavaScript 實現的首選，這個庫加上自己的資料庫壓縮成min.js后文件大小可達到300k以下，這樣運行在瀏覽器和 NodeJs 服務器端都問題不大，具體可以做的東西是訓練自定義語義庫：劃分出分詞，獲取句子的各個詞性，可以把句子變積極消極、分詞等，比如以下例子：

JavaScript 雖然不是機器學習的最佳編程語言，不過隨著Web生態和人工智能技術近年來的不斷發展完善，越來越多這樣的機器學習工具庫被研發和發布。對于一名Web的前端開發者而言，用 JavaScript 作為入門機器學習的橋梁是個不錯的選擇，它同樣能幫助你開啟機器學習之旅。

參考資料：

《A Web Developer’s Guide to Machine Learning in JavaScript》