JavaScript也能玩机器学习――5个开源 JavaScript 机器学习框架

3个月前，公司AI团队给我们分享了关于如何利用机器学习帮助我们分析图片、视频中的明星以及地标等。作为一名Web的前端开发者，我很好奇 机器学习 是如何工作的。我并没计划要系统学习关于 机器学习（ML） 、 神经网络 、 NLP自然语言处理 之类的知识，不过光看到这些概念就觉得很有意思，简直是打开了一个新的世界。

大多数玩机器学习的同事在工作中都是用 Python 这样的语言完成的，但既然身处在 JavaScript 这个生态中，为什么不试试一起使用  JavaScript 玩  机器学习 呢？而且使用 JavaScript 还允许运行在浏览器和服务器端、甚至是桌面程序上。通过做一些Search和研究发现，这里的确有一些简洁的库，可以将  JavaScript 、 机器学习 、 DNN 甚至  NLP 结合在一起，而且在浏览器端大多库会调用  WebGL  来做机器学习的计算。

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

TensorFlow.js是一个开源的基于硬件加速的 JavaScript 的库，支持在浏览器或者 NodeJs 中来运行 深度学习 ，并且能支持现有的  Tensorflow 模型 ，由Google出品。可以说是前端深度学习框架  Deeplearn.js 的继任者。它提供一系列简洁和通俗易懂的API，用于训练、部署模型。而且因为可以运行在浏览器，所以可以直接通过URL就能分享你的程序：

通过摄像头来控制的吃豆人游戏

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

Brain.js是同样可以运行在浏览器和 NodeJs 服务器端、能为不同的任务 提供不同类型的训练网络 。特点是让定义、训练以及执行神经网络变得特别简单。个人觉得这个库比较 适合入门 。比如以下短短几行代码已涵盖创建、训练和执行神经网络，一目了然：

Brain.js 的色彩识别器

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

Synaptic可以运行在浏览器和 NodeJs 服务器端的神经网络库，你能够用它 训练一层甚至是二层神经网络结构 。该库包括一些内置的体系结构，如 多层感知机（MLP） 、 长短时记忆网络 、 液体状态机 和能够训练真实网络的训练器。

Synaptic image-filter perceptron

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

Machine Learning tools是由 mljs 组织开发的一组库，可以为 JavaScript 提供 机器学习工具 ，包括 监督和非监督学习 、 人工神经网络 (ANN) 、 回归算法 ，用于统计、数学等的支持库，类似于 Python 中的  scikit-learn。

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

基本上是 NLP自然语言处理 库 - 前端 JavaScript 实现的首选，这个库加上自己的资料库压缩成min.js后文件大小可达到300k以下，这样运行在浏览器和 NodeJs 服务器端都问题不大，具体可以做的东西是 训练自定义语义库 ：划分出分词，获取句子的各个词性，可以把句子变积极消极、分词等，比如以下例子：

JavaScript 虽然不是机器学习的最佳编程语言，不过随着  Web生态 和  人工智能 技术近年来的不断发展完善，越来越多这样的机器学习 工具 库被研发和发布。对于一名Web的前端开发者而言，用 JavaScript 作为入门机器学习的桥梁是个不错的选择，它同样能帮助你开启机器学习之旅。

参考资料：

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