- 授权协议: Apache 2.0
- 开发语言: TypeScript
- 操作系统: 跨平台
- 软件首页: http://propelml.org/
- 软件文档: https://github.com/propelml/propel
- 官方下载: https://github.com/propelml/propel
软件介绍
Propel 是一个使用 JavaScript 做可微分编程的机器学习框架,既能在 Node 中使用,又能在浏览器中使用。在这两种环境中,Propel 都能够使用 GPU 硬件进行加速计算。在浏览器中,它能通过 deeplearn.js 使用 WebGL ;在 Node 上,它能使用 TensorFlow 的 C API 。
Node 中使用:
npm install propel
import { grad } from "propel";浏览器中使用:
<script src="https://unpkg.com/propel@3.0.0"></script>
与 TensorFlow 不同的是,Propel 有一个命令式的 autograd 风格的 API 。运行过程中会随着追踪计算图 —— 一种通用的梯度函数提供反向传播的简洁接口。
import { grad, linspace, plot } from "propel";
f = x => x.tanh();
x = linspace(-4, 4, 200);
plot(x, f(x),
x, grad(f)(x),
x, grad(grad(f))(x),
x, grad(grad(grad(f)))(x),
x, grad(grad(grad(grad(f))))(x))智能Web算法
Haralambos Marmanis、Dmitry Babenko / 阿稳、陈钢 / 电子工业出版社 / 2011-11 / 65.00元
本书涵盖了五类重要的智能算法:搜索、推荐、聚类、分类和分类器组合,并结合具体的案例讨论了它们在Web应用中的角色及要注意的问题。除了第1章的概要性介绍以及第7章对所有技术的整合应用外,第2~6章以代码示例的形式分别对这五类算法进行了介绍。 本书面向的是广大普通读者,特别是对算法感兴趣的工程师与学生,所以对于读者的知识背景并没有过多的要求。本书中的例子和思想应用广泛,所以对于希望从业务角度更好......一起来看看 《智能Web算法》 这本书的介绍吧!
