- 授权协议: Apache
- 开发语言: TypeScript
- 操作系统: 跨平台
- 软件首页: https://pair-code.github.io/deeplearnjs/
- 软件文档: https://pair-code.github.io/deeplearnjs/docs/tutorials/
- 官方下载: https://github.com/PAIR-code/deeplearnjs
软件介绍
DeepLearn.js 是 Google 推出的一个可用于机器智能并加速 WebGL 的开源 JavaScript 库,完全在浏览器中运行,不需要安装,不需要后端处理。。
DeepLearn.js 提供高效的机器学习构建模块,使我们能够在浏览器中训练神经网络或在推断模式中运行预训练模型。它提供构建可微数据流图的 API,以及一系列可直接使用的数学函数。
将机器学习带入浏览器有很多好处。一个客户端ML库可以作为交互解释(interactive explanation)的平台,可以快速原型开发(prototyping)和可视化,甚至可以离线计算。撇开其他不谈,浏览器可以说是世界上最受欢迎的编程平台之一。
虽然浏览器上的机器学习库已经存在多年(例如 Andrej Karpathy 的 convnetjs),但是它们受到 JavaScript 速度的限制,或者局限于推理而不能用于训练(例如 TensorFire)。相比之下,deeplearn.js 通过利用 WebGL 在GPU上执行计算,以及进行完全反向传播(full backpropagation)的能力,实现了显着的加速。
这个 API 模拟 TensorFlow 和 NumPy 的结构,具有用于训练的延迟执行模型(像 TensorFlow)和用于推理的即时执行模型(像NumPy)。我们还实现了一些最常用的 TensorFlow 操作版本。伴随着 deeplearn.js 的发布,接下来我们将提供从 TensorFlow checkpoint 导出权重的工具,这将允许作者将它们导入到 deeplearn.js 推理的网页。
你可以通过训练卷积神经网络来识别照片和手写数字来探索这个库的潜力——所有这些都完全不需要编写代码。
介绍内容摘自搜狐IT
C++ API设计
[美] Martin Reddy / 刘晓娜、臧秀涛、林健 / 人民邮电出版社 / 2013-8 / 89.00
现代软件开发中的一大难题就是如何编写优质的API。API负责为某个组件提供逻辑接口并隐藏该模块的内部细节。多数程序员依靠的是经验和冒险,从而很难达到健壮、高效、稳定、可扩展性强的要求。Martin Reddy博士在自己多年经验基础之上,对于不同API风格与模式,总结出了API设计的种种最佳策略,着重针对大规模长期开发项目,辅以翔实的代码范例,从而有助于设计决策的成功实施,以及软件项目的健壮性及稳定......一起来看看 《C++ API设计》 这本书的介绍吧!
