[探索] 機械学習モデルのトレーニングをサポートする 8 つの JavaScript フレームワーク

[探索] 機械学習モデルのトレーニングをサポートする 8 つの JavaScript フレームワーク

[[221813]]

[51CTO.com クイック翻訳] JavaScript 開発者は、さまざまな機械学習アルゴリズムに基づいており、機械学習モデルのトレーニングに使用できる JavaScript フレームワークを探す傾向があります。以下に挙げるさまざまな機械学習アルゴリズムはすべて、この記事で紹介するモデルトレーニングに使用できる 8 つの JavaScript フレームワークに適用できます。

  • 単純線形回帰
  • 多変量線形回帰
  • ロジスティック回帰
  • ナイーブベイジアン
  • K近傍法(KNN)
  • K平均法アルゴリズム
  • サポートベクターマシン (SVM)
  • ランダムフォレスト
  • 決定木
  • フィードフォワードニューラルネットワーク
  • ディープラーニングネットワーク

この記事では、機械学習用のさまざまな JavaScript フレームワークの概要を説明します。彼らです:

1. ディープラーニング

Deeplearn.js は、Google が開発したオープンソースの機械学習 JavaScript ライブラリです。ブラウザでのニューラル ネットワークのトレーニング、機械学習 (ML) モデルの理解、教育目的など、さまざまな目的に使用できます。推論モードでは、さまざまな事前トレーニング済みモデルを実行できます。開発者は Typescript (ES6 JavaScript) または ES5 JavaScript でコードを記述できます。すぐに始めるには、HTML ファイルの head タグに次のコードを含め、モデルを構築する JS プログラムを記述します。

  1. <script src= "https://cdn.jsdelivr.net/npm/deeplearn@latest" ></script>  
  2. <! -- または -->    
  3. <script src= "https://unpkg.com/deeplearn@latest" ></script>

2. プロペルJS

Propel は、科学計算用の GPU 対応の NumPy のようなインフラストラクチャを提供する JavaScript ライブラリです。さまざまな NodeJS アプリケーションやブラウザで使用できます。

ブラウザを設定するためのコードは次のとおりです。

  1. <スクリプト src= "https://unpkg.com/[email protected]" ></スクリプト>

以下は NodeJS アプリケーションで使用されるコードです。

  1. npm インストール プロペル 
  2. {grad}インポートする  「推進する」 ;

PropelJS のドキュメント リンクは http://propelml.org/docs/ です。 GitHub ページは https://github.com/propelml/propel です。

3.ML-JS

ML-JS は、NodeJS およびさまざまなブラウザ環境で動作する機械学習用の複数のツールを提供します。 ML JS ツールは次のコードで設定できます。

  1. <script src= "https://www.lactame.com/lib/ml/2.2.0/ml.min.js" ></script>

以下の機械学習アルゴリズムをサポートしています。

  • 教師なし学習
    • 主成分分析(PCA)
    • K平均法クラスタリング
  • 教師あり学習
    • 単純線形回帰
    • 多変量線形回帰
    • サポートベクターマシン (SVM)
    • ナイーブベイズ
    • K近傍法(KNN)
    • 部分最小二乗法(PLS)
    • 決定木: CART
    • ランダムフォレスト
    • ロジスティック回帰
  • 人工ニューラルネットワーク
    • フィードフォワードニューラルネットワーク

4.ConvNetJS

ConvNetJS は、さまざまなディープラーニング モデル (ニューラル ネットワーク) をブラウザー内で完全にトレーニングするために使用できる JavaScript ライブラリです。このライブラリは、さまざまな NodeJS アプリケーションでも使用できます。

ダウンロード リンク (http://cs.stanford.edu/people/karpathy/convnetjs/build/convnet-min.js) から ConvNetJS の縮小ライブラリを取得することで、ConvNetJS の縮小バージョンを入手できます。 GitHub ページは https://github.com/karpathy/convnetjs/releases です。対応する読み込みコードは次のとおりです。

  1. <script src= "convnet-min.js" ></script>

さらに、いくつかの重要な参考ページのアドレスを示します。

  • ConvNetJS の NPM パッケージ: https://www.npmjs.com/package/convnetjs
  • 入門ドキュメント: https://cs.stanford.edu/people/karpathy/convnetjs/started.html
  • 参照ドキュメント: https://cs.stanford.edu/people/karpathy/convnetjs/docs.html

5. ケラスJS

KerasJS と GPU 対応の WebGL を使用すると、ブラウザで Keras モデルを実行できます。 CPU モードに加えて、モデルは Node.js でも実行できます。 Keras の GitHub ページは https://github.com/transcranial/keras-js です。ブラウザで実行できるすべての Keras モデルのリストは次のとおりです。

  • MNISTの基本変換
  • MNIST でトレーニングされた畳み込み変分オートエンコーダ
  • MNIST に基づく補助分類器生成敵対ネットワーク (AC-GAN)
  • ImageNetでトレーニングされた50層の残差ネットワーク
  • ImageNetでトレーニングされたInception v3モデル
  • ImageNetでトレーニングされたDenseNet-121(非常に深いネットワーク)モデル
  • ImageNet でトレーニングされた SqueezeNet v1.1 モデル
  • IMDB感情分類に基づく双方向長短期記憶ネットワーク(LSTM)

6.STDライブラリ

STDLib は、高度な統計モデルやさまざまな機械学習ライブラリを構築するために使用できる JavaScript ライブラリです。また、データの視覚化や探索的データ分析のためのプロット機能やグラフ機能にも使用できます。

以下は、機械学習 (ML) に関連するさまざまな関連ライブラリのリストです。

  • 確率的勾配降下法による線形回帰 (@stdlib/ml/online-sgd-regression)
  • 確率的勾配降下法によるバイナリ分類 (@stdlib/ml/online-binary-classification)
  • 自然言語処理 (@stdlib/nlp)

7.Limdu.js

Limdu.js は、Node.js 用の機械学習フレームワークです。以下をサポートします:

  • バイナリ分類
  • マルチラベル分類
  • 特徴エンジニアリング
  • サポートベクターマシン (SVM)

開発者は次のコマンドを使用して limdu.js をインストールできます。

  1. npm インストール limdu

8. ブレイン

Brain.js は、ニューラル ネットワークと Na​​ive Bayes 分類器をトレーニングするための JavaScript ライブラリです。次のコマンドを使用して Brain.js を設定できます。

  1. npm インストール brain.js

開発者は、次のコードを使用してブラウザにライブラリを含めることもできます。

  1. <script src= "https://raw.githubusercontent.com/harthur-org/brain.js/master/browser.js" ></script>

次のコマンドを使用して、Naive Bayes 分類器をインストールできます。

  1. npm インストール分類子

要約する

この記事では、ブラウザーと Node.js アプリケーションで機械学習モデルをトレーニングするために使用できるさまざまな JavaScript ライブラリについて学習しました。機械学習についてさらに詳しく知りたい場合は、機械学習のドキュメント セット (https://vitalflux.com/category/machine-learning/) を確認することをお勧めします。

この記事が役に立った場合、またはこの記事で言及されている機械学習 JavaScript フレームワークについて質問や提案がある場合は、ぜひコメントを残したり、ここで質問したりしてください。

原題: 8 つの機械学習 JavaScript フレームワーク、著者: Ajitesh Kumar

[51CTOによる翻訳。パートナーサイトに転載する場合は、元の翻訳者と出典を51CTO.comとして明記してください]

<<:  マイクロソフト、Windows 10を開発者向けAIプラットフォームに

>>:  メジャーアップデート!マイクロソフトが人工知能プラットフォーム「Windows ML」を発表

推薦する

初の科学ニュース執筆ロボット「小科」が発売

[[272541]] 8月1日、初の科学ニュース執筆ロボット「小科」が正式に就任し、その最初の一連の...

ワールドモデルや DriveGPT などの大規模モデルは自動運転に何をもたらすのでしょうか?

この記事は、Heart of Autonomous Driving の公開アカウントから許可を得て転...

...

アリババ、AI研究所、清華大学が共同でAIに認知能力を与える新しいAIモデルを発表

1月12日、アリババ、AI研究所、清華大学などの共同研究チームが、新たな超大規模認知事前トレーニング...

...

私の国の自動運転開発は、年初に巨額の資金提供を受けて大いに支持されている

自動運転は、さまざまな交通問題を解決し、スマートシティの発展を実現するための共通の選択肢として、近年...

DrivingGaussian: リアルなサラウンドビューデータ、運転シーンの再構成SOTA

この記事は、Heart of Autonomous Driving の公開アカウントから許可を得て転...

ディープラーニングモデルを使用して Java でテキスト感情分析を実行する

肯定的ですか? 否定的ですか? 中立的ですか? Stanford CoreNLP コンポーネントと数...

ディープラーニングに基づく教師あり音声分離

概要: 音声分離は、対象の音声を背景の干渉から分離するタスクです。従来、音声分離は信号処理の問題とし...

人工知能とクラウドコンピューティングはアプリケーションエコシステムの形成を加速させている

[[430244]]現在、人工知能は生産性の向上を可能にし、さまざまな産業のインテリジェント化と新旧...

ディープラーニングフィードフォワードニューラルネットワークの簡単な紹介

索引多層パーセプトロン (MLP) 入門ディープニューラルネットワークの活性化関数ディープニューラル...

AIがワンクリックでタトゥーを除去し、数秒でスターの「素顔」を見ることができる

時には、他人のタトゥーを真似されないように隠す必要があることもあります。時々、人々は単に好奇心から、...

遺伝的アルゴリズムの動作原理を 1 つの記事で理解する (Python 実装付き)

最近、「遺伝的アルゴリズムの紹介とデータ サイエンスにおけるその応用」というタイトルの記事が Ana...

建物内の生体認証システム

新しい建物では、利用可能なリソースの最適化を最大限にしながら、セキュリティと有用かつ重要なデータを豊...