在過去的幾年里，機器學習的開發(fā)庫增長很快，可用性也變得越來越可靠，而且沒有減慢的趨勢。一直以來Python作為機器學習的主力語言，現(xiàn)在神經(jīng)網(wǎng)絡可以應用任何語言了，包括JavaScript!

web生態(tài)系統(tǒng)雖然最近一直在取得進步，但是在機器學習領域JavaScropt和Node.js相對Python和Java來說還是稍弱，但是現(xiàn)在它們已經(jīng)有足夠的能力來處理機器學習方法的問題了。Web語言也有一個優(yōu)勢，就是你所有的JavaScript機器學習工程只需要瀏覽器支持。

現(xiàn)在大部分JavaScript機器學習的庫都比較新而且有的還一直在開發(fā)中，但是已經(jīng)實現(xiàn)并且可以嘗試使用了。這篇文章我們將一起來了解這些庫，一些比較酷的AI的web應用你也可以上手試試。

1. Brain

Brain是一個容易創(chuàng)建神經(jīng)網(wǎng)絡的庫，你可以基于它的輸入/輸出數(shù)據(jù)來訓練。因為訓練需要大量的數(shù)據(jù)資源，雖然有CDN的鏈接可以通過網(wǎng)絡直接加載到網(wǎng)頁上。但還是推薦使用Node.js的環(huán)境來運行這個庫。這里是一個 例子 ，在它們的網(wǎng)站上，被訓練來識別顏色的對比。

2. Deep playground

帶有教育性質的web應用讓你參與神經(jīng)網(wǎng)絡的世界，并探索它們不同的組件。它有一個不錯的UI, 讓你來控制數(shù)據(jù)的輸入，神經(jīng)元的數(shù)量，用什么樣的算法，還有其它大量的可調參數(shù)來影響最終的結果。還有大量的可以從應用中的場景中學習的東西 — 代碼是開源的，而且用了一個可定義的 機器學習庫 , 這個庫是基于TypeScript并且有豐富的文檔可查閱。

3. FlappyLearning

FlappyLearning是一個JavaScript項目，大概僅僅800行未合并壓縮的代碼，創(chuàng)建了一個機器學習的庫來實現(xiàn)了一個很好玩的例子來玩 Flappy Bird 。這個庫里用的人工智能技術叫 Neuroevolution 應用了比較自然的一些神經(jīng)系統(tǒng)算法，根據(jù)每次迭代的成功和失敗來動態(tài)的學習。這個例子非常容易運行— 用瀏覽器打開index.html文件就可以了。

4. Synaptic

可能是這個列表里最活躍的項目了， Synaptic是一個Node.js和瀏覽器可用的庫，它是一個不可知結構，允許開發(fā)者構建任何類型的神經(jīng)網(wǎng)絡。它有一些構建好的結構，來讓它可以更快速的測試和對比不同的機器學習算法。同樣有比較完善的介紹和文檔，一些練習的例子，還有很多非常棒的指導來理解機器學習是怎么工作的。

5. Land Lines

Land Lines是一個非常有趣的Chrome Web嘗試，來找到地球的衛(wèi)星圖片。類似讓用戶來涂鴉。這個應用沒有任何的服務端請求：它整個都運行在瀏覽器，要多虧機器學習的聰明使用，和WebGL的非常棒的性能表現(xiàn)，甚至在移動設備上。你可以在這里找到源碼 GitHub 或閱讀整個 案例 。

6. ConvNetJS

雖然不再積極的被維護了，ConvNetJS是最深入的JavaScript學習庫。最初在斯坦福大學里被開發(fā)，ConvNetJS在GitHub上變得非常流行，許多社區(qū)開始驅動新的特性和指導手冊。它直接在瀏覽器運行，支持多個學習技術，并且它非常的初級，更適合人們更多的體驗神經(jīng)網(wǎng)絡。

7. Thing Translator

Thing Translator是一個網(wǎng)頁實驗，讓你的手機用不同的語言來識別現(xiàn)實對象。這個應用完全應用web技術并且整合了Google的兩個機器學習的API - Cloud Vision 來做圖片識別， Translate API 來做 神經(jīng)語言翻譯。

8. Neurojs

構建AI系統(tǒng)基于強化學習的框架。可惜的是，這個開源項目并沒有合適的文檔。但是其中的例子，一個汽車自動駕駛的實驗，有對構造神經(jīng)網(wǎng)絡的不同部分的詳細描述。這個庫是純JavaScript語言并且應用了webpack和babel。

9. Machine Learning

另外的一個可以只用JavaScript來構建并訓練神經(jīng)網(wǎng)絡的庫。非常容易的安裝，需要Nodejs和客戶端，對于開發(fā)人員非常容易上手的API調用。這個庫提供了大量的 示例 來實現(xiàn)了當下流行的算法，幫助來理解核心的機器學習的原則。

10. DeepForge

DeepForge是一個用戶友好的開發(fā)環(huán)境來使用深度學習。允許自己用一些圖形接口來設計神經(jīng)網(wǎng)絡，支持遠程機器的訓練模型，并有版本控制。項目運行在瀏覽器，并基于Node.js和MongoDB,安裝過程對于web開發(fā)人員非常熟悉。

非常優(yōu)秀的博客文章，由Burank Kanber撰寫，主要是關于機器學習的基礎原理。非常適合JavaScript開發(fā)人員的閱讀和學習。如果你想深入了解機器學習，這是一個非常棒的資源，推薦給大家。

總結 雖然基于JavaScript的機器學習生態(tài)并沒有充分的開發(fā)出來，我們推薦這些是你開始了解機器學習和核心技術的的非常好的資源。文中列出的試驗性的項目，你可以僅使用瀏覽器或者一些JavaScript代碼，就能探索出非常多好玩的東西。

來自：http://www.iteye.com/news/32380