原副标题:天然资源 | 从Brain.js到Mind，该文收录于11个终端端Javascript电脑学习库
电脑之心校对
参予：程耀彤、黄小天
责任编辑译者在构筑 Bit 的操作过程中积极探索和试著了把 Javascript 和电脑学习紧密结合出来采用的几率，并继而辨认出了许多简约典雅的库，能把 Javascript、电脑学习、DNN 即使 NLP 资源整合出来。
「之类，甚么？？这是两个可悲的设想！」
当我第二次和他们的 NLP 主要就科学研究相关人员说起那个基本概念时，她的这段话是这种的。可能将她是对的，但它也是两个十分有意思的基本概念，前段时间在 Jav
在往后的两年中，他们的项目组已经开始构筑 Bit（https://bitsrc.io/），它使用模块构筑应用软件显得更为单纯。做为组织机构工作的一小部分，他们合作开发了 ML 和 NLP 演算法，来更快地认知标识符是怎样撰写、组织机构和采用的。
尽管绝大多数组织机构工作都是用 Python 这种的词汇顺利完成的，但 Bit 坐落于 Javascript 生态系中，它的前、后端街道社区都是这般。
那个有意思的交集让他们积极探索和试著了一同采用 Javascript 和电脑学习的怪异几率。透过他们的科学研究辨认出，这儿有许多简约的库，能将 Javascript、电脑学习、DNN 即使 NLP 紧密结合在一同。
1. Brain.js
Brain.js 是两个用于神经网络的 Javascript 库，用于代替 (现在已经弃用的）「brain」库，它能和 Node.js 一同采用，或在 browser（注意计算）中采用，并为不同任务提供不同类型的网络。以下是训练网络来识别色彩对比的例子。
链接：https://github.com/BrainJS/brain.js
训练 Brain.js 识别色彩对比
2. Synaptic
Synaptic 是两个用于 node.js 和浏览器的 Javascript 神经网络库，它使你能够训练一阶即使是二阶神经网络结构。该项目包括许多内置的体系结构，如多层感知机、多层长短期记忆网络、液体状态机和能够训练真实网络的训练器。
链接：https://github.com/cazala/synaptic
Synaptic 图像过滤感知器
3. Neataptic
那个库为浏览器和 Node.js 提供快速的神经元进化和反向传播，并且有许多内置的网络，包括感知器、LSTM、GRU、Nark 之类。这儿是两个单纯训练的新手教程：https://wagenaartje.github.io/neataptic/docs/tutorials/training/。
链接：https://github.com/wagenaartje/neataptic
目标寻求 AI 演示
4. Conventjs
那个由斯坦福大学博士合作开发的流行库，在往后的 4 年里一直没有维护，但它是列表上最有意思的项目之一。它是神经网络的 Javascript 实现，支持通用模块、分类、回归、两个试验性的强化学习模块，即使能够训练处理图像的卷积网络。
链接：https://github.com/karpathy/convnetjs
用 2 层神经网络进行玩具 2D 分类的 Conventjs 演示
5. Webdnn
那个日本制造的库用于在浏览器上运行深度神经网络预训练模型，并且运行速度很快。由于在浏览器上运行 DNN 会消耗大量计算天然资源，因此该框架优化了 DNN 模型来压缩模型数据，并透过 JavaScript APIs（如 WebAssembly 和 WebGPU）加速执行。
链接：https://github.com/mil-tokyo/webdnn
6. Deeplearnjs
那个流行的库允许你在浏览器中训练神经网络，或者在推理模式下运行预训练模型，即使声称它能用作网页版 NumPy。透过易于读取的 API，该库可用于有用应用程序的真实性，并被积极地维护。
链接：https://github.com/tensorflow/tfjs-core
7. Tensorflow Deep Playground
Deep playground 是神经网络的交互式可视化，采用 d3.js 在 TypeScript 中撰写。尽管那个项目包含了两个十分基本的 tensorflow playground，但它能被用于不同的目的，或用作令人印象深刻的不同用途的教育功能。
链接：https://github.com/tensorflow/playground
Tensorflow playground
8. Compromise
那个十分流行的库提供了「在 JavaScript 中适度的自然词汇处理」。它十分基本和直接，即使能校对成两个小文件。出于某种原因，它的适度的「足够好」的方法使其成为几乎所有需要基本 NLP 的应用程序的首选。
链接：https://github.com/spencermountain/compromise
Compromise 提醒他们英语真的很单纯
9. Neuro.js
那个项目很棒，它为浏览器提供两个深度学习和强化学习的 Javascript 库框架。它在扩展强化学习支持下，实现一个基于全栈神经网络的电脑学习框架，有些人认为那个项目是 convnet.js 的继承者。
链接：https://github.com/janhuenermann/neurojs
10. mljs
由 mljs 组织机构合作开发的一组库，为 Javascript 提供电脑学习工具，它包括监督和非监督学习、人工神经网络、回归演算法和用于统计、数学等的支持库。这儿有两个简短的指导：https://hackernoon.com/machine-learning-with-javascript-part-1-9b97f3ed4fe5。
链接：https://github.com/mljs
11. Mind
两个用于 Node.js 和浏览器的灵活的神经网络库，主要就学习做预测，采用矩阵来处理训练数据并启用可配置的网络拓扑。你还能即插即用已学习的「Mind」，这对你的应用很有用。
链接：https://github.com/stevenmiller888/mind
其他重要的库：
Natural
Node.js 的两个积极维护的库，它提供标记法、词干提取（减少不必要的词根）、分类、语音学、tf-idf、WordNet、字符串相似度等。
链接：https://github.com/NaturalNode/natural
Incubator-mxnet
Apache MXNet 是两个深度学习框架，它允许你将符号和命令式编程与图形优化层在线紧密结合出来以提高性能。MXnet.js 为浏览器带来了两个深度学习推理 API。
链接：https://github.com/apache/incubator-mxnet
Keras JS
该库在浏览器中运行 Keras 模型，采用 WebGL 并支持 GPU。由于 Keras 采用了许多框架做为后端，所以模型也能在 TensorFlow、CNTK 和其他框架中进行训练。
链接：https://github.com/transcranial/keras-js
Deepforge
两个深度学习的合作开发环境，它使你能够快速设计神经网络结构和电脑学习管道，并采用内置版本控制再现实验。值得一试。
链接：https://github.com/deepforge-dev/deepforge
Land Lines
与其说它是两个库，不如说是两个基于谷歌 Chrome 实验的十分酷的演示/网页游戏。尽管我不确定该怎样处理，但它肯定会为你带来一天中最愉快的 15 分钟。
链接：https://lines.chromeexperiments.com/
Google 提供的 Land lines
下一步是甚么？
显然，Javascript 远没有成为电脑学习选择的词汇。然而，诸如性能、矩阵操作和丰富有用的库等常见问题已经开始慢慢消失，缩小了常见应用和有用的电脑学习之间的差距。
