可在浏览器中运行的Javascript深度学习框架ConvNetJS

由斯坦福大学开发的ConvNetJS是一款接口非常好用的可在浏览器或nodejs中运行的Javascript框架,非常适合正在入门深度学习的人。ConvNetJS的源码可在Github上查看。

如果你想在浏览器中使用,直接下载下面的js即可(二选一):

如果你习惯使用nodejs,可以直接用npm安装convnetjs:

npm install convnetjs

在nodejs代码中调用:

var convnetjs = require("convnetjs");

用ConvNetJS编写一个卷积神经网络(CNN)也非常简单,示例代码如下:

var layer_defs = [];
layer_defs.push({type:'input', out_sx:32, out_sy:32, out_depth:3}); // declare size of input
layer_defs.push({type:'conv', sx:5, filters:16, stride:1, pad:2, activation:'relu'});
layer_defs.push({type:'pool', sx:2, stride:2});
layer_defs.push({type:'conv', sx:5, filters:20, stride:1, pad:2, activation:'relu'});
layer_defs.push({type:'pool', sx:2, stride:2});
layer_defs.push({type:'conv', sx:5, filters:20, stride:1, pad:2, activation:'relu'});
layer_defs.push({type:'pool', sx:2, stride:2});
layer_defs.push({type:'softmax', num_classes:10});

net = new convnetjs.Net();
net.makeLayers(layer_defs);

var x = convnetjs.img_to_vol(document.getElementById('some_image'))
var output_probabilities_vol = net.forward(x)

ConvNetJS的官网上提供了分类(Classifier)、回归(Regression)、自编码器(AutoEncoder)等示例。

草图 (2)

这些示例并不需要消耗很多资源,在普通PC的浏览器中,运行一两分钟就可以初步进行分类等操作:
草图 (3)

欢迎加QQ群532836339讨论机器学习:
QQ图片20171209143210

You may also like...

发表评论

电子邮件地址不会被公开。 必填项已用*标注

推荐文章
加QQ群下载完整Eclipse项目

WebCollector网络爬虫:250108697(已满)

WebCollector网络爬虫2群:345054141

热门