Компания Google открыла массовый доступ к – это библиотека для машинного кода, что способна работать в обозревателе. Сегодня функция может функционировать только в стационарной версии Google Chrome, постепенно разработчики перенесут её и на другие устройства, платформы.
Благодаря присутствует возможность более углубленно изучать взаимодействие браузера и кода сайта, что-то напоминающее нейронные связи в теле человека. Что примечательно, не потребуется дополнительная установка какого-либо софта или бэкенд-программирования. Разработчики так описывают библиотеку:
«Deeplearn.js позволяет на стороне клиента производить машинное обучение, библиотека полезна для создания интерактивных презентаций, быстрого формирования прототипов моделей и визуализации написанного кода ещё до полного его завершения. Расширение позволит создавать вычисления без доступа к сети. Учитывая, что обозреватель является самой популярной платформой для написания кода, библиотека быстро приобретет популярность».
Благодаря технологии WebGL JavaScript API, что способствует обработке 2D и 3D графики. Deeplearn.js позволит выполнять вычислительные операции непосредственно в графическом ядре. Благодаря инновационному подходу значительно увеличивается производительность обрабатываемого кода, а также устраняется часть негативного эффекта от достаточно медлительной работы языка JavaScript.
По сути библиотека является имитацией другого решения – , но дополнительно совмещает в себе пакет вычислительных мощностей NumPy:
«Мы осознанно пошли по пути реализации одних из самых эффективных операций TensorFlow. В версии для релиза присутствует возможность переносить часть тяжести с контрольной точки, расположенной в системе TensorFlow, и встраивать непосредственно в генерируемую веб-страницу, где об обработке позаботится Deeplearn.js».
Несмотря на то, что библиотека создавалась для взаимодействия с TypeScript, она может без проблем использоваться даже на чистом коде JavaScript. Наглядно ознакомиться с работой библиотеки позволит её официальная страничка.
По принципу работы (переносу машинного обучения в обозреватель) можно отметить подобные технологии у TensorFire, что стимулируют запуск нейронных сетей в Google Chrome. – это ещё один инструмент, служащий для машинного обучения, а также анализа чисел на Node.js.
Благодаря присутствует возможность более углубленно изучать взаимодействие браузера и кода сайта, что-то напоминающее нейронные связи в теле человека. Что примечательно, не потребуется дополнительная установка какого-либо софта или бэкенд-программирования. Разработчики так описывают библиотеку:
«Deeplearn.js позволяет на стороне клиента производить машинное обучение, библиотека полезна для создания интерактивных презентаций, быстрого формирования прототипов моделей и визуализации написанного кода ещё до полного его завершения. Расширение позволит создавать вычисления без доступа к сети. Учитывая, что обозреватель является самой популярной платформой для написания кода, библиотека быстро приобретет популярность».
Благодаря технологии WebGL JavaScript API, что способствует обработке 2D и 3D графики. Deeplearn.js позволит выполнять вычислительные операции непосредственно в графическом ядре. Благодаря инновационному подходу значительно увеличивается производительность обрабатываемого кода, а также устраняется часть негативного эффекта от достаточно медлительной работы языка JavaScript.
По сути библиотека является имитацией другого решения – , но дополнительно совмещает в себе пакет вычислительных мощностей NumPy:
«Мы осознанно пошли по пути реализации одних из самых эффективных операций TensorFlow. В версии для релиза присутствует возможность переносить часть тяжести с контрольной точки, расположенной в системе TensorFlow, и встраивать непосредственно в генерируемую веб-страницу, где об обработке позаботится Deeplearn.js».
Несмотря на то, что библиотека создавалась для взаимодействия с TypeScript, она может без проблем использоваться даже на чистом коде JavaScript. Наглядно ознакомиться с работой библиотеки позволит её официальная страничка.
По принципу работы (переносу машинного обучения в обозреватель) можно отметить подобные технологии у TensorFire, что стимулируют запуск нейронных сетей в Google Chrome. – это ещё один инструмент, служащий для машинного обучения, а также анализа чисел на Node.js.
Количество показов: 197
6 сентября 2017