必赢网址-必赢437-www437com

热门关键词: 必赢网址,必赢437,www437com

Google超有趣小实验合集,10个机器学习的JavaScri

简评:都是些特别有趣的、有意义、有想法的小项目,让人工智能落地,接地气,看得见摸得着。真不错,其中能玩的我都玩了。

原文地址:10 Machine Learning Examples in JavaScript

Google Experiment(谷歌实验)是谷歌官方出品的,各种前沿技术的新锐实验,让非技术用户也能够体验到最新的技术成果。

在过去的每一年,用于机器学习(Machine Learning)的库在变得越来越快和易用。一直以来Python都是机器学习的首选语言,但现在几乎可将所有语言用于神经网络(neural networks),这里当然也包括JavaScript!

图片 1

入口:Google Ai 实验(因为是 Google 的,都要科学上网)

这个网页是这样的:

里面有各种各样的有趣小实验(游戏),下面我一一为大家讲解:


近几年,Web生态系统取得了很大进步,虽然JavaScript和Node.js的性能比Python和Java略差,但它们已足够处理许多机器学习问题。Web语言具有被广泛且易于使用的优势——你只需一个Web浏览器就可以运行一个JavaScript语言编写的机器学习项目。

在过去的每一年,用于机器学习(Machine Learning)的库在变得越来越快和易用。一直以来Python都是机器学习的首选语言,但现在几乎可将所有语言用于神经网络(neural networks),这里当然也包括JavaScript!

Teachable Machine 受教机器

这个实验,使任何人都可以更容易地开始探索机器学习的工作原理。你只需要打开浏览器,它可以让你使用摄像头来教一台机器学习,无需编码。它使用一个名为 deeplearn.js 的库构建,这使得任何 Web 开发人员更容易进入机器学习,通过在浏览器中训练和运行神经网络。

看视频就知道咋回事了,一步一步特简单,我也试了一下,有趣。

通过抓取三种 input 动作,通过训练识别,output 声音或者 gif

虽然许多JavaScript语言编写的机器学习库是刚刚诞生并且还在持续开发中,但还是值得去尝试使用它们。这篇文章会介绍几个JavaScript语言编写的机器学习库以及一些很酷的AI Web应用示例,它们可以很好的帮助你开始AI之旅。

近几年,Web生态系统取得了很大进步,虽然JavaScript和Node.js的性能比Python和Java略差,但它们已足够处理许多机器学习问题。Web语言具有被广泛且易于使用的优势——你只需一个Web浏览器就可以运行一个JavaScript语言编写的机器学习项目。

Font Map字体地图

字体选择是设计师制作的最常见的视觉选择之一,大多数是旧的收藏夹,或者在类别中搜索字体。通过利用机器学习和卷积神经网络来查看视觉模式,「字体映射」可帮助设计人员了解并查看超过 750 种网络字体的关系。由 Kevin Ho 在 Toobias Toft,Jochen Maria Weber 和 IDEO 的设计社区的支持下,使用 Tensorflow 和 D3.js 构建。

点击一个字体,会马上跳出和另外字体的关系

1. Brain

 

图片 2

使用Brain 可以轻松的创建神经网络,并且可通过输入/输出数据对它进行训练。因为训练神经网络会消耗比较多的资源,所以推荐在Node.js环境中而不是直接使用浏览器来训练神经网络。在官网上有个可以识别颜色(recognize color contrast)的小demo (PS:试了下,这个demo现在是404页面)。

虽然许多JavaScript语言编写的机器学习库是刚刚诞生并且还在持续开发中,但还是值得去尝试使用它们。这篇文章会介绍几个JavaScript语言编写的机器学习库以及一些很酷的AI Web应用示例,它们可以很好的帮助你开始AI之旅。

Sketch-RNN Demos

这个实验可以使用 Sketch-RNN 的复发神经网络模型来绘制。我们教了这个神经网,通过训练它从数百万个从「快速绘画」中抽取的涂鸦。一旦开始绘制一个对象,Sketch-RNN 将会提供许多可能的方法,帮助你完成绘制该。该模型还可以模仿你的图纸并生产类似的涂鸦。

Sketch RNN 使用 TensorFlow 训练模型。使用原始 JavaScript 构建的浏览器模型和使用 p5.js 构建的界面。

2. Deep playground

 

图片 3

这是一个寓教于乐的Web应用,可以让你以游戏的方式来探索神经网络的不同部分。它有一个友好的界面用于让你控制数据的输入,算法所用的神经元数量以及其它一些会影响输出结果的权值因素。这是一个开源项目,它是使用TypeScript编写的机器学习库并且有完善的文档,从中我们可以许多东西。

1. Brain

Visualizing High-Dimensional Space 可视化高维空间

这个实验通过可视化高维数据,让你了解机器学习的工作原理。任何人都可以在网路上试用。它也是作为 TensorFlow 的一部分开源的,因此编码人员可以使用这些可视化技术来探索自己的数据。

3. FlappyLearning

 

图片 4

FlappyLearning 项目大约800行代码,这个项目包含一个机器学习库并且实现了一个很有趣的demo——学习玩 Flappy Bird 游戏。它使用了一种叫做 Neuroevolution 的AI技术,使用了受自然神经系统激发而产生的算法,可以从每次成功或失败的迭代中进行动态进行学习。

图片 5

NSynth: Sound Maker

这个实验可以让你通过机器学习来玩出新声音。它使用 Nsynth 建造,这是一个研究项目,该计划在超过 30 万个乐器声音中训练神经网络。NSynth 能够将声音(如低音和长笛)组合成新的混合低音笛声。这个实验让任何人探索这些声音,并以此制作音乐。

4. Synaptic

 

图片 6

.png

Synaptic是一个架构无关(architecture-agnostic)且得到积极维护的Node.js和浏览器库,它允许开发者构建任何类型的神经网络。它有几个内置的架构,使得可以快速测试和比较不同机器学习算法间的异同。它还提供了介绍神经网络的文档及几个实用demo和其它可以帮助我们学习机器学习的教程。

使用Brain 可以轻松的创建神经网络,并且可通过输入/输出数据对它进行训练。因为训练神经网络会消耗比较多的资源,所以推荐在Node.js环境中而不是直接使用浏览器来训练神经网络。在官网上有个可以识别颜色(recognize color contrast)的小demo (PS:试了下,这个demo现在是404页面)。

The Infinite Drum Machine 无线鼓点

声音很复杂,差别很大。本实验使用机器学习来组织数千种日常声音。计算机没有给出任何描述或标签,只有音频。使用称为 t-SNE 的技术,计算机将类似的声音放在一起。你可以使用地图探索各种声音和类似的声音,甚至使用它们进行录制音乐。

5. Land Lines

 

图片 7

Land Lines 是一个有趣的用于搜寻地球卫星图片的Chrome网络实验(web experiment)。这个应用无需服务调用:它完全运行在浏览器环境中,得益于机器学习的使用,WebGL也可以在移动设备中有很好的表现。你可以在GitHub 上浏览源码或者在这里阅读完整的示例。

2. Deep playground

AI Duet AI 钢琴合奏

这个实验可以让你和电脑一起来一曲二重奏。只要播放一些音符,电脑就会响应你的旋律。你甚至不必知道如何弹钢琴,只需(随意)按一些琴键,即可听到什么反馈。您可以点击钢琴,使用电脑键盘,甚至插入 MIDI 键盘。这是机器学习如何以新的方式激发人们创造力的一个例子。

6. ConvNetJS

 

图片 8

尽管已不再被积极的维护,但ConvNetJS依然是JavaScriptp中最为先进的深度学习库之一。这个库最初由斯坦福大学开发,然后ConvNetJS开始在GitHub上流行,社区为它添加了许多特性和教程。ConvNetJS直接运行在浏览器环境中,支持多种学习技术,并且它接近底层原理使得它更适有较多神经网络方面经验的人。

图片 9

Objectifier Spatial Programming 空间编程

空间编程,在日常生活中可以通过设备训练机器编程,通过不同的动作,比如「打开书就开灯,合上书及关灯」,「盖上被就关灯」,「带上墨镜就打开机械设备」等。

使用计算机视觉和神经网络,复杂的行为与人的命令相关联。以这种方式,人们将能够体验新的互动方式来控制对象,与技术建立创造性的关系,而不需要任何编程知识。

**(推荐观看此视频,很好看)**

7. Thing Translator

 

图片 10

Thing Translator是一个网络实验,它可以让你的手机识别真是的物体并用不同的语言标注物体的名称。这个应用完全建立在web技术之上并且利用了Google提供的两种机器学习APIs——用于图像识别的Cloud Vision 和用于自然语言翻译的Translate API。

这是一个寓教于乐的Web应用,可以让你以游戏的方式来探索神经网络的不同部分。它有一个友好的界面用于让你控制数据的输入,算法所用的神经元数量以及其它一些会影响输出结果的权值因素。这是一个开源项目,它是使用TypeScript编写的机器学习库并且有完善的文档,从中我们可以许多东西。

重磅推荐非常好玩的项目:Quick, Draw!

这是一个用机器学习构建的游戏。你画画,一个神经网络试图猜出你在画什么。当然,这并不总是奏效。但是,玩的越多,学习越多。这只是一个例子,说明如何以有趣的方式使用机器学习。

(@园长:每个词只有 20 秒时间,一方面要考词汇量,一方面考验画工,一方面还要听机器在那边猜来猜去,莫名笑场,真挺有趣)

游戏入口:Quick,Draw! 推荐玩一下,好玩。

因为项目有很多,而且我觉得每个都充满创意,非常的有意义且有趣。

  • 有教学的:神经网络是的眼中,我们是什么样的;机器学习可视化等。
  • 有娱乐的:quick draw,AI 合奏等。
  • 有实用的:拍物体翻译,字体图谱等。

因为项目很多,本文只翻译并介绍了一半左右的项目,其他项目的质量都很高,大家感兴趣可以看一下原网页。

原网页:AI Experiments
推荐阅读:
探秘网红 Google 热气球,如何成为灾区救星
博弈论游戏 - 信任的进化
教你用 Web Speech API 和 Node.js 来创建一个简单的 AI 聊天机器人

@园长:确实我们听到机器学习、人工智能的技术,总觉得离我们很远,但是 Google 这些项目都很接地气,让不会编程的人也能享受到科技带来的福利。

8. Neurojs

 

图片 11

Nerojs用于建立基于增强学习(reinforcement learning)的AI系统框架。不幸的是这个开源项目除了一个自动驾驶实验的demo外并没有完善的文档,这个demo对组成神经网络的不同部分有着很好的描述。这个库借助如现代化工具如:webpack 和babel,使用纯JavaScript进行开发。

3. FlappyLearning

9. Machine_learning

 

图片 12

这也是一个允许我们仅使用JavaScript创建并训练神经网络的库。它很容易就可以安装到Node.js和客户端环境,并且拥有对开发人员十分友好的的API。这个库提供了许多示例,可以帮助你理解机器学习的核心原理。

图片 13

10. DeepForge

 

图片 14

DeepForge是一个用于深度学习且易于使用的开发环境。它允许你使用简单的图形接口创建神经网络,支持在远程机器上训练模型,并且内置版本控制系统。这个项目基于Node.js和MongoDB且运行在浏览器环境中。

FlappyLearning 项目大约800行代码,这个项目包含一个机器学习库并且实现了一个很有趣的demo——学习玩 Flappy Bird 游戏。它使用了一种叫做 Neuroevolution 的AI技术,使用了受自然神经系统激发而产生的算法,可以从每次成功或失败的迭代中进行动态进行学习。

本文由必赢网址发布于机械设备,转载请注明出处:Google超有趣小实验合集,10个机器学习的JavaScri

您可能还会对下面的文章感兴趣: