Google tilbyder et open source, hardware-accelereret bibliotek til maskinindlæring, der kører i en browser. Biblioteket understøttes i øjeblikket kun i desktopversionen af Google Chrome, men projektet arbejder på at understøtte flere enheder.
Biblioteket Deeplearn.js muliggør træning af neurale netværk i en browser, der ikke kræver softwareinstallation eller back-end. "Et ML-bibliotek på klientsiden kan være en platform til interaktive forklaringer, til hurtig prototyping og visualisering og endda til offline beregning," sagde Google-forskere. "Og hvis ikke andet, er browseren en af verdens mest populære programmeringsplatforme."
Ved hjælp af WebGL JavaScript API til 2D- og 3D-grafik kan Deeplearn.js foretage beregninger på GPU'en. Dette giver betydelig ydeevne og dermed komme forbi hastighedsgrænserne for JavaScript, sagde forskerne.
Deeplearn.js efterligner strukturen i virksomhedens TensorFlow machine intelligence-bibliotek og NumPy, en videnskabelig databehandlingspakke baseret på Python. ”Vi har også implementeret versioner af nogle af de mest anvendte TensorFlow-operationer. Med frigivelsen af Deeplearn.js leverer vi værktøjer til at eksportere vægte fra TensorFlow-kontrolpunkter, som gør det muligt for forfattere at importere dem til websider for deeplearn.js-slutning. ”
Selvom Microsofts TypeScript er det valgte sprog, kan Deeplearn.js bruges med almindelig JavaScript. Demoer fra Deeplearn.js vises på projektets hjemmeside. Deeplearn.js slutter sig til andre projekter, der bringer maskinlæring til JavaScript og browseren, herunder TensorFire, som muliggør udførelse af neurale netværk på en webside, og ML.js, der leverer maskinlæring og numeriske analyseværktøjer i JavaScript til Node.js.
