Javascript 机器学习的四个层次

Atwood定律说，凡是可以用Javascript实现的应用，最终都会用Javascript实现掉。作为最热门的机器学习领域，服务端是Python的主场，但是到了手机端呢？Android和iOS里默认都没有Python。但是有浏览器的地方就有js，现在还有个新场景 - 小程序。

除此之外，为了可以在不联网情况下进行训练的，也有支持本地框架比如React Native的。

可以说，只要有前端的地方，就有机器学习的框架在。

js唯一的问题在于，变化太快，每年都有很多新库出现，但是也有不少老的库宣布不维护了。但是，万变不离其宗，工具本身虽然经常有变化，但是它们的类型是非常稳定的。

选择机器学习工具的方法论

我们要写机器学习算法，需要什么样的工具呢？

机器学习工具可以分为以下四个层次：

 

层次一：直接服务于具体领域的框架

首先我们需要直接服务于具体领域的框架，比如处理CV的，NLP的，推荐算法之类的。

比如nlp.js，上一个版本发布在2020年10月。nlp.js的代码写起来是这样的：

const { NlpManager } = require('node-nlp');const manager = new NlpManager({ languages: ['en'], forceNER: true });// Adds the utterances and intents for the NLPmanager.addDocument('en', 'goodbye for now', 'greetings.bye');manager.addDocument('en', 'bye bye take care', 'greetings.bye');manager.addDocument('en', 'okay see you later', 'greetings.bye');manager.addDocument('en', 'bye for now', 'greetings.bye');manager.addDocument('en', 'i must go', 'greetings.bye');manager.addDocument('en', 'hello', 'greetings.hello');manager.addDocument('en', 'hi', 'greetings.hello');manager.addDocument('en', 'howdy', 'greetings.hello');// Train also the NLGmanager.addAnswer('en', 'greetings.bye', 'Till next time');manager.addAnswer('en', 'greetings.bye', 'see you soon!');manager.addAnswer('en', 'greetings.hello', 'Hey there!');manager.addAnswer('en', 'greetings.hello', 'Greetings!');// Train and save the model.(async() => {    await manager.train();    manager.save();    const response = await manager.process('en', 'I should go now');    console.log(response);})(); 

运行起来很简单，装个库就好：

npm install node-nlp

训练的速度也很快：

Epoch 1 loss 0.4629286907733636 time 1msEpoch 2 loss 0.2818764774939686 time 0msEpoch 3 loss 0.16872372018062168 time 0msEpoch 4 loss 0.11241683507408215 time 0ms...Epoch 31 loss 0.00004645272306535786 time 0ms 

输出的结果类似这样：

{  locale: 'en',  utterance: 'I should go now',  settings: undefined,  languageGuessed: false,  localeIso2: 'en',  language: 'English',  nluAnswer: {    classifications: [ [Object] ],    entities: undefined,    explanation: undefined  },  classifications: [ { intent: 'greetings.bye', score: 1 } ],  intent: 'greetings.bye',  score: 1,  domain: 'default',  sourceEntities: [    {      start: 12,      end: 14,      resolution: [Object],      text: 'now',      typeName: 'datetimeV2.datetime'    }  ],  entities: [    {      start: 12,      end: 14,      len: 3,      accuracy: 0.95,      sourceText: 'now',      utteranceText: 'now',      entity: 'datetime',      resolution: [Object]    }  ],  answers: [    { answer: 'Till next time', opts: undefined },    { answer: 'see you soon!', opts: undefined }  ],  answer: 'see you soon!',  actions: [],  sentiment: {    score: 0.5,    numWords: 4,    numHits: 1,    average: 0.125,    type: 'senticon',    locale: 'en',    vote: 'positive'  }} 

层次二：深度学习框架

第二是我们的核心内容，深度学习框架。

说到Javascript深度学习，占统治地位的仍然是Tensorflow.js，我们来看个经典的强化学习的例子：

使用浏览器的local storage和indexdb作为存储，边训练边展示训练效果的过程，很有前端的风范。

我们再看另一个大厂微软的例子，支持webGL和wasm，基于浏览器不容易：

另外需要强调的是，用于前端的框架并不是简单的把native或者python框架移植过来的，比如说它要处理兼容性的问题：

很多同学都对Tensorflow有一定了解，我们就手写一个网页，然后在其中调tf的API就好：

            "UTF-8"/>        "https://cdn.jsdelivr.net/npm/@tensorflow/tfjs@3.0.0/dist/tf.min.js">                "tf-display">

const kmeans = require('ml-kmeans');let data = [[1, 1, 1], [1, 2, 1], [-1, -1, -1], [-1, -1, -1.5]];let centers = [[1, 2, 1], [-1, -1, -1]];let ans = kmeans(data, 2, { initialization: centers });console.log(ans); 

KMeansResult {  clusters: [ 0, 0, 1, 1 ],  centroids: [    { centroid: [Array], error: 0.25, size: 2 },    { centroid: [Array], error: 0.0625, size: 2 }  ],  converged: true,  iterations: 2,  [Symbol(distance)]: [Function: squaredEuclidean]} 

      "UTF-8" />    "https://www.lactame.com/lib/ml/4.0.0/ml.min.js">        "ml-display">