Propel项目改为基于TensorFlow.js

综合技术 2018-05-28 阅读原文

看新闻很累?看技术新闻更累?试试下载InfoQ手机客户端,每天上下班路上听新闻,有趣还有料!

Propel
项目给出一种科学计算和机器学习JavaScript库。近期,该项目宣布改变研发方向。Propel最初致力于扩展TensorFlow的deeplearn.js和C语言实现。但在2018年3月Propel首次发布后数星期, Google就发布了Tensorflow.js
。Tensorflow.js是由Google发布的Javascript库deeplearn.js演化而来。

考虑到Tensorflow.js和Propel两者在底层方法上的相似性,Propel项目团队迅速认识到,归并到同一共享平台是一种更好的做法:

TensorFlow.js(TFJS)近期发布。它设计良好,为后向传播(backprop)提供了自动微分(autograd)风格的接口,并将努力实现对Node的支持。这也符合我们的要求。追求两者的齐头并进会适得其反。因此,我们放弃了自己的后向传播实现、与TF C的绑定,以及构成Propel库基础的TF/DL桥。我们打算基于TFJS重新设计我们的工作。

由此,当前Propel项目正在重启。Propel网站已不再提供服务以及使用Propel例子,并且在团队努力确定新方向期间,在过去几周内项目面向公众的活动一直很少:

我们的高层目标依然是实现用于JavaScript科学计算的高效工作流。基于TFJS构建,使我们得以聚焦于高层功能。

类似于Propel最初的早期工作,TensorFlow.js也使用WebGL实现受GPU支持的数值计算。据TensorFlow.js团队介绍,现在TensorFlow.js提供了对Node.js的支持:

是的!我们近期发布了TensorFlow对Node.js的绑定。这使得同一JavaScript代码可工作于浏览器和Node.js中,同时绑定到节点中底层的TensorFlow C语言实现。你可以通过GitHub追踪项目的进展,并试用NPM软件包。

作为TensorFlow.js发布的一部分,deeplearn.js软件库已成为TensorFlow.js的核心库(Core)。在核心库之外,TensorFlow.js还添加了一个构建机器学习模型和工具的Layers API,支持自动移植TensorFlow SavedModel格式和Keras HDF5格式的模型。

Propel和TensorFlow.js项目均采用Apache 2.0许可开源。鼓励开发人员通过 TensorFlow.js
Propel
的GitHub代码库做出贡献。

查看英文原文: Propel Shifts Plans to Leverage TensorFlow.js

InfoQ

责编内容by:InfoQ阅读原文】。感谢您的支持!

您可能感兴趣的

深度学习战争:Facebook 支持的 PyTorch 与 Google 的 TensorFlow... 深度学习战争:Facebook 支持的 PyTorch 与 Google 的 TensorFlow 有一个令人震惊的事实,即人工智能和机器学习的工具和技术在近期迅速兴起。深度学习,或者说“注射了激素的机器学习”,数据科学家和机器学习专家在这个领域有数不胜数等可用的库和框架。很多这样的框架都...
Building Recurrent Neural Networks in Tensorflow Introduction In the previous blog posts we have seen how we can build Convolutional Neural Networks in Tensorflow and also how we can use Stochast...
Getting Started with TensorFlow: A Machine Learnin... TensorFlow is an open source software library created by Google that is used to implement machine learning and deep learning systems. These two names ...
猜画小歌背后,Google的机器学习开源框架还想造福全社会... 猜画小歌大火,背后Google的人工智能技术不可忽视。在人工智能横行的时候,喜欢分享的Google自然不会放过这个机会。TensorFlow就是Google的机器学习开源框架,除了给开发者带来便利,还能给各个领域带来新的机会。 TensorFlow中国区负责人梁信屏近日在极客公园Rebuild大...
Building deep learning neural networks using Tenso... Samples from the MNIST test data set (source: Josef Steppan on Wikimedia Commons ) Deep learning has proven its effective...