Google tilbyr et maskinvareakselerert bibliotek med åpen kildekode for maskinlæring som kjører i en nettleser. Biblioteket støttes foreløpig bare i desktopversjonen av Google Chrome, men prosjektet jobber for å støtte flere enheter.
Biblioteket Deeplearn.js muliggjør opplæring av nevrale nettverk i en nettleser, uten programvareinstallasjon eller backend. “Et ML-bibliotek på klientsiden kan være en plattform for interaktive forklaringer, for rask prototyping og visualisering, og til og med for offline beregning,” sa Google-forskere. "Og om ikke annet, er nettleseren en av verdens mest populære programmeringsplattformer."
Ved å bruke WebGL JavaScript API for 2D- og 3D-grafikk, kan Deeplearn.js utføre beregninger på GPU. Dette gir betydelig ytelse, og dermed kommer forbi fartsgrensene for JavaScript, sa forskerne.
Deeplearn.js imiterer strukturen til selskapets TensorFlow machine intelligence-bibliotek og NumPy, en vitenskapelig datapakke basert på Python. “Vi har også implementert versjoner av noen av de mest brukte TensorFlow-operasjonene. Med utgivelsen av Deeplearn.js vil vi tilby verktøy for å eksportere vekter fra TensorFlow-sjekkpunkter, som vil gjøre det mulig for forfattere å importere dem til nettsider for Deeplearn.js-inferens. "
Selv om Microsofts TypeScript er det valgte språket, kan Deeplearn.js brukes med vanlig JavaScript. Demoer fra Deeplearn.js vises på prosjektets hjemmeside. Deeplearn.js slutter seg til andre prosjekter som bringer maskinlæring til JavaScript og nettleseren, inkludert TensorFire, som tillater kjøring av nevrale nettverk på en webside, og ML.js, som gir maskinlærings- og numeriske analyseverktøy i JavaScript for Node.js.
