三種Javascript深度學習框架介紹

2019 年 11 月 20 日
筆記

談到機器學習，我們腦海首先蹦出的程式語言是什麼？一定是python。其實除了python，Javascript也是不錯的選擇。都說現在是大前端時代，從移動開發、伺服器端，甚至桌面軟體開發（比如大名鼎鼎的VS Code），都有Javascript的身影。

用Javascript寫機器學習應用，當然不會從頭開始手寫機器學習演算法和模型，通常會藉助現有框架。我之前接觸的都是TensorFlow.js，其實除了TFJS，還有其它的深度學習框架。下面就介紹三種常用的Javascript深度學習框架。

TensorFlow.js

Tensorflow.js是業界的大哥大，Google出品，值得信賴。其實TensorFlow.js發布得很晚，到2017年中期才公開發布第一個beta版本，其前身是Deeplearn.js。不過TensorFlow.js是第一個在瀏覽器中提供硬體加速的開源深度學習框架，它利用了WebGL進行加速。

在瀏覽器中的機器學習，用戶可以直接在瀏覽器中提供數據，進行實時訓練學習，而不用額外安裝軟體。TensorFlow.js也無需用單獨的深度學習框架構建離線的模型，隨著瀏覽器對硬體能力的支援度越來越高（比如攝影機、麥克風等），我們可以在瀏覽器中運行越來越豐富的機器學習應用。

關於TensorFlow.js的更多介紹，請參考我之前寫的文章：

TensorFlow.js簡介

WebDNN

WebDNN是由東京大學的機器智慧實驗室開發的，雖然它沒有TensorFlow.js那麼流行，但是它支援更多種類的深度學習框架：

TensorFlow
Keras
PyTorch
Chainer
Caffe

如果你已經有了這些深度學習框架的模型，你可以用WebDNN很容易地導入這些模型。WebDNN有一個優化器管道，它看似一個編譯器，將一個訓練模型轉換為一個WebDNN的中間表示的格式。在WebDNN優化中間表達之後，優化過的模型生成一個核操作圖，如下圖所示：

WebDNN也能通過WebGL進行硬體加速，如果你的瀏覽器支援WebAssembly和WebGPU，還可以通過這些API加速。

TensorFlow.js和WebDNN的主要不同在於WebDNN只支援任務的推斷階段，而不能用在訓練階段。因此除了WebDNN，你還要熟悉前面介紹的幾種深度學習框架之一。我們可以將WebDNN看做一個優化器，它能讓預訓練的模型在瀏覽器上運行得更快。

你可以使用pip安裝WebDNN：

$ pip install webdnn

Keras.js

Keras.js只支援Keras生成的模型，但因為Keras本身支援多種深度學習框架後端，所以Keras.js間接支援Keras支援的深度學習框架後端，比如Tensorflow、CNTK、MXNet等。

像TensorFlow.js一樣，Keras.js實現各種核函數。Keras.js同樣不支援模型訓練，所以你需要為Keras.js準備預訓練模型來創建應用。

Keras.js可以運行在獨立於主執行緒外的WebWorker，這可以避免阻塞渲染UI，對於提升良好的用戶體驗至關重要。

Keras.js提供很多使用的例子，你可以訪問：https://github.com/transcranial/keras-js.git 了解更多。

小結

三種Javascript深度模型框架之中，TensorFlow.js無疑是最流行的框架，無論是從功能、社區支援還是活躍度上，都碾壓其它兩個。但其它兩個也各有特點，支援的後端框架更多，支援更多的模型類型，更容易和已有的資源整合。重要的是哪種工具適合哪類問題，深度學習框架還很年輕、不成熟，希望在看完這篇文章之後，可以幫助你更好的選擇深度學習框架。