文章选自blog.bitsrc.io，作者：Jonathan Saring，机器之心编译。

本文作者在构建 Bit 的过程中探索和尝试了把 Javascript 和机器学习结合起来使用的可能性，并由此发现了一些简洁优雅的库，可以把 Javascript、机器学习、DNN 甚至 NLP 整合起来。

「等等，什么？？这是一个可怕的想法！」

当我第一次和我们的 NLP 主要研究人员谈起这个概念时，她的原话是这样的。可能她是对的，但它也是一个非常有趣的概念，最近在 Javascript 领域得到了越来越多的关注。

在过去的一年中，我们的团队正在构建 Bit（https://bitsrc.io/），它使得用组件构建软件变得更加简单。作为工作的一部分，我们开发了 ML 和 NLP 算法，来更好地理解代码是如何编写、组织和使用的。

虽然大多数工作都是用 Python 这样的语言完成的，但 Bit 位于 Javascript 生态系统中，它的前、后端社区都是如此。

这个有趣的交集让我们探索和尝试了一起使用 Javascript 和机器学习的奇怪可能性。通过我们的研究发现，这里有一些简洁的库，可以将 Javascript、机器学习、DNN 甚至 NLP 结合在一起。

Brain.js 是一个用于神经网络的 Javascript 库，用于代替 (现在已经弃用的）「brain」库，它可以和 Node.js 一起使用，或在 browser（注意计算）中使用，并为不同任务提供不同类型的网络。以下是训练网络来识别色彩对比的例子。

训练 Brain.js 识别色彩对比

Synaptic 是一个用于 node.js 和浏览器的 Javascript 神经网络库，它使你能够训练一阶甚至是二阶神经网络结构。该项目包括一些内置的体系结构，如多层感知机、多层长短期记忆网络、液体状态机和能够训练真实网络的训练器。

Synaptic 图像过滤感知器

这个库为浏览器和 Node.js 提供快速的神经元进化和反向传播，并且有一些内置的网络，包括感知器、LSTM、GRU、Nark 等等。这里是一个简单训练的新手教程：https://wagenaartje.github.io/neataptic/docs/tutorials/training/。

目标寻求 AI 演示

这个由斯坦福大学博士开发的流行库，在过去的 4 年里一直没有维护，但它是列表上最有趣的项目之一。它是神经网络的 Javascript 实现，支持通用模块、分类、回归、一个试验性的强化学习模块，甚至能够训练处理图像的卷积网络。

用 2 层神经网络进行玩具 2D 分类的 Conventjs 演示

这个日本制造的库用于在浏览器上运行深度神经网络预训练模型，并且运行速度很快。由于在浏览器上运行 DNN 会消耗大量计算资源，因此该框架优化了 DNN 模型来压缩模型数据，并通过 JavaScript APIs（如 WebAssembly 和 WebGPU）加速执行。

这个流行的库允许你在浏览器中训练神经网络，或者在推理模式下运行预训练模型，甚至声称它可以用作网页版 NumPy。通过易于读取的 API，该库可用于有用应用程序的真实性，并被积极地维护。

链接：https://github.com/tensorflow/tfjs-core

Deep playground 是神经网络的交互式可视化，使用 d3.js 在 TypeScript 中编写。虽然这个项目包含了一个非常基本的 tensorflow playground，但它可以被用于不同的目的，或用作令人印象深刻的不同用途的教育功能。

Tensorflow playground

这个非常流行的库提供了「在 JavaScript 中适度的自然语言处理」。它非常基本和直接，甚至可以编译成一个小文件。出于某种原因，它的适度的「足够好」的方法使其成为几乎所有需要基本 NLP 的应用程序的首选。

Compromise 提醒我们英语真的很简单

这个项目很棒，它为浏览器提供一个深度学习和强化学习的 Javascript 库框架。它在扩展强化学习支持下，实现一个基于全栈神经网络的机器学习框架，有些人认为这个项目是 convnet.js 的继承者。

由 mljs 组织开发的一组库，为 Javascript 提供机器学习工具，它包括监督和非监督学习、人工神经网络、回归算法和用于统计、数学等的支持库。这里有一个简短的指导：https://hackernoon.com/machine-learning-with-javascript-part-1-9b97f3ed4fe5。